大資料應用的五大關鍵性

科技的廣泛應用，使得市場環境和社會狀態愈發地物聯化（instrumented）、互連化（interconnected）和智慧化（intelligent），而這三大元素又改變了資料的來源、傳送方式和利用方式，帶來「大資料」 這場資訊社會的變革。

大資料時代較之以前具有兩項顯著區別——大量產生的新型資料不再適用于傳統資料庫，與此同時，分析能力對企業實施大資料具有至關重要的作用。 這兩項區別主要來自大資料具有的4V特性：數量（Volume）、多樣性（Variety）、速度（Velocity）和真實性（Veracity）。

儘管前三個V涵蓋了大資料本身的關鍵屬性，但真實性是當前企業亟需考慮的重要維度，將促使他們利用資料融合和先進的數學方法進一步提升資料的品質，從而創造更高價值。 但如今，業界已經從對大資料重要性的認識階段，發展到實踐大資料的必要性的戰略實施階段，因此，如何保證資料的真實性、如何挖掘資料價值成為大資料應用的關鍵問題。

對此，2013年3月12日發佈的《分析：大資料在現實世界中的應用》白皮書提供了大資料應用的五大關鍵性建議，其中包括：

1、以「客戶為中心」，制定前期「大資料戰略規劃」；

2、制定全面完整的企業「大資料藍圖」；

3、從現有資料入手，設定並完成短期和階段性的「大資料戰略目標」；

4、根據業務優先順序，逐步建立分析體系，循序漸進提升「大資料分析能力」；

5、定制可衡量的指標分析「大資料 ROI（投資回報率）」。

該結論來自于IBM商業價值研究院與牛津大學賽德商學院共同進行的大資料研究。 該專案對全球95個國家、26個行業的1144名業務人員和IT專業人士進行了調研，採訪了20多名學者、業務主題專家和企業高管。

研究結果顯示：近三分之二（63%）的受訪者表示，資訊（包括大資料）和分析的使用為其組織創造了競爭優勢。 對比IBM 2010新智慧企業全球高管聯合調研，這個比例在短短兩年內增加了70%。 而據 IDC的研究，包含結構化和非結構化的大資料正在以每年60% 的增長率持續增長，到了 2020 年全球資料總量將增長 44 倍，達到 35.2ZB。

針對當前企業對於大資料的攀升需求，只有説明企業全力打造大資料落地策略，才能通過真實有效的大資料部署來實現高價值的成長。 這其中，「大資料平臺」、「大資料分析」的選擇至關重要。

IBM分享一些自己的案例。 這是IBM五大業務需求和對應的大資料落地實踐，希望能為亟待部署大資料的企業提供有價值的參考。

利用大資料探索實現資訊庫的充實。 客戶服務、保險、汽車、維修、醫藥等行業需要儲備大量知識庫，而繁雜的解答手冊和知識系統會造成重複查詢，導致系統延遲和成本上升。 以航空業為例，某全球航空製造商部署了IBM InfoSphere Data Explore，使技師、支援人員和工程師能夠即時通過單一訪問點查看位於不同應用程式中的資訊；在部署的第一年，該公司全天候支援的呼叫時間從過去的 50 分鐘縮短為 15 分鐘，在不增加支援人員的前提下能夠為額外的40 多架飛機提供全球範圍的服務，每年節約了 3600 萬美元的成本。

利用增強360度全方位客戶視圖實現客戶交互改進。 電信、零售、旅遊、金融服務和汽車等行業將「快速抓取客戶資訊從而瞭解客戶需求」列為首要任務。 通過部署IBM InfoSphere Data Explorer，某領先的跨國快消產品製造商員工能夠更有效的搜索到最為相關的資訊，因而加快了決策過程，減少了重複勞動，提升了全球員工生產力。

利用運營分析實現運營優化。 製造、能源、公共事業、電信、旅行和運輸等行業需要時刻關注突發事件、通過監控提升運營效率並預測潛在風險。 巴基斯坦領先的移動運營商Ufone部署了IBM大資料解決方案，通過即時識別使用者行為，開展應對特定目標的行銷活動，並使用預測分析來設計更好的行銷活動和電話推廣計畫，有效降低了客戶流失率。 該解決方案包括領先的流計算工具 IBM InfoShere Streams、商業智慧軟體IBM Cognos和預測分析工具IBM SPSS，以及全套的硬體及服務支援。

利用資料倉儲擴充實現IT效率和規模效益提升。 企業需要通過全新大資料技術增強現有資料倉儲基礎架構的價值，實現結構化、非結構化和流式資料傳輸、低時延、和查詢的需求，又確保有效利用預測分析和商業智慧實現性能和擴展。 某汽車製造商就成功利用了IBM InfoSphere BigInsights增強原有資料倉儲，實現快速部署並且更易於管理。

利用安全性和智慧擴展實現犯罪防範。 政府、保險等行業企業亟待利用大資料技術補充和加強傳統的安全解決方案，分析新資料。 秘密情報和監視感應器系統供應商TerraEchos，為美國能源部（DOE）國家實驗室等客戶提供科學技術和資源的安全防範監控。 通過部署IBM InfoSphere Streams，TerraEchos能夠即時分析資料流的聲學資料並對其進行分類，並將即時捕獲和分析 275MB 聲學資料所需的時間從幾個小時減少到十四分之一秒，並大大提升監控精確度。

從以上這些案例可以看出，績效管理、風險分析、決策管理和內容分析等方面構成了「大資料分析」的能力要求，只有具備這些能力，大資料應用才能真正奏效，才能為決策制定者提供全面、統一且準確的資訊，説明他們在激增的資料中獲取洞察， 發掘商業機遇和價值，制定更為有效的決策最終提高業績。