大數(shù)據(jù)時(shí)代下傳統(tǒng)數(shù)據(jù)分析在商業(yè)運(yùn)用中的諸多弊端

提到“大數(shù)據(jù)分析”，人們近兩年對(duì)這個(gè)詞并不陌生，國(guó)內(nèi)媒體對(duì)于有關(guān)“大數(shù)據(jù)”及“數(shù)據(jù)分析”概念的大范圍炒作，使得人人都知道意識(shí)到了“大數(shù)據(jù)”時(shí)代的到來(lái)。無(wú)論在哪家企業(yè)的商業(yè)模式里，大數(shù)據(jù)分析近乎成為了一種標(biāo)配，而似乎一夜之間，國(guó)內(nèi)各型各色的數(shù)據(jù)分析企業(yè)也如雨后春筍般冒了出來(lái)。

的確，大數(shù)據(jù)時(shí)代已經(jīng)到來(lái)。

根據(jù)調(diào)查，去年全球大數(shù)據(jù)和業(yè)務(wù)分析總收入約為1229億美元，同比近三年內(nèi)數(shù)據(jù)，呈現(xiàn)較大增幅趨勢(shì)。毫無(wú)疑問(wèn)，隨著大數(shù)據(jù)時(shí)代的到來(lái)，大數(shù)據(jù)分析技術(shù)對(duì)各行各業(yè)商業(yè)化運(yùn)作都已產(chǎn)生重大影響。 尤其在一些垂直領(lǐng)域，包括汽車、家裝、電子產(chǎn)品等行業(yè)在全球市場(chǎng)大數(shù)據(jù)分析技術(shù)運(yùn)用的最多，這部分全球收入共占據(jù)約228億美元。

在中國(guó)，我們熟知的很多知名企業(yè)都已經(jīng)將大數(shù)據(jù)分析技術(shù)運(yùn)用在自己的服務(wù)中。例如，阿里通過(guò)分析用戶購(gòu)物習(xí)慣進(jìn)行商品類目推薦，滴滴通過(guò)數(shù)據(jù)計(jì)算為用戶置配車輛，京東利用商品庫(kù)存分析進(jìn)行倉(cāng)儲(chǔ)管理。更多的中小企業(yè)也開始意識(shí)到大數(shù)據(jù)分析的重要性，并加入到大數(shù)據(jù)分析的行列之中。

但是隨著“大數(shù)據(jù)”和“數(shù)據(jù)分析”概念炒作的升溫，也讓很多企業(yè)CIO/CTO們對(duì)其產(chǎn)生“畏懼”。一方面，企業(yè)發(fā)展中不可避免的充斥著很多無(wú)從分析的非結(jié)構(gòu)化數(shù)據(jù)。在大數(shù)據(jù)分析中這類數(shù)據(jù)雖然至關(guān)重要，但目前我國(guó)絕大多數(shù)的數(shù)據(jù)分析公司還尚不具備對(duì)其分析的能力。而傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)分析在國(guó)內(nèi)仍存在不科學(xué)、周期長(zhǎng)、性價(jià)比低及無(wú)法產(chǎn)生直接經(jīng)濟(jì)效益等弊端。另一方面，由于大數(shù)據(jù)分析具有海量的數(shù)據(jù)規(guī)模、快速的數(shù)據(jù)流動(dòng)、多樣的數(shù)據(jù)類型和價(jià)值密度低等特征，企業(yè)通過(guò)部署及使用大數(shù)據(jù)工具可以獲取更精準(zhǔn)的資源，從而提高自身利潤(rùn)率和競(jìng)爭(zhēng)優(yōu)勢(shì)。因此，在龐大的市場(chǎng)需求下。盡管不少數(shù)據(jù)分析公司不具備大數(shù)據(jù)分析的能力，還是被驅(qū)使著進(jìn)入到這片紅海之中，這也使得目前國(guó)內(nèi)市場(chǎng)數(shù)據(jù)分析公司水平良莠不齊。

而企業(yè)即使了解大數(shù)據(jù)分析所能帶來(lái)的紅利，也因?qū)Υ髷?shù)據(jù)分析缺乏基礎(chǔ)認(rèn)知，不能真正選擇適合自身業(yè)務(wù)的數(shù)據(jù)分析模式。很多企業(yè)級(jí)的客戶自身在進(jìn)行大數(shù)據(jù)分析時(shí)，仍以結(jié)構(gòu)化數(shù)據(jù)分析為主，忽略了相對(duì)內(nèi)涵豐富的非結(jié)構(gòu)化數(shù)據(jù)。

國(guó)內(nèi)企業(yè)進(jìn)行結(jié)構(gòu)化數(shù)據(jù)分析通常采取“招標(biāo)+外包”的傳統(tǒng)模式。企業(yè)級(jí)客戶按照歷史經(jīng)驗(yàn)應(yīng)先建立起自己的數(shù)據(jù)分析KPI（關(guān)鍵績(jī)效指標(biāo)），然后以此為參照將整個(gè)數(shù)據(jù)分析任務(wù)外包給第三方數(shù)據(jù)公司，經(jīng)過(guò)數(shù)月的分析后，由數(shù)據(jù)公司將分析結(jié)果返還給甲方企業(yè)。企業(yè)依據(jù)分析結(jié)果再進(jìn)行策略調(diào)整。

在面對(duì)如今數(shù)據(jù)爆炸的時(shí)代，傳統(tǒng)數(shù)據(jù)分析在商業(yè)運(yùn)用中暴露的諸多弊端，主要可以歸結(jié)為以下七條：

第一,非結(jié)構(gòu)化數(shù)據(jù)往往內(nèi)涵更為豐富并且至關(guān)重要。目前我們所認(rèn)知的數(shù)據(jù)分為兩大類，一類可以用數(shù)據(jù)或統(tǒng)一的結(jié)構(gòu)加以表示，被稱之為結(jié)構(gòu)化數(shù)據(jù)，例如數(shù)字、符號(hào)等，而無(wú)法用數(shù)字或統(tǒng)一結(jié)構(gòu)表示的另一類信息則被稱為非結(jié)構(gòu)化數(shù)據(jù)，如文本、圖像、聲音、網(wǎng)頁(yè)等。

企業(yè)以往使用的傳統(tǒng)數(shù)據(jù)分析系統(tǒng)僅僅只能對(duì)結(jié)構(gòu)化和關(guān)系性的數(shù)據(jù)進(jìn)行處理分析，這部分?jǐn)?shù)據(jù)一般是已知且容易理解的，通過(guò)抽樣讀取很小一部分?jǐn)?shù)據(jù)集來(lái)對(duì)整個(gè)數(shù)據(jù)集進(jìn)行預(yù)判。而在企業(yè)發(fā)展過(guò)程中，所產(chǎn)生的數(shù)據(jù)其存在形式往往各式各樣，非結(jié)構(gòu)化數(shù)據(jù)分析正是基于企業(yè)海量數(shù)據(jù)處理分析，所得出的結(jié)果也更為精準(zhǔn)。

第二，KPI非數(shù)據(jù)驅(qū)動(dòng)生成，缺乏科學(xué)性。國(guó)內(nèi)企業(yè)數(shù)據(jù)分析前制定KPI標(biāo)準(zhǔn)常常以人為經(jīng)驗(yàn)得出，而不是由數(shù)據(jù)驅(qū)動(dòng)并且實(shí)時(shí)生成的，因此造成的結(jié)果則是KPI常年不變，并且缺乏科學(xué)性。在最終數(shù)據(jù)分析上會(huì)存在較大誤差。

第三，數(shù)據(jù)分析時(shí)效性差。國(guó)內(nèi)企業(yè)在進(jìn)行大數(shù)據(jù)分析時(shí)采用第三方外包的方式，整個(gè)周期至少也要數(shù)月的時(shí)間，往往返還回結(jié)果時(shí)，企業(yè)內(nèi)部的相關(guān)數(shù)據(jù)已經(jīng)完全改變了。

第四，浪費(fèi)了企業(yè)內(nèi)部的分析師資源。不少企業(yè)都用有自己的內(nèi)部分析師，采用外包的方式，完全浪費(fèi)了這部分資源，企業(yè)從經(jīng)濟(jì)效益上很不劃算。而且在數(shù)據(jù)銜接上，由于第三方數(shù)據(jù)公司并不清楚企業(yè)的詳細(xì)情況，通過(guò)數(shù)據(jù)分析無(wú)法真正了解數(shù)據(jù)背后所蘊(yùn)含的實(shí)際原因。

第五，數(shù)據(jù)安全性無(wú)法保障。外包的數(shù)據(jù)安全性問(wèn)題一直是國(guó)內(nèi)企業(yè)CTO的老大難問(wèn)題，因?yàn)橐恍┢髽I(yè)核心數(shù)據(jù)會(huì)涉及到商業(yè)機(jī)密，企業(yè)若想確保數(shù)據(jù)以安全的方式交予第三方大數(shù)據(jù)公司，往往需要耗費(fèi)額外的時(shí)間和經(jīng)濟(jì)成本。

第六，數(shù)據(jù)分析結(jié)果不能與企業(yè)經(jīng)濟(jì)效益直接掛鉤。由于第三方數(shù)據(jù)公司的介入，國(guó)內(nèi)企業(yè)在得到數(shù)月的分析結(jié)構(gòu)后，從內(nèi)部執(zhí)行上并不能很好地將分析結(jié)果運(yùn)用到企業(yè)經(jīng)濟(jì)效益的改善上，數(shù)據(jù)分析最終成為了一堆沒(méi)用的數(shù)字。

第七，第三方大數(shù)據(jù)公司分析能力有限。國(guó)內(nèi)大部分第三方公司由于缺乏動(dòng)態(tài)、數(shù)據(jù)驅(qū)動(dòng)的數(shù)據(jù)分析工具，更多時(shí)候也僅是依照經(jīng)驗(yàn)制定KPI和進(jìn)行數(shù)據(jù)分析，這樣分析出的結(jié)果同樣缺乏科學(xué)性。

正是基于上述弊端，才使國(guó)內(nèi)企業(yè)陷入了數(shù)據(jù)分析的困局。其實(shí)，非結(jié)構(gòu)化數(shù)據(jù)的分析，是每個(gè)企業(yè)都是非?？释摹５捎谑車?guó)內(nèi)技術(shù)的制約以及工具的缺乏，公開市場(chǎng)上鮮有出色的分析平臺(tái)。大數(shù)據(jù)分析的核心技術(shù)只掌握在一些頂尖企業(yè)和專業(yè)數(shù)據(jù)分析公司手中，通常價(jià)格不菲。

我們相信，在未來(lái)的大數(shù)據(jù)分析技術(shù)中，非結(jié)構(gòu)化數(shù)據(jù)分析將逐漸取代傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)分析技術(shù)，通過(guò)海量的數(shù)據(jù)分析來(lái)為企業(yè)應(yīng)對(duì)更為復(fù)雜的商業(yè)模型，從而替企業(yè)提高市場(chǎng)洞察力并創(chuàng)造價(jià)值。