科技猎从大数据的应用现状，看企业运营决策该何去何从（全文）
何谓大数据？
什么是大数据？在大多数人理解中，是企业用数据来优化自己的流程、产品以及决策，让运营变得更有效。但我认为，这还不能涵盖大数据的完整范畴。
事实上，大数据是一个包含了技术和商业两个层面的综合性概念。一方面是技术层面的。在技术层面，其实从计算机诞生的那一刻起就伴随着数据的产生。但要进行海量的数据存储、高效的数据计算，需要有非常强大的硬件系统来支撑，而动辄百万美元的硬件成本和每月数万美元的维护成本并不是每一个企业都能够承担的。在高昂的成本面前，数据的分析使用成为了企业的一种“可望而不可及”的财富资产。
但最近几年，技术在不断地发展，类似于Hadoop这样的分布式存储和计算系统的出现，大大提高了数据存储和计算的效率，使海量数据应用于商业变成了可能。同时，随着互联网产业的飞速发展，大数据的概念也开始被越来越多的人关注。
另一方面是商业层面的。对于商业行为而言，最重要的意义是能够让企业通过数据的使用获得更多的收益。传统意义上的数据是面向业务的，对于每一条业务线来说都会有数据的采集和积累，相信很多企业已经在这方面做得很好了，可以说私量级已经足够了。如果连私量级这方面都没有做好，那我觉得有必要先去建立数据建构，毕竟有数据，才能进行接下来的相关内容。而能够让商业产生更大价值甚至颠覆性创新的则是具有多样性多元化的数据。这个多样性是指能够将多种数据相互印证，通过彼此之间的关联和互动让数据产生有可能的具有可靠性的商业价值。
对于企业来说，科学有效的数据指标体系可以增加企业决策的选择范围以及可预见范围。通常情况下，数据可以通过是否具有正向作用、是否可预见两个维度归纳成四个类别。
那些具有正向作用且可预见的数据通常作为运营指标进行关注，而那些具有反向作用且可预见的数据通常作为风险来规避，而具体如何划分数据指标，就根据具体的企业状况决定了。但是除了可预见的数据之外，还有大量的不可预见的数据。例如双十一，淘宝的目标是单天销售100亿，结果却实现了191亿，那么91亿便是不可预见的意外惊喜。对于我们来说，我们需要把不可预见的变成可预见的，也就是把意外惊喜变成可预见的固定收益，让它发挥更大的价值，把意外悲剧变成可预见的，最大可能地规避掉。
将所有意外可能性变成可预见的，稳定收益规避风险
如果说上述都是对大数据定义的解释，那么下面就来说说企业与数据的关系。
一方面是企业内部数据，包括财务数据、运营数据、市场数据这类公司的结构型数据以及网站的分析数据和移动应用数据；另一方面是企业外部数据，包括百度、360这样的社会外部数据以及TalkingData这类的第三方数据，用以补全自己的业务数据维度。
例如，一个用户看了某项服务或者产品但没有产生消费，所以这组数据不可能出现在企业的经营数据中，绝对仅仅出现在网站分析数据中。换而言之，如果想要知道企业未来的机会，起码要把那些看了却不选用的用户转变成客户才可能吧？如果能转化20%，你的市场会增加多少？
再比如，如果你无法解释市场份额增加的原因，那么这个就属于“意外惊喜”；但当你看懂数据，当了解“意外惊喜”的产生原因，并做出相应的调整，将不可预见的可能性慢慢变少，使之成为正向的稳定的，公司也会越来越聪明（Data Smart）。
相较于对不可预见的“意外惊喜”的探索，对未知意外风险的警惕显得更为重要。
在如今竞争数据化，新闻自媒体化的现在，不再仅仅是去看对手做了什么事，而更多的是从那些“微小声音”中感受危机。例如，以前A公司的用户，有10%是先去B公司看看后再来A公司的，现在这个比例变成了40%，说明B公司的影响力比以前大，对于A公司便是危险。
所以，不仅仅是内部数据的分析使用，我们也需要用一些非结构化的外部数据不断补充自身的数据分析维度，比如微博指数、百度指数这类的社会数据就是很大一块非结构化的数据。这些社会数据不单只是用来评价公司口碑的好坏，同样能帮助公司进行一些决策。如果单纯停留在自身数据中，往往容易出现盲人摸象的尴尬，用片面的数据错误地描绘用户的全貌。就像当淘宝的卖家离开淘宝数据的支撑，只能称之为有数据分析，决不可称为大数据分析。
所谓的大数据，是需要跨视角、跨媒介、跨行业的海量数据，也可以理解为数据的收集方法相较于过去的传统收集方法的巨大革新。当数据的规模和丰富程度达到一定程度，大家才开始提出大数据的概念。
责任编辑：陈近梅
