大資料是我的主要研究方向之一，所以我來回答一下這個問題。

當前正處在大資料時代，以大資料為基礎將構建出一個龐大的應用生態，不管是在傳統的消費網際網路領域還是在未來的產業網際網路領域，大資料都將發揮重要的作用。

要想充分發揮出大資料的價值，需要做好以下幾件事：

第一：以資料為核心構造大資料生態環境。大資料本身是一箇中間環節，大資料的基礎是物聯網、網際網路和傳統資訊系統，這也是大資料的主要資料來源，大資料的出口在於決策系統和智慧化系統，所以要想發揮出大資料的價值，首先就要有一個完整的應用大資料的生態環境。

第二：建立大資料思維方式。對於產業界使用者來說，大資料的思維方式體現在三個方面，第一如何採集資料，第二如何管理資料，第三如何應用資料。對於處在不同行業的產業使用者來說，可能需要進行合作才能完成大資料的價值化，比如管理機構可能有資料，但是卻沒有資料管理能力（分析等），而諮詢公司具備資料管理能力，但是卻沒有資料來源，所以二者之間的結合是一個重要的產業合作模式。產業界的大資料思維方式與學術界的思維方式有一個重要的區別，產業界所有的思維方式都以落地應用為出發點。

第三：具有大資料專業人才。專業人才是發揮大資料價值的核心內容，打造專業的大資料團隊是傳統企業在產業網際網路階段需要重點關注的內容。大資料團隊包括兩方面人才，一方面是技術人才，包括資料採集、資料分析、資料呈現、平臺運維等，另一方面是行業應用人才，主要是設計大資料解決方案。

最後，大資料在落地應用中需要一個積累的過程才能逐漸發揮出作用。

如何最大限度的發揮大資料的價值？

個人覺得：

首先得有高層領導的戰略認識，對資料價值的認可，捨得投入，願組建專門的專業的團隊。

其次對於具體的實施戰術，一種是自頂向下的(以上層應用為主為突破口的)，一種是自底向上的(以基礎平臺為主的)。

個人更傾向於第一種，以應用為主為驅動，以實際應用價值為基礎，儘量多的應用(應用唯快不破，只有越來越多的上層應用有了，才能體現資料更大的價值)，儘量快的迭代，推動基礎的牢固(基礎唯厚不積)。

如何才能最大限度發揮大資料的價值？要回答這個問題，必須先把大資料有什麼價值弄明白。

我認為，大資料的價值歸根到底是幫助某個(或某一組)有決策權的人對事態做出"當前最佳"預測，進而做出"當前最佳"決策。

場景千變萬化，大資料時時更新。若想做出當前最佳決策，決策者首先要盡力對呈現在自己眼前的大資料做出當前最佳理解，再盡力對大資料中的誤差/瑕疵做出當前最佳排除，再盡力對此後可能發生的各種意外做出當前最佳預判，再盡力想出儘可能多的候選解決方案，再盡力從中篩選出一個方案。這個方案就是當前最佳決策。為了盡善盡美，決策者還應該盡力選派一個(或一組)最佳人選去執行該方案。

以上過程須從有關事態最低層(基礎資料收集工作)開始，層層上推到該事態的最終決策者(不一定是整個架構的最高決策者)，才能達成該事態的當前最佳解決。

上述決策過程可能長達數日甚至數年，也可能只需要短短一瞬。之所以要在每個步驟都強調"盡力"和"當前最佳"，是因為人總會有懈怠之時，也總會有見識不足之處——沒有最好，只有更好。

不難看出，若想最大限度發揮大資料的價值，決策鏈上每一層的決策者都是關鍵，他們必須具備相應層次所需要的學識、遠見和責任感(越優秀越好)。

當今是高科技時代，所以決策鏈上的某一個(甚至全部)環節是電子/機械設施也有可能，但它們體現的仍是由人在更早的某個時刻做出的當前最佳決策。

大資料實際上是少數人的福利，它可以讓企業對你更加了解（它甚至比你自己更瞭解你自己），但是對於普通人來說，他們發揮的作用屈指可數。

大資料對於我們普通人來說，沒有多大的作用，但是對於企業來說作用就非常大。

比如做電商平臺的企業，他們可以透過對購買者的資訊資料進行分析，就可以分析出某個消費者一年的購物分類，同時購物均價在哪個區間，如果是家居類產品比較多，那麼就可以知道這個消費者今年可能是在裝修，那麼平臺後續可以對應推薦他一些家居方面的產品等等。

大資料分析對應營銷方面非常有幫助，同時對於消費者的喜好分析，也有利於產品的迭代和更新。

大資料，資料科學，以及分析的發展與演變在今年的Strata資料會議上得到全面展示，其中包含了一個重要的資訊：人們需要獲取大資料的價值。

大資料"是一個體量特別大，資料類別特別大的資料集，並且這樣的資料集無法用傳統資料庫工具對其內容進行抓取、管理和處理。

大資料裡面的資料，分三種類型：

（1）結構化的資料：即有固定格式和有限長度的資料。

（2）非結構化的資料：現在非結構化的資料越來越多，就是不定長、無固定格式的資料，例如網頁、語音，影片等。

（3）半結構化資料：是一些XML或者HTML的格式的資料。

正如在一個數字表演節目中，人們選定的數字是83，認為這會難倒魔術師，魔術師在一個4×4矩陣填寫了16個數字，在組合之後，每行和每列之和都是83，並且數字在各行各列中沒有重複。魔術師說，“看一下這個結果。如果將每一行的所有數字相加，則它們的總和為83，每列中的數字總和也是83。事實上，每一個組合加起來都是你選的數字。

這就像人們在獲得到大量資料的時候的感受——就像魔術一樣！日前在紐約舉行的Strata資料會議的展位上，Diwo公司提供了一個新的認知決策平臺。並採用了這種有趣的方式來介紹他們新的解決方案，也許在無意中會有助於大資料市場的發展。

雖然人們一直在談論大資料，資料科學和分析已經有了相當長一段時間，但在今年Strata資料會議的活動中，全面展現了市場的演變。可以看出在主題演講和展覽層面所貫穿的幾個交織的主題總結出的一個資訊：現在是發揮大資料價值的時候了。

這些主題都涉及了一個廣泛的觀念，在現實生活中大規模應用大資料，科學的資料和分析，現在是超越探索階段的時候了。而這樣規模的資料力量能夠改變業務模式和客戶體驗，或許讓人們對這一切感覺有點像魔術。

使大資料更加真實

大資料在大多數情況下一直是技術上關注的領域。雖然商業影響總是很明確，但市場的焦點主要在於實驗，以及找出如何解決大規模資料集所面臨的技術問題的辦法。

當然，大資料的成功應用產生了巨大的業務成果，但市場的主要驅動力是技術開發，而不是業務應用。然而在2017年將有一個明顯的變化。

首先，隨著行業的不斷髮展，大資料的社會影響以及資料科學家和從業者必須發揮的重要作用將會顯著增加。

“資料毀滅武器：大資料如何加劇不平等並威脅民主”一文的作者，數學家Cathy O’Neil警告說：“我們還沒有制定資料科學方面的標準。而糟糕的演算法可能危及人們的生命…… 這對於人工智慧來說也是不公平的，它使現狀和所有隱含的偏差實現自動化。這一點需要得到承認，特別是當我們將注意力集中在那些影響人們生活的事情時。”

聯合國兒童基金會創新辦公室首席科學家Manuel García-Herranz和美國國會圖書館創新者Jer Thorp也對資料對世界的正面和潛在的負面影響表示了類似的看法。

Garcia-Herranz分享了聯合國兒童基金會如何整合資料科學和實時系統來發現的見解，同時仍然可以利用這些系統採取有意義的行動並“為人類應用資料”。

另一方面，Thorp警告說，人們所期望的客觀性可能阻止他們瞭解資料的實際功能和影響。他的建議很簡單，但卻是深刻的：“不要坐談，而是需要實踐。”

與此同時，大資料和人工智慧(AI)的交叉點也在加強了企業處理大資料主動性的緊迫性。雖然大資料作為人工智慧動力的本質已經使二者共生，但人工智慧作為企業高管面臨的頭號問題，這正在使企業規模的大資料在戰略上佔有一席之地。

實時處理大資料

將重點轉移到組織如何在現實世界中應用大資料也帶來了第二個重要趨勢：實時應用資料和分析的轉變。越來越多的人認識到事後分析並不是唯一的大資料用例，實際上這並不是最好的用例。許多組織現在意識到，透過在交易時應用最終的分析和見解，他們可以利用大資料的最大價值。

有了這個用例，組織不僅可以使用回顧性資料進行分析和規劃，而且可以使用它來塑造客戶體驗，更好地進行決策，並在消極結果發生之前降低風險。在交易點使用資料可以採取多種形式，應該是任何現代大資料戰略的基本要素。

幾家科技公司已經引入了工具和策略來幫助組織實時地整合他們從大資料計劃中獲得的見解和分析。這些包括(按字母順序)：

Cambridge Semantics：一種基於語義關係資料模型的端到端的探索性分析解決方案，透過根據業務環境構建資料，實現實時分析，並縮短上市時間。

MapR：融合資料平臺，提供所謂的“資料結構”，將傳統資料湖與流資料整合在一個單獨的，位置無關的和場景感知的平臺中。

Splice Machine：一種應用程式開發平臺，它建立一個新的“預測應用程式”，將事務處理和分析處理合併，並將分析匯出的洞察資料注入到應用程式工作流程中。

Striim：實時資料整合和流分析平臺，可在攝入時分析資料，以便透過實時洞察來支援決策。

VoltDB：一個執行資料平臺，可提供毫秒響應時間的實時事件處理和分析。

雖然這些技術提供商正在採用不同的方法實時應用大資料，但每個技術提供商都向企業組織提供一個相同的資訊：現在是使用大資料的最佳時機。

然而，如果一個組織無法在企業級和企業執行模型中實現大資料的工作，那麼理解大資料的實際含義並將其應用程式轉移到交易點上就沒有任何好處。隨著組織試圖將大資料移到實驗領域之外，走向全面的、企業級的應用程式，它們遇到了重要的治理、管理和規模問題。

因此，Strata會話展現的第三個主題是組織在企業規模上進行大資料化工作的必要性，這並不奇怪。毫無疑問，這一程序的很大一部分需要文化和組織轉型。但也很清楚，組織還必須轉變如何應用技術本身，使其在一定規模中工作。一些科技公司展示了新的技術和技術驅動的方法，他們認為這將有助於企業組織應對大資料企業的各個方面，包括(按字母順序排列)：

Dataguise：一個數據管理平臺，可發現，檢測，保護，以及監控敏感資訊，如PII，PCI和HIPPA，無論是否在組織的資料格局中。

Dataiku：一個大資料平臺，建立一個單一的資料流水線，打破孤島效應，使資料科學家和資料分析人員能夠輕鬆協同工作，加快預測解決方案的部署速度。

DriveScale：一個軟體公司改變組織部署和使用所謂的“軟體可組合基礎架構”的方式，以智慧和高度動態的方式連線分解的元件(計算和儲存)。

Pure Storage：高效的儲存平臺，專門用於擴充套件大資料部署，現代分析需求和人工智慧。

Zaloni：一個數據湖管理平臺，專注於幫助企業實施資料湖，並迅速獲得規模化的業務價值。

發揮大資料的價值

大資料行業核心技術面臨的挑戰仍然存在，並將在可預見的未來持續下去。隨著資料呈指數級增長，企業組織和服務於其的技術公司將繼續處在一場持續的戰鬥中，使其變得易於管理。然而，很明顯，組織現在正在開始認真應對在整個企業中應用大資料所帶來的挑戰，從而可以加速數字化轉型，為日益增長的人工智慧提供動力。而且很明顯，行業和企業組織都認識到，為了實現大資料的承諾，他們需要獲得大資料的價值。

要想充分發揮出大資料的價值，需要做好以下幾件事：

第一：以資料為核心構造大資料生態環境。大資料本身是一箇中間環節，大資料的基礎是物聯網、網際網路和傳統資訊系統，這也是大資料的主要資料來源，大資料的出口在於決策系統和智慧化系統，所以要想發揮出大資料的價值，首先就要有一個完整的應用大資料的生態環境。

第二：建立大資料思維方式。對於產業界使用者來說，大資料的思維方式體現在三個方面，第一如何採集資料，第二如何管理資料，第三如何應用資料。對於處在不同行業的產業使用者來說，可能需要進行合作才能完成大資料的價值化，比如管理機構可能有資料，但是卻沒有資料管理能力（分析等），而諮詢公司具備資料管理能力，但是卻沒有資料來源，所以二者之間的結合是一個重要的產業合作模式。產業界的大資料思維方式與學術界的思維方式有一個重要的區別，產業界所有的思維方式都以落地應用為出發點。

第三：具有大資料專業人才。專業人才是發揮大資料價值的核心內容，打造專業的大資料團隊是傳統企業在產業網際網路階段需要重點關注的內容。大資料團隊包括兩方面人才，一方面是技術人才，包括資料採集、資料分析、資料呈現、平臺運維等，另一方面是行業應用人才，主要是設計大資料解決方案。

最後，大資料在落地應用中需要一個積累的過程才能逐漸發揮出作用。

當前正處在大資料時代，以大資料為基礎將構建出一個龐大的應用生態，不管是在傳統的消費網際網路領域還是在未來的產業網際網路領域，大資料都將發揮重要的作用。

因為現在很多企業面臨的最大問題不是怎麼用大資料，而是內部的一些小資料整合出現問題，或者小資料都沒用好的情況下怎麼用大資料。

大資料應該是從小資料逐漸演變上去的，是一個正常的生態，而不是瞬間變化的。大資料這個概念跟自媒體的概念類似，需要企業自己去建設，而不是從一開始就想著依靠別人。大資料不是別人的大資料，我們假設有一個第三方提供了大量的資料，有很多很多資訊，CI、BI之類的很多模組化東西供我們來用。如果這樣的話，你有，競爭對手也有，你能得到的東西，競爭對手也能得到的情況下，就不能稱之為核心競爭力。大資料作為企業來說要變成自身的一個競爭力，企業必須得建立自己的企業級的資料。

要做大資料，首先要了解自己的企業，或者自己所在的行業的核心是什麼。我們現在經常發現，有很多企業在競爭的過程中，最終不是被現在的競爭對手打敗，而是被很多不是你的競爭對手所打敗。也就是說企業需要找到自己的核心資料(價值)，這個是最關鍵的。只有在這個基礎上，建立自己的大資料才有可能，才能做一些延伸。其次，要找到內部的一些外圍相關資料，去慢慢地成長它。有點像滾雪球，第一層是核心，第二層是外圍相關的資料。第三層是什麼？就是外部機構的一些結構化資料。第四層是社會化的，以及各種現在所謂的非結構化的資料。這幾層要一層一層地找到它，而且要找到與自己相關的有價值的東西。這樣你的大資料才能建立起來。

第一步，找到核心資料

核心資料現在對很多企業來說實際上就是CRM，自己的使用者系統，這是最重要的。

第二步，外圍資料

比如企業經常會在線上線下舉辦一些活動，在做活動的時候，消費者的資訊只是簡單地提供在表單裡面，還是進入了CRM的系統裡？

第三步，常規渠道的資料

舉例來說一個銷售快銷品的企業，能不能夠得到沃爾瑪的資料，家樂福的資料？很多國外大資料的案例，說消費者買啤酒的時候也會購買剃鬚刀之類，或者一個母嬰產品的消費者她今天在買這個產品，預示著她後面必然會買另一個產品。這就有一個前期的挖掘。這些價值怎麼來的，這就需要企業去找常規渠道里面的資料，跟自己的CRM結合起來，才能為自己下一步做市場營銷、做推廣、產品創新等建立基礎。

第四步，外部的社會化的或者非結構化的資料，即現在所謂的社會化媒體資料

這方面資訊的主要特徵是非結構化，而且非常龐大。這對企業來說最大的價值是什麼？當你的使用者在社會化媒體上發言的時候，你有沒有跟他建立聯絡？這裡有個概念叫做DC(digital connection)。所謂的網際網路實際就是一種DC，但是通常網際網路上的那種DC是在娛樂層面。用到商業裡面的話，就是企業必須得跟消費者建立這種DC關係，它的價值才能發揮出來。否則，你的資料以及很多的CRM資料都是死的。

有了這個資料庫去進行資料探勘，或者在建立資料的過程中，企業需要從什麼方向去探索，也不是漫無目的的。首先應該跟著你的業務，業務現在有哪些問題，或者說這個行業裡面主要的競爭點在哪裡，這是很關鍵的。有了這個業務關係以後，再形成假設，也就是說未來的競爭點可能在哪裡，大到未來的戰略競爭，小到哪些方面。然後下一步要怎麼做，這些形成一個假設，其次做一些小樣本的測試。很多企業一看大資料就很恐怖，說我也買不起那些大資料，也僱不起那麼專業的團隊，怎麼辦？自己做一些小樣本的測試，甚至透過電子表格Excel都可以做資料探勘。不一定非要那麼龐大、那麼貴的資料。然後再做大樣本的驗證，驗證出來的結果就可以應用到現實中去。

在大資料尤其是網際網路時代還有一個最重要的點，就是失效預警。即你發現一個規律，在現實中應用了，但是你一定要設立一些預警指標。就是當指標達到什麼程度的時候，之前發現的規律失效，那你就必須發現新的、相關的，否則也會造成一種浪費。

所有這些工作作為企業來說是需要內部去做的，最終才能開花結果，有一些收穫。企業大資料起步，要從小資料開始。

資料本身不產生價值，如何分析和利用大資料對業務產生幫助才是關鍵。

大資料時代，要點在於資料的清洗和整理，以及對資料變現的一個整體規劃，大資料的核心是資料價值化。

要實現大資料的核心價值，需要前兩個重要的步驟，第一步是收集海量資料，第二步是透過大資料的技術途徑進行“全量資料探勘”，利用分析結果進行“資源最佳化配置”。

大資料探勘商業價值的方法主要分為四種：

客戶群體細分，然後為每個群體量定製特別的服務。模擬現實環境，發掘新的需求同時提高投資的回報率。加強部門聯絡，提高整條管理鏈條和產業鏈條的效率。降低服務成本，發現隱藏線索進行產品和服務的創新。

大資料在實際工作生活中的應用價值

https://www.toutiao.com/i6617714196115096068/

如今，大資料不僅僅是一個流行術語。在災難恢復方面，大資料實際上可能是企業最具價值的工具之一。

大資料曾經是一個毫無意義的流行術語。當時很少有人理解這是什麼意思，也不瞭解其對企業的價值。而在人們對其耳熟能詳的時候，對大資料的炒作已經降溫，這是一件好事。因為現在人們不再對大資料這個流行術語充滿爭議，人們可以深入挖掘資料分析的真正價值。而在企業的業務連續性方面，這種價值尤為顯著。

資料分析的核心是提供一個更全面的企業形象。這是關於如何理解企業的員工在工作場所的行為，企業的顧客在與企業互動時如何表現，以及企業的系統如何定期進行表現。利用正確的分析平臺，企業的業務變得更靈活、更敏捷、更專業。

透過將資料分析應用於災難恢復，企業可以更好地預測關鍵事件，分析恢復過程的有效性，並比其他方式更快地恢復系統。不僅如此，企業還可以降低備份操作的成本，簡化資料管理流程，並改進備份資料和系統的時間和方式。而問題是，企業將大資料用於業務連續性並不是一個簡單的任務。

企業在這樣做之前，需要考慮多種因素。

·資料衛生。企業的資料是如何組織的?是否知道所有的資料都儲存在哪裡?如何訪問?以及如何使用?如果按照歐盟的通用資料保護條例(GDPR)這樣的法規進行審計，企業會因為如何管理而被處罰嗎?

·分析工具。並非所有的資料分析平臺都是平等的。企業需要尋找支援預測分析的選項，並將其融入當前的系統和策略。

·IT環境。企業開始使用物聯網裝置了嗎?使用雲計算了呢?將這些技術結合到企業的災難恢復過程中時，這兩種技術都可以起到很好的作用，物聯網可以收集資料，雲計算可以提供處理資料的能力。

·現有災難恢復流程。大資料不應該被視為實施災難恢復的靈丹妙藥。在實施分析之前，企業需要儘可能最佳化業務連續性計劃，然後可以使用這些資料來進一步改進。

·儲存空間。具有諷刺意味的是，將大資料應用於災難恢復實際上會帶來其他的挑戰。畢竟，企業需要備份分析資料，而且這些資料佔用了大量空間。企業可能需要投資更多的儲存空間和一個非傳統的資料庫。

災難恢復和業務連續性在過去幾年中取得了很大進展。像大資料和雲計算這樣的技術已經改變了企業如何保護、安全和恢復系統和資料的方式。企業需要深入瞭解這些變化，否則，企業的業務連續性計劃就不可能順利地實現。