大数据开启了一次重大的时代转型，企业需要把握大数据时代的机遇。大数据给企业业务带来颠覆性的影响，大数据将推进企业用正确的标准进行管理，并必然引发组织变革。

在大数据时代，企业面临的最大挑战是思维的变革。

在大数据时代，企业未来的一个重要方向是利用大数据来推动转型。

一、大数据时代给企业带来的影响

大数据时代的价值创造逻辑

大数据通过什么路径影响企业的价值创造过程？主要通过4条路径驱动：

驱动因素1：获取结构化数据。

通过获取更多详细的事务性数据，主要是企业内部运营管理数据如销售数据、客户服务记录、仓储物流数据、财务报表数据等，通过分析支持企业更精细的决策。

驱动因素2：获取非结构化数据。

通过获取多样化的企业内部数据和外部非结构化数据，如社交媒体、终端应用、物联网生成的数据等，企业可以利用非结构化数据和详细的事务性数据，从更多维度挖掘关于市场、客户、产品和运营的洞见，以支持企业做出更完整、更准确的决策。

驱动因素3：获取实时数据。

通过获取实时(低延迟性)数据，可以缩短从机遇出现到分析、决策之间的时间，这意味着很多领域游戏规则的改变，它将带来新的业务机会，它将支持企业更频繁、更及时的决策。

驱动因素4：预测性分析。

传统的分析主要是回顾式，企业行动受限;而在大数据时代，将预测性分析融入关键业务流程，将带来巨大的商业潜能，将使企业决策更具行动性。

大数据对企业运营管理的影响

1、大数据给业务带来颠覆性的影响。

大数据能够使企业回答之前很多无法回答的问题，比如“谁是我最有价值的客户？”、“什么是我最重要的产品？”、“什么是我最成功的营销活动？”等等。

过去几十年来，领先企业为实现业务差异化、获取竞争性优势而不断探索和应用新的信息技术；

但这些看似“简单”的问题，你越思索就会感到越复杂。

以最有价值客户为例，是指高收入客户、最赢利客户还是指最具影响力客户？大数据能给这些问题提供准确的答案。

2、大数据将推进企业用正确的标准进行管理。

管理的特征是规范与激励，其前提是以人为本。传统的企业管理由于受限于数据源与分析技术，使其既不能充分体现人性化，也很难搜寻到能够精准预测业绩的正确指标。但在大数据时代，通过获取新的数据源，采用新的分析方法，能够挖掘出可精准衡量业绩的正角指标。

在《魔球》这本书中，就记录了奥克兰运动家队和它的总经理比恩如何运用大数据为球队建立竞争性优势的案例。

3、大数据的一个更重要的影响是，为有效支持大数据带来的机遇而有必要对组织进行变革。

数据科学与商业智能扮演着不同的角色，需要不同的技能和方法。

商业智能具有典型的回顾性，用后视镜看待业务，主要关注发生了什么和为什么发生。

数据科学则具有典型的前瞻性，用挡风玻璃式视角看待业务，重点预测将要发生什么和挖掘深埋在地下的“金砖”。

数据科学和商业智能有一定的互补性，但二者因为承担不同的角色，组织在新的机遇面前，需要引进、培育好大数据专业人才。

大数据时代企业决策面临的挑战

在大数据时代，企业面临的最大挑战是思维变革。我们不必非得知道现象背后的原因，而是要让数据自己“发声”。

传统的企业决策常常陷入分析的泥沼：“我们在哪里？”“我们是如何做的？”“这为什么会发生？”等等。

但在大数据时代，企业不必展示无休止的报告和图表，可以用预测性分析推翻传统的分析过程。这意味着企业决策可以直接跳过分析的泥沼，告诉执行人员“接下来应该做什么？”。

我们可以预见，在不久的将来，世界许多现在单纯依靠人类判断力的领域都会被计算机系统所改变甚至取代。谷歌公司运用算法就占据了广告世界，但它对广告的历史和文化并不很了解，它只是能更好的挖掘和更好的分析，这就够了。

二、大数据时代的企业战略转型方案

评估企业目前大数据利用状况

大数据是当前热点话题。很多人关心，大数据能带我们走多远？最后的终点会是怎样的？我们对大数据的利用状况如何？你可以用企业大数据业务模型来衡量企业现在所处的位置，也能了解大数据带来的机遇能推动企业走多远。

企业对大数据的利用状况，可划分五个阶段：业务监督，业务洞见，业务优化，数据货币化和业务转型。

在业务监督阶段，企业利用商业智能和传统数据仓库来监督或呈现目前的经营绩效。

业务洞见是在业务监督基础上，企业综合运用新的非结构化数据和预测性分析方法，挖掘掩藏在具体数据下的“金矿”，并提出针对性的可行建议。

业务优化是指企业用嵌入式分析自动优化业务流程，比如基于正在进行营销的活动业绩，制订营销费用分配方案。

在数据货币阶段，企业针对目标客户需求，在评估现有数据资产基础上，利用大数据开发解决方案，以获取新的赢利机会。

业务转型对有些企业来说是终极目标，它是企业利用大数据获得对市场、客户、业务和运营的深度洞见来转变业务模式，为新的市场提供新的服务。

开发大数据时代企业战略转型方案

大数据时代企业战略转型方案，不同行业有其不同特征。这里仅提供一个通用性的框架：它包括企业战略，业务计划，结果和关键成功因素，任务和数据源五大模块。

以某企业客户忠诚度案例为例，该企业战略是提高客户忠诚度，以促使更多可赢利的客户有参与项目。与企业战略相关的业务计划包括：增加会员；加强用户参与。

为保障业务计划顺利执行，明确结果与关键成功因素。

需要的结果是密切了解客户的生活模式和行为；根据对客户的了解采取行动，创造需求。

相关的关键成功因素包括通过与客户的交流和以客户为中心的产品和服务，优化零售点或与客户接触的环节，获取并利用额外的会员和家庭信息等等。

在任务模块，进一步细化了业务计划，比如通过在线调查和线下调查收集更全面的客户资料。数据源包括客户数据、事务数据、联系数据和市场数据等。

构建适应大数据的平台架构

在过去几十年，企业的数据架构是建立在以OLTP（联机交易处理）为主的关系数据库技术上的。这套架构在处理低TB级结构型数据时是适用的；但传统的商业智能工具并不智能，缺乏预测性分析和数据挖掘功能，在实时性方面远远不能满足现代大型企业的需求。因此，新一代的数据管理和分析功能应运而生：Apache Hadoop。

根据笔者了解，Apache Hadoop是一个开源软件框架，支持数据密集型、本地分布、本地平行的应用程序。对很多人来说，Hadoop几乎是大数据的同义词。目前，Hadoop已成了大数据平台技术的事实标准。