ITValue點評：

數(shù)據(jù)分析是以得到有關(guān)信息的一些結(jié)論為目的，而對原始數(shù)據(jù)進行研究的一門科學(xué)。其與數(shù)據(jù)挖掘的區(qū)別在于所分析的范圍、目的及重點。數(shù)據(jù)挖掘采用先進的軟件對大量數(shù)據(jù)進行整理分類，以識別其中所隱藏的規(guī)律，并確定其中所隱藏的關(guān)系。


1. 全面質(zhì)量管理和六西格瑪管理計劃培養(yǎng)出一代重視嚴(yán)格運用數(shù)據(jù)的產(chǎn)品經(jīng)理。六西格瑪計劃遭到濫用和曲解是毫無疑問的事實，但是以數(shù)據(jù)為主導(dǎo)的決策方式所帶來的成功，極大影響了現(xiàn)在企業(yè)內(nèi)部對高等統(tǒng)計式數(shù)據(jù)分析更為廣泛的興趣。

2. 數(shù)量金融學(xué)將運籌學(xué)、物理學(xué)、生物學(xué)、供應(yīng)鏈管理學(xué)及其他領(lǐng)域的一些理念用于解決貨幣及市場問題。經(jīng)過一些轉(zhuǎn)變，許多數(shù)據(jù)密集型技術(shù)，比如投資組合理論，現(xiàn)在正從形式上的金融學(xué)科轉(zhuǎn)化成日常管理的工具。

3. 正如Google公司CEO埃里克·施密特今年8月談到的，現(xiàn)在我們兩天內(nèi)所產(chǎn)生的信息量就相當(dāng)于人類自有文字記載以來至2003年的總和。人們及各類組織目前產(chǎn)生數(shù)據(jù)的速度遠超過任何人類或程序可以收集、消化或做出反應(yīng)行動的速度。手機作為傳感及通訊的平臺作出了巨大貢獻，企業(yè)應(yīng)用及圖像生成系統(tǒng)同樣功不可沒。現(xiàn)在，世界上有更多的領(lǐng)域以日益標(biāo)準(zhǔn)化的方式裝備起各類數(shù)據(jù)儀器，其規(guī)模遠超以往任何時候：Facebook的狀態(tài)更新、全球定位系統(tǒng)、ZigBee無線通訊技術(shù)及其他“物聯(lián)網(wǎng)”技術(shù)，以及運用于越來越多的產(chǎn)品上的條形碼及RFID電子標(biāo)簽技術(shù)等等。這些只是其中的一部分。

4. 正當(dāng)人類作為一個物種，產(chǎn)生比以往任何時候都遠遠要多的數(shù)據(jù)的時候，“摩爾定律”及其一些推論（比如有關(guān)硬盤驅(qū)動器的“克來德法則”）正為我們創(chuàng)建起一個計算構(gòu)架，使數(shù)據(jù)處理的成本效益比以往任何時候都高。當(dāng)然，這些數(shù)據(jù)處理過程還會產(chǎn)生更多數(shù)據(jù)，加劇了數(shù)據(jù)過量的問題。

5. 繼推行BPR、ERP、互聯(lián)網(wǎng)泡沫以及將服務(wù)導(dǎo)向架構(gòu)作為一個業(yè)務(wù)發(fā)展主題的努力基本失敗之后，供應(yīng)商們目前正主推數(shù)據(jù)分析技術(shù)。

數(shù)據(jù)分析技術(shù)可以用來銷售服務(wù)、硬件和軟件。可以用于每個垂直細(xì)分市場；適用于各種企業(yè)規(guī)模，而且與其他宏觀層面的發(fā)展動向相連：智能電網(wǎng)、碳足跡、醫(yī)療成本控制、電子政務(wù)、市場營銷效率、精益制造等等。總之，許多供應(yīng)商有充分的理由在其市場進入策略中重視數(shù)據(jù)分析。SAP、IBM、甲骨文、微軟及Google公司都已在數(shù)據(jù)分析領(lǐng)域花費了數(shù)十億美元收購相關(guān)企業(yè)。

6. 盡管在ERP、數(shù)據(jù)倉庫及“實時”系統(tǒng)上投資了所有這些資金，但大多數(shù)管理者仍不能完全信任他們的數(shù)據(jù)。上述現(xiàn)象并沒有因行業(yè)而有所差別，企業(yè)系統(tǒng)中的數(shù)據(jù)質(zhì)量無法給予管理者以信心，而數(shù)據(jù)分析結(jié)果及時性差別很大，尤其對于跨國公司來說。

7. 與這種對企業(yè)數(shù)據(jù)缺乏信心的現(xiàn)象相關(guān)的是，許多行業(yè)的風(fēng)險意識正日趨增長。無論是在產(chǎn)品原產(chǎn)問題、產(chǎn)品召回管理、自然災(zāi)害風(fēng)險、信用及違約風(fēng)險、醫(yī)療事故、交易對手風(fēng)險、或是在災(zāi)害管理或欺詐方面，過去十年中所發(fā)生的一樁樁事件已使廣大企業(yè)高管及經(jīng)理敏感地意識到，需要對企業(yè)的各種復(fù)雜情境進行以數(shù)據(jù)為驅(qū)動的嚴(yán)格監(jiān)控。

8. 來自不同范疇的數(shù)據(jù)可通過諸如GPS定位、信用報告、手機號碼或甚至Facebook身份識別這些現(xiàn)成的標(biāo)識符相互關(guān)聯(lián)起來。Facebook網(wǎng)站上的“喜歡”按鈕本身就擔(dān)任著消費行為跨組織數(shù)據(jù)分析的一個巨大激勵因素，其分析規(guī)模之大是以前基于抽樣調(diào)查的營銷分析力所不及的。試想當(dāng)“抽樣”人口達到1億個人的時候，會發(fā)生什么呢？

9. 可視化正日益改善。雖然電子數(shù)據(jù)表普遍應(yīng)用于每個組織，而且今后仍將如此，然而信息可視化的質(zhì)量在過去的10年中已得到改善。這可能主要是由于“大數(shù)法則”（一船沙的1％遠多于一把沙的1％），或者也可能是反映出這一代技術(shù)精湛的信息設(shè)計師越來越大的影響力，也可能是因為諸如Mathematica軟件及Adobe公司的Flex開源軟件開發(fā)平臺等工具正賦予我們將數(shù)據(jù)更好地轉(zhuǎn)化為圖像的能力。不管怎樣，無論是軟件工具還是信息可視化輸出的質(zhì)量提高，都增強了企業(yè)轉(zhuǎn)向復(fù)雜定量數(shù)據(jù)分析的大趨勢。

作者：John Jordan
（文章來源：福布斯中文網(wǎng)）