大数据是人类自身产生的一种新的“自然”资源，与支撑传统经济发展的自然资源，如土地、石油、煤、水等不同，这种人造“自然”资源越用越多，越用越便宜，越用越有价值，以知识、创新、ICT、IT、DT为主要特征的新经济的发展更多是依靠这种新资源。可以说，21世纪的竞争是数据的竞争，谁拥有了大数据，谁就占领了制高点，谁就拥有洞见的能力，谁就能引领未来。
如今，越来越多的企业意识到了大数据的价值，并依靠大数据分析实现价值落地，在生产、市场、内部管理等方面实现智慧化运营。那么目前，大数据分析领域有着怎样的窘迫？在未来的五年，全球大数据分析在技术、行业上有着怎样的趋势？
就目前而言大数据分析主要有五个基本方面：
1、可视化分析（Anakytic Visulizations）
大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。
2、数据挖掘算法（Data Mining Algorithms）
大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被全世界统计学家所公认的各种统计方法（可以称之为真理）才能深入数据内部，挖掘出公认的价值。另外一个方面也是因为有这些数据挖掘的算法才能更快速的处理大数据，如果一个算法得花上好几年才能得出结论，那大数据的价值也就无从说起了。
3、预测新分析能力（Prendictive Analytic Capbilities）
大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。
4、语义引擎（Semantic Engines）
大数据分析广泛应用于网络数据挖掘，可从用户的搜索关键词、标签关键词、或其他输入语义，分析，判断用户需求，从而实现更好的用户体验和广告匹配。
5、数据质量和数据管理（Data Quality and Master Data Management）
大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。 大数据分析的基础就是以上五个方面，当然更加深入大数据分析的话，还有很多很多更加有特点的、更加深入的、更加专业的大数据分析方法。
大数据分析领域存在四大瓶颈
1、数据准备瓶颈：OLAP
从上个世纪90年代，甚至包括80年代末，OLAP就已经被很好地使用了。但是企业的数据和运营的过程，是一个持续动态变化的过程，它需要在第一时间交给业务部门做数据分析，而OLAP做不到这一点。一旦有一个数据分析的变化，就需要交给IT部门去重新构建OLAP。所以如果这个瓶颈不打掉，企业的数据化运营的链条是不通畅的，并且业务流程会很缓慢，同时企业的运营效率和竞争能力也会大打折扣。
2、找到答案瓶颈：静态报告
如果我们采用邮件的形式沟通，假设今天发出去，第二天才有回复，那这一天就浪费了。静态报告就跟邮件一样，我们需要的是一个及时交互的过程，对数据进行分析、发掘它的价值。假如看到报告后，我们就发现了一个问题，然后可能就会去问第二个问题。比如华南的几个业务增长发生了变化，上个季度可能是100%的增长，到这个季度增长降成了10%，这个时候我们就会去问为什么，但是静态报告是不能告诉我们答案的。这个问题只能再交给IT部门重新计算一遍，再给出一张静态报告。如果不打掉这个窘迫，会给企业数据化运营带来很大的挑战。
3、分析流程瓶颈：IT部门
一个企业里面有非常多的部门，假如有制造、市场、设计、人事、财务等部门。当这些部门有数据分析的需求时，他们都会递交给IT部门，然后IT部门的加班非常严重，他们疲于应付，但是这样做出的结果还非常不好，大家对IT部门的诟病都很深。比如做中秋节的策划，这个促销策划需要一些数据分析的报告来支撑。但是IT部门很可能在中秋节之前，还没有把报告交给市场部门，这会给企业的营销带来极大的不便。
4、厂商瓶颈：缺乏高质量的本土厂商
目前，在国内缺乏高质量的本土厂商。以前大家在聊大数据分析这件事情时，很可能会说SAP、IBM等等，却没有一家真的做得很棒的本土厂商出现。也有一些本土大数据分析厂商，往往以非常低的价格和比较差的服务去做一些低端的市场。
在目前的中国，其实已经有非常多的好的企业，在各自的行业崛起。比如，以前我们买一个电视机，可能要买东芝，现在我们还可以买海尔。以前买空调需要买三菱，现在我们要买美的或者格力。各个行业都发生了巨大的改变，有非常多的本土厂商在崛起，但是大数据分析这个领域，报告大厅分析认为没有。
大数据分析的发展趋势
1、探索性分析成为BI选型的唯一选择
这是Gartner2012年、2013年、2014年、2015年连续4年的数据分析的研究报告，提到的唯一的一个共性，探索性分析已经成为BI选型的唯一选择。在以前可能大家会说，数据分析我们就会用Cognos、BIEE或者BO，但是在今年Gartner的报告里面，Cognos和BO已经驱逐到第四象限，而BIEE已经被驱逐出去了。所以这样一个探索性分析的潮流，已经完全改变了数据分析的现状和未来。
为什么？就是因为上文分析到的那些瓶颈，其中业务人员自己动手基于数据做分析，从发现问题找到答案再采取行动，整个过程都已经变成了一个全球性的潮流。在这个方面，企业需要好阿红地审视一下自身，到底应该怎么样构建下一代数据分析平台，去支撑未来5到10年的大数据分析的需求。
2、良好的企业管控下的探索式分析成为主流
早先业务人员使用数据分析，往往要使用一个离线的桌面程序，大家经常用的桌面程序是什么呢？Excel，还有包括后面出现的excel的高级升级版。这些离线的探索性分析的产品，在上个世纪90年代后期一直到2000年初，都获取了非常大的市场。
但是后来从Gartner的研究报告我们可以看到，很多企业尤其是大中型企业已经发现，如果采用离线的分析工具来对数据进行分析，数据的使用是缺乏良好的安全管控的，有可能非常重要的销售数据、生产数据，被分发到企业每个人员的终端笔记本上去了，这对企业的数据管控来说是非常可怕的。
目前构建数据分析，尤其对外提供数据分析的时候，有一个说法叫“数据不出口，数据服务要出口”，是什么意思呢？数据的原料是不能够离开这个企业的，但是数据的服务是可以从这个企业递交给第三方的。那么去中心化的探索性分析被放弃了，很重要的一点就是我们需要在良好的企业管控之下，去进行有序的、高质量的、高安全性的数据化运营工作。
3、云计算成为必然趋势
我们可以发现一个大趋势，最近这5年云计算已经变成了一个现实了。像国外的AWS、IBM，他们已经成为云计算非常大的玩家，在国内也看到有腾讯云、阿里云等众多的玩家。云计算改变了企业的IT服务，但是从TEWI和Gartner市场的统计报告我们可以看到，几乎所有大数据分析的厂商，他们收入的90%还是来自于线上的数据。为什么？这是一个很现实的问题，就是企业里面的数据，绝大多数的企业的数据，是不允许离开这个企业的。
所以报告大厅认为，企业的数据化运营工作，会变成一个以私有云和公有云混合到一起的服务工作。它肯定不会是以前单纯的私有云的服务，也不会是大家想象的可能在未来5年，全部变成了公有云的服务，它会变成一个混合架构。
4、分析应用市场将涌现巨大的创业机会
目前大数据分析的相关技术还在持续的演进当中，包括云计算、深度分析、自然语言等技术正在不断地成熟，并且会被引进到大数据分析这个领域里面，帮助企业更好地进行数据的价值发掘工作。
另外，商业智能与分析是一个充分竞争的全球化市场，它对创业者的要求是非常高的。比如说，永洪最开始创立的时候，就需要跟Cognos、BO一起去竞争，因为这个市场是没有任何壁垒的，它不需要牌照，在全球是一体化的竞争工作。所以当创业者要去做这个领域的时候，一定要确保自己在这个领域具备足够强的竞争力。另外我，虽然在平台和支撑上面创业的机会不是很多，但是在应用市场这个机会非常的多。所以这给做垂直化应用的企业，带来了很多的机会。
下一个趋势，分析市场将来会标准化，如果有人基于某个平台构建好一个分析应用之后，他可以快速地递交给全球各地的用户，这是基于标准化的前提所能够达到的一个结果。那么在标准化基础上，会诞生几家很巨大的平台厂商。
5、大数据分析未来有望像PC和汽车一样成为企业标配
BI与大数据分析领域，它还是处于比较早期的阶段，像20年代的汽车行业。20年代汽车还是一个非常小众的市场，没有进入每个家庭。它也有点像80年代的PC行业，当时整个上网机会还不是特别的多，如果要上机，我们需要单独到一个IT中心去进行上机的申请和最后上机的实际操作。众所周知，从80年代以后到90年代到2000年，PC变成企业和家庭里面每个人的标配，到后来手机变成每个企业和家庭的标配。那么大数据分析将来也会变成企业里的每个业务人员的标配。
这在将来一定会变成现实的，这是在现在和将来大家一起持续努力的一个方向。
总结：
用数据说话，已经成为现代社会的基本理念。中国古代的管仲说过：“不明于计数而欲举大事，犹无舟楫而欲经于水险也。”只有正真的将大数据分析产业发展起来，企业的大数据资源才能够被真正的，完全的应用起来。
更多大数据行业研究分析，详见中国报告大厅《大数据行业报告汇总》。这里汇聚海量专业资料，深度剖析各行业发展态势与趋势，为您的决策提供坚实依据。
更多详细的行业数据尽在【数据库】，涵盖了宏观数据、产量数据、进出口数据、价格数据及上市公司财务数据等各类型数据内容。
京公网安备 11010502031895号
