随着云计算、移动互联网和物联网等新一代信息技术的创新和应用普及，社会信息化、企业信息化日趋成熟，社会化网络逐渐兴起，传感设备、移动终端正在越来越多地接入到网络，各种统计数据、交易数据、交互数据和传感数据正在源源不断从各行各业迅速生成，全球数据的增长速度之快前所未有、数据的类型也变得越来越多。种类广泛、数量庞大、产生和更新速度加剧的大数据蕴含着前所未有的社会价值和商业价值，发展潜力十分巨大。
对大数据的利用将成为企业提高核心竞争力、抢占市场先机的关键
在未来3到5年，我们将会看到那些真正理解大数据并能利用大数据进行价值挖掘的企业和不懂得大数据价值挖掘企业之间的差距。真正能够利用好大数据、并将其价值转化成生产力的企业必将具备强劲有力的竞争优势，从而成为行业的领导者。据赛迪顾问统计，2012年中国各行业大数据IT投资已经超过4.5亿元，年增长率达78.9%，在未来三到五年总投资规模有望超过百亿。
在零售业，对大数据的分析可以使零售商实时掌握市场动态并迅速做出应对。由于零售行业同类产品的差异小，可替代性强的特点，零售企业销售收入的提高离不开出色的购物体验和客户服务，也离不开高效的商品流转率，需要实现精准营销和快速营销。沃尔玛已经开始利用各个连锁店不断产生的海量销售数据，并结合天气数据、经济学、人口统计学进行分析，从而在特定的连锁店中选择合适的上架产品，并判定商品减价的时机。农夫山泉通过大数据分析技术使销售额提升了大约30%，并使库存周转从5天缩短到3天，同时其数据中心的能耗降低了约80%。
在制造业，对大数据的管理与分析可以帮助生产商准确把握市场需求变动、提高产品设计与生产效率、提高供应链的敏捷性和准确性。随着制造业信息化的日臻成熟，ERP、PLM等系统的广泛采用，制造业的整个价值链，制造业产品的整个生命周期都涉及到诸多的数据，包括产品数据、运营数据、价值链数据等等。以产品质量数据为例，生产商在生产过程中会通过大量传感器来获取各种海量的数据。将这些数据整合在一起，再结合维修、售后服务等方面的数据，可以从不同角度分析与产品质量数据间的关系。最终将这些数据集成在一起，在可视化的环境下，以集成视图的形式展现给设计人员，工程师可以在一个集成视图上看到整体情况，从而对产品质量的管理和完善做出更加精准的决策。
在互联网行业，对大数据的分析可以为商家制定更加精准有效的营销策略提供决策支持。互联网行业主要特征之一是各种类型的信息和数据都呈现爆炸式增长，同时用户行为和网络中的社会群体变得更加多样化、复杂化。Facebook通过对海量的社交网络数据与在线交易数据进行分析和挖掘，从而提供点对点的个性化广告投放策略，实现了从2009年到2010年广告份额翻番、2010年到2011年增长95%，比Google的增速快了近3倍。百度通过搜集整理网络玩家搜索需求与热点，将用户人群细分，并对网络游戏的搜索行为数据提炼组织，建立用户行为数据库销售给网络游戏运营商，创造了以数据销售为主，广告服务为辅的双轨模式。
在金融行业，对大数据的分析可以为金融机构实现快速科学决策与服务创新提供支撑。金融行业的信息化程度高，数据量非常庞大，并且数据管理集中化，为大数据的分析与利用提供了良好的基矗中信银行信用卡中心通过部署大数据分析系统，实现了近似实时的商业智能(BI)和秒级营销，运营效率得到全面提升，每次营销活动配置平均时间从2周缩短到2-3天，交易量增加65%，不良贷款比率同比减少了0.76%。
在电信行业，对大数据的分析可以使营销策略和产品设计更加精准，帮助运营商从数据流量中获益、向智能管道转型。近些年由于无线上网和智能手机的推广，导致电信行业数据量呈现爆炸性增长。同时电信业面临着市场饱和度高、产品服务同质化明显、从快速增长的数据流量业务中获利有限的业务挑战，迫切需要通过新的技术手段突破现状。中国联通通过部署大数据组织与管理系统，使得用户记录10分钟内可查询，并使在几千亿条记录当中检索的时间缩短到一秒钟内，提高了对客户投诉的反馈效率和质量，增强了客户服务满意度。
大数据将从“数据资产化”和“决策智能化”两个方面推动企业管理变革
一是数据资产化，信息部门将从“成本中心”转向“利润中心”。在大数据时代，数据渗透各个行业，渐渐成为企业战略资产。有些公司的数据相对于其他公司更多，使他们拥有更多获取数据潜在价值的可能，例如互联网领域与金融领域。拥有数据的规模、活性，以及收集、运用数据的能力，将决定企业的核心竞争力。掌控数据就可以深入洞察市场，从而做出快速而精准的应对策略，意味着巨大的投资回报，因此企业的IT部门将从“成本中心”转变为“利润中心”，而数据将成为企业的核心资产。
二是决策智能化，企业战略将从“业务驱动”转向“数据驱动”。智能化决策是企业未来发展方向。过去很多企业对自身经营发展的分析只停留在数据和信息的简单汇总层面，缺乏对客户、业务、营销、竞争等方面的深入分析。如果决策者只凭主观与经验对市场进行估测而制定决策，将导致战略定位不准，存在很大风险。在大数据时代，企业通过收集、分析大量内部和外部的数据，获取有价值的信息。通过挖掘这些信息，企业可以预测市场需求，进行智能化决策分析，从而制定更加行之有效的战略。据有关统计显示，企业数据智能化程度提高10%，其产品和服务质量就能提高15%左右。
企业需要快速行动，制定适合自身运营需求的大数据战略
那么对于行业用户，应当怎样制定大数据应对策略以充分利用大数据蕴含的巨大商业价值呢?赛迪顾问提出以下两方面建议：
一方面，应当通过云平台实现数据大集中，形成企业数据资产。对于大型集团企业用户，其各级子公司和分公司的ERP系统中每天都在生成大量的交易数据和业务数据。分散在各个业务系统中的数据无法形成集中的资源池、不能互联互通，将严重影响对大数据的统一管理与价值挖掘。因此首先要通过云平台实现集团数据大集中，从而形成企业的数据资产。这是集团企业利用大数据资源的重要基矗只有把集团的信息化架构向云平台迁移，才能促使集团数据的大集中与统一管理，从而在此之上对数据资源的价值进行挖掘，促进企业数据的资产化。
另一方面，应当深度分析挖掘大数据的价值，推动企业智能决策。以前企业对数据的关注主要是存储和传输，一般而言企业利用的数据不足其获得数据的5%，在数据每年约60%增长的背景下，企业平均只获取其中25%-30%的数据，作为企业战略资源的数据还远远未被挖掘。因此，行业用户应当重视对大数据的价值的深入分析与挖掘，推动企业决策机制从“业务驱动”向“数据驱动”转变，提高企业竞争力。根据预测，大数据挖掘和应用可以创造出超万亿美元的价值，数据将成为企业的利润之源，掌握了数据也就掌握了竞争力，企业必须更加注重数据的收集、整理、提取与分析。
企业形成数据资产、实现智能决策的关键步骤
第一步，明确业务需求。来自业务的需求永远是新技术采用的第一驱动力。也只有与业务需求紧密结合的新技术战略才能够真正发挥作用。企业在考虑采用大数据相关分析处理技术推动管理变革、提高效率、降低成本的时候，不能为了大数据而大数据。必须首先对自身业务流程进行梳理，找出瓶颈所在，不仅分析需要进行哪些决策智能化变革，还应分析应用按照什么业务顺序进行大数据部署。从而确保大数据实施的成功率和实施效果。
第二步，确保数据质量。如果进入信息系统的数据是错误的，经过系统加工处理后的结果就不可能正确。只有保证了数据的高质量、真实性、可靠性，基于大数据分析的商业智能才能提供正确的决策支持，才能真正发挥作用。因此，企业要通过从意识、管理和技术等几个方面，多管齐下来保证数据质量：首先，树立全面的数据质量意识，使每一个操作使用信息系统的员工意识到“数据是系统的生命，保障数据真实准确就是对自己工作的负责和对企业发展的支持”;第二，颁布并严格执行数据管理规定，在制度上规范数据的管理;第三，通过引入主数据管理平台等技术手段保障数据质量，集中管理主数据，加强系统对错误业务数据的检查校验功能，把错误数据堵在源头。
第三步，选择适合的大数据服务或架构。一方面，不一定所有的企业都适合在企业内部从IT基础设施到数据管理工具、再到数据分析软件构件完整的大数据架构，这必然带来非常巨大的一次性IT投入。在大数据时代，数据租售业务、分析预测服务、决策外包服务、数据分析平台等大数据服务模式正逐渐兴起。企业可以考虑外包采购数据分析服务或租用数据分析平台。另一方面，对于决定自己构建大数据系统的企业而言，面对着不同IT厂商提出的各种大数据解决方案、以及IBM的Pure System，Oracle的Exadata等最近两年IT厂商力推的大数据一体机，还有SAP HANA等内存计算平台，企业应当审慎选择，从适合自身业务需求与兼容既有IT架构等方面进行考虑。
第四步，评估大数据实施效果。企业在采购任何IT服务、或部署任何IT系统时，都应当及时的对IT新技术的应用进行科学合理的成效评估，从而及时总结经验教训，以调整完善IT战略，确保企业IT对企业管理决策的支撑效果。大数据的实施将影响到企业管理决策模式的根本性变革，应当更加注重对实施效果的评估。
