2.6 大数据时代人的参与

　　大数据的分析不是纯计算的，而是人机交互的。[3]目前，计算机在大数据的分析过程中还有局限性，常常需要有人参与大数据的分析过程中。一个典型的例子就是“众包”（Crowd-sourcing），通过利用人类的集体智慧来回答问题或解决问题。很多源自大众的数据并不是都完全准确，存在一定的不确定性和误差。由于存在数据采集设备固有的不确定性，我们必须通过利用时空相关性更好地评估这些数据的正确性。

　　2.7 数据驱动的战略决策

　　移动互联网、政府/企业信息化、社交网络发展的脚步越来越快，带来了数据的爆炸式增长，这些数据将对机构从战术到战略的各个方面产生影响。麻省理工学院Erik Brynjolfsson教授认为，基于数据分析的决策实现的生产增长率相较其他因素要高5%到6%。在大多数行业，这种增长率能够决定行业内竞争博弈的胜负。企业决策将基于数据和分析做出，这是企业所面临的巨大挑战。

　　2.8 大数据的能耗问题

　　大数据的发展带来的还有数据中心的计算规模和存储规模的不断扩大。从小型集群到大规模数据中心都面临着不同程度的高能耗的问题。大数据管理中，能耗由硬件能耗和软件能耗组成，其中以硬件能耗为主。在能源价格上涨的今天，如何降低硬件能耗将是大数据系统建设和维护过程中一个不可忽略的因素。

　　2.9 硬件协同

　　大数据的快速发展在一定程度上得益于硬件设备的快速升级，但是也使得系统硬件环境日益复杂。同一系统在多次升级后，大量不同架构硬件共存，不同时期购入的不同厂商的服务器在IO、CPU速度等性能方面会有较大差异，整个数据集群内部设备之间的性能会存在明显差异，也就产生了硬件环境的异构性。由于任务处理的时间主要受处理过程中处理时间最长的节点制约，如果数据集群中，各环节设备数据处理能力差异过大，将会因“木桶效应”受到明显限制，大量的计算时间浪费在高性能设备对低性能设备的等待上。在小型数据集群或新建数据集群中，这种问题并不明显，但当这种硬件环境的规模拓展到数以万计的大型或超大型集群时，问题将变得复杂和难以处理。如何设计数据处理系统配套的存储、I/O及计算处理系统是一个巨大挑战。

　　3 大数据时代挑战的应对策略

　　一是做好网络融合。大数据时代，企业要更加注重对新型数据的获取和来源管控，通过多种渠道获取信息，并从中挖掘出更多的价值：（1）要整合新的接触渠道，充分利用网络资源，通过发展多种线上线下的交流形式，增近客我互动与相互了解。（2）要注重内部数据与外部数据互联，形成更加完整的客户视图，促进客户关系高效管理。（3）有意识地对新型数据进行创造性的利用，不断进行产品创新、服务创新和精准营销。（4）注重对新型信息获取渠道中的舆情实时监测，在舆情事件发生前就及时进行有效处理，最大程度上降低负面影响。

　　二是做好平台布局、数据融合。大数据时代企业的核心竞争力逐渐受其所拥有的经营数据所影响。为把握竞争主动权，企业可以选择通过自行搭建大数据平台，成立数据中心，掌握行业大数据，巩固和进一步提升自身竞争优势。同时，在新建大数据系统应充分考虑系统功耗，认真核算使用老旧设备的成本效益，在采用新型低功耗硬件、高速硬件和系统建设成本间寻找综合平衡点。

　　在积极竞争数据控制的主动权以外，机构间也需要加强合作互利。完整而综合的大数据必然是难以被某一机构单独掌控的，垄断大数据的想法也是不可行的，各个主体之间博弈的最终结果必然是通过分享数据走向合作共赢。政府、企业、银行、运营商、电商、社交网络等大数据平台间开展在认同大数据价值的共识下，通过共享和利用平台数据，推进数据交叉整合将为参与整合的各个节点提供强大的前进驱动力。

　　三是培养核心能力。首先是数据整合能力。大数据时代不是突然来临，大数据系统的建设也不是一步到位的。大数据系统的建设通常以原有的来自多个系统平台的软硬件和数据作为基础。培养对原有软硬件和数据进行保留扩展性的高度整合的能力，可以让企业在大数据竞争中占得先机。数据整合能力既包含对机构内部单个或多个平台数据的整合能力，也包含对外部共享数据进行整合的能力。大数据时代，企业要在产业链中占据主导地位，必须具有对数据进行快速整合和高效管理的能力。大数据时代，企业应以积极的姿态与其它组织和机构进行数据交换，掌握的数据越完整，所发掘的价值也越大。

　　其次是数据分析能力：（1）大数据时代不同以往，处理的数据以半结构化和非结构化数据为主。同时数据量与现在存在数量级的差距，很多现有数据处理方法已经不能满足需求。数据量的增大通常也意味着其中错误数据和不完整数据的增多，开发针对半结构化和非结构化数据清洗的高效算法能有效提高对大数据的利用效率。（2）大数据应用非常注重数据分析的时效性。因此算法的应用指标将在准确率和时效性中寻找平衡。（3）云计算是进行大数据处理的有效工具，应对一些可用的算法进行调整以适应云计算的框架。（4）用户越来越关心数据分析结果的展示。大数据时代数据量大，分析更复杂，得到的结果也更加多样化。在结果展示中增加更多的可视化界面和人机交互可以改善用户体验，使大数据应用变得更加易见、易学和易用。

　　最后是策略执行能力。只有转换为实际的行动的大数据分析和构想才能为企业创造价值。精准和快速是大数据时代策略执行两个非常鲜明的特点。精准取决于通过大数据交叉分析后对客户的全面剖析和深入了解，能够使企业制定出针对性的方案，实行差异化营销和服务。快速取决于系统自动完成大量分析和策略，通过客户行为触发相应的服务和营销活动。

　　为培养这三个能力，企业需要进行几点改变：首先，要充分认识到大数据的价值，形成价值共识，以大数据指导商业运营和企业管理；其次，企业应当以外部招聘和内部培养相结合的方式，迅速储备数据管理和数据分析相关人才，为自身发展大数据积累力量。再次，在新建大数据应用系统时，应充分考虑大数据下数据的存储、管理、分析和共享，系统的设计不仅要满足当前的使用需求，还应重视大数据的增长对系统扩展性方面的要求。最后，在理想条件下，企业可以根据自身战略决策，对内部组织体系、权力配置、人员架构、资源分配等进行调整，给予大数据部门相应的决策权力比重。

　　参考文献：

　　[1]BIG data：The next frontier for innovation，competition and productivity.McKinsey Global Institute.http：//www.mckinsey.com/insights/business_technology/big_data_the_next_frontier_for_innovation，2011.

　　[2]徐子沛.大数据[M].桂林：广西师范大学出版社，2013.

　　[3]李翠平，王敏峰.大数据的挑战和机遇[J].科研信息化技术与应用，2013.

　　

---

期刊库（http://www.zgqkk.com），是一个专门从事期刊推广、投稿辅导的网站。
　　本站提供如何投稿辅导，寻求投稿辅导合作，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。

---

　　【免责声明】本文仅代表作者本人观点，与投稿辅导_期刊发表_中国期刊库专业期刊网站无关。投稿辅导_期刊发表_中国期刊库专业期刊网站站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。