京公网安备 11010802034615号
经营许可证编号:京B2-20210330
为什么大数据难以给企业带来实际的商业价值
今年4月初,全球最大的独立软件公司之一、专注于数据和商业分析超过40年的美国SAS公司在美国奥兰多举办了 2017 SAS Global Forum 全球论坛。这家全球资深数据分析公司的 CEO Jim Goodnight接受了钛媒体记者采访。
Jim Goodnight曾在五年前被Forbes杂志誉为“数据分析之王”,在过去40年的时间里,SAS见证了全球数据分析、商业分析和大数据市场从无到有、从小到大的发展历程。
他对钛媒体表示,“SAS在中国市场在过去20多年的发展一直比较平稳,但过去几年却取得了爆发式增长。”
SAS公司最早起源于美国北卡罗来纳州立大学1966年的一项开发数据分析软件用于农业数据的研究。据IDC的统计,如今,SAS占全球高级和预测分析市场31.6%的份额,比前10名中其它9家相关厂商营收的总合还要多。
2016年,SAS在超过30种各类市场调查公司的报告中占据领导者地位,这包括分析、数据管理、数据整合、数据质量、数字营销、高级和预测分析、客户智能、零售分析、商业智能、安全解决方案等。
2016年,SAS在全球的业务继续保持稳步增长,2016年全球营收达32亿美元,增长主要来自于分析平台、云计算、反欺诈和安全智能解决方案,而且是在全球所有区域都实现了营业额的增长,特别是亚太区和拉丁美洲区成为增长最快的大区。
在谈到全新最新数据和商业分析趋势时,Jim Goodnight就SAS公司的业务来说,认为有三大趋势在拉动全球数据分析市场的发展,分别是物联网、新型分析和合作伙伴生态。
其中,物联网数据分析被视为下一个数据分析的金矿,已经给SAS公司带来了高速增长的业务机会。目前,SAS业务按行业来看的话,营收前三分别是银行(27%)、政府(15%)和专业服务(12%),而电信通信(6%)、制造(6%)、医疗(5%)、零售(4%)等被视为潜在大数据及分析行业市场却只占了SAS年度营收比例的个位数,说明这些行业还存在巨大的市场空间。
能拉动电信通信、制造、医疗和零售等潜在大数据及分析市场的一个抓手就是物联网。
物联网作为连接底层传感器设备与互联网的物理信息空间连接器,能够为电信通信、制造、医疗和零售等行业带来前所未有的视角,让企业管理者能深入到运营第一线实时掌握前沿动态,把前端实时数据与后台运营历史数据结合,就能产生巨大的商业价值。
Jim Goodnight认为传感器数据分析是一个巨大的机会,汽车里已有的传感器每天都在产生海量的数据。SAS公司在2016年推出了ESP实时流数据处理引擎,专门适用于靠近数据产生源的传感器数据实时分析,可每秒处理上百万个事件的分析与处理,通过内存计算可实现近乎实时的流数据分析。自2016年第四季度推向市场以来,已经为SAS公司带来了源源不断的物联网业务。
在SAS Global Forum 2017上,SAS与思科合作推出了业界首个经过Cisco Validated Design(思科验证设计)的Edge-to-Enterprise(边缘到企业)物联网分析参考框架。SAS EPS现在可运行在Cisco工业集成服务829路由器上,在工厂、卡车等靠近传感器的地方就近分析实时数据。2016年,SAS专门在底特律设立了办公室以支持在汽车制造行业中的业务增长。
在新型分析方面,云分析是一个重要的数据分析领域。SAS耗资10亿美金开发了面向云计算现代计算架构的云分析服务Viya,并于2016年开始推向市场。在SAS Global Forum 2017上SAS推出了全线的Viya产品,包括一系列可视化分析平台,把SAS Viya与传统软件版本的SAS 9结合起来就能形成一个企业内无处不在的数据分析环境。SAS Viya还提供了大量机器学习和人工智能功能,以满足当前日益增长的企业智能分析需求。
SAS Result(Result-as-a-Service)是另一个新型的云分析产品。这实际上不是一个产品,而是基于项目的专业服务。SAS公司CTO Oliver Schabenberger在接受钛媒体记者采访时表示,对于客户来说不再需要自己去学习、掌握、理解和运用SAS公司的各种数据分析软件产品,而只需要向SAS Result团队提出自己的数据分析需求和数据,由SAS Result数据分析团队在后端完成所有的数据分析和处理后,把结果返回给客户即可。如果涉及到相应的持续云服务等IT需求,也可以选择托管给SAS公司。
云分析产品推出以来,已经为SAS在2016年带来了9%的业务增长。随着2017年SAS推出更多Viya产品,有望进一步带来更高回报的营收。
Oliver介绍说,SAS Viya可运行在AWS之上以公有云方面运营和部署,也可以在企业内部部署在Cloud Foundry私有云之上为企业内部服务。
2017年,SAS将继续在包括分析、可视化、数据管理、客户智能、风险和欺诈等在内的领域持续,并在SAS Viya、人工智能、云计算和物联网等领域进行大量投入。在SAS Global Forum 2017上,Jim Goodnight和Oliver还多次演示了利用AWS Echo智能语音音箱来与数据分析报表交互,这将创造新的数据分析互动形式。
推动全球数据分析市场增长的第三大动力来自合作伙伴生态。随着大数据的崛起和数据分析市场的高营收前景,越来越多的独立软件商、系统集成商和增值分销商开始进入数据分析业务。Jim Goodnight表示,2016年SAS全球销售增长的30%由合作伙伴贡献,他们满足了客户的个性化需求和最终用户需求。SAS全球合伙伙伴生态形成规模化发展,从一个侧面说明了全球数据分析生态已经达到了一定的规模,开始成为拉动市场增长的主力。
SAS的一份调查显示,近几年全球大数据取得了巨大的发展,但大数据仍然难以给企业带来实际的商业价值。
SAS全球副总裁Jill Dyche认为,现在所有的企业都专注于把大数据收集和存储到大数据平台上,而忘记了其实分析才能真正给大数据带来商业价值。由于大数据的收集、处理和准备等前期阶段耗费的时间过长、成本过高,导致企业高层开始失去耐心,这是当前大数据产业面临的困境。
对于数据分析实践来说,如果想要获得企业高层以及各业务的认可,就要建立全员数据分析文化,而这是一个过程。尤其是当企业各层管理者的KPI里并没有涉及数据分析或数据分析无法影响这些KPI的时候,企业实际上很难接受在数据分析方面的投入,更不用说懂得数据分析语言的专业人才少之又少。
Jill建议企业在实践数据分析的时候,可参考三大“最佳实践”:
在谈到全球企业数字化转型的时候,Jill认为,IT组织和厂商的数字化转型更为重要也更为关键。
IT组织和厂商作为企业数字化的技术合作伙伴,如果自身转型都不能成功,又何谈帮助企业成功完成数字化转型呢?现在,很多传统IT厂商在向现代化的数字化技术过程的时候都出现了身份危机,很难在新的时期成功完成自身产品、服务和解决方案的创新、颠覆与转型,比如PC厂商就在这一波数字化大潮中面临巨大的挑战。
联想高级分析总监鲍若愚在SAS Global Forum 2017上分享了联想在数据分析方面的初步实践,鲍若愚认为联想的数据分析还处于起步阶段,联想数据分析团队还在争取获得联想内部各产品线和高层的认可。联想数据分析团队目前位于新加坡,在联想C级别高管中还无一人负责数据分析,这说明数据分析远未进入联想的战略管理视野。中国企业特别是中国IT企业在向数字化转型的过程中,还有很长的路要走。
2017年1月,工信部公布了《大数据产业发展规划(2016-2020年)》,提出了到2020年的发展目标:大数据相关产品和服务业务收入突破1万亿元,年均复合增长率保持30%左右。此外,还将培育一批专业化数据服务创新型中小企业、10家国际领先的大数据核心龙头企业和500家大数据应用及服务企业,初步形成大数据产业体系。
随着中国大数据市场的全面起动以及中国企业向“互联网+”的数字化转型继续推进,SAS公司期待在中国市场迎来更大的发展。“预期SAS中国市场今年增长率保持两位数(百分比)”,已经74岁的Jim Goodnight对中国的数据分析市场非常有信心。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15