
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 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15