有大分析才有真正的大数据

　大数据在过去几年中一直是流行话题，许多组织一直在研究大数据系统和流程以及背后的科学采集、存储、分析，并在他们的业务中使用大量的数据。

　　这些年我曾工作过的许多组织对大数据技术要求做了非常全面、深入的研究。他们从组织的不同部门采用技术和系统允许捕获和存储大量的数据。此外，许多这样的公司已经开始从组织外部捕捉数据，了解他们社会媒体和其他销售渠道的使用如何影响他们的业务和客户基础。

　　虽然这些公司有技术技能来大规模地获取、存储和处理数据,但我提过的许多组织在大数据应用上有点损失。一些CIO和CMO告诉我，他们有基础设施来处理大数据,但是他们不确定他们是否拥有应用所有数据所需要的技能。这些组织都具有做简单分析处理的技能，但大部分都缺乏潜入他们的数据来发现问题和答案的技能（和人才）。

　　今天当人们谈及大数据时候，很少谈及大分析。许多人认为数据分析是已掌握的、已被讨论的一部分,但这想法是错的。每个人都知道分析是很重要的,但往往每个人都认为“他们”正在考虑大数据的分析方面。IT专家往往集中在大数据技术方面，市场往往集中在他们能利用已有的数据做些什么，另外一部分关注于如何从“采集/存储”走向“应用”。

　　这是不幸的,因为要使用所有这些已被收集数据,那就必须将“数据”转化为“知识”。要让这个转换发生,你需要质量分析工具和拥有正确使用这些工具的技能的人才。如果分析你的数据的能力,就没有必要多浪费钱来存储海量数据。

　　对于大多数组织来说，大数据显然是非常重要的，大数据时代每天都在产生大量数据，而同时还有更多的数据在被收集。但，大分析是同样重要的。没有分析正在大规模、高速产生的数据的能力，那么你的组织从未真正能够充分利用大数据。