未来两年大数据市场和技术趋势分析

我们在大数据的调研中了解到，中国各型企业正在逐步意识到大数据的业务价值和商业价值，并且鉴于数据量的迅猛增长和数据分析师通过大数据分析所带来的巨大价值，在未来24个月内，不论是企业级(78.1%)还是中小企业用户(71.8%)，都将会在大数据分析上进行投入，通过部署新的数据分析方案来提高大数据创造价值的效率。这其中，考虑未来12-24个月在新的数据分析方案上进行投入的中小企业用户比例甚至高于企业级用户，鉴于中小企业在中国市场的庞大数量，可以想见这将对大数据分析形成一股极大的推动力。

大数据分析的演进过程

我们再从大数据分析的不同阶段来看，大数据是一个演进过程。传统商业智能通过增加数据类型和数据来源、提高分析速度，应对越来越多的数据子集，逐步演进为大数据数据分析。大数据通过IT创造价值的两个主要维度是数据分析频率、数据来源和种类，主要分为三个阶段。

大数据分析三个阶段

第一阶段：批量分析：数据主要以来自企业内部结构化数据(如生产、管理数等据)为主。目的是通过数据分析降低生产开支，提高资金周转和物流效率，提高业务智能决策能力。这一阶段用户主要IT投资重点是如何提高数据分析频率，以及增加大数据分析数据种类，为逐步向大数据分析架构演进做好IT架构和资源，大数据分析流程准备。

第二阶段：近实时分析：数据分析类型从传统的结构化数据逐步演进为结构化，非结构化(音视频、社群等)和半结构化数据(包括系统日志、客户信息)。除了降低生产开支，提高决策效率的同时，通过大数据分析提升利润和销售增长，以及提升优质客源获取和持有效率成为主要目的。数据分析子集数量相对批量分析更大。近实时分析对从分析准备、处理到呈现的时效性更强，提高了对数据处理能力和分析速度的要求。

第三阶段：实时分析：数据来源和种类更加丰富，不仅限于企业内部的生产数据、用户数据和社群网站，还会纳入来自于第三方数据(竞争实时监控，目标用户群体采购行为监控等)。主要目的是可以通过实时分析，通过前瞻性，实现业务突破创新。通过系统驱动实时“行动”，提升企业在全球市场核心竞争力，优化企业优质资源持有率。此外，实时分析对于数据分析和根据分析结构触发动态业务决策(价格、库存、打包服务)速度要求更为苛刻。不仅给计算、网络提出更高要求，也大大提高了对数据存储容量、性能和动态资源配置能力要求。

不同规模企业的数据分析投入重点

再从大数据分析环节来看，整个分析过程从数据采集管理，到数据分析呈现主要包括以下四大环节：

数据采集管理：将企业内部数据有效采集管理。逐步形成从数据采集阶段的数据分类管理规范化和标准化。

ETL：大数据分析的准备工作，从不同的应用实现数据的抽取、清理、转换、加载。

分析：根据业务需求进行批量，近实时或实时分析。

呈现：将大数据的分析结果呈现，以支撑智能的战略决策和业务决策，或者自动化根据实时数据分析触发商业行为，加大业务对市场的反应效率和利润的捕捉能力。

那么就上述4个环节，不同规模的企业侧重点又将如何呢？中桥的调研结果显示，未来12个月，企业级用户的大数据相关IT投入重点放在数据分析ETL(抽取，迁移，加载)和商业智能(BI)，占比均为50%;中小企业的IT投入重点则在数据仓库(50.5%)和ETL(抽取，迁移，加载)(41.6%)。这也与不同企业所处的数据分析阶段有关。

具体来说，企业级用户正从大数据分析第一阶段，向第二阶段演进，更侧重于如何通过大数据分析和商业智能(BI)最大限度地提高用户使用体验，降低优质客户流失。中小企业侧重于如何通过商业智能提高生产效率，利润和发展空间;如何通过对用户采购行为分析，判断潜在业务发展空间，通过业务创新，实现以“小”搏“大”、以“速度”搏“规模”的目的。

中国市场大数据分析集中在如何完善商业智能效率

此外，中桥还对中国市场大数据分析的IT投入进行了调研，结果显示，未来24个月，企业的IT投入大多数都将围绕数据的商业智能(BI)展开。未来12个月，31.4%的受访者选择整合不同业务数据，实现商业智能这一方面进行IT投入，还有30.1%的受访者选择在提高结构化数据(如数据库)商业智能效率上进行最重要的IT投入。未来12-24个月，选择整合数据以实现商业智能的比例为22.9%;选择提高结构化数据(如数据库)商业智能效率的比例为22.4%。这表明数据的商业智能和商业效率是大数据时代企业的焦点，也直接影响到企业的业务发展和数据的价值挖掘。

大数据分析对企业的IT资源也存在一定的需求，包括分析方式、计算节点、存储技术、IT架构。