大数据时代企业面临的机遇与挑战_参考网
大数据时代企业面临的机遇与挑战
王珂摘要：随着科技的进步与时代的发展，对海量、高增长率、多元化的信息资源进行捕捉、管理和处理成为可能，而我们的社会也悄然进入大数据时代。伴随着云计算与互联网技术的发展，大数据开始影响着各行各业，影响着企业的生存与发展。在互联网技术的支持下，许多过去无法捕捉、量化的商业信息可以转化为数据进行储存和处理，从而为企业的发展带来众多机遇，与此同时，大数据时代也给企业提出了新的要求，使企业面临着新的挑战。关键词：大数据；企业；机遇；挑战中图分类号：F2文献标识码：Adoi：10.ki.6.25.004随着技术的变革，大数据时代悄然来临。作为继云计算、物联网之后又一重大技术，大数据引起了人们的广泛关注，而大数据在企业发展中的重大作用也是人们关注的重点之一。一方面，无处不在的数据使企业的经营更加多元化、精致化、个性化，给各企业带来巨大的机遇；另一方面，对于数据的管理、分析、应用与保护也是企业面临着众多挑战。1企业面临的机遇1.1节约生产成本大数据的应用，可以使企业节约采购成本。随着互联网的发展，电子商务平台越加贴近人们的日常生活，线上购买也越发常见，企业的原材料也从原来单一的线下购买渠道变为线上线下同时进行。企业在进行线上购买时，可以通过对相关数据的收集与分析很快地得到各商家原材料的性价比，从而选择最适合自己一家。且由于电商众多，使得企业讨价还价的空间大大增加，从而减少更多的成本。企业利用大数据来进行原料的采购，不仅可以买到物美价廉的原料，节约采购成本，而且可以节约外出调研的旅费。大数据的应用，可以使企业节省下生产过程中原料的不必要浪费。企业通过将不同时间、不同车间生产过程中原料的消耗量录入系统进行分析，在今后的生产过程中便可以很快地发现那个车间原料的耗损现象比较严重，从而及时的查明原因，做出相应的措施，减少浪费，节约成本。大数据的应用，可以使企业节约运输成本和仓储成本。企业通过对各仓库情况和运输路线的分析，可以使各仓库的库存和运输路线更加科学。企业通过将各仓库库存与出仓量输入系统进行分析，可以很快得出各仓库的实际利用率和不同地方对商品的需求量，从而调整方案，扩大出仓量高的仓库的规模，缩小出仓量低的仓库的规模，降低仓库的空置率，从而做到资源的合理配置呢，节约成本。同时企业可以通过分析个配送点之间的关系，从而得出配送的最佳路径，减少运输过程中走的弯路，从而节约运输成本。1.2扩大市场占有率企业通过运用大数据，可以生产出适销对路的高质量产品，从而扩大市场的占有率。以电子制造业为例，企业可以通过大数据，分析出消费者对电子产品功能的要求以及青睐的外形，从而生产出符合消费者要求的产品，增加产品的销售量，扩大市场占有率。同时，企业可以通过大数据，筛选出出现频率较高的词语，从中发现消费者期待但至今还未发明的电子产品，从而研发出新产品，率先占有市场，同时引领该产业的发展。企业通过应用大数据，可以预测产品的销售量，扩大生产规模，及时对各大仓库的存货进行补给，从而扩大市场占有率。以线上销售为例，企业可以通过对自己的商品下方评论信息的手机与分析，看出顾客是否有再次购买的愿望，并从中预测出商品的未来预期销售量，同时分析出各类商品中那类的未来预期销售量较高，是多少，从而扩大生产规模，对库存进行及时的补给，减少顾客的流失，甚至是增加顾客，从而扩大市场占有率。企业通过应用大数据，可以为顾客提供更人性化的服务，增加顾客数量，从而扩大市场的占有率。以电子产品为例，企业通过应用大数据，对消费者的行为作出判断段，从而制定出更合理、更科学的营销战略。企业通过大数据，分析出消费者购买相关电子产品的原因以及消费者较喜欢的说话方式，从而对销售人员进行相应的培训，是其用令消费者舒适的说话方式对产品功能进行有重点的介绍，满足消费者最主要需求的同时，提高消费者的愉悦指数，从而增加销售量，扩大市场占有率。2企业面临的挑战2.1对数据的管理与应用随着互联网技术的发展，数据无处不在，而海量繁杂的数据也对企业管理与应用数据的能力提出了新要求。随着电脑的普及，网络中每天都在产生着大量的数据，而人们对数据数量的认识也有最小的比bit变为MB、GB，到现在的DB。而在海量的信息中如何精准地搜集数据、筛选信息成为企业发展面临的一项挑战。在现代企业的竞争中，如何快速、精准地搜集信息、对其真伪做出正确的判断并从中准确地进行筛选将成为企业制胜的重要因素。高增长率是大数据的特点之一，这一特点使数据具有时效性。在你对大量数据千辛万苦的进行分析时，可能一大批新的数据已产生，而原来的数据分析便已失去其原有的价值。因此，如何在瞬息万变的数据中做出准确而长远的判断，并找准工作的重心，而非一味被数据牵制将成为企业制定经营战略时应考虑的重要问题。2.2数据的安全与保护伴随着计算机技术的发展，黑客这一群体开始出现，而电脑病毒不断发展。从最初的C-BRAIN，到后来的木马、后门、熊猫烧香，再到最近的越南盾，电脑病毒呈现出隐蔽性越来越强、传播速度越来越快、破坏力越来越强的特点。面对黑客层出不穷的手段，如何保护数据的安全也成为企业面临的棘手问题之一。在计算机技术的飞速发展中，如何确保商业机密的安全问题制的企业深思。3总结科技是一把双刃剑，有利也有弊。在大数据时代的背景下，面对飞速发展的科技，企业更应静下心来，深思企业发展的方式。既要与时俱进，不断适应社会新的变化，正确认识并合理利用大数据，把握新时代的机遇，有应提高企业对数据的管理与应用能力，加强对信息的安全与保护，提高自身应对时代新挑战的能力，更应树立迎接挑战的信念、战胜挑战的信心，从而从容面对时代的变化，持续健康地促进企业的发展。参考文献[1]穆文娟，张咏梅.“大数据”对企业成本控制的影响[J].财会月刊，2014，（12）.[2]陈滢.大数据时代下我国企业面临的机遇与挑战[J].中国商论，2015，（8）.[3]刘多.大数据时代数据安全保障的举措分析[N].中国网信网，.
现代商贸工业
2016年27期
现代商贸工业的其它文章天极传媒：天极网全国分站
您现在的位置：
& >&大数据时代 企业所面临的三大挑战
大数据时代 企业所面临的三大挑战博客 14:59
　　大数据在全球各国发酵之际，伴随而来的问题，就是各国普遍缺乏数据科学家，在国内，大数据的应用虽然才刚刚萌芽，但是要面临的几项重大挑战。
　　挑战 1 - 数据分析人才不足
　　因应大数据处理的需求，不论企业决定采用哪一种解决方案，最终需要有数据科学家来运用这些大数据，才能活化大数据的价值，重新建构数据之间的关系，并赋予新的意义，进而转换成企业的竞争武器。
　　在大数据处理环节中，数据科学家是能否点燃大数据价值的关键。然而，数据科学家的养成并不容易，因为数据科学家必须同时具备3种条件，包括深入了解企业内的业务与组织、具备数据探勘等统计应用知识、熟悉数据分析工具操作。
　　一般而言，拥有一项专长的人很多，但是，同时拥有3种专长的人，就非常稀少。然而，作为数据科学家就必须有整合运用的能力。否则如果只是熟悉数据分析工具操作，但却不懂企业内的业务运作细节，就无法从既有数据中挖掘出新的数据价值。而若只懂业务却不熟悉数据分析工具，也很难重新架构数据的价值。同样的道理，如果缺乏数据探勘的技巧，最多只能做到OLAP(Online Analytical Processing)的展现。
　　目前国内的数据分析师，较擅长的是处理已经发生的问题，找出问题源头，并且尽速排除问题，但是，相对缺乏发掘未知问题的能力。根据市场调查机构Gartner的数据，有高达72%的企业认为，大数据的应用价值，在于预测未来。然而，这样的应用需求与国内数据科学家的人才才不相匹配，预计将成为国内发展大数据应用的最大挑战。
　　数据科学家必须同时具备3种条件，包括深入了解企业内的业务与组织、具备数据探勘等统计应用知识、熟悉数据分析工具操作。数据科学家的工作职缺，从2011年开始急速攀升，成为前10大热门职缺。这项统计是汇集1千多个人力招聘公司的数百万个职缺结果。
　　挑战 2-当地大数据顾问服务不足
　　在大数据的应用风潮下，新兴的技术与人才也备受瞩目，其中又以Hadoop架构的技术人才最为缺乏，目前不论企业或信息厂商都相当缺乏非结构数据处理的技术人才，因此，即使是概念验证阶段，大多需要依赖国外顾问飞来国内，所花费的时间与成本，都让大数据处理的效益大打折扣。
　　国内之所以会面临Hadoop人才不足的问题，主要是因为Hadoop的发展源自美国，所以Hadoop相关的技术资源，也都聚集在北美。目前Hadoop的应用，虽然逐渐延伸到亚洲国家，然而相关的技术人才与顾问服务都还在萌芽。
　　为了解决Hadoop当地顾问服务不足的问题，企业也可以考虑培养自己的Hadoop团队。然而，由于Hadoop的应用在国内才刚刚开始，因此，企业对于是否要培养自己的Hadoop团队，尚言之过早。一方面是因为企业的大数据处理，还没有导入Hadoop的迫切性，另一方面则是对Hadoop的长期发展还在观望当中。
　　奇美电子信息管理处副总处长李宴昌不讳言地指出，信息产业每隔几年就会出现一个新技术，但未来能否普及却不一定，企业不可能承担这种风险，在这个阶段就决定培养Hadoop技术人才，除非可以确定这种人才的长期需求，否则宁愿先观望再布局。
　　挑战 3-对数据价值的敏感度不足
　　大数据的价值，除了解决现在无法解决的问题，还要能发掘原本不知道的问题。业内人士认为，数据分析的前提是，数据保留的完整性与正确性。然而，在国内的企业文化中，长期以来都没有依赖数据来做决策判断的习惯，对于数据的价值也理解不足，甚至是忽略数据的存在，因此，有些企业根本没有保留数据与应用数据的长期规划。
　　举例来说，在国内部署非常普遍的ERP系统，是所有应用系统中，与企业营运最息息相关的系统，理论上，ERP系统中的数据品质，也就是数据的正确性以及一致性等，应该都是企业内各应用系统中最好的。但实际的情况并非如此，ERP系统的帐务数据，并不能与企业的营运画上等号。
　　一般而言，企业在导入大数据应用时，如果既有应用系统的数据品质越好，技术面导入的成功机率就越高。而若没有好的数据品质，却要做大数据分析，就要有面对辛苦的准备，因为大数据分析绝对还是必要的。
　　大数据分析的价值，在于活化数据再利用。信息科技的发展，本来就是为了处理信息，而不是为了提升硬体效能，如果导入大数据的决策单位，是由信息部门主导，很有可能就会专注在系统效能提升层面。如果由执行长等级的决策者领军，相对较易把大数据的应用与业务命脉整合。
　　根据市场调查机构Ventana所揭露的数据，目前导入大数据的决策者，高达66%是信息部门的中阶主管，由信息高级主管等级来做决策的比例，仅有33%。
（作者：硅谷动力责任编辑：Sunny）
天极新媒体&最酷科技资讯扫码赢大奖
* 网友发言均非本站立场，本站不在评论栏推荐任何网店、经销商，谨防上当受骗！
办公软件IT新闻整机大数据处理现状及10个面临的问题
14:50 发表在
阅读4978次
作者：中国大数据 ?我们知道大数据的4v理论，数量(Volume)、多样性(Variety)、速度(Velocity)和真实性(Veracity)，为我们制定大数据的策略提供了很好的方向。但同时我们在处理大数据的时候还是面临着很多问题，就目前大数据处理的现状来看，基本上处于以下几种状态。大数据处理现状1、大数据处理平台以Hadoop为主目前大数据的处理平台以Hadoop为主，都是自建Hadoop集群或使用AmazonElasticMapReduce服务，而Google的BigQuery由于种种限制推广得并不理想。微软的Cosmos/Dryad/Scope由于体系仅限于内部使用，也不能成为大数据的平台，同时微软对外也支持hostingHadoop。2、大数据处理技术复杂大数据的处理技术纷繁复杂，仍然处于产业变革早期的战国时代。由于传统的OLAP和数仓的延续性，HiveSQL有很大市场，但Hive的数据正确性和Bug仍然比较多。而HadoopMapReduce又过于复杂灵活，写出高效Job比较困难。Pig、FlumeJava等分布式编程模型技术的门槛较高，所以推广起来也比较困难。在数据挖掘和图算法领域虽然涌现出了Mahout、Hama、GoldenOrb等大量开源平台，但都不够成熟。至于基于Hadoop的工作流系统Oozie和数据传输系统Sqoop都需要开发人员单独部署。都是各有利弊，还没有一个很好的完美的解决方案。3、Hadoop尚难成为公共云服务为什么说Hadoop很难成为公共云服务呢，原因有以下几个方面，第一Hadoop的安全体系局限在企业内网，缺乏多租户的支持。第二直接暴露HDFS文件系统，MapReduce和Hive很难做到多用户数据安全。第三数据文件格式过于复杂多样，维护成本高，保持数据兼容比较困难。综上三点目前大数据的现状，我们可以看出，大数据处理系统的技术门槛很高，从自备发电机到公共电网还有很长的路要走。而市场则需要安全性、可用性、数据正确性都有保障，并且功能完整的一体化大数据处理服务。大数据处理面临的问题就目前大数据的现状来看，可以看出大数据目前面临着以下几个问题。1、多租户如何保证用户间隔离、数据安全和防止有害代码的威胁?2、高可用如何确保服务7*24小时高可用和数据永久不丢失?3、大规模如何支撑10000个中型网站的数据规模?4、编程模型如何在纷繁的编程模型中选择并保持高度的扩展性，并支持工作流程?5、存储摸型如何在存储不断发展中报纸数据格式的兼容性和互操作性?6、数据正确性如何确保大数据处理的正确性和一致性，尤其对于金融和科学计算应用?7、资源调度与效率如何高效调度和使用计算?8、可运维可管理如何确保系统可运维和管理，做到远程维修?9、数据通道如何处理大数据的传输以及与在线和实时分析系统的整合?10、运营平台如何为数据和应用的提供者和使用者提供一个交易平台和生态环境?
请登录后发帖
发起过 1个圈子
[圈子简介] 围绕大数据应用案例，数据方案，数据产品，数据模型知识共创！
[公告] 大数据时代，最具想象力的时代，群体智慧爆发的时代，欢迎交流共创讨论！
张婷（酒疆）
同城衣食住行研..
这些牛人也加入了圈子