ITValue點評：

數據分析是以得到有關信息的一些結論為目的，而對原始數據進行研究的一門科學。其與數據挖掘的區別在于所分析的范圍、目的及重點。數據挖掘采用先進的軟件對大量數據進行整理分類，以識別其中所隱藏的規律，并確定其中所隱藏的關系。


1. 全面質量管理和六西格瑪管理計劃培養出一代重視嚴格運用數據的產品經理。六西格瑪計劃遭到濫用和曲解是毫無疑問的事實，但是以數據為主導的決策方式所帶來的成功，極大影響了現在企業內部對高等統計式數據分析更為廣泛的興趣。

2. 數量金融學將運籌學、物理學、生物學、供應鏈管理學及其他領域的一些理念用于解決貨幣及市場問題。經過一些轉變，許多數據密集型技術，比如投資組合理論，現在正從形式上的金融學科轉化成日常管理的工具。

3. 正如Google公司CEO埃里克·施密特今年8月談到的，現在我們兩天內所產生的信息量就相當于人類自有文字記載以來至2003年的總和。人們及各類組織目前產生數據的速度遠超過任何人類或程序可以收集、消化或做出反應行動的速度。手機作為傳感及通訊的平臺作出了巨大貢獻，企業應用及圖像生成系統同樣功不可沒。現在，世界上有更多的領域以日益標準化的方式裝備起各類數據儀器，其規模遠超以往任何時候：Facebook的狀態更新、全球定位系統、ZigBee無線通訊技術及其他“物聯網”技術，以及運用于越來越多的產品上的條形碼及RFID電子標簽技術等等。這些只是其中的一部分。

4. 正當人類作為一個物種，產生比以往任何時候都遠遠要多的數據的時候，“摩爾定律”及其一些推論（比如有關硬盤驅動器的“克來德法則”）正為我們創建起一個計算構架，使數據處理的成本效益比以往任何時候都高。當然，這些數據處理過程還會產生更多數據，加劇了數據過量的問題。

5. 繼推行BPR、ERP、互聯網泡沫以及將服務導向架構作為一個業務發展主題的努力基本失敗之后，供應商們目前正主推數據分析技術。

數據分析技術可以用來銷售服務、硬件和軟件。可以用于每個垂直細分市場；適用于各種企業規模，而且與其他宏觀層面的發展動向相連：智能電網、碳足跡、醫療成本控制、電子政務、市場營銷效率、精益制造等等。總之，許多供應商有充分的理由在其市場進入策略中重視數據分析。SAP、IBM、甲骨文、微軟及Google公司都已在數據分析領域花費了數十億美元收購相關企業。

6. 盡管在ERP、數據倉庫及“實時”系統上投資了所有這些資金，但大多數管理者仍不能完全信任他們的數據。上述現象并沒有因行業而有所差別，企業系統中的數據質量無法給予管理者以信心，而數據分析結果及時性差別很大，尤其對于跨國公司來說。

7. 與這種對企業數據缺乏信心的現象相關的是，許多行業的風險意識正日趨增長。無論是在產品原產問題、產品召回管理、自然災害風險、信用及違約風險、醫療事故、交易對手風險、或是在災害管理或欺詐方面，過去十年中所發生的一樁樁事件已使廣大企業高管及經理敏感地意識到，需要對企業的各種復雜情境進行以數據為驅動的嚴格監控。

8. 來自不同范疇的數據可通過諸如GPS定位、信用報告、手機號碼或甚至Facebook身份識別這些現成的標識符相互關聯起來。Facebook網站上的“喜歡”按鈕本身就擔任著消費行為跨組織數據分析的一個巨大激勵因素，其分析規模之大是以前基于抽樣調查的營銷分析力所不及的。試想當“抽樣”人口達到1億個人的時候，會發生什么呢？

9. 可視化正日益改善。雖然電子數據表普遍應用于每個組織，而且今后仍將如此，然而信息可視化的質量在過去的10年中已得到改善。這可能主要是由于“大數法則”（一船沙的1％遠多于一把沙的1％），或者也可能是反映出這一代技術精湛的信息設計師越來越大的影響力，也可能是因為諸如Mathematica軟件及Adobe公司的Flex開源軟件開發平臺等工具正賦予我們將數據更好地轉化為圖像的能力。不管怎樣，無論是軟件工具還是信息可視化輸出的質量提高，都增強了企業轉向復雜定量數據分析的大趨勢。

作者：John Jordan
（文章來源：福布斯中文網）