IBM王晓梅：大数据战略下的业务创新

社交媒体的数据在当今社会当中，也是遍布到我们生活中的每一天，我们每天都在跟社交媒体打交道，社交媒体的舆情分析已经越来越管理的被应用到各个领域，甚至包括传统的电信、传统的银行企业或者金融企业，包括我们在中国的金融企业，已经越来越多的借助舆情的分析，能够对它品牌意识的建设，对它全球品牌力的提高起到非常积极正面的意义。当然我们在讨论大数据的范围当中，我们还需要非结构化的内容管理，这在以前也是由来已久的数据的命题。

在全球已经有越来越多的企业，特别是那些领先级的企业，他们其实都有个共同的特点，就是他们已经切实的把大数据和大数据分析跟商业模式转型挂起钩来，他们是如何做到的呢?首先是他们对分析方面的极端重视，因为分析在过去可能被很多人认知，只是一个后端的小部门里面需要做的事情。

但是，现在越来越多的企业已经意识到分析的重要性，所以，已经在很多企业的所有关键业务部门、所有相关的主要部门都越来越多的利用分析来说话、利用数据来说话，来做决策，而不是他们的主观意识。而且最重要的一点，在所有分析当中，他们不仅仅能够利用传统的数据做更多的分析，最关键的是已经在整个分析的过程中，能够把所有新兴的数据类型紧密的结合在一起，就像我前面说的机器产生数据，社交媒体的数据，所以他们取得了前所未有的商业价值。

在过去一年多，包括我自己和很多全球的同事，我们对整个业界差不多分析了近千个大数据的所有应用场景，在分析过程当中，就如我前面一再强调，大数据不是一个IT的命题，而是一个业务命题，而且你要做一个成功的大数据项目的话，它一定是业务驱动的，这也就是为什么我们去年花了很多的精力，对全球客户做的大数据项目进行深入的分析和调查。

今天我非常高兴有这么一个机会，我想跟大家分享一下在全球做的那么多大数据应用场景当中，有哪些大数据应用场景是最流行的，而且是最关键的。在这边，我就想跟大家分享一下五个关键性的跨行业的大数据应用场景。

五个关键性的跨行业的大数据应用场景

前面几位领导也提到，现在很多客户他们所关注、或者他们的应用场景所急需的一大应用场景，大家都知道，我有很多的数据源，我有很多的信息，我这个信息不仅仅包括我企业内部的数据，还包括第二大类，就是公共领域当中的数据。每个人都跟我说大数据那么重要，我如何利用大数据呢?

所以这是第一个命题，很多客户都在寻找答案，就是我如何能够用现有的技术对所有的大数据不但有一个快速的分布式的搜索和查询，更主要的是我能够进行快速的展示，就是大数据的展示和可视化，变成了一个大数据应用场景中非常流行的一个命题。

去年，IBM在全球采访了1100多个企业级的用户和机构，这是一个大数据的调研报告，这是IBM商业价值院跟牛津大学塞德商学院联合做的全球大数据调研报告，在这个调研报告当中，我们有一个非常有意思的发现，在全球正在做的所有大数据项目当中，49%的大数据应用场景都是跟客户有关，他们想知道他们客户所有的一切，因为只有对自己的客户有更多的认知和全面的了解，才能产生更多的增值服务，他们才能对他们的客户有一个更精准的分类，这也是第二大类，可以说是最流行的应用场景。

大家都知道，现在全球如何能够有效地及时地对风险有一个认知和预测，这也是另外一个非常流行的应用场景。就拿我个人所说，去年我使用了加拿大银行的一家信用卡，去年一年银行就通知了我三次，让我一年之内三次更换个人信用卡，甚至更换卡号，这对我的工作和生活造成了极大的不便。但是从另外一个角度也向大家印证了，现在全球特别是金融行业的欺诈行为、特别是个人信息的泄露是非常严重的，所以这种情况下，如何利用大数据及时有效地对这些欺诈不但有个及时的认知，最重要的是有个及时的预防，这是非常重要的。

第四类非常有意思的发现，现在全球的客户在大数据应用过程当中，已经有越来越多的用户是利用大数据对他内部流程有一个巨大的优化，这可能是以前没有想象到的，这也是我们去年对全球的大数据进行调研报告当中发现的第二大类大数据应用的场景，就是我前面所说的如何对生产线上对传感器的数据进行及时的分析，这就是一个典型的如何利用大数据来对内部流程进行优化的一个实际例证。

去年以来，我也跟中国大陆的主要银行在合作，他们做的应用案例也非常类似，因为日志有机器类似，也有业务类日志，他说如果银行交易出错了，现在他可能要花几个小时才能在跨多系统交易过程当中确保和发现到底是哪个系统造成了交易的失败，这个对他来说其实损失是非常大的。所以，他利用大数据的分析所要做的第一个目标非常简单，就是我如何利用大数据的分析，能够在秒级之内或者一分钟之内帮我准确无误的找出出错点在哪里，到底哪个交易系统出错了。

这仅仅是第一步。第二步，他最感兴趣的，我们对多事件、复杂事件有一个分析和认知，或者是一个不断学习的过程，所以，一旦我对以前的分析历史、对以前分析的模式有一个认知以后，我们现在帮着这家银行所做到的七情，就是说下一次在我整个交易发生错误以前，我甚至已经能够及时人为的预知、人为的介入、人为的让系统管理员或者业务程序管理员进行介入，然后来预防这个交易出错。您可以看到大数据分析已经越来越多的帮助我们的客户进行内部流程的优化。

最后一个比较常见的应用案例，现在有越来越多的客户，将传统的关系型的数据和数据库跟新兴的Hadoop低成本的数据引擎整合在一起，达到的一个目的是什么呢?把这种高运算、高查询、经常访问的数据仍旧放在传统的数据仓库里面，但是把不太使用的冷数据放在低成本的Hadoop数据引擎上，这能达到一个什么好处呢?这样的话，我就可以把多年的、海量的历史数据都放在整个在线的以传统数据仓库和我们新兴的Hadoop数据引擎整合的一个组合拳的数据引擎方式上，以最低的IT成本能够达到最高你所希望的IT拓展和实效性。

哪个行业可以落地大数据

在过去几个月，我回到中国以来，有很多朋友，甚至包括媒体朋友经常会问我，你可不可以告诉我们，到底哪个行业可以落地大数据?这个问题非常简单，每一个行业都有大数据落地的必要性，我这里列了15个行业，每个行业都有关键的应用场景，我们在全球，很多行业和市场领导者已经切切实实的将相关的业务场景落地了。今天因为时间有限，我只想跟大家分享一个应用案例，只想给大家一个例证，就是一个大数据分析技术是如何帮助传统企业真正做到革命性的商业模式的变革的，这个可能是超乎大家想象的。

大数据分析技术如何帮助传统企业真正做到革命性的商业模式的变革

过去几年，其实我的团队包括我自己，跟一家欧洲的全球领先汽车制造业合作，我们现在实施的应用场景，就是在汽车里面加载了芯片、加载了智能传感器，这个智能传感器能搜集两种数据，一个是汽车内部的数据，包括汽车的关键零部件，比如像引擎，关键设备运行状态的数据，这个数据是流动的、海量的数据，只要汽车在运行时，这些驾驶的数据就源源不断传到数据中心。

第二大优势，就是除了汽车内部运行的数据之外，还能采集这个车周围的数据，包括周围其他车的信息，包括这个车周围的其他交通状况的信息也源源不断的传到相关的数据中心。大家可以看到，这个技术的实践非常简单，但是我为什么会说这样一个大数据的技术实践为什么真正给这个汽车制造厂商产生了业务革命性的变革呢?

是因为整个故事是这样子，就是因为有了原来那个汽车制造厂商所没有的数据，现在他对这个汽车用户的感知已经到了360度的程度，在这个感知过程中，他可以给使用者提供各种各样增值服务，包括推荐服务，包括通知用户说，前面那个路段可能会有交通堵塞，请绕道而行等等各种各样的增值服务。这样的增值服务有两个好处，这就极大的提高了用户的体验，同时也极大的提高了市场竞争力，这是毋庸置疑的。同时，这种增值服务更主要的是给传统的汽车制造商提供了一种新的创收途径，这也是他原先没有预想到的。

这仅仅是故事的一部分。对这个汽车制造商来说，更重要的部分是什么?是他现在有那么多有关全球几百万的客户，这些汽车使用者的数据以后，那些数据对他来说才是最有价值的一座金矿，这是他真正想要的。因为有了那个数据以后，他可以做很多事情，他可以及时的知道他所有的汽车零部件的品质，他能够及时的对品质的监控、相关的商业模式进行及时有效的操作和控制。

而且更重要的是，这也给他创造了一种全新的商业模式，因为大家想象一下，以前一个汽车制造商，它的价值就是体现在汽车的生产制造和销售上，就是体现在我给售后客户的服务上，但是现在正是因为有了这个数据的存在，所以在这个汽车制造商生产模型的整个蓝图上，有了一个非常清晰的步骤，就是说他现在已经成为了一个数据的拥有者和提供者，他现在很大的一块业务和创意是从数据分析和数据销售的层面，这个大家是难以想象的，大家很难想象一个传统的汽车制造商现在也成为了一个数据制造商和数据提供商，所以这是一个非常浅显易懂，但是又非常震撼的一个故事，大数据的分析已经给我们很多行业，包括很多传统的行业造成了一种革命性的震撼。

IBM大数据平台的策略

接下来，我想跟大家介绍一下IBM大数据平台的策略。前面我讲到很多大数据的重要性，大数据业务驱动的必要性，很多朋友就会说，大数据如何落地?大数据内容如此丰富，就像我们前面的吴总也跟大家分享了非常好的大数据理论、大数据的思维方式，可能你会说，那我也想开始做大数据，我到底如何来将大数据落地呢?接下来，我就想跟大家分享一下大数据如何落地的一些切切实实的经验和见解。

IBM的大数据平台是以四个V作为理论基础的，一个是海量、一个是多样性、一个是流动性，还有最重要的，大家都在遵循的就是数据的真实性。在IBM的大数据平台里，这四个V都有不同程度的体现和很好的诠释。我们首先有基于Hadoop的大数据解决方案，这都是对静态的数据有一个很好的有效的存储和管理。正如我前面所说，很多机器的数据、很多流动的数据，相关流计算的解决方案，相关流计算多事件复杂的分析引擎，对这些数据都有实时的分析和管理。

（编辑：宿州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!