传统企业大数据应用难落地？说穿了还是因为这3点

在中国，从2013年大数据元年始，上至国家总理，下至普通平民，大数据的词汇已经深入人心，大家都觉得大数据是个好事，但基本上都是叫好不叫坐，尤其是在传统企业中。现今的中国，大数据在互联网、电商、金融等行业都得到了很好的发展应用，而在传统企业举步维艰，究其原因，一般都有如下几点问题：

一是数据量太少的困扰。一般传统的大中型企业都已经进行了信息化的过程，也有了企业的完整的ERP系统，数据都已经采集到结构化数据库中，但这些结构化数据的量级和大数据PB级的量级相比，差之甚远。面对这种小量的数据，企业的DBA的解决方案都是使用传统的数据库来完成数据的存储和分析，大数据技术基本没有用武之地。

这里其实是传统思维的一个延伸，由于在企业里掌握数据的基本上都是一些数据库管理员，这些人员的思想意识里基本就没有数据分析的概念，顶多有把数据进行描述统计的需求，因此在他们的思想里，把核心的业务数据保存下来，过时的数据就可以不存储，基于这些思维传统的结构化数据库已经可以解决问题了。

而大数据思维中的多样性，大数据传感器的数据采集方式，大数据的无用数据（日志数据等）的收集和存储，这些大数据的思维方式，可以在大数据分析师的眼中看到各种看似没有用的数据，而这些数据在以前是至之不理的，或者仅保留一些小量的内容，而正是这些看似无关的或无用的数据，正好可以展示出大数据分析魅力。

因此，对于传统企业的大数据分析，首先要改变的是数据库管理员或者是数据中心的业务人员的思维方式，通过一些专业的培训，比如经管之家（原人大经济论坛）的大数据培训，通过专业的培训缩短其学习过程，让其快速地了解大数据分析的特点，从而有意识地收集更多的数据。

二是大数据分析人才的匮乏。大数据包括大数据技术和大数据分析两个内容，大数据技术和信息化有关，而大数据分析和数据分析有关。中国的数据分析行业刚刚起步，大部分中国的企业进行数据分析都停留在EXCEL+SQL的阶段，能做出一个漂亮的基于描述性分析的数据分析报告，基本就算完成了本职工作，但这离数据分析的本意还有很大的差异。这里的根本原因是人才的稀缺。

大数据分析人才也一样，人才匮乏到了基本没有办法开展工作的境地。大部分的大数据分析人才需要具备计算机、统计、业务经验等三方面的知识，而我们的高校还没有有针对性地培养这些人才，因为这些知识在现有的教育体系中都是独立的。一些自学成材的大数据分析师基本也被互联网、电商等大数据分析很成熟的行业独占，因此传统的企业想招揽大数据分析人才几乎是不可能的。

面对如此的窘境，传统企业只能走自己培养自己的人才这条路，招聘一些专业的计算机或统计毕业生，有选择性地组织一些企业内训和社会培训，强化他们的薄弱环节，使其能在企业大数据分析团队组建和数据分析的过程中成长起来。

三是领导者思想意识的转变。传统企业要想开展大数据分析和应用，必须要解决的一个问题就是领导者的思想意识的问题，尤其是在国有大中型企业。由于大数据是一个新生事物，人们对新生事物的态度一般都是执怀疑太度，尤其是经验丰富的领导者。而大数据分析具有科学研究的性质，其执行过程具有大量的不确定性，有可能分析的结果是一个不可预料的结果，因此这需要领导者在执行的过程中，对大数据的研究团队给予极大的关心和支持。

而领导者如何才能关心和支持大数据的分析呢，最主要的就是领导者思想意识的转变。他们需要对大数据的技术和应用要有一个整体直观的了解，不能对大数据停留在一个很粗浅的认识上，不能觉得搞大数据就是要买一个银河计算机，不能觉得大数据就是无所不能，不能觉得大数据只能是大企业做的事，这需要专门的培训机构组织一些专门的高层内训，或者是出版社多出版一些通俗易懂的大数据技术和应用的普及书籍。

综上所述，改变思维意识，培养自己的团队，不断地积累数据，通过大数据分析来为传统企业的决策提供支持，也是国内大中型企业可以思考的问题。