【摘要】大数据资产化与决策智能化前些日子，美国洛杉矶警察局开始利用大数据预测犯罪的发生，这是大数据帮助人们做出前瞻性的决策的实例。然而大数

大数据资产化与决策智能化

前些日子，美国洛杉矶警察局开始利用大数据预测犯罪的发生，这是大数据帮助人们做出前瞻性的决策的实例。然而大数据的作用远不止是这一点。在商业领域，大数据对于企业管理者的决策也有重大的参考价值。本文介绍了企业决策者如何收集数据和利用大数据做决策的方法。

近年来，全球数据的增长速度之快前所未有，数据类型也变得越来越多。一方面，海量的多样化数据对信息的有效存储、快速检索提出了挑战，另一方面，其中蕴藏的巨大商业价值也引发了对数据处理、分析的巨大需求。

对于大数据的概念，至今没有一个被业界广泛采纳的明确定义。根据大数据概念的内涵，并结合业界对大数据特性的普遍认同，我们提出以下概念：大数据是指需要通过快速获取、处理、分析以从中提取价值的海量、多样化的交易数据、交互数据与传感数据。

其中，海量和多样化是对大数据的数据量与数据类型的界定；快速是对大数据获取、处理、分析速度的要求；价值是对大数据获取、处理、分析的意义和目的；交易数据、交互数据与传感数据是大数据的来源，交易数据来自于企业ERP系统、各种POS终端，以及网上支付系统等业务系统；交互数据来自于移动通信记录以及社交媒体等；传感数据来自于GPS设备、RFID设备、视频监控设备等。

对大数据的利用将成为企业提高核心竞争力、抢占市场先机的关键。大数据将推动各个行业的信息技术应用产生两大重要的趋势：

一是数据资产化，信息部门将从成本中心转向利润中心。在大数据时代，数据渗透各个行业，渐渐成为企业战略资产。拥有数据的规模、活性，以及收集、运用数据的能力，将决定企业的核心竞争力。

二是决策智能化，企业战略将从业务驱动转向数据驱动。智能化决策是企业未来发展的方向。过去很多企业对自身经营发展的分析只停留在数据和信息的简单汇总层面，缺乏对客户、业务、营销、竞争等方面的深入分析。

在大数据时代，企业通过挖掘大量内部和外部数据中所蕴含的信息，可以预测市场需求，进行智能化决策分析，从而制定更加行之有效的战略。

那么对于行业用户，应当怎样制定大数据应对策略以充分利用大数据所蕴含的巨大商业价值呢？以下两方面建议可供参考：

一方面，应当通过云平台实现数据大集中，形成企业数据资产。对于大型集团企业，各级子公司和分公司的ERP系统每天都在生成大量的交易数据和业务数据。分散在各个业务系统中的数据无法形成集中的资源池、不能互联互通，将严重影响对大数据的统一管理与价值挖掘。实现数据集中是大数据利用的第一步。

另一方面，应当深度分析挖掘大数据的价值，推动企业智能决策。行业用户应当重视对大数据的价值的深入分析与挖掘，推动企业决策机制从业务驱动向数据驱动转变，提高企业竞争力。根据预测，大数据挖掘和应用可以创造出超万亿美元的价值，数据将成为企业的利润之源，掌握了数据也就掌握了竞争力。企业必须更加注重数据的收集、整理、提取与分析。

未来3-5年，那些真正理解大数据并能利用大数据进行价值挖掘的企业，与对大数据价值挖掘重视程度不够的企业之间的差距进一步拉大。真正能够利用好大数据，并将其价值转化成生产力的企业将具备强劲的竞争优势，从而成为行业领导者。