大數據最具潛力的三大應用領域
今天，大數據似乎成了萬靈藥，從總統競選到奧斯卡頒獎、從web安全到災難預測，正如那句俗語：“當你手里有了錘子，什么都看上去像釘子。”當IT經理成功部署一套Hadoop系統后，任何事看上去都與大數據有關（事實也是如此）。類似的事情在云計算的普及中也出現過，一開始大家認為所有的IT都可以搬到云端，而現實是我們依然需要虛擬化技術和基礎設施。
對于大數據來說，如果IT經理們初期不能正確選擇應用領域，有可能會導致達不到期望值，招致麻煩。其實，綜合來看，未來幾年大數據在商業智能、土木工程和客戶關系優化三個領域的應用非常值得看好，大多數大數據案例和預算將發生在這三個領域。
商業智能
過去幾十年，分析師們都依賴來自Hyperion、Microstrategy和Cognos的BI產品分析海量數據并生成報告。數據倉庫和BI工具能夠很好地回答類似這樣的問題：“某某人本季度的銷售業績是多少？”（基于結構化數據），但如果涉及決策和規劃方面的問題，由于不能快速處理非結構化數據，傳統的BI會非常吃力和昂貴。
大多數傳統BI工具都受到以下兩個方面的局限：
首先，它們都是“預設-抓取”工具，由分析師預先確定收集什么數據用于分析。
其次，它們都專注于報告“已知的未知”（Known unknowns），也就是我們知道問題是什么，然后去找答案。（而大數據會給出一些未知的未知，也就是你沒有想到的一些問題的結果）
傳統BI工具主要用于企業運營，側重于成本控制和計劃執行報告。
而大數據技術最主要的功能/應用是ETL（Extract、Transform、Load）。將近80%的Hadoop應用都與ETL有關，例如在導入Vertica這樣的分析數據庫之前對日志文件或傳感器數據的處理。
今天計算和存儲硬件變得非常便宜，配合大量的開源大數據工具，人們可以非常“奢侈”地先抓取大量數據再考慮分析命題。可以說，低廉的計算資源正在改變我們使用數據的方式。
此外，處理性能的大幅提高（例如內存計算）使得實時互動分析更加容易實現，而“實時”和“預測”將BI帶到了一個新的境界——未知的未知。這也是大數據分析與傳統BI之間***的區別。
今天的大數據技術還處于戰國時期，未來幾年，隨著企業間的兼并和新產品的不斷推出，BI廠商們將能推出完善的，讓CEO感到滿意的“大數據套件”，但這并不意味著企業IT經理們的工作將受到威脅。因為正如云計算在理想和現實間達成妥協一樣，大數據也會經歷類似的發展過程。傳統的BI工具將與大數據分析并存。
公共服務
大數據另外一個重大的應用領域是社會和政府。如今，數據挖掘已經能夠預測疾病暴發、理解交通模型并改善教育。
今天，城市正面臨預算超支、基礎設施難題以及從農村和郊區涌入的大量人口。這些都是非常緊迫的問題，而城市，也正是大數據計劃的***實驗室。
以紐約這樣的大都市為例，政府公共數據公開化、以及市民生活的高度數字化（購物、交通、醫療等）等都是大數據分析的理想對象。
客觀的市政數據，是消除爭端，維系公民社會的***紐帶。當然，前提是讓公民能夠訪問這些數據。蘋果的Siri和谷歌的Google Now都具備成為個人化助理的潛力。當然，我們還需要更多的產品和技術讓數據分析結果更容易被公眾理解和接受（數據可視化）。此外，IBM的Watson以及Wolfram Alpha這樣的人工智能技術還能實現與用戶的互動。
今天，智能手機（以及Twitter等社交網絡）的普及讓人類社會***實現了公民的聯網。應用程序商店實時上已經打通了政府和公民之間的應用層面的通道。（例如奧運期間倫敦警察廳發布的iphone通緝程序）。伴隨著各國政務的數字化進程，以及政務數據的透明化，公民將能準確了解政府的運作效率。這是不可逆轉的歷史潮流，同時也是大數據***潛力的應用領域之一。
市場營銷
大數據的第三大應用領域是市場營銷。具體來說，是提升消費者與企業之間的關系。（賣得更多、更快、更有效率）
今天，***的數據系統是web分析、廣告優化等。今天的數字化營銷與傳統營銷***的區別就是個性化和精準定位。
如今，企業與客戶之間的接觸點也發生了翻天覆地的變化，從過去的電話和郵件地址，發展到網頁、社交媒體賬戶、博客等等。在這些五花八門的渠道里跟蹤客戶，將他們的每一次點擊、收藏、“頂”、分享、加好友、轉發等行為納入企業的銷售漏斗中并轉化成收入是一個巨大的挑戰。也就是所謂的“360度客戶視角”。
大數據已經與在線營銷交織在一起，其應用可以分為兩大類：
首先，從線上到線下。配備了NFC近場通訊技術的智能手機和基于位置的簽到正在成為營銷人員的***利器。他們將能跟蹤商場人流，把在線零售的分析優化應用于線下。
其次，數據分析工具將更加容易使用（面向中小企業應用的大數據創業非常火爆），中小企業也許沒有BI平臺，但他們都有平板電腦和智能手機，移動版客戶智能分析將會改變企業使用營銷工具的方式。
【編輯推薦】
