?大數據是每個業務主管心中的熱門詞匯，但他們如何從大數據中獲得價值呢?

大數據是有價值的，但這需要正確的策略和執行力。簡單地說，為了獲得適度的投資回報，必須利用和優化傳統和大數據技術的組合，以取代日益陳舊老化的基礎設施。

當行業媒體越來越多在報道大數據的應用時，人們知道大數據已經成為主流應用。事實上，大數據已經具有更大的誘惑力。成功地管理和利用數據的爆炸，有利于促進業務的發展，增加的收入，提高競爭力，并改善用戶體驗。

然而，現實并不像宣傳的那樣美好。“如何真正從大數據中創造價值?”是一個需要回答的問題。而很多人在使用大數據技術的挫折感似乎在積聚，而且有幻想破滅的危險。

但事情并不一定要這樣。驅動大數據的價值是有途徑的，但必須面對現實，必須有條理。人們還必須首先認識到這些，實際上，大數據項目只有三種：

第一種只是專注于取代陳舊老化的傳統基礎設施。實際上，重新平臺化一個環境，使其適合當今經濟的目的——在這里稱之為“改造”。

在第二種大數據項目中，企業認識到他們的傳統數據倉庫環境可能擅長報告和管理結構化數據，但在其他形式的數據以及最關鍵的分析(畢竟沒有分析，那么如何實現所有數據的最優價值?)方面難以應對——在這里稱之為“升級”。

第三種也是最后一種類型的大數據項目是企業決定通過盲目采用大數據技術來節省資金的項目——在這里稱之為“冒險”選項。

但這是一個不受歡迎的事實。在這些大數據項目中，只有一個項目將在節省資金的同時提供報告和數據收集方面的新的靈活性。這些項目中只有一個項目會帶來很高的投資回報。最后，一些項目可能是一個巨大的IT成本黑洞，它可能浪費數百萬美元，并毀掉工作人員的職業生涯。

首先從“改頭換面”開始。用大數據技術取代陳舊老化的基礎設施是有充分理由的。假設在4年前購買了一堆數據倉庫設備，那么現在是回顧的時候了。

在過去的幾年里，很多企業知道他們想要利用更多的分析，在降低成本的同時反應更快。如何做到這一點?可以部署一種混合方法，對基礎設施的一部分使用傳統數據倉庫技術的新版本，對其余部分使用“大數據”技術，例如Hadoop。

這種做法是合乎邏輯的，很可能會成功。要想成功地創造出最大價值，有一個秘訣就是要有允許創新、測試和探索的多個環境。其中一個相當大的區域分配給數據科學家。對于那些升級其傳統架構(但購買較少)并添加Hadoop和相關技術的企業來說，采用這種方法可以滿足他們當前和未來的需求，節省成本并提高性能。這樣做的投資回報率中將會提高，并且估值時間合理。

現在了解“升級”選項。在這種情況下，該公司在采用分析技術方面更為先進。他們的傳統環境可能運行得很好，但他們意識到，他們正在錯過利用大數據和相關技術從新型數據和分析中實現價值的機會。對于一些企業來說，增加Hadoop環境和分析環境將給他們帶來最大的價值。

有些這樣的項目在12個月內就能實現600%到3200%的投資回報率。然而，成功的關鍵在于，企業不僅準備好收集和存儲大數據，而且準備好對結果進行操作。以下了解一個極端的例子。

一家擁有數十億行數據的大型營銷公司創建了一個包含數據庫內分析的龐大分析環境。他們的內部業務案例表明，12個月的投資回報率為3200%。

他們列出了許多原因，但主要的驅動因素是他們的數據科學家可以在給定的時間內構建10倍的模型。至關重要的是，營銷團隊已經做好準備，在分析結果出來后立即改變現有的程序并運行新的程序。在他們的案例中，改變一些模型的過程從幾天到幾分鐘。這類企業才是真正從大數據革命中受益的公司。他們以一個明確的目標開始他們的項目，并根據結果采取行動。

最后著眼于“冒險”選項。好在這種情況并不常見，但確實存在。這句話很常見。人們必須讓一些大數據項目到位!將采用所有這些免費的開源技術，將其放在云端，并大幅精簡員工，并且可以省下很多成本。但這不會發生。要想讓這些企業有希望通過大數據獲得利，他們需要做好一些準備。

一個是基于業務需求和交付的操作能力清楚地了解技術的最佳組合。如果是一家大規模的企業，不能把所有的技術都遷移到云端，然后采用100%的開源軟件。與其相反，需要基于業務需求和業務能力的組合來優化他們的環境，以根據結果進行操作。

這些公司還需要對他們期望的結果有一個清晰的愿景，以及非常優秀的IT項目經理。然而，成功的“必備條件”清單是繁重的。因此，其結果往往是花費了大量的資金，遭受了大量的破壞，企業會發現自己回到了開始的地方。

大數據是有價值的。但這需要正確的策略和執行力。簡單地說，為了獲得適度的投資回報，企業必須利用和優化傳統和大數據技術的組合，以取陳舊老化的基礎設施。

然后，為了獲得較高的投資回報，可以在大數據上運行分析(在傳統和/或Hadoop環境上)，但要確保可以對結果進行操作。千萬不要選擇“冒險”選項，因為這條路充滿了失敗的部署和挑戰。?