大数据故事地图

这张图(点击可看大图)就是我前天推荐的EMC提出的Big Data Storymap。当时我受限于手机的操作条件，只给了一个链接，于是有位朋友评价说：

要弄就好好弄，别在这瞎混行吗？

我有点不悦[书悦不悦，后果很严重]，很想告诉他：亲，微信有取消关注的按钮。转念一想，毕竟是自己做得不好，还是接受批评方不为“人渣”。作为补课，今天我这就来解读一下这张故事地图。

大数据故事地图提供了一种大数据战略的可视化方法，描述从当前状态到未来状态的迁移路径。当前状态以传统的商业智能与数据仓库(BI/DW)为代表，是面向批处理的不灵活架构，性能和可伸缩性都遭遇挑战，而且基本都建设成为处理结构化数据的集成化单一系统。未来状态是希望通过大数据分析持续驱动业务创新，通过实时业务洞察改善运营、提升利润，同时通过前所未有的顾客洞察来改善产品和用户体验。 大数据故事地图包含以下六个组成部分。

一、爆发式市场动向

由于大数据，市场正在发生剧烈变化。数据正如流水，本身具有动力。大量结构和非结构化数据、广泛异构的内部和外部数据、各种高速数据既可为运营变化和业务创新提供动力，也可淹没那些没准备好的企业。企业不适应大数据变革，将引发巨大风险：

• 利润和利润率下降
• 市场份额丧失
• 输掉创新竞争
• 错失业务机会

通过大数据思维与能力的强力集成，企业能够：

• 挖掘社交和移动数据，揭示顾客兴趣、激情、联系及关联
• 探索机器数据，预测和优化维护和运营
• 利用行为洞察，创造更有效的用户体验
• 集成大数据创新，使数据仓库和商业智能环境实现实时和预测能力
• 建立数据驱动型文化
• 培育和投资数据资产
• 培植分析模型与洞察为知识产权

二、业务与IT挑战

大数据能够激发业务转型。之前，企业只能利用部分企业数据进行批量分析，通过业务的“后视镜”效果来监测业务绩效，而大数据环境下，企业可以利用实时数据进行预测分析，从而优化业务绩效。这是一个质的飞跃，企业在利用数据进行业务转型上面临巨大挑战，例如：

• 刚性的架构阻碍及时发现业务机会
• 回顾式报表不能指导业务决策
• 社交、移动及机器洞察不能立刻现实可用

传统的商业智能和数据仓库正在努力管理和分析新的数据源，但其架构局限性很大：

• 采用批处理的方式，不能及时访问所需分析数据
• 增加新数据源、业务报表和分析时，费时费力易故障
• 当数据量达到PB级时，性能和伸缩性遭遇严峻挑战
• 所有工作均受制于集成和采样的数据视图
• 不能处理海啸般增加的全新的、外部的非结构化数据源

三、大数据业务转换

企业如何利用大数据分析来创造价值，其动力和机会在哪里？一些詈患焦虑症的企业，挣扎着试图理解大数据的潜在业务机会，但却对自己的业务本身缺乏真正的洞察。通过大数据成熟度模型评估，企业可以找到大数据的业务驱动力，从而在业务发展相对成熟的基础上，把握大数据资产的真正价值。

以下是大数据成熟度五阶段：

• 业务监测：部署商业智能，监测进行中的业务绩效
• 业务洞察：利用预测分析实现现实的业务洞察，并与现有的报表与仪表盘集成
• 业务优化：将预测分析嵌入到业务流程中，从而优化业务运营
• 数据变现：通过出售数据和分析获得新的业务收入，创造智能化产品或颠覆式顾客体验
• 业务重塑：利用顾客消费模式、产品使用行为及市场趋势分析，创建新的业务模式

四、大数据实施路径

只有业务和IT的干系人良好协同，才能找到正确的大数据实施路径，确保正确的业务机会和适当的大数据构架。大数据实施路径需要：1) 聚集于助力企业的关键业务方向，2) 确保IT有能力实施大数据业务机会。

大数据实施路径大致包括：

• 找到大数据能够提供竞争优势或业务差异化的目标业务方向
• 确定(或展望)大数据实现所需分析洞察的方案和方法
• 定义总体数据策略(数据采集、清洗、转换及优化)
• 建立数据分析模型及业务洞察方案
• 实施大数据基础设施、技术及架构
• 整合数据分析洞察与应用系统和业务流程

五、大数据持续运行

（本文编译自 The Big Data Storymap by Bill Schmarzo。）