“大數據”作為IT領域的關鍵詞不斷被大書特書，對其分析利用也備受關注。另一方面，靠IT技術、現有的組織和人才技能解決不了的難題也漸漸浮出水面。這就需要“分析數據及其與業務相結合的技術”。下面，我們來看一下大數據時代企業所需的技術有哪些？　　

業務技能

這里的業務技能不是指提高業績的能力，而是指將業務過程標準化、掌握各個過程中哪些信息需要輸入、記錄等能力。

以經營活動為例。通常，將一些促銷活動的問卷調查中有望成為真實客戶的顧客信息錄入CRM(顧客管理系統)系統，銷售負責人在此信息的基礎上開展營銷，顧客感興趣的產品、服務等將作為數據輸入CRM系統。接下來，如果顧客購買了產品，在結算系統輸入結算信息，如果是貨物的話在物流系統輸入、生成物流信息。像這樣，掌握數據是在哪一過程中、什么活動中生成的非常重要。

此外，哪一過程、或者在哪一過程生成的數據會對業務的結果產生較大影響等，與其感性估計，不如對相關數據進行分析、形成模式化。例如，與顧客的年齡、性別相比，從事哪種職業對購買概率的影響更大等。

數學技能(模式化、樣本化)

其次是分析數據所需的數學技能。此前，說到分析業務數據的技能的話，都是些求合計、平均值和標準差等簡單的統計學知識，但以后，通過分析數據研究出業務的規律性，形成“模式化”、“樣本化”技術非常必要。這在科學界是一種常見手法。例如，理想氣體狀態方程“PV=nRT”，就是將氣體的狀態用模式化的公式表現出來。

同樣，在業界，也需要將商業活動的狀態形成公式化的分析技術。例如，連鎖超市可以根據店鋪的位置，計算出各種條件下(銷售業績、天氣、氣溫、星期幾等)的客流量和每種商品的銷售額，找出規律，就可以做出更適當的調整，也能減少虧損、改善盈利。

IT技術

IT技術也不可或缺。首先，就是與數據庫相關的技術。需要分析的數據保存在哪兒、AGE和JOB等數據庫中涉及到的項目怎樣與實際業務術語相結合 等，現在都可以通過IT手段來實現。但是，目前大多數企業面臨著業務之間的業務術語不統一、數據庫零散不成規模等問題，仍然還有很多要依靠人來解決的東 西。

今后，通過IT技術解答公式的能力將越來越重要。例如，假設商品的銷售額與顧客年齡的關系，用公式“銷售額=a×年齡”來表述，系數a就可以通過IT技術求出。這是非常簡單的線性回歸問題，數據量小的話就可以用Excel等電子表格軟件求出a。此外，也可以用SPSS和R等專業統計分析軟件。更復雜的情況，就需要創建一個程序來求系數，擁有此項技術的IT工程師就可以說是珍寶了！

保證人才很重要

介紹了以上三種技術，但遺憾的是，日本企業里并不存在擁有以上全部技術的超人。那么，如何培養擁有這些技術的人才呢？

無論哪一種技術都是很專業的，都不是一朝一夕就能掌握的。但其實，掌握著業務技術的人就在各個業務部門，掌握IT技術的人才就在信息系統部門。

看上去很難的數學知識，對理科系的研究生來說往往并不算什么。物理、化學等領域中，也不乏將自然科學公式化、并研究怎樣才能得出精確度更高的公式的人，而這其中有很多有經驗的人才，將自然科學應用到業務活動中并非不可能。

將這些人才從各個部門集中到一起，組成進行數據分析的專業小組，不是現在立刻就可以開始做的事情嗎？然后，將小組置于經營企劃和業務企劃等制定企業發展戰略的部門，成為支持企業競爭優勢的關鍵力量。

從小事做起

掌握數學知識可能比較難，但應用軟件解答課題并不是解答數學難題。大家手邊所有的電子表格軟件，就能進行簡單的回歸分析，也有很多更高級的分析軟件，可以幫你解決更復雜的問題，這些彌補了數學知識的不足。

實際上，已經有在分析技術上進行投資并獲得成功的企業。丹麥Vestas Wind Systems，是從事風力發電機設計、制造、銷售的公司，它將大數據分析運用于業務中，通過持續地、公司全體有組織的工作收獲了成功。在組織化的基礎上增加持續性，可以更有效地運用分析。

在日本，也有幾位IT工程師將大數據分析做成項目并不斷取得成果。在這個過程中，與分析相關的數學知識的不足部分有像IBM一樣的數學解析團隊和大數據分析軟件供應商的支持，彌補了之前所說的三大技術的不足，成功取得了成果。

同時，也有企業成立了100人以上的專業分析團隊。集齊IT和業務雙方的人才成立分析團隊，通過實際操作重復著“試驗錯誤”的過程。經過這一過程，企業不斷得到小小的成功體驗，分析水平也逐漸提高。而企業應該最先著手的就是培養擁有必要知識技術的人才。

目前，這種涌現大量且多樣信息的業務環境中，無論哪個企業都有分析需求。而熟練應用最新的IT工具、具備更好的洞察力將成為拉開企業之間差距的關鍵。