大約一年前，我和我的同事們有幸旁聽當今世界上最大的某金融服務公司的部門總裁的下屬報告會時，我們聽到該總裁問：“我們的新產品大概有多少有價值的潛在客戶?”一群下屬高管你望我，我望你地靜靜坐了一會兒，終于一個開口了：“我們真的不知道。

“我們已經問這個問題好幾個月了，而我們得到的答復一直是我們大概需要花費半年的時間，五百萬美元進行整合、并關聯和分析相關的數據資料才能得出我們說要的答案!”上述的回答真的令人難以置信對吧?聽起來相當的牽強，是嗎?那么，歡迎來到真實的世界吧!

跨行業的企業高管每一天都面臨著這種類似的問題：我們如何在合理的時間內獲得對于關鍵的業務問題的答案?而這些問題的答案應該是簡單直觀和明顯的，而不是經常令人覺得復雜和反直覺的。

數據量的增張

在過去的幾十年里，企業所產生、維護和儲存的數據量驚人的數量增張。從歷史上看，維護和存儲數據的成本一直很高，但隨著成本的大幅下降，企業中的每個人建立和維護關鍵業務數據的副本，產生的多種類海量用于企業管理的數據幾乎已然成為可能。由此，我們已經達到了數據的民主化階段，數據增長的速度遠遠超過摩爾定律的法則，每年以超過100%的速率增長，而這一速率還在進一步的加快推進。

為此，我們特意采訪了一些已經與大數據處理打了三年交道的數據專家們，我們原以為隨著新的技術和業務管理數據流程的開發，能夠更好的解決業務數據的獲取、組織和維護等相關問題。事與愿違的是，相反，問題和挑戰變得更糟了。除了傳統的客戶和業務賬戶和交易信息，企業現在正經歷新的數據類型的驚人增長：非結構化數據，如文件和圖片、傳感器監視和測量的個人和設備的數據(例如GPS)、社會媒體的數據，如Twitter和Facebook的消息。

但最大的挑戰來自于傳統的業務分析師已然能夠在企業內很簡單，很容易的創建和維護自己的版本的數據。那么，為什么還要在你已經可以自行快速有效解決相關問題的時候依賴于集中生產系統呢?

做出更好更快的決策

如果時間就是金錢的話，那么加速獲得關鍵業務問題的答案的能力便是無價的。企業一直努力解決系統開發的問題，以便提高行政決策。幾十年來，在不同的時間段，其已經被改了好幾個不同的名稱：決策支持系統(DSS)、執行信息系統(EIS)、商業智能(BI)、以及各種形式的分析。在這個獲取業務洞察力的進化過程中，最新的便是大數據分析了。然而，盡管大數據可能是個新名詞，但其還是涵蓋了業界幾十年在數據管理和學習方面的許多努力，部分內容是新的，甚至是在數據處理方面革命性的突破。

我們最近調查的首席信息官和業內高管們強調，大型企業使用大數據，是為了“提高他們數據驅動的決策，最重要的是，幫助他們更快更好的做出決策。”

大數據為企業高管們帶來的真正的突破是，提升了業務經理們分析和決策一個問題的能力，

減少了所花費的時間。業務指標被以應答響應時間(time-to-answer ，TTA)來衡量，它使得企業的管理者通過大數據的分析方法，能夠以秒為單位回答關鍵業務問題，而不再是幾天、幾周甚至幾個月。發生這種改善的原因有兩個：

業務經理現在可以通過分析數據了解幾乎所有的數據問題，這在過去是不可能的。因為新的數據技術可以為企業管理者加載和訪問全套的可用信息。

業務經理可以問更多的問題，并提出新的問題。因為大數據技術將滿足數據工程的需要，這一直是企業管理者的提問能力的障礙。最終的結果是，業務經理們可以問更多的問題，而無需等待，因此，獲得更快的答案，因為他們在很大程度上擺脫了依賴于技術團隊。這允許更大的自助服務。

因此，就如我們在本文開篇所提到的例子：不用載等待半年的時間，并花費五百萬美元去了解哪些客戶是新產品的潛在客戶群，如執行開放的例子，企業現在就能夠回答這些問題，并以最小的成本迅速解決其他許多問題。

這個過程是不同行業、不同企業大數據舉措的核心。

使用大數據回答關鍵業務問題

我們有多少客戶?

我們產品線的銷售是什么?

如果我們重新定義客戶，細分市場或產品線，會發生什么狀況?上述兩大指標數據會發生什么變化?

企業高級管理人員們每天都在問這些問題的，令人驚訝的是，企業所使用大數據的方法來解決的恰恰是一些基本的業務問題。就這么簡單，每個復雜的問題其實都掩蓋了一個簡單的答案。構成客戶或產品線的問題可能會僅僅因為提問者所觀察的角度的不同而存在差異。

為此，從新的視角來提出問題是至關重要的，這就是為什么迅速采取行動，就顯得至關重要了。利用大數據分析的方法，使企業管理者能夠問更多的問題，尋找更多的數據，而不需要過分依靠IT技術部門。雖然一些數據簡單地推遲到工程后，但大數據的優勢在于能夠指導企業管理者提出更多的問題，并迅速在短時間內得到這些業務問題的答案。