谁为大数据的试错成本买单？

摘要：像所有新生技术一样，远远望去，大数据像太阳一般光芒万丈；走近了，才发现它表面的坑坑洼洼。这些坑坑洼洼并不是不可避免的，只是意味着企业在探路大数据的时候需要付出一点试错成本
       像所有新生技术一样，远远望去，大数据像太阳一般光芒万丈；走近了，才发现它表面的坑坑洼洼。这些坑坑洼洼并不是不可避免的，只是意味着企业在探路大数据的时候需要付出一点试错成本。

       1、技术成本

       要实现实时的数据挖掘，必须搭建无效无关数据的即时剔除机制，同时确保数据的标准一致；要实现以秒计的超大量数据处理，必须搭建敏捷的数据承载能力测试机制，确保足够的数据容量；要实现精准的数据应用，必须铺垫不同数据渠道，根据不同数据类型建立不同分析路径。

       表面的技术基础=实际的资金投入+技术准备时间

       2、人力成本

       更精准的宏观描述需要更广泛的数据反馈，但考虑到商业机密和信息外盗的风险，很多企业不愿开放数据，共享数据，并设置重重技术屏障保护内部信息。这意味着仅凭技术，每个企业采集到的数据都是有限的，需要额外投入人力去拓展数据来源。由于大数据的人才稀缺，培养和挖掘人力无形之中抬高了成本。

       3、时间成本

       据中央财经大学中国经济管理研究院博士张永力：国外大数据行业市场约有1000亿美元，且每年以10%增速拓展；而我国2012年大数据市场仅4.7亿元左右，2013年达11.2亿元，仍处在大数据领域的初级阶段。

       这意味国内没有哪一家企业有特别成熟的大数据应用经验。哪一家大数据企业，都有很长的路要走。

       人力成本和时间成本归根到底还是取决于技术实力。很多公司不了解大数据对自己的技术实力构成怎样的挑战，甚至在还不明确产品价值、业务目标的时候，就盲目追风大数据，结果是“吃鸡不成蚀把米”。

       但在反复试错的过程中，有些企业会逐渐意识到：自己给的“米”不够多，喂的“鸡”也不太对，及时调整目标，通过更细分的业务方向，从无效的数据收集工作中抽离出身，去获取更少但是更相关的信息；在缩减数据处理量的同时，提升数据应用价值。

       反过来，大数据处理速度越大，对企业目标正确与否的反馈越快，企业试错的时间成本越低；同时数据相关性越强，处理结果越准确，意味着企业犯错的概率降低了。

       所以从另一个角度看，实践大数据的好处之一是——企业变得更懂自己了。

       但更懂自己以后，也许最佳路径还是借助最懂大数据的互联网公司。毕竟与搭建大数据平台的技术成本、人力成本、时间成本相比，大数据平台的服务费用不值一提。

       有些企业可能会有疑问：企业与企业之间，业务千差万别，怎么可能通过统一平台来实现？

       一个新的方向是：企业依托大数据平台，基于内部资源与信息需求，定制个性化的大数据解决方案。

       目前中国建设行业第一家大数据服务平台、全国最大的材料价格数据信息系统——造价通已经实现这一点。

       借助造价通大数据技术，企业可以一键获知涵盖国标所有类型、326个核心城市的信息价与市场价；并使内部数据自动按国标生成编码，批量标准化格式。同时基于自有资源与历史数据，建立动态数据分析模型，实现成本精准预测；通过各种权限设置和功能定制，确保数据安全。

       造价通经过8年市场实践与技术铺垫，终于推出企业级大数据解决方案，某种程度上，是转嫁了企业大数据的技术压力，为企业大数据的试错成本买单了。

发布：2007-11-10 13:35 编辑：泛普软件 · xiaona [打印此页] [关闭]