作者：傅一平。 目前就職於某電信運營商，從事大數據相關工作。

最近一直在做企業內一線大數據普及的工作，因此來談談想法。

很多公司在建設大數據分析平台，很多公司在研發和推銷自己的雲計算和大數據平台產品，從Openstack,Docker,DCOS到Hadoop、MPP、NOSQL等等，從IaaS、PaaS、SaaS到炒作到天的開放平台，亂花漸欲迷人眼。

作為企業搞IT的人，的確有很多新的東西要學習和建設，投資也迎來了一波高潮;作為研發和銷售大數據產品的公司，當然要不遺餘力的推銷自己的產品，佔領先機很重要。

但是，在喧囂之中，還是要理性的回歸價值思考，High翻天的新技術概念和平台建設，到底給予傳統企業的業務人員帶來了什麼價值?給我們的行銷一線的人員帶來了哪些好處?

我們企業的最終用戶，真實感受到了大數據帶來的變化了嗎?

IT可以提自己的傳統架構被新的架構替換了，牛逼的實現了並行擴展，但這些對於業務人員，有多大的價值和感知?

IT在存量上的搗鼓，於我何干?系統不夠了擴容，是IT必須要做的事情，至於採用什麼架構，業務也不關心，有什麼值得狂歡的呢? 技術能否給我業務帶來新的價值，才是我關心的。

IT也許可以提自己是在做長遠的事情，沒錯，但再長遠的事情，也需要兼顧短期的業務價值創造，沒有短期的持續實踐，很難說有未來的價值創造。

如果業務人員在起步的時候，僅僅是個旁觀者和看客，我們的IT驅動的大數據應用戰略是否有些問題，大數據的狂歡，似乎缺少了主角在場，讓技術和業務這個平衡似乎傾斜了。

阿里的技術是跟著業務要求起步的，沒有這個技術，新的商業模式根本沒法創造，因此技術和業務的發展是相輔相成的，它應該達到了一個很好的平衡，舉個例子，如果沒有牛逼的多維數據分析能力，所謂的淘寶魔方這種新的業務產品不可能存在。

但傳統企業有嗎? 似乎在技術上的關注遠遠超過了業務，大數據分析在業務上除了存量的改造，比如CRM改造成了雲，數據倉庫升級到了MPP或hadoop,我們對於大數據這項非常關注業務創新和運營的事業，似乎點到為止了。

企業IT團隊與IT合作夥伴之間的狂歡，需要讓更多的主角能夠參與進來，比如業務人員，一線人員、建模為長的合作夥伴等等，這決定了大數據平台能否在建成時刻，在業務價值創造上也能開始起步，或者有所建樹，改造一把存量，值得點贊，但絕對只是個開始。

首先，需要從關注大數據平台建設到大數據運營。

假如公司在大數據平台的建設上投資很多，那至少要划出很多在大數據運營上，30%?亦或40%?，後期則更甚，不僅僅需要挑選好的大數據分析平台廠家，更應該挑選擅長建模的合作夥伴，挑選擅長基於新的技術創造新業務場景的合作夥伴。

大數據平台建設完成時刻，就是大數據運營的開始，是真正創造價值的開始，所謂的運營絕對不是僅僅的平台運維，更多應是業務運營。

很多公司在大數據運營上的一毛不拔，是有深刻的原因的，也是無奈之舉，大數據顯然是技術驅動業務多一點，技術上可能有些人才可用，但對於大數據數據和業務兼而懂之的人才卻極度缺乏，傳統業務人員又顯然還在門外，因此，造成了這一種不平衡。

同時，大數據業務創新風險性極高，想當前，真正能賺錢的大數據商業模式有幾個? 就知道其實何其艱難和具有挑戰性，創新大數據運營的錢當然可能打水漂，不如採購硬體和軟體那麼實在。

但是，既然要搞大數據，就應該想到這個風險，否則，幾年後，除了同質化非常嚴重的一堆技術架構平台，各個企業的大數據分析的差異化競爭優勢又在哪裡?別提技術架構先進性，太容易複製了，傳統企業也不可能像阿里那樣程度的自主研發。

開源大勢所趨，沒有秘密可言，這種微小的領先支撐可能不到1-2年。而大數據建模及新的商業模式才可能是差異化競爭優勢所在，所謂數據創新無極限，這個差異化也無極限。

當前，很多擅長平台的合作夥伴，也打著業務的旗子來，提什麼客戶洞察啥的，在架構藍圖上永遠畫著業務和服務，但到底業務服務怎麼做，天知道? 真正對於業務有點理解的又是何等的鳳毛麟角。

有人問我，大數據最大的痛點是什麼，我總是回答，業務創新，技術問題總能逐步解決，但業務，的確太難了。

舉個例子，就能明白很多公司對於業務的理解能力了，某個客戶說，你給我一輛5個輪胎的車子，然後這個技術公司真得研發出了5個輪子的汽車，但客戶真正需要的，其實只要增加一個備胎。

當前業界有有實力、有運營能力的諸如建模等商業合作夥伴很少，但無論如何，還是要努力尋找，大數據不能缺了這條腿，或者就自己培養，這是當務之急。

一盤象棋，有再牛逼的車馬炮又如何，於百萬軍中取上將之頭，才是王道。

其次，大數據開放瓶頸不在開放平台，而在思維局限。

大數據平台開放現在提的多了，什麼IaaS，PaaS及SaaS，但提的再多的規劃和概念，都不如將一張有價值的大數據表，開放到一線讓人真正用起來有意義。

通過FTP開放一個文本文件也叫開放，搞個大數據PaaS服務也叫開放，前者可能不安全，可能多了就管理複雜了，而且可能變得冗餘，但現在才幾個需求啊，PaaS這類太重的平台，只有系統和數據規模達到一定程度才能體現出其價值，平台永遠只是手段。

但當前總想著把平台打磨的完美無缺，枉顧一線甚至不知道這個舞台的存在，其實再破的舞台，也能跳舞的。

99%的企業不可能做成阿里騰訊googlel臉書吧，可能也等不到大規模使用的時刻，所謂的開放平台，到底有多少是真正承載了大量業務量的，有多少是用來當白老鼠的，而且這類開放平台，由於太面面俱到了，每個細節處，都是問題。

沒有實踐的任何開放平台和組件，都值得懷疑，從數據採集、數據管理、數據挖掘、可視化不一而足。

比如一個數據管理PaaS平台，業界要折騰多少點年才出來一個靠譜的東西，其他的，所謂客戶洞察諸如此類的，只能笑而不語了。

不管是白貓還是黑貓，抓到老鼠就是好的，PaaS並不是不需要，但開放從沒有必要從PaaS開始，也不用想著哪天廠家會給你一個驚喜，總是要一點點起來。

這個就像當年很多牛逼的有方法論但沒實踐經驗的諮詢公司來到你面前大談特談如何避免離網那麼幼稚。

最後，企業的大數據的普及是如此重要，不要等。

不可能依靠一個部門或者一隻IT團隊實現大數據應用的創新突破，最終一定要走向普及，因為群眾的智慧是無窮的，搞IT的往往自以為是，蒙頭造車，對於一線市場的殘酷性完全不知道，而一線人員對於業務才有絕對的發言權。

必須讓一線知道大數據有哪些能力，讓一線知道如何使用，讓一線自主決定一些數據的東西，授人以魚不如授人以漁，IT需要做好這個平台，而讓一線在上面歡快的跳舞。

當前阻礙企業大數據普及的有以下一些問題，需要得以解決：

一是一線的一把手的決心
對於一些傳統企業，職能型的組織機構、陳舊的機制、僵化的流程的確是限制大數據普及的障礙，但筆者認為關鍵還是在思想層面，管理者的視野和勇氣決定了大數據應用能否走出第一步。

傳統企業，屁股決定腦袋很正常，我們很多優秀的管理者，在業務上擁有豐富的經驗，覺的這個不靠譜的想法很正常，因為太少的成功案例，大數據是大忽悠也不是空穴來風。

筆者是搞實踐的，說句良心話，原來對於大數據是否能創造實際效益也有懷疑，雖然自己搞過挖掘，但對於建模的價值也是質疑的，因為自己以前建的並沒有帶來很好的效益。

但還是要往前看，經驗主義的確害人，很多企業的數據已經到了一定的程度，基於大數據是可以發揮很好的價值的，所以覺得沒價值，更多在於自身的思維局限，缺乏創造力，習慣於按習慣做事，這是致命的。

大數據不同於傳統業務，其創新性，長期性，迭代性都是傳統方式無法比擬的，未來是演算法的時代，希望能理解這一點，

二是一線普及的手段要加強

傳統企業應該有個獨立的組織去承擔這個職責，無論是宣傳、教育訓練或落地的指導，沒有組織上的創新，很難，大家都知道「星星之火，可以燎原」，但星星的確很難找。

因此，筆者特彆強調組織和運營的重要性，無論是自己，還是依靠合作夥伴，務必採取培訓、現場駐點、課題安排等形式將已有的平台能力，數據能力，使用方式，建模方式，操作流程等技能傳授給一線人員，這個工作的艱巨性遠超想像。

但看的到企業，有幾個真正去做了呢?
事實上，傳統企業較網路企業，普及落地大數據的難度更大，因為除了機制和流程，在人員結構、地域上也有巨大的差距，比如網路企業的人員天然就可能有數據的血液，而傳統企業不一樣，因此如果某個傳統企業普及成功，更值得喝彩。

還有，運營是講究方法的，沒有數據證明，就不要相信任何運營的效果，比如以前我們搞了多次百人的實操培訓，但通過租戶平台發現沒有模型在創建，說明培訓工作是失敗的。

大數據運營，也要通過數據說話，不要想當然，要有打破砂鍋問到底的精神，雖已在路上，但革命遠未成功。

三是尊重大數據的客觀裁決

收益是唯一評估標準，不要奢望搞個大數據樣板工程，它沒法改變企業，還是要講究實事求是，從小事做起，它是潤物細無聲的，起步的時候，大都是探索性的。

比如做一個存量親情網的拉新模型，需要去努力識別社交關係，需要一線配合做不少驗證工作，需要不停調整模型，同時大數據應用不僅僅是一個模型的事情，還涉及一線取數模式、營銷模式、人員職能等各個方面的改變。

大數據的普及實際就是跟傳統方式博弈的過程，這個急不得，要向一線證明大數據有用，得有真本事，經得起實際的檢驗，也非一日之功，一線很務實，沒效果，就一邊玩去，一邊玩去並不是鄙視你，反映的是市場很骨感，一線不相信概念和繡花枕頭。

在企業內部的大數據應用實踐中，實際上，並不是沒有需求，而往往是大數據的支撐能力不夠，因為它面對的環境太複雜了，涉及業務、數據、平台、產品、建模、安全等各個方面，一線人員的經驗是值得尊敬的，我們的模型有時候甚至沒有經驗規則來得可靠。

傳統企業用好大數據，難度遠超網路企業，對於大數據綜合運營的能力要求更高，網路企業招聘一個建模師可能短期就能做網頁A/B測試了，而比如運營商等企業，招個建模師首先要做的是熟悉企業的龐大的業務規則，理解營銷的場景，面對參差不齊的數據質量及不完整的營銷評估數據，因此，能力的挑戰巨大，這個是無法迴避的。

但無論如何，我們評估大數據成功的標準，始終是給一線帶來了多少實實在在的價值，而不是提建了多少平台，性能有多麼牛逼，這個不以人的意志為轉移。

起了個勁爆的題目，並不是否定大數據平台的建設，而恰恰是希望在萬馬奔騰建設平台的時候，不忘初衷，想想後續的路怎麼走，如何才能與業務形成良好的銜接，讓這個平台產生新的價值，因為就像當年的BI一樣，大數據似乎在相當長的時間內，需要以IT為導向的。

但如果只想著延續過去，在大數據業務運營上不作布局，那麼，大數據平台的價值，就僅限於一個類似雙11的支撐數字了，那是很可悲的事情。

喜歡這篇文章嗎？歡迎分享按讚，給予我們支持和鼓勵！