作為研究大資料的主要工具，hadoop暴露出的資金鍊風險可能昭示着整個大資料領域的資金問題。尋找到能夠實作精準分析能力的資源在業界一直是一項巨大的挑戰，與此同時它也是新一代商業友好型大資料工具研發的目标，而擷取商業價值，則是一個更基本的問題。
對于許多人們津津樂道的大資料企業或組織來說，通過大資料擷取商業價值似乎總是如此容易：有了大資料，我們就能更深入地了解客戶的行為，并運用這些知識來增加客戶的滿意度，進而提高企業的盈利能力。但說的容易做起來難，真正去讓一個新興企業來實作大資料價值時，一切往往變得捉襟見肘，但不管怎麼說，回顧總結一些當下實用的大資料商業實踐方法總歸沒錯。實際上，最大化大資料的商業價值可以歸結為将下述的六件事做好：
1.以商業思維為出發點：對于資料科學家們來說，運用hadoop或其他先進的大資料分析工具暢遊于資料知識的海洋中是在愉快不過的事了，不過如果不把分析的結果轉化為可以應用于解決現實世界商業問題的東西，那麼對于時間和資源則是巨大的浪費。與業務專家合作，了解改進過程中的機遇與挑戰，将會是一個大資料項目成功與否的關鍵。專注于一個具體的商業問題将有助于識别有用的資料集，并針對化選擇适合的技術與工具。與此同時，這樣的過程能夠促使你步步為營，對項目進行進一步推進。
2.把目光投向将理論付諸實踐的途徑上：要實作真正的商業價值，我們必須對理論分析的結果進行實際的運用。這聽起來毫無疑問，但事實上有太多的大資料項目都會因為走不過這一關而從此塵封，将理論分析的結果納入商業活動并使它們是以收益往往并非易事。有時，在實驗室裡看起來很美好的資料有可能是不可用的；而當你在商業活動中真正需要某項資料時，它也有可能變得過于昂貴。與此同時，一系列的行業法規也對資料的可用性産生巨大的影響。
3.使用最前沿的分析方法：商業智能與商業分析方法的創新正在改變企業從使用者資料中擷取價值的方式。新興的資料分析平台也是以不再是像傳統的描述性報告或曆史記錄儀表盤那樣的周期性呈現，轉而成為了一個能夠不斷分析傳入的資料，提供指導意見，并且實時可操作的龐大系統。大資料的工具與基礎設施使得當今的資料分析能夠更加快捷簡便地對機器學習方法進行應用，進而對包括各種各樣結構化與非結構化資料類型的巨大資料集進行探索。
4.擁抱多樣化的分析工具：r, python, hive, groovy, scala, matlab, sql, sas；哪個才是你的最愛？這個技術創新呈爆炸性發展的世界帶給我們的副作用之一，便是常常需要學習一套新的分析工具。等着你最拿手的分析工具自己更新往往不是一個好的選項，領先的分析團隊将不可避免地需要使用多個工具來支援他們的業務需求，是以最好的方法是去擁抱這樣的多樣性，建構一個靈活多樣的技能儲備，用于實作由不同工具建構的各種分析模型。在一個機械化生産的環境中，将多種類型的分析模型整合到一起往往十分困難。然而，已經有諸如fico®決策管理平台這樣的現代決策管理系統，通過可擴充包以及網絡服務标準等管道實作了對上述方案的簡化。
5.利用雲端和各類生産力平台：當今時代，進行大資料分析已經不再需要對昂貴的基礎設施和特别的專業技能進行龐大的投資。通過在雲端運作你的分析項目，你可以讓一個專門的第三方處理底層系統和服務，而你專注于手頭的業務問題。同時，你也可以把你所需要的能力和服務外包出去，這也許隻會是實作項目的總成本中的一小部分。
6.為業務專家們留足操作的餘地：這是最後也是最重要的一點。最大的商業價值往往來自于商務專家們一系列可以迅速轉化為差異化戰略的新見解，而它們有時也能顯著提高客戶與股東對你的滿意程度。具有互動性和高度可視化的儀表闆或報告可以更好地提供資訊，進而幫助業務專家提出更科學有效的商業政策；标準的決策管理元件則可以使專家們更友善迅速地納入新的分析模型，并以此洞察他們的業務規則和相關政策；而模拟和資料可視化則可以更好地探索新的商業模式和政策可能帶來的潛在影響，使它們更容易被了解，進而加快它們的審批程序，使項目最終走向成功。
本文作者：佚名
來源：51cto