分享一下最近我們在emc global services的一些工作成果。我們的目标是繪制一張「大資料的故事圖」，用來幫助客戶們更好地了解大資料之旅。
我們試圖用各種比喻和主題提供一個圖形化的教材，幫助我們的客戶了解，在實施大資料的過程中一些關鍵的要素。而且，與其它所有優秀地圖一樣，我們也在上面标注了一些重要的地标點，希望大家都能去看下。
一号地标: 爆炸性的市場
大資料改變了市場。資料，就如同是水一樣，充滿力量。海量的資料，結構化或非結構化，内部的或外部的，它既可以是動力，激發組織變更和業務創新，也可以是洪水，吞沒毫無準備的人。一個組織，如果不能适應大資料的潮流，可能會遭遇以下的風險:
收入與利潤下降
市場佔有率丢失
被競争對手趕超
錯失商業機會
而反過來，熱情擁抱大資料的組織将有能力:
通過挖掘社交與移動資料，發現使用者的興趣、愛好和交往關系
利用機器資料，實作預測式維護與營運優化
通過研究使用者行為，提供更好的使用者體驗
利用大資料技術，實作資料倉庫和商務智能環境的現代化(實時性、預測性等)
形成資料驅動式的文化
培育資料資産并持續投入
發展分析模型和行為研究等，形成知識産權
二号地标: 業務與it方面的挑戰
大資料使業務轉型成為可能，從一種後視鏡式的看法轉向前瞻性的視角，從隻用一小部分資料監控業務，轉向實時地利用一切可用的資料對業務進行優化。然而，在這過程中，企業往往面臨許多重大挑戰:
架構僵硬，無法抓住稍縱即逝的商業機會
回顧式的報表，無法指導業務決策
對于社交、移動和機器行為，缺乏可行的挖掘方式
傳統的bi和資料倉庫努力在管理和分析這些新資料方面苦苦掙紮。它們的架構:
面向批處理，因而對資料的通路有延遲
很脆弱。如需加入新的資料源、報表和分析方法，需要付出大量的勞動
在資料規模達到pb級時性能與擴充性面臨挑戰
僅限于聚合和采樣後的資料視圖
無法處理海量的全新外部非結構化資料
三号地标: 大資料業務轉型
究竟某個組織對大資料有多大的意願？有些組織無法了解大資料的業務潛力，他們不清楚業務成熟度的各個階段。我們的大資料成熟度模型能夠衡量某個組織在大資料業務上的意願，并為資料貨币化意願水準的識别提供了一個方式:
業務監控: 部署bi工具，持續監控業務性能
業務洞察: 利用預測式分析方法，發現可以被內建到現成報表和儀表闆的元素
業務優化: 在現有業務流程中嵌入預測式分析方法，優化精選的業務操作
資料貨币化: 通過轉售資料與分析方法、打造「智能」産品、徹底改造使用者互動體驗等方式，創造新的收入機會
業務轉型: 利用客戶的使用模式、産品性能行為和市場趨勢，創造全新的業務模型
四号地标: 大資料之旅
大資料之旅需要商業和it利益者的合作，一起來确定合适的商業機會和必要的大資料架構。大資料之旅需要1)專注于一個組織的關鍵商業業務 2)确定大資料商業機遇可以通過it實施。大資料之旅按照下面的路線:
當大資料可以提供競争優勢和商業差異化時，確定其商業的首創性
決定– 預想 – 大資料如何提供所需的分析了解
定義-曲型資料戰略 (擷取, 轉換, 改進)
構造分析模型和見解
實作大資料的基礎，技術和架構
整合分析思路到應用和業務流程
五号地标：使用大資料
成功的企業都有制定不斷發現釋出業務新分析見解的工作流程。企業需要一個明确定義的流程來将這些見解梳理和整合到業務系統中。過程中應明确定義商務使用者，bi/dw 團隊，以及處理大資料的資料科學家的的角色和責任。
與商業利益相關者合作，以捕捉新的商業需求。
采集，準備和充實資料，從内部和外部來源擷取新的資料，無論是結構化的還是非結構化的。
不斷更新和完善的分析模型；包括實驗，以確定相關模型的持續性。
在實施、營運及管理系統中釋出分析見解。
權衡企業效益和決議，以不斷微調分析模型、業務流程和業務實施。
大的資料有潛力，改造或重新連接配接您的價值創造過程中創造差異化競争。組織需要一個大的資料連結的願望組織的關鍵業務舉措的戰略。展望研讨會和分析實驗室确定在何處以及如何大的資料可以組織的價值創造過程中。幾乎不存在的組織，可以提高其價值創造能力大的資料，包括：
采購，以确定哪些供應商是最具成本效益的時間提供高品質的産品
産品開發，以确定産品使用的見解，以加快産品開發速度和提高新産品的推出
制造标記裝置和工藝差異，可能是品質問題的名額
量化配置設定最佳的庫存水準和供應鍊活動
市場營銷，以确定哪些營銷活動是最有效的駕駛參與和銷售
操作優化 “ 易腐貨物，如雜貨，航空座椅，時尚商品的價格
優化帳戶的銷售目标，資源配置設定和收入預測
人力資源的特點和最成功和最有效的員工行為。
大資料storymap提供了一個引人入勝的視覺幫助企業全面了解一個成功的大資料戰略的關鍵組成部分。我希望您将享受storymap，像我一樣高興有機會與馬克·勞森和格倫斯特漢德一起吧。
<b>原文釋出時間為：2013-08-15</b>
<b></b>
<b>本文來自雲栖社群合作夥伴“大資料文摘”，了解相關資訊可以關注“bigdatadigest”微信公衆号</b>