大数据时代里，世界各地的初创公司及企业巨头都在借力大数据技术，将大量的数据处理转化为金钱或竞争优势。然而光彩的背后，总是掩饰着一些不可忽视的真相，不是所有在大数据上的尝试都得到了应有的回报。在IT企业界，大数据“成功”的定义标准非常宽松，甚至“我们并没有完全失败”这种的观念都可以归结于“成功”。

      最近听说了很多关于大数据的有趣案例，比如旅游公司利用大数据分析做"酒店产品折扣"搜索引擎。我们发现，许多合作的酒店或度假村客户已经掌握了大量的数据信息，它们不过是缺乏条理，难以被利用。用下面我们列出的方法或工具，你就可以收集到数目惊人的客户数据，逐渐了解网站访客来源、旅客信息及他们的来源。

      从比较今年与去年的搜索数据着手是一个不错的开始，因为它们和你的品牌与行业分类有关。一家小型酒店也许并不会在Google热搜榜上看到自己的名字，但他们仍旧可以研究自己所处的市场位置。

      酒店运用大数据的目标是对外精确定制营销，对内快速反馈改进。现在瑞士洛桑酒店管理学院酒店管理专业，已经开设了10门信息化课程——大数据时代酒店的机遇，就是把信息技术作为酒店的核心竞争力。值得注意的是，如果将大数据公司比作一根杠杆的话，它撬动的不仅是酒店这样的传统产业，还有流通渠道领域的巨头们。大数据时代，酒店的挑战是能否改变传统的营销观念。

      当下，对酒店行业而言，顾客体验的是酒店的产品与服务，体验的感受一方面会存留在顾客的记忆中，一方面会以点评的方式抒发并分享。点评网站、社交网站和自媒体平台是展示体验感受的重要媒介，同时也服务于体验经济，是酒店自我评估服务质量及产品质量的重要渠道。

      体验经济对服务行业特别是酒店业提出了更高的要求，大数据时代、新媒体的发展，都提出了对酒店业的重重考验。社会化媒体已经深入企业运营的整个过程中，酒店企业所处的公众信息环境发生了变化，酒店企业建立一套行之有效的舆情监管安全体系，系统性地应对社会化媒体给企业带来的潜在威胁，铸就酒店口碑与提升服务。

大数据成相亲及游戏领域利器

      甚至还有以“大数据相亲"为噱头的活动。对于许多人来说，他们生活中最私密的方面也已经开始依赖于这种机械算法的预测能力了。例如，许多在线相亲机构都会要求你填写一份非常详细的问卷，然后根据大数据算法来提高你找到另一半的几率。其实就是通过佩戴的胸卡传感器收集的数据使更多单身男女成双配对。

      大数据已经不再是企业的专属，而是多了不少生活的味道。正如IDC传递的信息：大数据即使有炒作的成分，也并不妨碍它向我们生活中的渗透。泡沫虽有，但已然向成熟进化。

      关于大数据的 讨论已经有很多，它究竟是什么，它能做什么，不能做什么呢?很多人写文章赞扬大数据将如何改变我们做业务的方式，从预测性分析到发现海量非结构化数据中隐 藏的情报信息等。还有些人则认为应该谨慎对待大数据，他们称数据是难以操纵的，使用大量数据并不会带来媒体炒作的变革。

      再比如，游戏开发公司通过分析玩家的历史记录、行为和心理来开发可能更受欢迎的游戏。网络游戏这个虚拟世界里，我们也可以用大数据来提升游戏的运营能力。基于用户行为的大数据，除了产出一堆运营报表之外，我们还可以将它应用于come-stay-pay模型，做精准拉新、市场规模预测、用户挽留、精准推荐等等，甚至，我们还可以通过游戏用户的行为分析，验证游戏的数值设计是否符合预期，以便迅速做出游戏内容的调整，可以说是事半功倍。

      从盛大《传奇》算起，国内网络游戏的数据化运营已经经历了十年的发展，从最初简单的用户信息、游戏账号数据统计，到目前广泛的用户行为数据的分析和挖掘，数据分析运用的重要性在每个阶段都得到不同程度的强化。如今，国内游戏厂商的数据分析规模已经日渐逼近大数据的“4V”定义层面：数量Volume、多样性Variety、速度Velocity、和真实性Veracity。

      但和其他领域的应用一样，游戏大数据因技术等多方面的因素难以落地。易观国际分析师薛永峰认为：“国内游戏领域的大数据应用长期处于概念阶段，目前真正进行大数据层面应用的，还是以腾讯、百度这样的入口级平台为主，其他大多还只停留在对自身数据分析的层面。”

      虽然已经实现初步落地，但大数据存在着国内整体环境不成熟的核心问题。我国大数据产业面临着人才匮乏、数据资源不够丰富、数据开放程度较低、相关的法律法规不完善等问题。我国运营商由于技术、数据系统限制、用户隐私等制约因素，目前大数据运营只处在探索阶段，尚未能确立有效的商业运营模式。对于大多数的国内企业而言，进行大数据分析所必须的连续、真实、少杂质的数据，几乎就是不可想象的。

      数据处理能力的低下，以及无法与实际商业场景结合形成可持续、可量化的精细落地方案，是目前大数据的两大难题，就像腾讯游戏运营部总经理崔晓春说的一样：“没有分布式计算、存储和实时计算的能力，一切都是空谈;同样，没有真正落地的应用，空有大数据也等于拥有的只是一堆垃圾。若我们局限于玩家制造的数据本身，却不去思考为什么是这样，我们就很容易掉到大数据的陷阱里，弄巧成拙。”

      但即便不存在技术障碍，大数据的作用也是有其局限性的，智慧往往比算法和数量更重要，数据的多少并不能决定结果是否具有核心价值。对于游戏来说，大数据分析的确能够帮助游戏做出改进，但最终能够吸引用户的还是游戏产品本身的质量。和其他任何领域一样，大数据的作用不宜过度神化。

美国国家安全局同样需要大数据

      与IT相似，情报机关也在努力通过创新获得快速分析大量来自不同源头的数据能力。

      虽然最近一段时间以来，美国国家安全局及其它情报机关大规模收集个人数据的做法引发了广泛争议;但从技术角度来看，通过分析将数据转化为可操作信息仍然是一项巨大挑战，即使是最具权势的机构在面对此类难题时也感到有些无可奈何。

      在刚刚于纽约召开的安全创新网络峰会上，中央情报局科学与技术部门副主任Dawn Meyerriecks致辞称，处理所有业务相关数据对于任何机构而言都仍是一项重大挑战。甚至在成功收集之后，机构成员以实时形式对数据进行分析都无法做到。

      “要查看一遍下一分钟在互联网上传输的所有视频，我们要花上整整五年时间，”Meyerriecks解释道。“因此我们根本不具备处理全部现有数据的能力。”

      因此，美国中央情报局正在集中资金投向分析应用程序及系统的研发领域，旨在帮助自身更便捷地对来自不同来源的数据加以分析——这是为了避免将浩如烟海的数据保存在有限的内部存储体系当中，Meyerriecks告诉我们。

      大多数研究与开发活动都通过in-Q-tel(一家由中央情报局创立的风险投资公司)以及情报高级研究项目活动机构(简称IARPA，由高级研究项目署建立)共同负责管理。

      根据Meyerriecks的说明，以IARPA的“集团性偶然事件评估(简称ACE)”为例，该项目希望通过对先进分析技术的研究简化数据分析流程。而IARPA的“知识发现与传播”计划则意在从适配器及语义技术角度出发让数据发现及实施变得更加简单，最终从中获取更具价值的背景信息。

      虽然中情局的运营规模明显超过一般性企业，但德雷斯纳咨询服务公司首席研究官Howard Dresner表示自身所在机构的IT部门在深入探索大数据的过程中，同样面临诸多来自高级分析技术的挑战。即使是将Hadoop作为数据存储框架，来自数据收集与大规模数据关联的成本仍然相当昂贵。

      为了降低这部分成本，技术人员想出了各种办法。如果分析能够针对来自多种来源的大量数据，那么处理费用将大大减少。没人能有短期之内从根本上解决成本问题。

      根据CSC公司数据服务主管Travis Koberg的说法，系统集成商希望大数据分析领域能够实现跨应用程序起效并进一步作用于内部及云计算平台。“我们正努力为大数据打造一套工业强度级别的平台，”Koberg指出。“但我们仍然坚信大部分应用程序都能成功实现联合。”

      最终形势将发展到何种程度目前还不清楚。就现在来看，命运的指针正朝着云聚集数据缓缓移动。然而将全部数据加以聚合的成本将继续增加，IT行业与情报机构已经清醒地意识到，只有技术突破才能帮助自己在无关数据保存位置的前提下实现大数据分析目标。

检验大数据应用成功的标准

      那么大数据应用成功的标准究竟是什么?10gen战略副总裁Matt Asay带来了他为成功总结的4个标准：

必须要可以运作

      大数据应该为行业创造切实的价值，不止是高科技。McKinsey在关于大数据未来的报告中指出，大数据在医疗、政府、零售以及制造产业上拥有万亿的潜在价值。机构对大数据的成功实现需要在一下几个方面带来切实的收获：附加收益、提升客户满意度、削减成本等。

必须有本质提高

      大数据交付的不应该只是渐进式的商务模式改善，更应该是本质上的突破。比如就初创企业Foursquare来说，为了发现数据之间的关系，Foursquare使用了机器学习算法让系统可以建立“Explore”，一个社交推荐系统可以实时的给用户推荐有价值的位置信息，使用新的业务模式去驱动位置信息类型业务。“Explore”依赖大数据技术，同时从多于3000万个位置信息中获取见解。现在Foursquare已经具备了理解人们之间如何进行互动的能力，并且位置信息也不只止步平台，而是真实世界。

必须具备高速度

      传统数据库技术会拉低大数据的性能，同样也是非常繁琐的，因为不管这项技术是否迎合你的需求，专利许可涉及到的企业繁琐制度远超出你的想象。一个成功大数据项目，使用的工具集和数据库技术必须同时满足数据体积及多样性的双重需求。论据是：一个Hadoop集群只需几个小时就可以搭建，搭建完成后就可以提供快速的数据分析。事实上大部分的大数据技术都是开源的，这就意味着你可以根据你的需求添加支持和服务，同时许可不再是快速部署的阻碍之一。

必须能以前所不能

      在大数据出现之前，类似Gilt Groupe这种“限时抢购”公司根本不可能实现。限时抢购网站需要日处理上千万用户的登陆，并且会造成非常高的服务器负载峰值——通过高性能、快速扩展的大数据技术让这种商业模型成为可能。

      在大数据时代真正的利益来自于数据而不是制造。所以，如果一个国家能够在大数据时代生存和繁荣下来，它一定会成功。未来的竞争优势、成功源泉将会是来自于数据，而大多数国家只是刚刚进入大数据时代，所以谁会成功，谁会失败还不知道。

      而大多数IT用户关心的是现有的信息基础设施所采集的大数据的状态。对于数据结构和IT基础设施缺乏信心是香港企业最为关注的问题。而如果不建立这样的信心，大数据项目的采用将很难实现。