1.1我们先来看看主流的大数据概念。
IBM提出大数据的5V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。
麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。
大数据”（Big data）研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。
由我们帆软研究院总结来说，大数据一般指数据量级非常大，常规数据处理、数据存储和数据分析能力无法满足要求的数据。同时，“大数据”的“数据处理能力”是相对的，是不断提高的，随着大数据处理技术的发展，今天的大数据会成为明天的小数据。
1.2 我们的企业大数据，是个什么概念
前面提到的这些大数据，对大多数企业来说，都是外部大数据。当前大家所说的“利用大数据来做某某事”，一般都指的是利用外部大数据。从帆软研究院的经验来看，当前的大数据应用更多在“富数据”行业：互联网企业、电信企业、电商、金融服务业。而广大非超大型的大中小型企业，并不一定拥有这样的“富数据”的业务机会。但针对企业外部的大数据，有些开放的数据我们还是可以通过技术手段获取和使用的。
每个企业日常经营和管理中都产生数据。比如考勤数据、销售数据、销售行为数据、生产数据、财务数据、采购数据人力资源数据等等。企业大数据是指全面记录企业经营和管理活动的数据。
我们这个定义，是从企业实践应用角度出发的，不过分强调数据量，即使数据不多，依然是企业大数据的一个组织部分。我们主要重视数据设计范围的全面性。在企业数据化经营和管理中，只有全面的、相互关联的数据才能发挥作用。
1.3 再谈谈数据的价值密度概念
在 IBM 对于大数据的定义“5V”中，有个Value（低价值密度）,外部大数据数据量和信息量非常大，但内容不聚焦，对单个企业来讲，价值含量低。而我们的企业大数据每一条记录都和企业高度相关，都可能蕴含巨大信息量，价值密度高，需要企业更加重视。从另一方面来说，企业大数据是我们当前能快速挖掘利用，能高效分析，支撑决策管理的数据；而外部读数据，或许更适合我们发现商机和商业模式，对于企业经营管理，效果不一定可观，甚至难以支撑经营管理决策。
企业大数据主要来自日常工作活动。企业管理信息系统里，各个岗位管理者都有数据清单。下面是常见部门岗位数据清单举例。我们看到人力资源管理、财务管理、销售管理等业务相关的部门，都有这类数据清单。如果企业不能快速提供这些数据，那就说明这个企业的数据化管理存在严重的数据源管理不足。
2.2 企业数据源头管理需要系统化
同行或者潜在市场的相关数据，比如竞品信息、竞争对手活动信息、潜在客户名单、客户内部决策流程等，需要销售人员主动去外部采集。数据的质量和数量完全依赖于销售人员的积极性和主动性。
企业需要建立管理制度，落实管理流程，来确保相关人员采集数据的积极性和准确性。比如一定程度上关联KPI，或者进行奖励性措施。为什么企业大数据管理不能仅仅依赖于个人的积极性和主动性呢？因为不同的员工基于不同的资源和个人利益，会带来不同的结果。企业要想构建比较完善的企业大数据，必须要系统化地管理。
企业建立相关管理制度，一方面落实到人，让数据负责人对自己所负责的数据有质量意识；另一方面，在内部管理上，要建立不断完善的活动与数据更新的联动机制。这些需要在内部管理制度、岗位要求、任务说明、流程要求等方面作数据管理的规范性要求。
一般来说，企业可以先自行建立简略的数据管理的的相关管理制度，也可以咨询帆软数据应用研究院等专业的数据化管理研究机构，提供方法支持和可借鉴的标准化模板，以及借鉴其他成功的数据化管理项目实施案例。
2.3 企业大数据的分类
企业大数据更多关注的是企业内部的数据，是指企业自主拥有的，具有“自主产权”的数据，包括企业主动合法采集的、外部采购的、第三方合作的，以及政府等机构公开的、无偿使用的。
我们从数据所描述的“主体”上，把企业大数据分成两大类。
第一类，是资源信息数据。资源信息数据是“静态数据”，记录企业相关内外部资源主体的相关信息。企业的资源包括人、财、物和信息四大类资源。举2个资源信息数据的例子。
第二类，是资源活动记录数据，指得是公司经营管理活动所必然牵动的数据。比如，考勤数据、销售交易数据，这些都是资源活动，具有极强的时效性，我们称之为“动态数据”。举2个资源活动记录数据的例子。
2.4 企业大数据的六大主要来源
为了企业构筑更加完整、全面的数据源头，我们从数据描述对象与企业的关系角度，以及动态和静态信息来进行分类，企业大数据的来源主要有六大类。
如果企业能够坚持3~5年持续收集、处理数据，甚至主动采集市场上的调研数据，那么企业就能不断感知公司内部和外部市场的变化，随时调整公司内部管理，以及产品线、销售策略，品牌策略，让大企业有具有敏锐的感知力和高效的行动力，做到“春江水暖鸭先知”。
有一类重要的企业大数据来源，不是来自企业经营管理活动，帆软研究院称之为“外部公共开放数据资源”。外部公共开放数据资源，包括政府公布的人口数据、经济数据以及权威机构发布的研究数据等。
企业制定战略、研究投资等方面是，需要考虑深度分析这些数据。这些数据一般都有固定的开放平台，包括国家统计局网站、权威数据机构网站、官方媒体等。尤其是贵阳大数据中心，有众多公共开放数据资源，同时也有不少可交易的企业数据。其中，人口数据对于大多数公司制定发展战略、确定年度目标有重要参考意义。
外部公共开放数据虽然在逐年增加，大基本保持平稳，统计方法基本不变。企业如果需要，应该积极主动的去利用这些数据。
从帆软研究院过去3年多的调研来看，企业不舍得投资管理信息系统和数据积累，主因是没有充分认识到这些业务生产、经营、管理的数据的价值，不知道数据有什么用。当前，企业中还是实用主义至上，企业管理者当前看不到数据的价值，就不注重数据的收集和管理。可以说，这是企业管理者“短视”导致的必然结果，同时也为未来企业竞争动力不足留下隐患。
其实，我们企业不是没有数据，而是没有对数据进行有效管理。我们不可能分析和挖掘没有的数据。现在不积累数据，会陷入“先有鸡还是先有蛋”的怪圈。未来的市场竞争环境完全不同以往，靠经验做决策风险非常高，企业需要积累数据，“以史为鉴”，避免“重蹈覆辙”，做到“心中有数”。
根据管理学大师彼得·德鲁克的经验，企业最大的经营风险来自于外部和内部环境的不确定性，越是复杂多变的市场环境下，企业要想持续经营就越加需要注重确定性，而提高企业经营和管理确定性的基础就是数据。
企业数据化管理做不成，是有方法诊断“病因”的，我们主要从“不会”和“不为”两个方面诊断。
一是：不会。确实，大数据概念太新，相关知识、书籍 、培训课程不足，问题客观存在。同时，我们也应该看到，帆软等大数据分析解决方案服务商，探索在前，有成功经验可以借鉴。
二是：不为。我们需要绕过最大阻力：“你不可能叫醒一个装睡的人”，很难教会一家不愿意推数据化管理的企业。企业的大数据积累和沉淀需要企业全员的数据思维和数据意识。如果中层管理者和基层员工缺乏数据思维和意识，企业高层难以推动。
关注微信