大数据，尽管每个人都在谈论，许多公司也已经着手发展，但现在还很难确切地知道它究竟有多大的功效。安永(Ernst & Young)对150家法国企业进行了一项调研，考察它们收集与使用客户数据的方式，期间遇到的困难，以及数据这项新资产对业绩增长与战略发展的影响。
即使现在大数据以其诸多优势有着大批拥护者，大数据革命并没有真正扩散到全球电子巨头以外的领域。
安永对全法150家公司的调查结果表明，尽管大体上看法积极，“数据大爆炸（大数据爆炸）” 还没有在现实中发生。安永为这项研究特别设计的成熟数据指数显示：只有小部分企业在数据开发上拥有较高成熟度，而大部分企业则采取观望态度，不太清楚这模糊概念到底会带来什么样的结果。
图1 :仅有17%的受访公司数据拥有高成熟度，27%不太成熟，56%数据不成熟。
安永指出 ，整个（大）数据产业链上——从安全搜集、数据保护 、数据分析到公司的整体战略，主要有10处来自心理、策略、组织和技术层面的限制导致大数据在法国企业发展的落后状态。然而，如果能把（大）数据开发纳入到公司整体发展战略中，法国公司仍然可以迎头赶上。
“在早期，零售及消费品行业已经在使用客户数据方面已形成一个强劲的氛围：基于忠诚度的销售；通过市场研究，地缘经济分析，人们的喜好研究，来完成产业布局。也正是纯电子商务的玩家最先开始深度使用用户数据。通过高精准的个人定制，推荐引擎，以及先进的促销方法，这些电子商务形成了卓越的客户体验。
大数据给很多传统行业带了挑战，尤其还涉及构成消费者信心基石的数据安全以及个人数据的保护。”——大卫·纳伊姆，安永战略咨询师, 合伙人，市场营销和创新负责人。
法企大数据有效开发之10大限制
1.数据收集仍很大程度局限于传统渠道
用以提高对客户的了解并定制相应市场战略的数据，被调查的公司中有84%主要采集于传统计费系统，有66%采集于CRM。
2.非结构化数据是分析中的薄弱环节
除了收集关于用户的结构化文本数据 - 如：通信信息，行为和消费 - 之外， 90%的受访企业还收集非结构化数据。
3.缺乏数据分析人才
只有30%的受访企业招聘拥有专门处理或者管理数据能力的人才。其中仅6%拥有50人以上的数据处理团队。
4.缺乏数据处理工具
许多大公司已经计划加强非结构化数据处理，以及提升数据可信度。59%的受访公司表示在未来18个月内将使有更多更可靠的数据。只有不到10%的公司拥有统计预测专用工具。
5.数据分析没有或者说远没有涉及预测和实时分析
只有10%的受访公司使用客户数据进行预测，其中5%这样做是为了优化工艺流程，以增加执行速度和增加存储容量。企业还没有形成让数据为战略决策提供支持的理念。
6.（大）数据项目管理缺乏深度与广度
在大数据项目的组织和管理上缺乏深度与广度，是用户数据进一步产生价值的一个阻碍。大数据项目通常被视为太复杂，需要时间太长实施，因此不被优先立项。每个部门都习惯于使用自己的内部数据库来处理日常工作所需，这样企业的数据资产就不能很好的流通，也缺乏统一性。
7.缺乏（大）数据项目投资回报率的衡量标准
到目前为止，只有29%的受访公司认为大数据是一个重要的里程碑，并代表着发展机会。仅18%的受访公司会制订“详细的大数据实施计划“。
8.缺少管理层的支持
由于缺乏量化投资回报率工具，再加上经济不景气，大部分公司的管理层在大数据项目上都持谨慎态度。大部分非成熟企业认为，公司高管的看法是对优化数据使用的一种制约，而在成熟企业中中，只有11%这么认为。
9.数据可靠性的一个主要风险：不愿分享个人资料
不愿共享个人数据对数据的可靠性造成不小的影响。如今对个人数据的保护，限制了对客户数据的使用。安永最近的一份调查显示，70%的消费者不会与公司分享他们的个人资料，其中49%的人说在未来5年他们都不太可能这么做。
10.对于数据保护安全问题的认识不足
30%的受访公司认为他们在客户数据时，并没有很好的考虑保护其隐私问题。这在数据成熟度较低的公司中尤为明显。
该研究的主要结果显示，三分之二的法国公司（63%）认为大数据是一个有趣的概念，但如何使大数据成为一个增长动力仍然不是很清晰。57%的公司还没有研究大数据带来的潜在机会。
最后，近一半的受访（45%）的公司都认为他们对收集到的客户数据利用的还不够。并且30%的受访公司在使用数据时并没有充分考虑其隐私问题。
大数据战略成功部署之4大关键
不同企业的大数据有不同的模式，它们各有优势，其区别并非在模式本身，而在于对某些构成大数据战略成功的关键因素的考量。
企业应该像对待价格政策一样把大数据纳入战略决策的一环，为其制定执行策略。以下就是大数据战略成功部署的几大关键：
1.加强数据项目管理的深度与广度
第一个战略关键就是将公司所有部门动员起来。不同部门常常有着不同的观点，对客户的认识也不尽相同，如果部门间能共享自己的数据库，公司就能得到更为全面的客户图像，能做更加精准的客户分析。
2.加大公司管理层的参与度
公司高层与各部门的管理人员应该成立一个大数据项目委员会，用于决策、统筹、战略布局，以确保项目的良好运行。该委员会还要监管大数据战略不是只为公司某些特定的目的而设立，如提高销售、降低成本等。
3.设立灵活分析计划（AgileAnalytics Program）
机遇与挑战的战略框架
在战略部署之前，要投入时间弄清楚公司的需要与利害，评估各项技术的成熟度，然后选择最符合公司需求的技术即可。
以PoV为基点
在数据这方面，与最终用户一起工作是必不可少的，具体项目中可以运用概念验证（Proof of concept）。首先，确定商业机遇，然后选择一个满足以下两点的项目：最方便付诸实施，投资回报率最好。这个就是PoV概念验证+投资回报率评估法。
灵活项目规划和具体行动计划
中期（三到五年）项目规划要确定优先行动具体计划、短期和中期目标以及各行动的KPI。概念验证法要灵活开展。决策者和最终使用者要能自己使用数据分析的成果，而不是仅仅满足于静态的报告。
4.信心设计
在开展任何大数据项目之前，企业必须考虑到技术风险、法律风险与声誉风险。确保数据安全性和数据处理完备性，对个人数据的保护和对数据使用的透明度，这些都是一个公司在数字时代声誉所面临挑战的关键。
原文发布时间为：2015-01-28
本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号
