本篇文章1293字，读完约3分钟
虽然与人工智能(ai)相比，“大数据”这个词目前听起来有点势不可挡，但在业内很多人眼里，大中型互联网公司才刚刚真正推出大数据业务，还没有在互联网企业中全面推广，更不用说传统企业的应用了。
数据就是价值，这已经被企业主清楚地看到了。然而，他们没有采取行动挖掘这种潜在价值的原因是:数据在哪里，成本高，以及如何让数据产生价值。对于大多数企业来说，大数据不仅是公司未来发展的必需品，也是一种遥不可及的奢侈品。
基于数据湖的商业应用
现在，美国大数据分析领域的热门词汇是数据湖。林瑞金集团的联合创始人、薛瑞科技公司的首席执行官洪斌给出了一个简明的解释:存储每一个可能有用的细节数据。需要时对想法进行一站式分析。他认为大数据实际上离我们很近。虽然他们很少被注意到，但他们是真实的。但是大部分在被记录下来之前就消失了。当我们谈论大数据时，我们实际上并没有创建新数据。它只是挖掘出企业被忽视和缺失的数据，然后进行统一和交叉分析。传统的数据分析概念根本不能解决海量数据的问题。数据分析的传统思想是不断引导企业放弃详细的数据，这导致每次总结数据时分析潜力的损失。这样，企业只能得到越来越多不同程度的汇总数据，而有价值的详细数据在不断汇总的过程中被过滤掉。
"工程师是企业连接数据和价值的最大障碍."洪斌表示，企业不可能预先定义所有的分析目标，这意味着企业需要不断与工程师沟通新的数据分析需求，这既费时又费力。因此，分析的权利和能力应该完全归还给企业，工程师只需要携带潜在有用的数据。我们的产品设计理念是基于数据湖概念来实现轻量级商业应用，也就是说，轻松存储详细数据并提供大数据级处理能力；在访问数据时，不需要预先定义分析目标，任何分析目标都可以随时生成即时的解决方案，而不需要依赖工程师来收集和整理数据。
知道如何做好数据服务
夏是科技的数据产品分析云的负责人，他表示，企业遇到的最常见问题是没有数据可供分析。一个好的大数据产品应该有自己的高价值数据或商业智能供客户分析。企业还担心使用数据的高成本，例如根本不使用大量数据，或者需要自建it团队。一个好的大数据产品应该能够让数据用户以零阈值探索数据中的真实知识。此外，企业担心数据分析的结果不能直接转化为生产力。一个好的大数据产品可以为企业集成it技术，这样企业就可以通过开箱即用的方式直接解决运营中的实际问题，而不用考虑如何集成各种系统。
“过去，每次我请工程师做数据分析时，我都会把结果给你，结果发现再修改是错误的，所以浪费了时间。让每个人随意探索数据是明智的，不需要花费时间和反复试验。为了实现这个目标，一个是提高分析模型的能力。实现最低学习成本的方法是将分析模型构建到软件中，然后用户可以使用它。这就要求软件公司要有行业经验，并结合不同行业的最佳模式。行业经验是数据的核心分析能力，而不是计算能力。”夏表示，要实现这一目标，软件企业需要与专业人士合作，建立专业的合作伙伴群体，将行业专家积累的经验直接转化为模型，并在系统中固化。使用这种数据分析软件相当于直接聘请专家对服务进行现场分析，无论是预设的还是临时生成的分析需求都可以得到很好的满足。
