大约一年前，我和我的同事们有幸旁听当今世界上最大的某金融服务公司的部门总裁的下属报告会时，我们听到该总裁问：“我们的新产品大概有多少有价值的潜在客户?”一群下属高管你望我，我望你地静静坐了一会儿，终于一个开口了：“我们真的不知道。

“我们已经问这个问题好几个月了，而我们得到的答复一直是我们大概需要花费半年的时间，五百万美元进行整合、并关联和分析相关的数据资料才能得出我们说要的答案!”上述的回答真的令人难以置信对吧?听起来相当的牵强，是吗?那么，欢迎来到真实的世界吧!

跨行业的企业高管每一天都面临着这种类似的问题：我们如何在合理的时间内获得对于关键的业务问题的答案?而这些问题的答案应该是简单直观和明显的，而不是经常令人觉得复杂和反直觉的。

数据量的增张

在过去的几十年里，企业所产生、维护和储存的数据量惊人的数量增张。从历史上看，维护和存储数据的成本一直很高，但随着成本的大幅下降，企业中的每个人建立和维护关键业务数据的副本，产生的多种类海量用于企业管理的数据几乎已然成为可能。由此，我们已经达到了数据的民主化阶段，数据增长的速度远远超过摩尔定律的法则，每年以超过100%的速率增长，而这一速率还在进一步的加快推进。

为此，我们特意采访了一些已经与大数据处理打了三年交道的数据专家们，我们原以为随着新的技术和业务管理数据流程的开发，能够更好的解决业务数据的获取、组织和维护等相关问题。事与愿违的是，相反，问题和挑战变得更糟了。除了传统的客户和业务账户和交易信息，企业现在正经历新的数据类型的惊人增长：非结构化数据，如文件和图片、传感器监视和测量的个人和设备的数据(例如GPS)、社会媒体的数据，如Twitter和Facebook的消息。

但最大的挑战来自于传统的业务分析师已然能够在企业内很简单，很容易的创建和维护自己的版本的数据。那么，为什么还要在你已经可以自行快速有效解决相关问题的时候依赖于集中生产系统呢?

做出更好更快的决策

如果时间就是金钱的话，那么加速获得关键业务问题的答案的能力便是无价的。企业一直努力解决系统开发的问题，以便提高行政决策。几十年来，在不同的时间段，其已经被改了好几个不同的名称：决策支持系统(DSS)、执行信息系统(EIS)、商业智能(BI)、以及各种形式的分析。在这个获取业务洞察力的进化过程中，最新的便是大数据分析了。然而，尽管大数据可能是个新名词，但其还是涵盖了业界几十年在数据管理和学习方面的许多努力，部分内容是新的，甚至是在数据处理方面革命性的突破。

我们最近调查的首席信息官和业内高管们强调，大型企业使用大数据，是为了“提高他们数据驱动的决策，最重要的是，帮助他们更快更好的做出决策。”

大数据为企业高管们带来的真正的突破是，提升了业务经理们分析和决策一个问题的能力，

减少了所花费的时间。业务指标被以应答响应时间(time-to-answer ，TTA)来衡量，它使得企业的管理者通过大数据的分析方法，能够以秒为单位回答关键业务问题，而不再是几天、几周甚至几个月。发生这种改善的原因有两个：

业务经理现在可以通过分析数据了解几乎所有的数据问题，这在过去是不可能的。因为新的数据技术可以为企业管理者加载和访问全套的可用信息。

业务经理可以问更多的问题，并提出新的问题。因为大数据技术将满足数据工程的需要，这一直是企业管理者的提问能力的障碍。最终的结果是，业务经理们可以问更多的问题，而无需等待，因此，获得更快的答案，因为他们在很大程度上摆脱了依赖于技术团队。这允许更大的自助服务。

因此，就如我们在本文开篇所提到的例子：不用载等待半年的时间，并花费五百万美元去了解哪些客户是新产品的潜在客户群，如执行开放的例子，企业现在就能够回答这些问题，并以最小的成本迅速解决其他许多问题。

这个过程是不同行业、不同企业大数据举措的核心。

使用大数据回答关键业务问题

我们有多少客户?

我们产品线的销售是什么?

如果我们重新定义客户，细分市场或产品线，会发生什么状况?上述两大指标数据会发生什么变化?

企业高级管理人员们每天都在问这些问题的，令人惊讶的是，企业所使用大数据的方法来解决的恰恰是一些基本的业务问题。就这么简单，每个复杂的问题其实都掩盖了一个简单的答案。构成客户或产品线的问题可能会仅仅因为提问者所观察的角度的不同而存在差异。

为此，从新的视角来提出问题是至关重要的，这就是为什么迅速采取行动，就显得至关重要了。利用大数据分析的方法，使企业管理者能够问更多的问题，寻找更多的数据，而不需要过分依靠IT技术部门。虽然一些数据简单地推迟到工程后，但大数据的优势在于能够指导企业管理者提出更多的问题，并迅速在短时间内得到这些业务问题的答案。