所謂“大數據分析”和“小數據分析”的區別僅僅在於數據量以及數據量帶來的對數據存儲、查詢和分析吞吐量的要求。“大數據分析”本質上還是要通過數據分析找到現狀，找到現狀的根本原因，並通過模型和預測分析技術進行預測和優化改進，實現企業運營各個領域的持續改進和創新。
要說“大數據分析”在中國的現狀，首先要了解“數據分析”在中國的應用。國內企業，無論是國企還是民企，在經營決策上真正依賴數據分析結果的，主要是銀行、保險、電信、電商行業。以IT預算最充裕、人員能力最強的銀行為例。目前數據分析主要由大型銀行引入。中小銀行還處於觀望和學習階段，人員和能力建設處於起步階段。數據分析的應用範圍主要集中在信用風險、流程優化、營銷、成本和預算等方面。深度尚可，但廣度壹般，沒有擴展到運營管理的所有領域。
說到“大數據”或數據倉庫，上述行業中的大多數企業都已經實施了各種數據倉庫來管理數據。這種買藥看病的模式完全是本末倒置。數據倉庫不同於數據庫，它的任務是分析。沒有分析，倉庫有什麽用？四大行之壹的某大型國有銀行，從上世紀90年代末開始投入數億美元的IT預算，建設“數據集中”項目。受此銀行影響，國內其他銀行掀起了數據集中化的浪潮。那時候連商業智能都是壹個還沒有引入中國的IT概念，更不用說數據分析了。15年過去了，這些集中的數據還在嗎？至於支撐中國龐大GDP的制造業、建築業和貿易業，利用數據分析進行商業決策的規模還沒有見到。
其IT支出仍然主要集中在基礎設施和精簡軟件套件(如ERP、CRM、HRM、SCM等)領域。)，並且部分企業已經開始引入商業智能(報表、圖紙、管理駕駛艙)，而數據分析的應用還遠未進入規模化發展階段。以中國制造企業為例，六適馬、全面質量管理、精益生產從五六年前就開始熱起來了。雖然這些措施給中國制造和中國創造帶來本質的改變還需要壹段時間，但確實對企業決策能力和管理水平的提升起到了壹定的作用，為中國企業從拍腦袋到用數據做決策的本質轉變奠定了基礎。造成這種情況的原因，我們認為主要體現在以下幾個方面:
1.企業的動力來源是什麽？
數據分析才是真正的頂級項目。分析的任務是改善決策。決策的第壹責任人是企業的最高管理層。國企尤其是大型央企的職業經理人制度不健全，董事長、總經理的任命由組織部門而非經濟部門決定。“政治導向”的人事任命制度決定了企業決策的復雜性和特殊性，而科學的管理方法和決策手段的推廣完全取決於企業高層領導自身對這些手段的認同程度。另外，數據分析帶來的不僅僅是分析軟件和方法論，還有相應的決策和運營的改進和調整，也就是我們通常所說的“改變”。任何改變都會帶來匹配的風險和收益。國企的權力結構與民企、外企有很大不同。即使總經理決定改變，也要尋求企業內部各權力部門的認可和接受。改變之難，導致了我們平時所見所聞的“轉變異常艱難”、“為人父母要對幾十萬張嘴負責”等情緒化的自我表白。別說數據分析，就算是解雇幾個業績不好的員工，壹不小心也會得罪人，嚴重的甚至會危及飯碗。很難談論改革。相比之下，民企和外企在這方面的轉型要敏捷迅速得多。例如，多年前，蘋果開始在全球範圍內導入JMP數據分析平臺。在我們跨國團隊的幫助下，我們開始建立數據分析能力，規範數據分析流程，引入先進的數據分析方法，並在生產和研發中規範數據分析。整個過程歷時數年，涉及機構、人員、方式、流程的巨大變化，但平穩有序。在此期間，還發生了喬布斯去世、新CEO上任等重大企業事件，但數據分析能力的導入過程絲毫沒有受到影響。
2.企業的運營能力儲備是多少？
容量儲備也是壹個關鍵因素。即使管理層意誌堅定，雄心勃勃，但能否實施重大變革，還要看團隊能否升級變革。雖然意誌力很重要，但身體素質才是關鍵。數據分析需要參與者在統計、概率、數學、計算機和商業理解方面的能力。雖然“能力是可以培養的”，但是在國內這麽多年的很多數據分析和導入項目中，我們面臨最多的挑戰是人員培訓和流程變革。以電信運營行業為例。BOSS系統，各種業務系統，數據倉庫建設多年。數據分析對客戶行為的理解，促銷產品的層出不窮，也使得數據分析在這個行業的應用遠遠超過了其他大多數行業。然而，電信行業大規模導入數據分析面臨的首要問題仍然是專業人才儲備以及與數據分析相關的規章制度、決策流程和文化體系的建立。我們在市場上看到更多的是IT部門主導的數據分析項目。項目名字叫數據分析，仔細了解內容，往往是數據倉庫+企業報表。它不是傳統的財務表，而是用來顯示核心KPI的圖表。對“數據分析”不了解，把報告和圖紙當成“分析”，是造成這種情況的根源。
3.細分市場和競爭壓力
不同企業對市場競爭的變化是很不壹樣的，也很有意思。比如三桶油，打造競爭力的方式在於找油田買加油站，利用壟斷政策優勢提高行業進入門檻。幾年前，三大電信運營商的子公司互相攻擊，甚至發展成了人打起來互相掐斷光網的事件。華為和中興的競爭，除了幾年前的口水仗，還互相挖對方的技術團隊。政策性壟斷行業盡管有壓力，但在提高生產率和生產效率的手段上，變化緩慢，效率低下。在高度市場化的領域，如家電、汽車、消費電子、華工、醫藥等領域，對以數據分析為代表的“高級能力”的接受度要高得多。
綜上所述，數據分析在中國企業界的應用還停留在個別行業、個別應用的階段。然而，盡管導入數據分析的過程是如此艱難和令人沮喪，但我仍然相信，隨著中國各行業市場化的推進，以及互聯網和數據分析技術對傳統行業的顛覆，“數據分析”或“大數據分析”遲早會成為中國企業突破壁壘的關鍵手段。
以上是邊肖分享的關於中國大數據現狀及分析的相關內容。更多信息可以關註全球常春藤分享更多幹貨。