目前，大數(shù)據(jù)正掀起一場革命，“數(shù)據(jù)就是生產力”這個說法也正從“預言”變成現(xiàn)實。

無論是哪一個行業(yè)，都再也沒有辦法躲避這一浪潮。無論是分析傳統(tǒng)的結構化數(shù)據(jù)，還是分析其他千奇百怪、內涵豐富的數(shù)據(jù)，比如來自社交媒體網(wǎng)站、各種客服渠道的海量非結構化信息，對企業(yè)而言，都將成為提高競爭力、盈利能力以及最重要的創(chuàng)新能力的關鍵。

但是，對于企業(yè)的CIO、CTO們來說，真正把數(shù)據(jù)轉化為驅動企業(yè)發(fā)展的生產力，并非那么簡單。在這一方面，中國在大數(shù)據(jù)產業(yè)上的理念、痛點，與美國有著非常大的差距。

中美大數(shù)據(jù)“三年差距”差在哪里

“企業(yè)數(shù)據(jù)分析，中美在理念方面相差2-3年，而在實際執(zhí)行層面或許有5年左右的差距。”美國數(shù)據(jù)分析科學家、Taste Analytics創(chuàng)始人及全美五大可視化研究中心的Derek Wang（汪曉宇）博士告訴記者。

3-5年的差距，在瞬息萬變的信息社會，是一道不小的鴻溝。那么這道鴻溝，到底是怎么造成的呢？

在汪曉宇博士看來，中美大數(shù)據(jù)產業(yè)的差別，主要有人員配置、技術開發(fā)和商業(yè)架構三個方面。

首先，人才培養(yǎng)上的差異，是“五年鴻溝”的根本原因。

現(xiàn)在美國企業(yè)最熱門的職位，非“數(shù)據(jù)科學家”莫屬。這類在企業(yè)里掌握著數(shù)據(jù)“魔力”的人才，其實是大數(shù)據(jù)分析實際執(zhí)行層面的關鍵。

在汪曉宇博士看來，未來的人才是“T”字型人才，數(shù)據(jù)分析師就是典型代表。“T”的一橫代表著，他們對多領域和行業(yè)，比如金融、計算機、統(tǒng)計、商業(yè)和營銷等都有過接觸，有著跨行業(yè)的基礎知識和視野；而“豎”代表著，他們對某個領域的專業(yè)理解和縱深積累。

美國在數(shù)據(jù)分析方面的教育上，就在努力轉型，實踐這種“T”字型理念：科研項目不再是由計算機系、商學院或者統(tǒng)計專業(yè)的學生單獨進行，而是多個專業(yè)融合起來，形成整體戰(zhàn)略方向。這樣培養(yǎng)出來的人才，具備業(yè)務、營銷、統(tǒng)計和計算機的多維度技能和知識面，才能被成為“數(shù)據(jù)科學家”。

這種前沿的教育理念，即使在美國，也才出現(xiàn)不到三、四年。但它取得的效果是根本性的——正是在這樣的教育方式下，美國才培養(yǎng)出了***批數(shù)據(jù)科學家，引導了企業(yè)的數(shù)據(jù)革命。這也反映出了中美人才梯隊和培養(yǎng)機制的巨大區(qū)別。

而中國受到傳統(tǒng)教育體制的限制，更重視縱深的專業(yè)技能，也就是“T”的那一“豎”，缺少跨學科和專業(yè)的綜合性體制的建立。這樣培養(yǎng)出來的人才，不知道橫向的概念，只見樹木而不見森林，造成企業(yè)用人的時候，還需要花很多時間，對畢業(yè)生進行重新培訓，額外花費很多時間和金錢。但是，最為關鍵的還是，他們無法主動引導企業(yè)建立和完善數(shù)據(jù)分析機制，讓企業(yè)可以在短時間內就從“數(shù)據(jù)分析”中受益。

汪曉宇博士說，與此相反，“T”字型的畢業(yè)生，不是重新需要訓練的學徒，而是已經基本掌握了既定的分析方法的“熟練工”，他們可以幫助企業(yè)建立新的分析模型，甚至有自己成系列的解決方案帶給企業(yè)，可以激發(fā)相互的生產力和數(shù)據(jù)分析能動性，這比單單的商業(yè)分析員或者IT員工，價值都要大得多。

其次，技術工具上的差異，讓這道鴻溝難以短時間內跨越。

人才沒有到位最直接的后果就是，企業(yè)在進行數(shù)據(jù)分析時，仍然只能選擇大而全、千篇一律的整體解決方案，無法創(chuàng)新地結合多種工具，對某個類型的數(shù)據(jù)進行深入地挖掘和分析，這樣就無法發(fā)掘出數(shù)據(jù)真正的價值。

汪曉宇博士說，美國企業(yè)已經普遍開始追求垂直創(chuàng)新的小工具，進行非?？v深的研究，比如Taste Analytics的非結構化數(shù)據(jù)分析工具，就已經吸引了多個財富500強客戶，幫他們專注非結構化數(shù)據(jù)的分析；但是現(xiàn)在中國市場上，流行的產品解決形態(tài)仍然是諸如SAP、SAS這類的的整體解決方案，雖然可以覆蓋到數(shù)據(jù)分析的基本方面，但是卻失去了對數(shù)據(jù)的深入挖掘能力。

“事實上，非結構化數(shù)據(jù)的模塊化更加靈敏，不是傳統(tǒng)的單一解決方案可以做到的。” 汪曉宇博士說，“在美國，企業(yè)傾向于使用的BI（Business Intelligence，商業(yè)智能）工具，都是橫向加縱向的組合，這樣才能提取出數(shù)據(jù)的真正價值。”

第三，商業(yè)架構被這道鴻溝影響，也在反向加深著鴻溝。

人才、技術和商業(yè)，都存在著鏈條式的關系。人才的差別讓創(chuàng)新工具無法得到廣泛的使用，而技術形態(tài)的差異導致中美在大數(shù)據(jù)商業(yè)架構上也呈現(xiàn)出不同特點。

汪曉宇博士說，中美對大數(shù)據(jù)分析的清晰度是不一樣。美國企業(yè)高層既可以在大方向上知道大數(shù)據(jù)可以做什么，又明白應該怎么把數(shù)據(jù)分析應用到策略里，和經濟效益直接掛鉤。

比如，和美國CIO、CTO們說起產品時，他們可以迅速做出反應，考慮的是應該怎么把產品放到他們的解決方案中間去，和現(xiàn)有業(yè)務進行快速整合。“我們和美國的企業(yè)聊，他們很快就意識到自己的非結構數(shù)據(jù)化分析沒做好，下一步，他們就主動談起應該怎么把Taste Analytics的非結構數(shù)據(jù)化分析應用到他們的戰(zhàn)略中去。”

但是，國內的理解是仍然是偏整體化的。雖然大數(shù)據(jù)已經得到了普遍認可，但是企業(yè)只接受概念和這個趨勢，仍然無從深入，沒有清晰認識到它應該怎么和業(yè)務、經濟效益掛鉤。“最主要還是沒有發(fā)揮企業(yè)內部分析師等人的能動性，” 汪曉宇博士說，“數(shù)據(jù)科學家還不存在，或者說整個體系還不成熟。”

中美CIO、CTO痛點存在差異

但是，這五年差距并不是一開始就存在的。在汪曉宇博士看來，美國企業(yè)已經交過學費、走過彎路了，才走到現(xiàn)在這一步。“其實最開始，大家都不知道應該怎么做。但是美國企業(yè)愿意交學費、雇傭***數(shù)據(jù)科學家、使用新工具，對數(shù)據(jù)的理解已經脫離了概念層面，真正從大數(shù)據(jù)的利用上獲得了效益。”汪曉宇博士說。

而國內還處在嘗試和吃螃蟹的階段，對數(shù)據(jù)的理解很表面化。“人人都說好，但是看不到真正的價值。”汪曉宇博士說，“要想打破這個困局，就需要決策層的決心，真正去咬下***口螃蟹。”

但是從另外一個方面來說，中美數(shù)據(jù)分析也不能雷同。因為數(shù)據(jù)是人產生的，中國消費者和美國差異非常大，數(shù)據(jù)的反饋途徑也不一樣，所以，也不能盲目照搬美國。

在和國內的20多家企業(yè)聊的時候，汪曉宇博士也發(fā)現(xiàn)，國內的瓶頸是數(shù)據(jù)采集點很有限。比如分析客戶的郵件和網(wǎng)絡聊天記錄時，他發(fā)現(xiàn)，人們更喜歡直接打電話和客服溝通，這種商品環(huán)境就需要獨特的解決方案。所以Taste Analytics在國內加大了語音分析服務的比重。

另外，數(shù)據(jù)采集之后的數(shù)據(jù)交易環(huán)節(jié)，中美也是不一樣的。在美國，A銀行可以公開買到B銀行的數(shù)據(jù)，但是國內企業(yè)通常只能看到自己的內部數(shù)據(jù)，而無法看到競爭對手以及整體行業(yè)趨勢；甚至在社交網(wǎng)絡上，數(shù)據(jù)的差異也很明顯，比如社交網(wǎng)絡上的第三方數(shù)據(jù)，美國真實性就比中國要更高。

數(shù)據(jù)分析和交易的不同，導致了中美CIO、CTO痛點的差異。

對此，Taste Analytics的***數(shù)據(jù)分析師俞立博士就有非常深的體驗。 他表示，在他和國內公司交流的過程中發(fā)現(xiàn)，國內缺乏數(shù)據(jù)的人才和工具，同時，數(shù)據(jù)分析也無法和企業(yè)經濟效益掛鉤。

“大數(shù)據(jù)光環(huán)很好，但是如何用不知道，給誰用也不知道，那么離他們真正使用產生經濟效益，還有2-3 步的過程。”俞立博士說。 比如他們接觸到一個大型運營商就曾經希望基于大數(shù)據(jù)給他們的客戶推薦業(yè)務，但是交流之后發(fā)現(xiàn)，他們對非結構化數(shù)據(jù)分析的理解還停留在簡單的輿情分析上。也就是說，他們想做的系統(tǒng)，其實還是美國5、6年以前就存在的推薦系統(tǒng)。

痛點難點這么多，怎么破？

對于中國企業(yè)如何應對數(shù)據(jù)分析領域的痛點，汪曉宇博士看得非常清楚。作為前北卡大學夏洛特分校的助理敎授、夏洛特視覺中心主任以及Taste Analytics的CEO，他對中美的大數(shù)據(jù)分析產業(yè)都有著很深的理解。

在汪曉宇博士看來，最根本的解決方法在于改變人才培養(yǎng)的機制，讓企業(yè)把眼光放長遠，和高校合作。 “CIO和CTO應該多和高校合作，深入到員工池里培養(yǎng)人才。”汪曉宇博士說。這一點已經成為美國企業(yè)和高校的共識。在美國，企業(yè)們會對高校進行資助，并且根據(jù)企業(yè)的需求和實踐，來影響學校的課程，把課程傾向于實踐的方向，這樣可以讓高校更有針對性地培養(yǎng)人才。

而對于企業(yè)來說，另外很重要的一點就是，不要害怕交學費，應當大膽嘗試新工具。汪曉宇博士認為，企業(yè)不要怕花學費，應該嘗試新的解決方案，嘗試新的BI工具，因為只有嘗試了，才知道那個工具會產生怎樣的價值；如果總是尋求舊的解決方案，那么企業(yè)將無法真正挖掘出數(shù)據(jù)的價值。

第三，保持開放的心態(tài)，公開非機密數(shù)據(jù)，實現(xiàn)行業(yè)共贏。 從學術角度看，大數(shù)據(jù)分析的技術基礎無非統(tǒng)計學、深度和機器學習這三個既成的方向，但是要真正應用到企業(yè)，一方面，企業(yè)應該多看其他行業(yè)怎么做，舉一反三，實現(xiàn)跨行業(yè)的理解；另一方面可以適當?shù)毓_非機密數(shù)據(jù)，鼓勵所有人一起挖掘企業(yè)數(shù)據(jù)的價值。

比如美國知名流媒體服務商Netflix，就曾經在一個網(wǎng)絡數(shù)據(jù)分析機器學習的社區(qū)上拿出100萬美元的高額獎金，鼓勵人們用任何工具，分析他們的數(shù)據(jù)。 “把核心數(shù)據(jù)拿出來，讓大家?guī)椭治觯趥鹘y(tǒng)產業(yè)數(shù)據(jù)分析的解決方案基礎上，嘗試新的方案。這樣整個行業(yè)才可以得到整體發(fā)展。”汪曉宇博士說。