“大數(shù)據(jù)(Big Data)”的概念在過(guò)去幾年里引起了各個(gè)行業(yè)的充分關(guān)注。以信息處理能力作為核心競(jìng)爭(zhēng)力之一的商業(yè)銀行，如能引入大數(shù)據(jù)的理念和相關(guān)技術(shù)，將有效提升自身的信息化水平，促進(jìn)信息化銀行的建設(shè)和發(fā)展。

因此，有必要基于商業(yè)銀行經(jīng)營(yíng)特點(diǎn)和現(xiàn)有IT架構(gòu)，對(duì)“大數(shù)據(jù)”的概念加以分析和探討。

本文以商業(yè)銀行的視角，從大數(shù)據(jù)的核心思想、數(shù)據(jù)特點(diǎn)、技術(shù)要領(lǐng)、實(shí)施要點(diǎn)四個(gè)方面切入，以六組問(wèn)答的形式對(duì)商業(yè)銀行大數(shù)據(jù)相關(guān)的思想、概念、方法、對(duì)策等進(jìn)行辨析和討論。 

[[180633]] 

大數(shù)據(jù)的核心在于“大”嗎?

體量大、維度高、形態(tài)多、價(jià)值高但密度低是公認(rèn)的大數(shù)據(jù)四大特點(diǎn)(即大數(shù)據(jù)的“4V”定義)。需要指出的是，這四大特點(diǎn)的概括，是出于理論研究的需要，對(duì)“數(shù)據(jù)”本身特點(diǎn)進(jìn)行的概括。

而對(duì)于商業(yè)銀行的業(yè)務(wù)應(yīng)用而言，則應(yīng)從具體效用的角度來(lái)理解大數(shù)據(jù)思想及技術(shù)。

大數(shù)據(jù)之于商業(yè)銀行，在于對(duì)既有數(shù)據(jù)分析系統(tǒng)的升級(jí)，顯著提升數(shù)據(jù)分析和商業(yè)決策的效率。

大數(shù)據(jù)的思想追求數(shù)據(jù)在商業(yè)決策中的“無(wú)處不在”，講求數(shù)據(jù)分析與具體業(yè)務(wù)的緊密銜接。

從商業(yè)智能(BusinessIntelligence， BI)的角度來(lái)看，大數(shù)據(jù)技術(shù)是原有BI的升級(jí)，將傳統(tǒng)的“具體業(yè)務(wù)—商業(yè)數(shù)據(jù)—BI分析—報(bào)表—決策—具體業(yè)務(wù)”的BI流程進(jìn)行了再造，壓縮了整個(gè)流程的信息鏈條，同時(shí)提升了鏈條各個(gè)環(huán)節(jié)及整體的運(yùn)轉(zhuǎn)效率。

大數(shù)據(jù)之于商業(yè)銀行，在于提供了一種有效的手段，提高商業(yè)銀行對(duì)客戶(hù)的理解與認(rèn)知能力。

大數(shù)據(jù)技術(shù)支持商業(yè)銀行對(duì)大量日志數(shù)據(jù)進(jìn)行統(tǒng)計(jì)和建模，從而了解客戶(hù)的行為習(xí)慣、風(fēng)險(xiǎn)偏好、健康情況、消費(fèi)能力、渠道喜好、信用狀況及人口統(tǒng)計(jì)學(xué)等多方面的信息，進(jìn)而為客戶(hù)“貼標(biāo)簽”、“畫(huà)像”;亦可整合多種信息反饋渠道的數(shù)據(jù)，幫助商業(yè)銀行實(shí)時(shí)關(guān)注、理解客戶(hù)的真正業(yè)務(wù)需求。

大數(shù)據(jù)之于商業(yè)銀行，在于能夠低成本、批量地實(shí)現(xiàn)較高水準(zhǔn)的個(gè)性化客戶(hù)服務(wù)，增加客戶(hù)粘性。

如能有效地將大數(shù)據(jù)分析系統(tǒng)與移動(dòng)互聯(lián)網(wǎng)技術(shù)、線上線下一體化服務(wù)體系進(jìn)行緊密融合，就可為商業(yè)銀行的客戶(hù)提供“千人千面”的個(gè)性化服務(wù)。

例如，對(duì)于低凈值長(zhǎng)尾客戶(hù)，可用較低的成本，批量化地通過(guò)電子渠道提供隨身的知心服務(wù)，提高產(chǎn)品和服務(wù)的覆蓋率;對(duì)于高凈值客戶(hù)，提供“客戶(hù)經(jīng)理+電子渠道”的隨身貼心服務(wù)，提升客戶(hù)的業(yè)務(wù)貢獻(xiàn)。

可見(jiàn)，從具體效用的角度來(lái)看，衡量一個(gè)商業(yè)銀行是否真正應(yīng)用了大數(shù)據(jù)、發(fā)揮了大數(shù)據(jù)的價(jià)值，就是要看其大數(shù)據(jù)系統(tǒng)是否能夠顯著提升數(shù)據(jù)分析和商業(yè)決策的效率，是否能夠提高對(duì)客戶(hù)的理解與認(rèn)知能力，是否能夠低成本、批量地實(shí)現(xiàn)較高水準(zhǔn)的個(gè)性化客戶(hù)服務(wù)。

如果商業(yè)銀行的大數(shù)據(jù)系統(tǒng)未能實(shí)現(xiàn)上述效用，那就需要認(rèn)真審視自身的大數(shù)據(jù)戰(zhàn)略并加以調(diào)整。

大數(shù)據(jù)就是外部數(shù)據(jù)嗎?

在國(guó)內(nèi)，以阿里、騰訊、百度為代表的互聯(lián)網(wǎng)企業(yè)，以各自的核心業(yè)務(wù)(例如，阿里的電子商務(wù)、騰訊的社交娛樂(lè)、百度的網(wǎng)絡(luò)搜索)為切入點(diǎn)，通過(guò)并購(gòu)、自主開(kāi)發(fā)等方式，不斷推出種類(lèi)繁多的網(wǎng)絡(luò)服務(wù)，在網(wǎng)絡(luò)空間中搭建了“全業(yè)務(wù)”的數(shù)據(jù)平臺(tái)，收集了海量的客戶(hù)數(shù)據(jù)，并以此為基礎(chǔ)開(kāi)發(fā)出了一系列客戶(hù)征信、消費(fèi)貸款、網(wǎng)絡(luò)保險(xiǎn)等大數(shù)據(jù)產(chǎn)品，向商業(yè)銀行的相關(guān)產(chǎn)品提出挑戰(zhàn)。

與上述互聯(lián)網(wǎng)企業(yè)相比，商業(yè)銀行在網(wǎng)絡(luò)空間中缺少類(lèi)似的“全業(yè)務(wù)”平臺(tái)，因此短期內(nèi)難以依靠自身的電子渠道獲取類(lèi)似的客戶(hù)信息。對(duì)此，商業(yè)銀行是否應(yīng)該將大數(shù)據(jù)的戰(zhàn)略重點(diǎn)放在從自身體系之外獲取客戶(hù)數(shù)據(jù)呢?應(yīng)從以下三個(gè)角度進(jìn)行分析。

數(shù)據(jù)價(jià)值的角度。京東白條、天貓分期、阿里小貸、支付寶運(yùn)費(fèi)險(xiǎn)、百分點(diǎn)個(gè)人征信、金電聯(lián)行“企業(yè)客觀信用”等業(yè)務(wù)的成功實(shí)踐已經(jīng)驗(yàn)證了互聯(lián)網(wǎng)客戶(hù)大數(shù)據(jù)在維度、粒度、活性方面的優(yōu)勢(shì)和價(jià)值，如果這些數(shù)據(jù)能與商業(yè)銀行的既有數(shù)據(jù)進(jìn)行融合分析，將有望獲得更加精準(zhǔn)的數(shù)據(jù)分析結(jié)果。

自身大數(shù)據(jù)體系的建設(shè)。一方面，應(yīng)以?xún)?nèi)部數(shù)據(jù)為重點(diǎn)，做好自身既有數(shù)據(jù)的價(jià)值深鉆和分析架構(gòu)的大數(shù)據(jù)改造，而不應(yīng)以引入外部數(shù)據(jù)作為大數(shù)據(jù)發(fā)展的戰(zhàn)略重點(diǎn);另一方面，要放開(kāi)眼界，積極引入外部數(shù)據(jù)，增強(qiáng)商業(yè)銀行與互聯(lián)網(wǎng)企業(yè)IT架構(gòu)方面的交流，以期加快自身大數(shù)據(jù)體系的建設(shè)進(jìn)度，提升其兼容性與可用性。

數(shù)據(jù)交換的合規(guī)性。客戶(hù)在使用互聯(lián)網(wǎng)服務(wù)期的行為信息、購(gòu)物記錄、健康信息等數(shù)據(jù)理應(yīng)屬于隱私數(shù)據(jù)，客戶(hù)在注冊(cè)期間簽署的網(wǎng)絡(luò)服務(wù)協(xié)議是否能夠有效支持互聯(lián)網(wǎng)企業(yè)采集、商用并交換，尚屬法律空白。因此，商業(yè)銀行在引進(jìn)外部數(shù)據(jù)之前，應(yīng)首先做好合規(guī)工作。

可見(jiàn)，對(duì)于商業(yè)銀行而言，合規(guī)合理地引入外部數(shù)據(jù)，有助于提升自身數(shù)據(jù)的多樣性、細(xì)化數(shù)據(jù)粒度，并可通過(guò)數(shù)據(jù)交換提升自身大數(shù)據(jù)體系的兼容性與可用性。

但是也應(yīng)充分認(rèn)識(shí)到，商業(yè)銀行多年積累的業(yè)務(wù)數(shù)據(jù)的價(jià)值還遠(yuǎn)未完全發(fā)揮，尚待深鉆、分析和應(yīng)用，應(yīng)將基于內(nèi)部數(shù)據(jù)的分析應(yīng)用作為當(dāng)前自建大數(shù)據(jù)能力的核心;與此同時(shí)，也要及時(shí)開(kāi)展預(yù)研預(yù)估，做好外部數(shù)據(jù)交換的合規(guī)準(zhǔn)備工作，為“內(nèi)外兼修”的大數(shù)據(jù)平臺(tái)建設(shè)做好準(zhǔn)備。

大數(shù)據(jù)是否等同于非結(jié)構(gòu)化數(shù)據(jù)?

“非結(jié)構(gòu)化數(shù)據(jù)”是在大數(shù)據(jù)的“4V”定義中作為數(shù)據(jù)多樣性的一個(gè)典型例子而被提出的，因此受到了普遍關(guān)注，在眾多關(guān)于大數(shù)據(jù)的文獻(xiàn)中，“非結(jié)構(gòu)化數(shù)據(jù)”也占據(jù)著比較重要的地位。

那么，商業(yè)銀行是否也應(yīng)將“非結(jié)構(gòu)化數(shù)據(jù)”的處理作為現(xiàn)階段自建大數(shù)據(jù)體系的重點(diǎn)?

對(duì)于這一問(wèn)題，要結(jié)合“非結(jié)構(gòu)化數(shù)據(jù)”的特性進(jìn)行分析。非結(jié)構(gòu)化數(shù)據(jù)的本質(zhì)特性是所包含信息的豐富、復(fù)雜程度遠(yuǎn)遠(yuǎn)高于結(jié)構(gòu)化數(shù)據(jù)。典型的“非結(jié)構(gòu)化數(shù)據(jù)”包括文本、音樂(lè)、語(yǔ)音、圖像、視頻等類(lèi)型的數(shù)據(jù)，這些數(shù)據(jù)所包含的信息極其豐富，不能使用數(shù)據(jù)表進(jìn)行無(wú)損耗轉(zhuǎn)化。

因此，非結(jié)構(gòu)化數(shù)據(jù)無(wú)法使用數(shù)據(jù)表或者類(lèi)似的結(jié)構(gòu)化的方式進(jìn)行無(wú)損轉(zhuǎn)化，所以只能以數(shù)據(jù)包、文件集的方式進(jìn)行存儲(chǔ)，也無(wú)法使用與結(jié)構(gòu)化數(shù)據(jù)相同的數(shù)據(jù)分析方法進(jìn)行統(tǒng)計(jì)、分析、建模，往往需要通過(guò)專(zhuān)門(mén)設(shè)計(jì)的預(yù)處理算法將其轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù)。

這就增加了數(shù)據(jù)管理和分析的難度，也提高了對(duì)數(shù)據(jù)存儲(chǔ)、計(jì)算資源的需求。對(duì)于非結(jié)構(gòu)化數(shù)據(jù)的分析，至今仍是學(xué)術(shù)界的研究熱點(diǎn)，在學(xué)術(shù)領(lǐng)域尚屬“進(jìn)行時(shí)”，在商用領(lǐng)域的應(yīng)用則更是鳳毛麟角。

可見(jiàn)，現(xiàn)階段自建大數(shù)據(jù)體系，對(duì)于非結(jié)構(gòu)化數(shù)據(jù)應(yīng)按照“量體裁衣”的原則，根據(jù)自身IT架構(gòu)的存儲(chǔ)、計(jì)算資源和技術(shù)人員投入分步實(shí)施。

對(duì)于資源緊張的商業(yè)銀行，可采取“存儲(chǔ)—外購(gòu)預(yù)處理模塊—自行研發(fā)”三步走的路徑積累非結(jié)構(gòu)化數(shù)據(jù)的分析能力。

對(duì)于資源較豐富的商業(yè)銀行，則可按照“預(yù)研一批、實(shí)用一批、儲(chǔ)備一批”的策略，采用“外購(gòu)預(yù)處理模塊+產(chǎn)學(xué)研合作+自行研發(fā)”的方式進(jìn)行嘗試，緊跟技術(shù)前沿，適時(shí)引入成熟的非結(jié)構(gòu)化處理技術(shù)，但也應(yīng)注意資源配比，不應(yīng)將非結(jié)構(gòu)化數(shù)據(jù)作為現(xiàn)階段自建大數(shù)據(jù)體系的重點(diǎn)。

大數(shù)據(jù)等同于數(shù)據(jù)倉(cāng)庫(kù)嗎?

如前所述，商業(yè)銀行是否具備大數(shù)據(jù)能力，應(yīng)依據(jù)數(shù)據(jù)及數(shù)據(jù)分析系統(tǒng)所發(fā)揮的具體效用來(lái)判斷。

以“顯著提升數(shù)據(jù)分析和商業(yè)決策的效率”，“顯著提高對(duì)客戶(hù)的理解與認(rèn)知能力”，“低成本、批量地實(shí)現(xiàn)較高水準(zhǔn)的個(gè)性化客戶(hù)服務(wù)”三條標(biāo)準(zhǔn)來(lái)衡量，目前商業(yè)銀行數(shù)據(jù)倉(cāng)庫(kù)建設(shè)還需在以下幾個(gè)方面加以強(qiáng)化。

建設(shè)異構(gòu)的數(shù)據(jù)倉(cāng)庫(kù)平臺(tái)。

多年來(lái)，商業(yè)銀行的數(shù)據(jù)倉(cāng)庫(kù)以存儲(chǔ)業(yè)務(wù)、交易數(shù)據(jù)為主，因此采購(gòu)了存儲(chǔ)成本較高的專(zhuān)業(yè)數(shù)據(jù)倉(cāng)庫(kù)服務(wù)，數(shù)據(jù)在進(jìn)入倉(cāng)庫(kù)之前的ETL規(guī)則相對(duì)比較嚴(yán)格，并采用了“時(shí)間換空間”的策略進(jìn)行主題拆分以節(jié)約存儲(chǔ)空間。

這就導(dǎo)致在執(zhí)行諸如交易鏈恢復(fù)、交易場(chǎng)景還原等分析任務(wù)時(shí)消耗較高的計(jì)算資源，降低整體的分析效率。

與用戶(hù)行為數(shù)據(jù)緊密相關(guān)的日志數(shù)據(jù)，具有典型的“數(shù)據(jù)量大、頻度高但價(jià)值密度低”的特點(diǎn)，可針對(duì)這一需求，搭建低成本的PC集群、內(nèi)存數(shù)據(jù)庫(kù)等，與既有的數(shù)據(jù)倉(cāng)庫(kù)融合起來(lái)，構(gòu)成對(duì)數(shù)據(jù)源和分析端透明的異構(gòu)數(shù)據(jù)倉(cāng)庫(kù)，提高其響應(yīng)速度和處理能力。

搭建業(yè)務(wù)指標(biāo)提取邏輯的共享平臺(tái)。

目前商業(yè)銀行基礎(chǔ)數(shù)據(jù)的標(biāo)準(zhǔn)化工作已經(jīng)取得了長(zhǎng)足的進(jìn)展，但在實(shí)際應(yīng)用中，尚存在“業(yè)務(wù)邏輯信息孤島”現(xiàn)象(即由于缺乏一個(gè)共享平臺(tái)，而造成不同的分析師之間無(wú)法互通業(yè)務(wù)指標(biāo)的提取邏輯，每個(gè)分析師、每個(gè)數(shù)據(jù)分析部門(mén)就形成了一座座孤島)。

這一現(xiàn)象不僅造成業(yè)務(wù)指標(biāo)“多態(tài)”問(wèn)題，也誘發(fā)了數(shù)據(jù)倉(cāng)庫(kù)訪問(wèn)請(qǐng)求的重復(fù)提交，影響數(shù)據(jù)分析的效率和準(zhǔn)確性，因此需盡快搭建權(quán)限控制合理的業(yè)務(wù)指標(biāo)提取邏輯分享平臺(tái)，解決“業(yè)務(wù)邏輯信息孤島”問(wèn)題。

建立由信息治理部門(mén)主導(dǎo)、以業(yè)務(wù)部門(mén)為中心的大數(shù)據(jù)創(chuàng)新立項(xiàng)機(jī)制。大數(shù)據(jù)應(yīng)用要求盡量壓縮數(shù)據(jù)分析業(yè)務(wù)鏈條，進(jìn)一步提高具體業(yè)務(wù)與數(shù)據(jù)分析環(huán)節(jié)結(jié)合的緊密程度。

對(duì)此，可以探索建立由信息治理部門(mén)主導(dǎo)、以業(yè)務(wù)部門(mén)為中心的大數(shù)據(jù)創(chuàng)新立項(xiàng)機(jī)制。

簡(jiǎn)言之，就是將數(shù)據(jù)分析師融入具體業(yè)務(wù)部門(mén)，由數(shù)據(jù)分析師和具體業(yè)務(wù)部門(mén)共同發(fā)起大數(shù)據(jù)應(yīng)用的創(chuàng)新項(xiàng)目立項(xiàng)，經(jīng)信息治理部門(mén)審批后，給予相應(yīng)的計(jì)算資源，并依據(jù)數(shù)據(jù)應(yīng)用項(xiàng)目在具體業(yè)務(wù)中產(chǎn)生的效果進(jìn)行評(píng)估和激勵(lì)。

大數(shù)據(jù)只需要Hadoop平臺(tái)嗎?

Apache 軟件基金會(huì)(ASF)旗下的海杜普(Hadoop)開(kāi)源項(xiàng)目對(duì)于大數(shù)據(jù)應(yīng)用無(wú)疑有著巨大的推動(dòng)作用，基于Hadoop的HDFS系統(tǒng)也是目前主流大數(shù)據(jù)平臺(tái)的重要基礎(chǔ)設(shè)施，那么是不是有了Hadoop平臺(tái)，商業(yè)銀行就擁有了大數(shù)據(jù)處理能力了呢?

首先，從軟硬件平臺(tái)的完備性來(lái)看，還需持續(xù)投入，配置更多的軟件模塊，以提升大數(shù)據(jù)分析平臺(tái)的能力。

Hadoop只是大數(shù)據(jù)分析平臺(tái)的基礎(chǔ)設(shè)施，除了基于Hadoop及Yarn的Hive、HBase、Pig、Storm之外，mahout、Hadoop-R、Hadoop-weka等數(shù)據(jù)分析、數(shù)據(jù)挖掘套件對(duì)于大數(shù)據(jù)分析也是必不可少的，另外速度更快、性能更高的Spark體系也在互聯(lián)網(wǎng)企業(yè)獲得了成功的應(yīng)用，值得商業(yè)銀行關(guān)注和借鑒。

其次，從數(shù)據(jù)的來(lái)源來(lái)看，還需改造前端，以獲取更多維度、更高頻次、更細(xì)粒度的數(shù)據(jù)。

商業(yè)銀行的數(shù)據(jù)分析系統(tǒng)長(zhǎng)期以來(lái)重視業(yè)務(wù)數(shù)據(jù)的存儲(chǔ)，而對(duì)于系統(tǒng)運(yùn)行狀態(tài)的日志、客戶(hù)個(gè)人信息的收集并不重視，而這些信息恰恰是大數(shù)據(jù)分析得以理解客戶(hù)、排查業(yè)務(wù)問(wèn)題的關(guān)鍵所在。

因此，商業(yè)銀行需要系統(tǒng)性地進(jìn)行應(yīng)用前端改造，借鑒互聯(lián)網(wǎng)企業(yè)、電商企業(yè)的做法，設(shè)法獲取更多維度、更高頻次、更細(xì)粒度的數(shù)據(jù)，更好地滿(mǎn)足大數(shù)據(jù)分析對(duì)數(shù)據(jù)源的需求。

***，從項(xiàng)目的執(zhí)行過(guò)程來(lái)看，還須形成“數(shù)據(jù)分析+業(yè)務(wù)應(yīng)用”的數(shù)據(jù)分析模式，以迭代方式優(yōu)化分析結(jié)果和具體業(yè)務(wù)。

傳統(tǒng)的BI模式下，數(shù)據(jù)分析的業(yè)務(wù)流程可以概括為：接受業(yè)務(wù)部門(mén)提出的分析需求=>數(shù)據(jù)分析=>形成報(bào)告。

而大數(shù)據(jù)分析的很多項(xiàng)目需要數(shù)據(jù)分析師與業(yè)務(wù)人員一起進(jìn)行持續(xù)迭代，有的項(xiàng)目甚至很難確立一個(gè)明確的終止時(shí)間點(diǎn)(例如電商的推薦系統(tǒng)一般由一個(gè)團(tuán)隊(duì)持續(xù)優(yōu)化)，這就需要商業(yè)銀行能夠允許在特定的大數(shù)據(jù)分析項(xiàng)目上，采取“數(shù)據(jù)分析+業(yè)務(wù)應(yīng)用”的數(shù)據(jù)分析模式，以迭代方式優(yōu)化分析結(jié)果和具體業(yè)務(wù)。

可見(jiàn)，Hadoop平臺(tái)并不是商業(yè)銀行具備大數(shù)據(jù)能力的充要條件，商業(yè)銀行不僅需要在軟硬件平臺(tái)上持續(xù)投入，還需要在前端設(shè)計(jì)、數(shù)據(jù)分析模式等方面加以改造，才能更加適應(yīng)大數(shù)據(jù)分析的要求。

大數(shù)據(jù)只是數(shù)據(jù)分析部門(mén)的事?

如前所述，大數(shù)據(jù)能力是以數(shù)據(jù)分析為基礎(chǔ)的，融合商業(yè)決策、客戶(hù)感知、個(gè)性化服務(wù)為一體的綜合競(jìng)爭(zhēng)力，因此，大數(shù)據(jù)能力建設(shè)就不應(yīng)僅由數(shù)據(jù)分析部門(mén)來(lái)承擔(dān)。

要從戰(zhàn)略層面將大數(shù)據(jù)能力建設(shè)納入發(fā)展規(guī)劃。

應(yīng)做好頂層設(shè)計(jì)，把大數(shù)據(jù)能力建設(shè)與信息化銀行建設(shè)結(jié)合起來(lái)，與線上線下一體化建設(shè)結(jié)合起來(lái)，與互聯(lián)網(wǎng)金融發(fā)展戰(zhàn)略結(jié)合起來(lái)，協(xié)同業(yè)務(wù)、渠道、科技、數(shù)據(jù)分析等多個(gè)部門(mén)，做好頂層設(shè)計(jì)和統(tǒng)籌規(guī)劃，形成“全員大數(shù)據(jù)”的氛圍，從數(shù)據(jù)源梳理、數(shù)據(jù)分析平臺(tái)搭建、分析模式確立、外部數(shù)據(jù)交換規(guī)則等多個(gè)層次制定明確的方針與操作標(biāo)準(zhǔn)，加快大數(shù)據(jù)能力建設(shè)的進(jìn)度。

要重視數(shù)據(jù)分析流程的效率提升。

大數(shù)據(jù)分析的效用大小，很大程度上取決于數(shù)據(jù)的活性以及分析結(jié)果投入具體業(yè)務(wù)的速度，因此，要盡可能壓縮傳統(tǒng)BI的業(yè)務(wù)鏈條。

可在電子渠道和自助渠道盡可能地實(shí)現(xiàn)數(shù)據(jù)采集與分析結(jié)果應(yīng)用的一體化(例如，基于客戶(hù)個(gè)性的產(chǎn)品關(guān)聯(lián)推薦、基于場(chǎng)景的實(shí)時(shí)定價(jià)、自助設(shè)備界面?zhèn)€性化自適應(yīng)等)，也可在傳統(tǒng)的BI領(lǐng)域中，應(yīng)用大數(shù)據(jù)的處理模式，以高實(shí)時(shí)性的中間數(shù)據(jù)層為媒介，建立效率更高、實(shí)時(shí)性更強(qiáng)、管理者自定義程度更深的商業(yè)智能系統(tǒng)，實(shí)現(xiàn)商業(yè)報(bào)表的實(shí)時(shí)化、移動(dòng)化、定制化。

要重視人才儲(chǔ)備和技術(shù)積累。

大數(shù)據(jù)技術(shù)的發(fā)展日新月異，數(shù)據(jù)的人才儲(chǔ)備和技術(shù)積累卻不能一蹴而就，需要相當(dāng)力度的持續(xù)投入。

人才儲(chǔ)備方面，應(yīng)本著“引進(jìn)一批，培養(yǎng)一批，儲(chǔ)備一批”的原則，引進(jìn)一小批高層次技術(shù)人才，通過(guò)具體的項(xiàng)目實(shí)施，培養(yǎng)大量的存量技術(shù)人員，并通過(guò)面向高校和社會(huì)的大數(shù)據(jù)技術(shù)競(jìng)賽、資助開(kāi)源社區(qū)等方式，形成廣泛而有效的人才儲(chǔ)備。

技術(shù)積累方面，應(yīng)按照“開(kāi)放并包，為我所用”的思路，組成大數(shù)據(jù)預(yù)研團(tuán)隊(duì)，積極開(kāi)展開(kāi)源項(xiàng)目的篩選、驗(yàn)證、吸收工作，沿著“引入并消化大數(shù)據(jù)開(kāi)源項(xiàng)目—資助大數(shù)據(jù)開(kāi)源項(xiàng)目—提出并主導(dǎo)大數(shù)據(jù)開(kāi)源項(xiàng)目”的路徑，不斷強(qiáng)化自身在大數(shù)據(jù)技術(shù)方面的優(yōu)勢(shì)，形成自身的核心競(jìng)爭(zhēng)力。