旅游推广资源网

徐健国：大数据不是万能的，落地应用更要深挖

大数据在当今企业中的应用已经变得越来越普遍，但对于大多数企业来说，如何将大数据应用到实际的业务场景中，成为了一个大问题。总结来看，大数据分析并非简单地投入一笔费用，部署几套开源软件，便可轻松获得收益。徐健国认为，大数据分析只有在应用场景清晰，数据规范化、杂质减少，算法经验及行业知识合理结合的情况下，才有可能获得实际价值。

大数据分析需求从量到质

经过多年的实践，徐健国看到很多企业并没有准确的理解大数据的概念，他们只注重形式的应用，而不注重实际的价值。对于从量到质的提升，徐健国认为需要以下三个方面的技术手段。

首先，要有清晰的业务场景，清晰明确的场景需求是大数据应用能否成功的首要条件。对于一个业务场景，需要通过大数据分析得到什么样的结果，以及得到这些结果需要什么样的数据支撑，这些都需在推进方案前仔细分析。

其次，数据的规范化管理是大数据分析过程中最为基础且关键的一步。这里的“规范化”不是指数据本身的格式，而是数据的质量和准确性。通常情况下，数据是从各种不同的来源进行整合而来，规范化的数据确保数据的一致性和准确性，是保证分析精度和可靠性的重要途径。

最后，算法经验和行业知识。徐健国认为，算法只是分析大数据的手段，把算法改进到极限是技术团队的日常工作，而真正提高算法的准确性和价值必须有业务、行业的支撑。例如，互联网行业的数据基于用户行为和广告等方面，和传统制造业的数据截然不同，这就需要应用场景清晰的前提下，实现算法和业务的有效结合。

大数据分析的重要性

在徐健国看来，大数据分析在当今企业中的应用已经变得越来越普遍，将会持续扩大。因为大数据分析解决了过去企业不能解决或难以解决的问题，如分析消费者需求、优化供应链、预测未来的市场走势等。未来随着企业数据的不断积累，以及人工智能和机器学习等技术的不断发展，大数据分析的应用广度和深度就会愈加广泛。

在应用方面，大数据分析可以在各行各业中应用，例如医疗行业，可以利用大数据分析实现医疗信息共享、患者信息管理、医疗人员提高个人诊疗水平；智能交通方面，可利用大数据分析实现交通拥堵情况的实时分析、交通模式整体优化。在金融行业，可以基于大数据分析实现自动风险识别、金融风控质量提升等。

总结

大数据分析在企业中的应用价值已经越来越受到重视，在大数据时代背景下，它可以对企业决策提供了更加有效的信息及参考。但大数据也不是万能的，企业在应用大数据分析技术的时候，还需要更多的精心设计和组合运用，同时也需要充分考虑实施方案的具体可行性，才能真正实现大数据分析技术的价值和应用潜力。