回顾人类发展历史，全球经济的发展一直都是由生产力和生产关系的相互作用往前推动。从蒸汽机、发电机、计算机的发明和运用，到英特网的全球覆盖和普及，新的科技技术一直主导着生产力和生产关系的调整，期间不断涌现出新的产业，重塑人类的生活方式和消费方式，不断促进人类社会的进步和发展。
十年前全球市值前十名的企业主要集中在能源和金融等传统行业，包括埃克森美孚，通用电气和花旗集团等，现在全球市值排名前三的企业为苹果，谷歌，微软，互联网和高科技产业已经占据了全球市值排名Top10的半壁江山，互联网正在进入智能时代，大数据、云计算、人工智能将使全球迎来变革性的发展。
在我国，大数据技术已经不仅局限于企业层面的开发和运用，2015年9月，国务院发布《促进大数据发展行动纲要》，十八届五中全会进一步提出要在“十三五”期间实施国家大数据战略，大数据一跃上升成为国家战略。
《纲要》里明确提出：2017年底形成跨部门数据资源共享共用格局，2018年底建成国家政府数据统一开放平台，2020年民生保障领域的政府数据向社会开放。在国家战略的引导下，长三角区域、京津冀区域、珠三角区域和中西部区域都以各自的区域优势资源为核心形成了大数据技术发展的框架和策略。
大数据的定义
IBM公司把大数据的特征概括为4V，包括规模Volume，多样Variety，快速Velocity，价值Value。
Volume
多大的数据量才能定义为大数据呢？PB是大数据层次的临界点（1024TB=1PB）。随着计算机和互联网技术全面融入社会生活，信息爆炸已经积累到了一个开始引发变革的程度。
每天亚马逊上将产生 6.3 百万笔订单，每个月网民在Facebook 上要花费7 千亿分钟，全球每秒钟发送 2.9 百万封电子邮件。互联网（社交、搜索、电商）、移动互联网（微博）、物联网（传感器，智慧地球）、车联网、GPS、医学影像、安全监控、金融（银行、股市、保险）、电信（通话、短信）都在疯狂产生着数据。所有研究都表明，未来数年数据量会呈现指数增长。
Variety
大数据类型繁多，包括结构化数据、半结构化数据甚至是非结构化数据，数据类型繁多也是区分大数据与海量数据的重要指标。
相对于结构化数据而言，不方便用数据库二维逻辑表来表现的数据即称为非结构化数据，包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频、视频信息等等，传统的数据库技术如SOL等都是以结构化数据为主要分析对象。
Value
价值密度低，是大数据的一个典型特征。一方面，数据量呈现爆发式增长状态，另一方面，大数据中的大量信息为不相关信息，挖掘大数据的价值类似沙里淘金，从海量数据中挖掘稀疏但珍贵的信息。以视频为例，不间断的监控录像中，有用的数据长度可能仅有一两秒。
Velocity
大数据对时间要求也是1s临界点，对于大数据应用而言，要求在1秒钟内形成答案，否则处理结果就是过时和无效的。实时处理的要求，也是区别大数据运用和传统数据仓库技术以及BI技术的关键差别之一。
二、大数据时代下企业管理升级的三大突破口
大数据技术已经逐渐渗透到各个行业和领域，包括金融、电信、医疗、交通、工业制造，公共事业等。大数据的运用价值也将给传统的企业管理带来巨大的机遇和挑战，掀起一场决策制定和商业模式的管理变革。
（1）数据驱动的决策制定
传统的决策制定通常是领导通过经验或一定的数据辅助完成的，现在，大数据挖掘和分析的结果直接影响到企业的各层次决策，基于数据分析的决策相比基于经验和直觉的决策要更有助于企业管控风险，未来，大数据可能使决策制定过程发生根本性的改变。
（2）精准营销颠覆传统营销模式
大数据为个性化商业应用提供了坚实的技术支撑，比如全息可见的消费者个体行为与偏好数据等等，未来的商业可以通过研究分析这些数据精准挖掘每一位消费者不同的兴趣与偏好，从而为他们提供专属的个性化服务。
（3）用户与企业共同创新产品和业务
大数据的价值不仅仅体现在企业的市场营销上。在企业的产品研发、生产制造和质量诊断等领域，大数据分析也发挥出了巨大的应用价值。大数据分析可以帮助企业更好地了解客户所需要的产品，从而进行针对性的开发新产品和业务。大数据还可以帮助企业运行同时进行数以千计的实时模拟，测试或改进产品。
大数据时代，复合型数据技术人员将发挥关键作用。数据技术人员的数据统计分析能力是必备的，相比统计分析更重要的是清理和组织大型数据的能力，最好的数据技术人员是既懂“数据”又懂“商业”的复合型人才，他们可以成为企业内部联结数据和管理决策之间的桥梁，为决策者从数据的角度提供有价值的辅助。
三、海尔的大数据精准营销
近几年，海尔的大数据精准营销在业界颇有口碑。
2012年，海尔启动了网络化战略，开始基于网络与用户零距离互动，在基于大数据开展交互营销的过程中，海尔提出了“无交互不海尔，无数据不营销”的理念，值的注意的是海尔的精准营销不仅针对海尔用户，其目的是通过RTB实时竞价(real time biding)和CT营销(colabarative targetingmarking)针对全网捕捉目标用户，海尔的大数据精准营销有五点经验值的我们学习。
第一，数据的核心仍然是人
海尔分两个层面运营用户数据，底层数据平台，是海尔SCRM数据平台，存储8类数据资产，核心是1.2亿用户数据。上层会员平台，是海尔梦享+会员俱乐部，活跃会员超过1500万。
第二，数据采集的核心是连接
企业的每个业务部门都有自己的信息化业务系统，这些系统很容易成为一个个数据孤岛，互相孤立，互不连接，以用户数据为核心，将分散在各个信息化系统中的数据连接起来是数据采集的核心。
第三，生成360度用户画像精准洞察用户是关键
海尔利用SCRM把分散在不同系统中用户数据融合到一起，有销售数据、售后数据、会员注册数据等。通过数据清洗，识别出每个海尔用户的姓名、电话、年龄、住址、邮箱、产品。另外，海尔的SCRM还获得了用户在网上的行为数据，进行全网用户识别，生成360度用户视图，针对每一个海尔用户的特点、爱好和生活习惯，进行用户标签，根据用户标签进一步将用户进行聚类。
第四，数据挖掘的核心是预测
数据采集之后要建立用户模型进行数据挖掘，在进行数据挖掘时最核心的是预测，预测消费者接下来会发生什么样的行为，会有什么样的需求，或者对已有的产品、方案有什么更新的需求。
第五，数据应用的核心是线上和线下的融合贯通
线上场景有上网浏览、电商购物、线上社交；线下场景有居家生活、门店购物、电话交流等等。为了开展线下交互营销，海尔开发了海尔营销宝和海尔交互宝，营销宝是对潜在用户精准营销，交互宝是对活跃用户交互创新。
四、大数据时代下企业管理升级的冷思考
身处大数据热潮中，既要充分认识大数据的潜力，积极把握技术进步带来的机遇，也要认清大数据的局限性，警惕大数据万能论，笔者认为以下四个方面值的深入思考。
第一，大数据的运用基础是完善且联通的信息系统
首先，大部分的企业拥有多个信息系统，信息系统之间的联通性低，数据共享性查，存在着大量的信息孤岛，孤岛现象使不同业务模块的数据无法进行交叉共享，继而数据的外部性难以得到实现。
此外，许多企业的数据库存储和管理的真实数据的数量能级并没有达到大数据的标准，做好传统的数据库管理和分析已经可以满足企业的日常需求，很多中小企业包括一些大型企业对大数据技术处于盲目跟风的状态。
第二，大数据相关关系不能替代因果关系
舍恩伯格在《大数据时代》中说：“我们没有必要非得知道现象背后的原因，而是要让数据自己发声”。探究相关关系和因果关系，是人类思维的两种重要方式，而用大数据进行预测往往依靠相关性。相关关系的运用在互联网推荐、精准广告等方面得到了实际应用。然而，在很多时候，如疾病诊断、工厂故障分析等场景下，需要根据精确的结论来决策，仅凭相关关系是远远不够的。
第三，大数据很难对人的行为做出精确预测
《黑天鹅:如何应对不可预知的未来》作者塔勒布认为人类行为是随机的小概率事件，是不可以预测的。对于人的行为，放到越大的空间和时间范围则越可以精确预测；如果放到越小的空间和时间范围则是越不可以精确预测的。
我们几乎可以预测一个人在24小时内会吃饭，但是却很难精确到哪一分钟。大数据无法精确预测人类行为，归根结底还是因为人具有“自由意志”，人会随时根据主观预测改变自身行为，从而使得预测失效。
第四，大数据的应用对隐私保护提出了巨大挑战
互联网尤其是社交网络的出现使得人们在不同的地点产生越来越多的数据足迹，比如，在亚马逊购买商品的消费信息，使用搜索引擎产生的搜索信息，用户在微信朋友圈发布的信息，网络数据具有累积性和关联性，单个地点的信息可能不会暴露用户的隐私，但是如果将某位用户的很多行为从不同的独立地点聚集在一起时，他的隐私就很可能会暴露。
结语
大数据，云计算、人工智能、物联网等技术的蓬勃发展极大地改变着我们的生活方式，谁都无法想象50年后的世界会是什么面貌。
