本文翻译自英文文章，原文作者 ReddyNHema，以下是译文。
我在IT行业工作超过14年，但技术为满足业务需求而快速演进的步伐仍然令我惊叹不已。技术计算的发展历程从最早占据整个房间的计算机，到大型机，再到个人电脑，然后是Web和SaaS应用，接着是移动设备，如今又到了云计算和物联网时代。
正是这段漫长的发展历程，使得大数据成为了世界上最新的自然资源。大数据的价值不言自明，而企业对能够释放这些价值的强大分析能力的需求日益迫切。企业领导者不再质疑数据中是否蕴含价值，他们只想知道如何提取这些价值，以更好地了解客户并满足关键业务需求。
这种需求催生了一代数据丰富、分析驱动的企业，它们热切地关注着大数据和分析领域的趋势。下面让我们深入了解IBM如何帮助客户找到创新的大数据解决方案。
1. 数据化驱动的创新
数据是竞争优势的新基础。利用数据和高级分析的企业能够将洞察转化为创新，创建高效的新业务流程，为战略决策提供信息支撑，并在多个方面超越同行。
IBM案例：房利美（Fannie Mae）
房利美是通过数据分析驱动创新实现竞争优势的绝佳案例。该公司启动了Vega Analytics计划，目标是开发一套全面的抵押品估值和风险管理分析工具。房利美利用IBM Platform Symphony解决方案的高级版本作为大数据分析平台，结合IBM软件定义基础架构，改进了贷款发放和证券化流程。房利美增强了金融风险和欺诈分析能力，该项目荣获2014年美国金融技术奖"最佳分析计划"。
2. 富媒体的高级分析
大量产生的数据如果不应用适当的分析技术就毫无用处。机会在哪里？根据国际数据公司（IDC）的预测，富媒体（视频、音频、图像）分析在2015年将至少增长三倍，成为大数据和分析技术投资的关键驱动力。这类数据需要高级分析工具。以电商图像搜索为例：无需人工标注或干预的准确、相关的图像搜索分析是市场中的重大机遇。我们可以期待类似的智能分析能力带来更多类似的机遇。
IBM案例：电视广播有限公司（TVB）
香港首家无线商业电视台电视广播有限公司（TVB）实施了社交媒体分析以提升收视率，挖掘了三十多年的节目收视数据来了解媒体消费趋势。TVB与IBM商业合作伙伴Big Data Architect合作，开发了商业智能和社交媒体分析解决方案，从社交媒体上原始、未经审查的观众反馈中提取洞察。该方案能够深入理解某些节目成功而其他节目失败的原因——无论是播出时段、题材还是明星效应——使电视台能够调整节目编排以提升收视率，并向广告商展示其影响力。
3. 预测分析驱动效率提升
具有预测能力的应用程序正在加速发展。预测分析通过提升效果、提供应用本身的可衡量性、认可数据科学家的价值以及维护动态自适应的基础架构来增强价值。因此，预测分析能力正在成为分析工具不可或缺的组成部分。
IBM案例：PinnacleHealth
医疗服务提供商面临着减少慢性病患者再入院率的压力，有限的资源使得了解哪些患者最需要关注变得至关重要。PinnacleHealth需要建立一个预测模型，评估慢性阻塞性肺疾病（COPD）患者再入院的风险，以便在护理过程中进行有效干预。通过使用IBM Cognos商业智能以85%的准确率预测COPD再入院，PinnacleHealth改善了患者治疗效果并降低了成本。这一成功也为希望使用类似模型评估其他慢性疾病的医疗服务提供商带来了鼓舞。
4. 云端大数据
IDC预测，在未来五年内，基于云的大数据分析解决方案的支出增长速度将是本地部署解决方案的三倍——混合部署将成为刚需。此外，由于数据源同时位于云端内外，业务级元数据仓库将被用于关联数据。组织应评估公有云提供商的服务，以寻求帮助克服与大数据管理相关的挑战，包括：
影响部署选项的安全和隐私政策及法规
支持混合云环境的数据迁移和集成需求
构建业务词汇表和管理映射数据以防止数据泛滥
构建云端元数据仓库（包含业务术语、IT资产、数据定义和逻辑数据模型），指向物理数据元素
5. 认知计算
认知计算是一项改变游戏规则的技术，它利用自然语言处理和机器学习来帮助人机自然交互，并增强人类专业能力。利用认知计算的个性化应用将帮助消费者挑选衣服、选择葡萄酒，甚至创造新的食谱。IBM Watson正在引领这一潮流。
6. 大数据带来大收益
越来越多的组织正在将数据货币化，无论是直接出售数据还是提供增值内容。根据IDC的数据，70%的大型组织已经在购买外部数据，预计到2019年将达到100%。因此，组织必须了解潜在客户重视什么，并精通数据和增值内容产品的包装，通过实验找到"正确"的数据组合，并将内容分析与结构化数据相结合，通过仪表盘交付，帮助为与分析交互的外部方创造价值。
7. 实时分析与物联网
物联网（IoT）预计将以30%的五年复合年增长率增长，作为业务驱动力，它将引导许多组织首次使用流式分析。来自物联网的数据爆炸将加速实时和流式分析的发展，需要数据科学家和领域专家筛选数据，寻找可开发为事件处理模型的可重复模式。事件处理可以处理传入事件，将其与相关模型关联，并实时检测需要响应的条件。此外，事件处理是将大数据运营化的系统和应用的核心组成部分，因为这涉及持续处理，因此需要尽可能接近实时的响应时间。
IBM案例：Memorial Hermann健康系统
Memorial Hermann健康系统与IBM合作改变了数据存储方式，希望通过缩短病历访问时间来早期识别疾病——深知医生需要快速、可靠地访问病历并及时了解健康指标变化才能做出最佳决策。该组织部署了超高性能闪存存储系统，提供对患者记录的快速访问并支持医疗数据的实时分析。Memorial Hermann健康系统将病历数据库的平均响应时间缩短了99%以上，显著改善了治疗决策。
8. 加大技能投资
许多组织希望将业务知识与分析相结合，但很难找到足够熟练的人才。领先企业尤其深感这种人才缺口，因为当他们致力于在整个企业范围内拓展技能时，对综合技能的需求变得更加明显。综合技能在追求速度的组织中至关重要，因为这类技能能够通过对可能影响绩效的业务驱动因素及相关数据的深入了解，加速将洞察转化为行动。
开启你的分析之旅
开始你的分析之旅时，先从人才入手，然后建立将分析融入各个环节的文化。寻找有价值的业务用例，以提升核心竞争力的方式应用分析，制定总体规划并投资于可在本地和云端部署的能力。
参考资料
[1]Big data trends: The top eight analytics lessons for business - The Big Data Hub