德勤2016大数据趋势中提到一个最新的说法：大数据在美国非常有影响的领域包括网络安全、物联网、传统科学和分析的融合，以及洞察力的构成。

大数据对于传统行业和电商，可能都会出现一个非常大的关连，但我想跟大家说一个重要的观点，就是数据驱动和大数据是两码事。

大部分企业的开始是从经验驱动，因为那对刚启动的公司来讲非常重要，而数据对于刚启动的企业来讲没有这么重要。不管哪一种企业，必须要清楚什么叫数据驱动，当然经验还是非常重要的。

用一个数据作为企业的开始，会发现数据可以帮我们去描述公司的运行、个人的工作行为。之后可以通过这些数据辅助下一步的行动。如果数据在描述整段预测的时候，瞄准的是可行动的东西，那这个东西肯定已经走进了数据驱动。但这样还不够。

搜集数据之后，要的是数据分析基本功。这个基本功扎实，才能证明一个公司有大数据驱动的潜力。分析是工具的一部分，在有分析能力的同时，要有搜集与整合数据的能力，那么这个数据的闭环就成立了。当数据闭环成立，再把经验放进去，就会发现整个公司进入了学习的阶段。一个公司没有经过学习阶段，还不能说是一个有数据驱动能力的公司。这时候还没有跟大数据有关系，这不是大数据，这只是数据驱动而已。

PC、移动端能使过去没有办法解决的问题用数据来处理。例如，如果做跨境电商，没有购买工具数据包的话，等于没有做过跨境电商。因为它把亚马逊和易贝购买的大数据都搜集在里面。如果没有看趋势，而是盲目地做某一个行业，其结果相信会是很惨的。我想说的是，现在有了碎片化的数据以后，可以更清楚地知道客户是怎么来的。

做大数据的时候，在商业智能的体系里，要学会应用别人数据的冗余。今天，电商面对的全渠道有两件事情需要注意：每天有多么频繁地使用数据，以及花多少时间来应用。为什么要知道这个？因为当你想知道哪个应用所产生的数据特别有用的时候，就可以从这两个地方来看，数据的产生来源于应用。另外一个，数据的应用必然跟终端有关系。所以，看一下未来的终端——PC到手机以后，大家很努力地要做智能电视，智能电视也有一些很努力地做物联网……这说明不同的空间里可能出现不同的数据入口。从应用的卡位到终端的卡位，这是大数据里的数据来源。

最后，讲到大数据，不是有没有的问题，而是够不够准、够不够细、够不够全、稳定不稳定、够不够快的问题，这几个方面都会影响到大数据的用途。其实，所有的大数据基本上都朝这个方向发展。当然，我们会发现所有的数据都有偏差，每一个在大数据里的工作都是减少偏差而已。

本文转自d1net（转载）