大数据在企业中拥有着前所未有的重要性，这在一项最新出炉的调查报告中清晰的展现出来：接下来的几年中，有76%的企业将会加大或继续保持在大数据上的投入，然而相对遗憾的是，只有23.5%的企业拥有清晰的大数据战略。

这和三年前Gartner的大数据报告遥相呼应，当时有64%的企业表示他们不会错过大数据带来的绝好机遇，但也和现在一样，绝大部分的企业并不清楚能够从大数据仓库中获得什么价值。

我们无法将这个情况作出更好的解读，只能说大家都在闭着眼睛飞翔。

越来越大!

这项调查是咨询公司DNV GL Business Assurance联合研究机构GFK Eurisko共同发起的，他们对全球1189家企业做了调查，希望更好的了解他们的大数据计划。在这些企业中，有52%的企业认同大数据是巨大的商业机会;在1000名员工以上的大型企业中，这个数字上升到了70%;而在报告中被分类为行业领导者的企业中，对大数据的认同高达96%。

调查同时发现接近45%的企业认为大数据“重要”或“极为重要”，因此在被问到是否会在大数据上进行更多投入时，报告体现出相似的结果：

　　这些都是好消息。

应该怎么做?

坏消息是尽管这些企业拿出全部的热情投入大数据，但它们并没有制定有效的规划方案对企业的现状做出改善。

当然，在调查中100%的行业领袖企业声称能够“利用大数据来提高生产力与创造价值”，但更值得注意的是72.3%的企业在大数据的海洋中无所适从，即使上千人级别的大型企业，他们中的大多数似乎也无法对大数据找到头绪：

此外，企业并不一定像他们自认为那样从数据中获得了实际价值，因为大多数企业缺乏明确的将数据运用到工作中的战略：

大企业们确实能够提早一步做出规划(有39.6%的大型企业声称拥有明确的战略)，这也许是因为他们比大多数企业更早投资于大数据，但仍然改变不了的事实是大多数公司仍然不知道该怎样正确利用他们的数据。

而且这一事实在过去的几年里并没有改变太多。在2013年Gartner的报告中，大多数企业难以确定从数据中获取价值的企业策略，而且缺乏必要的技巧。关于这个我记得当时曾这样写过：“56%的企业在不知道如何从数据中获取价值时就迫切着手部署或规划大数据项目，这样的做法会带来严重的脱节。”

这是三年前的真实情况，而到了现在也没有改变。

更多的数据，更多的噪音

这个问题可以归结为Nate Silver的观点，在“信号与噪音”一书中他这样表述--更多的数据并不一定带来更深入的洞察力，而事实上往往起着相反的作用：

如果信息量以每天2.5五万亿字节的速度增加，那么其中有用的信息几乎可以忽略不计，绝大多数信息就像是噪音，而且噪音增加的速度比有用的信号要快得多。我们需要测试无数的假设，收集繁多的数据--但客观的真相却是相对恒定的。

匆忙跳入大数据的企业很快发现跟随“大数据”而来的往往是“大混乱”，以及大量无法处理的数据，这反而加剧了企业的数据问题。

回到这份调查，80.8%的受访企业对DNV GL坦诚他们没有对大数据的未来做好充分的准备，缺乏有效的企业战略，并且对数据爆炸没有足够的了解。

作为回应，有47.3%的受访者报告说企业正在组织内部培训，帮助他们在不断增加的数据噪音中鉴别出有用的信号。这是这份报告中让人兴奋的一点，让我想起Gartner分析师Svetlana Sicular在几年前所指出的：“企业的内部员工实际上比神秘的数据科学家更了解自己的数据。”

关键在于要让那些了解企业业务的人也拥有智能查询业务数据的能力，“学习Hadoop其实要比学习企业的业务更容易，”她认为。所以，企业应该将更多的努力放在培训现有的员工上，给他们提供所需的工具来解锁企业数据的价值。小牛学堂就为企业搭建了一个这样的平台，免费提供大数据实战环境+真实服务器+海量企业数据+详尽指导文档+名师辅导答疑，既有小白入门基础案例，也有高大上的企业真实数据应用案例，即Linux常用命令、Hadoop伪分布模式环境的搭建、Hadoop完全分布式环境的搭建、Sqoop安装数据导入导出工具、Hadoop集群MR做地区热销商品分析、Hadoop集群做网站点击量排名。同时，小牛学堂旗下拥有优秀的师资队伍，这些技术大牛经验丰富，讲课风格独特，将晦涩难懂的理论知识联系实践讲给学员听。线上、线下教育随你选择，充分为你解决由于各种原因无法参加课程的困扰。即使你是技术小白，也能轻松学会大数据。

总结一下，并不是说我们不需要更多的数据，但我们更需要的是有更多的人能够了解已经拥有的数据。

不管是企业还是其他组织，大家都已经了解到大数据将会给自己带来怎样的发展空间，未来前景会是一片美好。因而，需要越来越多的大数据领域的技术人才的出现，满足市场需求，解决企业所遇到的问题，大数据培训将会起到决定性作用。所谓追根溯源，企业要从根上解决目前的窘境，培养、吸纳技术人才是重中之重。小牛学堂以专业的素养，为市场输送掌握数学、统计学、数据分析、机器学习和自然语言处理等多方面知识的大数据复合型人才。满足企业对于技术人才的渴求，也实现了众多技术小白在大数据行业的价值。

====================================分割线================================

本文转自d1net（转载）