数据如何竞争?投资回报率如何建立?

数据投资回报是数据价值除以数据成本，第一，我们需要降低数据成本，提升数据价值。而降低数据成本有很多做法，其中最重要的就是把低活跃度的数据转移到低成本的存贮器上去。怎样增加数据的价值呢?要收集更多、更全面的数据，比如说社交化ERP。第二，要针对数据质量有一个数据治理的队伍和流程。第三，要有很好的数据分析的能力，“数据可视化”是当前的大趋势，通过图形、图像、动画等等一同展示数据，让数据浅层的关系得到更好的理解和发现。从2006年开始，业界的主流厂商开始把自己的BI产品称之为Analytics。它跟商务智能区别在哪呢?商务智能有更强的IT导向，而Analytics可以把它看作商务智能的2.0版本。现在，Analytics开始改变了，在过去的企业中，90%使用的数据都是ERP的数据，只有10%的企业才会用到外部数据，但在未来企业当中，只有50%是自己的数据，外部数据和新媒体数据会发生越来越大的作用。

有两个案例可以说明这一点。在迪斯尼乐园里有100多个景点，意味着有100多条排队的队伍。怎么减少顾客排队的时间?迪斯尼利用十多年的历史数据、结合天气数据、旅游数据预测每一条队伍每一天、每一小时所需要的排队等候时间，为游客计算最佳的园内景点游览次序。同时实时收集Twitter的数据，处理突发情况，更新每一条队伍的排队等待时间，使用这些数据的游客平均每人节省了4个小时。第二个例子是宾夕法尼亚州政府，分析全州感冒药品的销量、对比系统保存的历史数据，以确定可能发生的大面积流感。分析儿童的就症率，对比历史数据，以确定可能发生的大面积流感。对Twitter进行文本分析，实时监控各个地区的流感爆发、传播、分布情况。我们可以看到，精确的数据一旦与社交媒体数据相结合，对未来的预测会非常准。这也是为什么Analytics的全球投资仅仅低于云计算，高达340多亿美元。