数据是死的，人是活的，数据的剖析使用应具有灵活性。就传统数据与大数据处理反常问题来说，传统数据库通常是把反常数据先拎出来剔除去，再使用在需求高精确度的范畴，如银行对每个账户的办理。但大数据则答应反常数据的存在，大数据可对海量异构数据进行智能检索，按事务需求会聚并挑选企业界外部海量结构化和非结构化数据资源，树立事务专题库，有针对性地满意用户对信息的全方位提取和使用，一起确保数据的安全性和可用性以及体系的稳定性。
近年来，跟着互联网的快速开展、计算机和信息技术的快速迭代和遍及使用，使得工作使用体系的规划也得以敏捷扩展，工作使用所发生的数据也呈现出爆炸性的添加，这之后就呈现了许多人都知道的大数据。
大数据能为咱们供给精准营销、精准服务、数据办理、数据质量稽察、数据财物办理等强壮服务。
举个比方，2009年，甲型H1N1流感在全球敏捷迸发传达，为发现和操控疫情，各国政府卫生相关部分为此付出了巨大的尽力，搜集了许多数据，可是得到的数据依然滞后了一两周。反之，谷歌把人们的查找历史记载进行处理后，树立了合理的数学模型，得到了与官方数据相关性高达97%的猜测成果。而且这个猜测可以马上判别出流感是从哪里传达出来的。所以要注重大数据的运用，合理运用大数据会为人们带来意想不到的利益。
数据是死的，人是活的，数据的剖析使用应具有灵活性。就传统数据与大数据处理反常问题来说，传统数据库通常是把反常数据先拎出来剔除去，再使用在需求高精确度的范畴，如银行对每个账户的办理。但大数据则答应反常数据的存在，大数据可对海量异构数据进行智能检索，按事务需求会聚并挑选企业界外部海量结构化和非结构化数据资源，树立事务专题库，有针对性地满意用户对信息的全方位提取和使用，一起确保数据的安全性和可用性以及体系的稳定性。
所以，对数据进行使用剖析之前，咱们要把选用数据的逻辑想清楚，想清楚究竟用数据做些什么，处理哪个事务的什么问题，再将大数据信息进行集成剖析，而不是一开始就毫无逻辑地将数据整理出来。
无逻辑的数据整理，不深入剖析原因，会使整个数据使用存在许多特殊状况，相同的数据或许得出的定论截然相反。比方，看企业出售月度添加，不能用2月份和1月份的数据进行比照，为什么？由于2月份是新年，1月份就归于事务高峰期，两个月份不具有比照的代表性。
那用有逻辑的数据去做什么？其中之一便是去剖析企业的各项本钱。体系的本钱剖析有许多，如运营、财政、质量、功率、用户体会等。未来企业各方面要提高都离不开数据信息的剖析，《孙子·谋攻篇》说：“至交知彼，百战不殆；不知彼而至交，一胜一负；不知彼，不至交，每战必殆。”只要充沛了解自己，才能在严酷的商场竞争中安身，所以企业本身的本钱剖析非常重要，是了解企业本身状况的途径之一。
关于数据的运用，咱们还要知道运用这些数据信息需求体系具有什么功用？体系的事务是什么？现在数据库的架构又怎么样？首要，在数据库的根底上，信息体系具有很强的使用性。在电商物流工作范畴，信息体系可认为企业事务供给许多处理反常问题的途径，由于企业在质量、体会、功率、本钱等各方面的反常问题也都会反响在数据库里，由此企业可以凭仗体系数据为企业提高办理质量功率。
其次，在使用大数据时不要只是看到财政上的数据，还要将数据还原成运营问题，查找原因。也即数据是协助处理问题，提高办理和作业功率的，那么对信息体系数据的了解使用也有必要是依据事务的。
以物流体系为例，物流企业要办理的根本数据大都是依据事务的，而且这些关于企业的人力资源、财政、商场、固定财物甚至公司的战略决策都有着至关重要的效果。关于人力资源和财政的办理，财政的应收、敷衍和各项本钱的核算都要从事务数据中提取，构成根底的事务办理功用。那么，假如人工本钱添加了，是什么原因形成的？首要要看各个事务环节的功用本钱，再剖析企业的事务流程，然后剖析人效和大的经济环境，以此来判别本钱的添加是否正常，添加多少是在合理规模之内，高出的部分是什么原因形成的。答复了这一系列的问题，数据才算得到了灵活运用，也才真实发挥了信息体系处理问题的效果。
再次，大数据的使用范畴越来越广泛。与传统数据相比较而言，大数据不只是用于信息的记载和问题的剖析，更是带动了一场商业革新和技术革新，如云数据，可以改动企业的商业形式和运营形式。
现在，大数据现已在电视媒体、交际网络、医疗工作、保险工作、工作篮球赛、能源工作、社会生活、公路交通、轿车制作、零售业、总统竞选、电子邮件、音乐等范畴得到使用。如在加拿大多伦多的一家医院，针对早产婴儿，每秒钟有超越3000次的数据读取。经过这些数据剖析，医院可以提早知道哪些早产儿呈现问题而且有针对性地采纳办法，防止早产婴儿夭亡。
零售企业也经过大数据监控客户的店内走动状况以及与产品的互动。它们将这些数据与买卖记载相结合来打开剖析，从而在出售哪些产品、怎么摆放货品以及何时调整价格上给出定见。此类办法现已协助某业界抢先的零售企业减少了17%的存货，一起在坚持商场份额的前提下，添加了高利润率的自有品牌产品的份额。
由此可见，当数据静静地躺在体系里时，是起不到任何效果的。只要当体系依据必定的需求进行相关处理剖析，协助企业处理当时运营中存在的问题，猜测和引领未来的商业形式和用户需求时，才能让数据为企业和社会发明更多的价值。
作者：张立民，先后在中国邮政、顺丰速递、京东集团等国内物流范畴的代表性企业任职30余年。
