大数据仅仅是一个趋势。大数据日益受到企业的重视，并被企业确定为一个潜在的问题和一个独特的机会。这无疑是一种很好的现象。但在您惊叹于其绝对量和潜在的挑战之前，你应该考虑一下其过去。
大数据其实是一直存在的
早在20世纪90年代中期，我曾为一份叫做“Telephony”的杂志撰写专栏文章。这份出版物涵盖了电信业务内容，同时我还是该杂志的技术编辑，这意味着我还背负着一些基本的资深编辑不屑于处理的工作任务。其中之一是数据的问题;电信运营商有关于其客户的海量数据。人们普遍认为，分析这些数据，可以揭示其中所涵盖的信息，进而减少客户的流失，提高忠诚度，提高客户服务响应，并在一般情况下，帮助电信运营商进一步掌握如何更好地服务他们的高端客户群。
鉴于上述这一因素，电信运营商存储了如此众多的数据，但却很少有公司知道如何处理这些数据。每天，数据都在不断的增加。最终，电信运营商浪费了宝贵的资源。
在我记者生涯的后半段，我供职于VAR Business杂志担任技术类资深编辑，我负责的领域的一些其他工作人员对于数据要么感到十分枯燥，要么干脆搞不定，于是我再一次看到了数据不断的被存储。彼时是21世纪初，当时内存芯片的价格已经开始暴跌，使得所有类型的企业收集和存储数据的数量不断增加。但我看到许多企业开始被数量庞大的数据(特别是客户数据)所淹没，数据挖掘工作立即引起了我的兴趣。通过分析，他们会成为数据瘫痪的受害者，海量的数据使得企业高管不知道从何着手，于是，数据分析工作及其它相关活动最终被搁置。
所以，我们有必要再次强调大数据的问题。许多发言表示，海量的数据作为一个巨大的，看似险恶，最终难以处理的挑战。其被视为一种威胁，不被视为一种机会。现在，我们赋予其新的名称：大数据。有点像诸如“大脚怪”或“老大哥”，等词，它被赋予了不受欢迎的内涵，不是吗?
但事实是这样的：这真的不是数据的问题。只要我们可以很好的对其进行收集，并通过电子手段制表数据，我们一直认为，大量的数据是一直存在的。今天，真正的最为重要的是如何对这些数据进行分析。
智能分析并非一直都有的
我们真的处在智能分析的时代了。看待这个问题所面临的挑战是，它需要你不把注意力放在你当前工作的数据量有多么庞大，但真正需要注意的是：你需要从数据中分析学会什么。
分析需要相关的工具和技术，但它也需要一些非技术性的东西，诸如专注于您的客户，在在客户关系管理的情况下，了解并发现相关的问题。当你开始这样做，你就可以开始减少您存储的数据，并删除不相干的数据了。
例如，根据Gartner公司最近调查显示，大数据在技术领域的下一个趋??势排名中仅次于“物联网”：增加自动制造商、供应商或用户提供数据的设备能力一词。
在这种情况下，你就开始对您试图分析发现的东西有了一个既定的想法。因此，你不可能分析大量的数据，它是一个离散集或数据集。如果你能找出那些数据集，你分析的任务将变得相当简单。
虽然总是有一些完全意想不到的新信息从随机分析的大量的数据中出现，新的分析技术将使其更容易消化大批量的数据。你不可能没有目标进行随机分析。这没有任何商业意义。
因此，不要再被大数据的问题所困扰了，开始考虑大数据的智能分析吧。想想你想从大数据的智能分析中学到什么，结合正确的技术和不再对数据本身充满恐惧。当今的那些成功的处理大数据的企业，正是因为他们意识到面对大数据，重点不是数据采集，而是在与如何正确的分析和理解所收集的大数据。
关于作者
克里斯·布切尔滋是CRM Outsiders Blog的编辑，并曾担任Forecasting Clouds和Inside CRM的总编。是旧金山湾区的一位记者，拥有超过17年的技术客户经验。
