企业不可盲目依赖大数据

即便一家公司在机器分析方面表现出色，也不意味着其数据分析能力同样出色；即使某些公司在处理非结构化数据方面表现出色，也不意味着它们在处理结构化数据方面也同样优秀。此外，数据分析能力强的公司不一定具备优秀的商业智能能力，而商业智能能力强的公司也未必能在实际经营中取得成功。

企业切勿将大数据视为解决所有问题的灵丹妙药，不应盲目依赖大数据。企业大数据的应用涵盖数据处理、算法设计、产品开发及具体业务操作等多个环节，这些环节相互依存，缺一不可。例如，如果基础的数据收集工作不到位，后续的数据应用效果必然大打折扣。数据不稳定，深度学习技术也无法发挥其应有的作用。现在许多企业的短板并不在于数据收集和处理能力，而在于缺乏有效的思考和战略规划。

成功企业发展需经历八个阶段

1. 强化数据分析能力：关注决策过程，提升数据分析水平。
2. 构建数据资源库：制定统一的数据标准，优化数据管理。
3. 建立数据管理体系：制定数据管理规范，搭建数据管理平台。
4. 提升海量数据的分析能力：这是企业成败的关键，必须具备处理大量数据的能力。
5. 储备外部数据资源：增强企业对外部数据的获取和利用能力。
6. 促进数据创新：推动内部数据的开放与共享，激发创新活力。
7. 实现数据开放共享：开放数据资源，推动数据流通。
8. 制定数据产业战略：规划数据产业发展方向，确保长期竞争力。

前三点是每个企业都可以做到的基本工作。第四点则是企业能否成功的分水岭，能否有效处理海量数据成为关键。企业应适时引入高级人才，以在未来竞争中占据优势。

以无人车行业为例

以无人车为例，一辆车可能装有3000多个传感器，背后涉及众多供应商，甚至跨国企业。如何保证数据稳定、实现跨境数据合规传输、进行数据采集和分析等都是极具挑战性的任务。物联网的发展正逐渐改变我们对大数据业务的传统认知，因为它涉及的技术非常复杂。单纯依靠简单的数据和算法无法满足人工智能的需求。

处理一个问题时，相关数据越多，解决问题的准确性就越高。但我们也需要注意数据中包含的误差和不确定性。许多医疗项目尚未充分利用大数据和人工智能，原因之一就在于此。大数据有时也会带来潜在风险。

企业在多大程度上需要数据量来解决问题

我们可以用“拼图”来比喻数据量的作用。如果只有一块拼图，很难看清整个画面；但如果拼图数量足够多，即使算法简单，也能很好地解决问题。因此，企业需要判断自己掌握的数据是否已达到关键的数量级。

人们总想知道过去发生了什么，为什么会发生，未来可能发生什么，以及如果发生又该如何应对。这些问题一直是商业智能（BI）试图解答的重点。第三方数据可以辅助企业做出决策，但企业领导者首先需要了解手头的数据有多少是集中的，有多少是分散的，哪些数据与自身的问题相关。如果不明确这些，决策可能会南辕北辙。

例如，高层管理者和中层管理者所面临的问题可能存在很大差异。中层管理者可能更关注当前的问题，而高层管理者则需要考虑未来几年的企业发展方向。因此，高层管理者所需的数据量通常远大于中层管理者。