當今，對大數據的價值早已無需爭論，關鍵是如何挖掘大數據價值，其中的投入產出比是否“劃算”。由于數據挖掘過程復雜、專業度高、周期長，很多分析結論得出之后早已失去時效性，造成企業對數據又愛又恨，分析人員和業務人員滿腹牢騷的窘境。

　　針對以上行業痛點，帆軟日前舉辦的2017百城巡展上海站千人大數據峰會給出了行業內外一個清晰的回答。憑借從2006年成立至今積累的上千家客戶的服務經驗和200余行業的涉獵，向行業內外表明，大數據助力企業數字化轉型還需特別修煉好幾道內功。首先，過程數據需喚醒，借助數據庫直連挖掘巨大潛力。其次，大數據的呈現應該區別化的“可視化”，未來或可加大與GIS底圖的連接。最后，數據加密和數據保護是重點，適當“上云”保護數據方利益。

　　喚醒“過程數據” 數據庫直連建立“高速路”

　　在很多企業初次嘗試數字化轉型、數據分析時，都會面臨一個難題，就是數據分析結論的時效性。在費心費力收集數據、綜合分析之后，很多結論早已不是當前業務人員所需，或者其中的過程數據早已發生變化，讓很多結論變為廢紙。因此，就有業內人士指出，信息和垃圾只是一念之隔，無用的數據甚至還不及垃圾。

　　其實，并非數據本身無用，而是真正有價值的過程數據或行為數據沉睡在服務器或文檔中，當時作為中間變量被忽視，但對結果追蹤卻意義重大。過程數據指的是在初步收集數據、進行統計后的數據。舉例來說，對服裝面料的進貨量和成衣數量進行統計后，可以得出成衣率，讓服裝企業了解某種面料的利用率。成衣率的數據通常作為過程數據，對更進一步的成本和利潤核算有較大影響。但其本身通常是在統計時簡單記錄在表格中的過程數據，數據記錄形式不統一、保存時間短、是否記錄很難統計，在后期的監管中很難落地執行。

　　據上海東方國際品牌創業管理股份有限公司信息部經理邵佳宇介紹，在該企業利用大數據實現轉型中，就對過程數據進行很好監管，在數據庫系統中對過程數據建立單獨管理平臺，在統計中及時保存過程數據，以統一格式呈現過程數據，便于后期追蹤。而且，看到過程數據對數據分析的巨大價值后，很多部門會主動要求加入數據共享，比如原有的服裝“吊牌”數據非常繁雜，但借助多個過程數據的輔助，很多終端實體店可以直接打印吊牌，不再需要人工從海量庫存數據中費力挑選，這就大大提升吊牌數據入庫的積極性，讓數字化轉型落實到小處和實處。

　　此外，邵佳宇解釋道，該公司的數據庫還建立直連通道，讓數據分析全程介入數據收集過程，在收集同時完成分析，建立高速通道第一時間為用戶提供決策支撐，杜絕“過時結論”。

　　可視化需區別對待 GIS底圖是新趨勢

　　在當前企業運行中已經產生了海量大數據，加上被喚醒的過程數據，大數據體量幾何倍增長。這其中就需要可視化、立體呈現數據分析結論，讓非技術專業的普通人員也能讀懂結論。

　　對于可視化的理解，不應是簡單的把數據以圖表形式呈現，把分析結論變為比例。進一步說，更應該把數據以適當形式呈現給對應人員。舉例來說，對分析人員來說，可以利用ETL工具對數據深度分析，輸出專業化程度高的可視化結果。而對普通業務人員來說，應該減少SQL代碼的輸入量，讓業務人員借助字段自動化轉換一目了然獲取分析結論，比如把“customer”變為顧客的中文字段，讓輸出的Excel表格通俗易懂。

　　對此過程，帆軟FineBI產品經理薛高陽介紹道，企業內部運營數據和外部客戶數據管理都需要“區別化”的可視化過程，特別是對技術人員分析數據，該公司的最新產品FineBI就加強了技術人員利用FineIndex和FineDirect專業分析的輔助功能，但對普通業務人員來說，則提供了統一模板讓他們自行靈活輸出可視化表格，這樣不僅能加快數據分析過程，而且也大大縮短了兩方互相溝通、甚至扯皮的時間，全面提高企業日常效率。

　　在各行各業形成大數據后，跨界開始成為主流趨勢。其中，GIS與大數據的交叉分析成為助力企業多角度看待大數據、多角度實現轉型的法寶。舉例來說，很多商場可將商鋪位置和銷量交叉分析，從而靈活配置商鋪，讓“冷門商品”換到適當位置，提高曝光率時也提高商鋪利用率，還能更加符合用戶購買偏愛，不再需要轉圈尋找所需商品。類似分析還可用于出租樓宇的利用率分析、零售商業智能選址等服務中，讓GIS成為大數據底圖，多個角度看數字化轉型。

　　當然，在目前的大數據分析軟件中，還是更多注重宏觀分析和宏觀呈現，地圖并不追求過高精度，因此在帆軟軟件和其他同行業的軟件產品中都選擇自行研發底圖，最多是在用戶有特殊需求時搭載互聯網地圖的某些圖層進行渲染，而核心引擎還是自主研發，最大程度保證企業級用戶需求，也和服務C端用戶的互聯網地圖錯位競爭。

　　在談到數字化轉型的老生常談問題——數據安全之時，帆軟聯合創始人兼CEO陳炎談到，數據傳輸信道是加密的，而且很多用戶將數據存儲在私有云之上，或者選擇安全度極高的知名公有云平臺上，這都能最大限度保證數據安全。當然，并非一定“上云”才是數據分析或數字化轉型的關鍵，也要冷靜對待“上云”的火熱。數據分析軟件更應該做好在用戶選擇服務器上云或終端上云之后的連接工作，雖然目前SaaS端上云的連接還存在一定挑戰，但未來一定會盡快攻關。

　　面對大數據行業的火熱，數據分析更應該從用戶需求入手做好分內事，最大限度挖掘各種數據價值，讓數據分析得以實時呈現，各個業務部門簡單調用，合理“上云”提高效率。唯有如此，才能讓數字化轉型不再是用戶又愛又恨的對象，而是變為提高效率的重要生產力，讓大數據輔能、華麗變身。