互联网IDC圈8月31日报道，在8月29日-30日七牛D-Future数据时代峰会上来自Gartner分析师田宇为我们分享了大数据时代如何做好信息管理。
田宇
以下是田宇演讲内容（根据速记整理）：
田宇：大家上午好，会议开到这个时候，我很吃惊，在现场还有这么多的朋友们仍然在现场认真的聆听。我今天想跟大家分享的是来自Gartner的观点和研究。
刚刚很多嘉宾都提到了我们来自信息爆炸的时代，这里面有很多的信息，我就不读出来了，它们是来自国外的网站，数据的流量，数据的存储量现在都在以爆炸式的方式在增长。看看中国的情况，应该说社交、美业、旅游这三个行业为例。移动设备以及互联网技术正在渗透到我们的生活里面，并且对于我们的生活方式产生很大的影响，这个是对于个人。那么对于企业来讲，它会带来哪一些机会呢？这个就是我今天想跟大家分享的，在大数据背景下的信息管理，为了控制时间，我会集中讲三点，第一是机会，第二是挑战，第三是风险。大概三年前，Gartner就提出现在有四种力量在推动技术创新，这四种力量是云、移动、社交和信息。我们不妨来看一下信息和其他三项技术结合起来，在市场上已经发生了什么，并且将要发生什么。可以看出来，信息和移动，就是移动的设备，现在已经从手机、平板扩展到了手表、眼镜，以及未来会有更多的智能穿戴设备，包括物联网，甚至包括一些机械设备，都会成为这个信息的来源，这个使得信息的来源变得无时无地不在发生的，同时信息的交互是随时随地发生的。并且它是跨平台的，需要支持多种设备。不知道大家有没有看外面的演示，这种增强的技术，增加了数据传输的趣味性。把它利用在商业领域，就改变了我们市场营销的方式。包括企业领导看报告的方式，可能在看平板或者是再一个手机上，就把一个重要的决策决定了。
信息与社交，其实通过社交信息分析，大大增强了信息决策的分析能力。我们知道现在很多的企业市场部门，已经开始做舆情的调查。另外小米通过一些社区的讨论，制定产品设计与产品定价。这个是对于一些社交信息的利用。国外的一些，比如对于大数据来讲，可能大家说得很多的是保险行业动态定价，通过对于，现在越来越发展到，通过对于你这个人行为的分析，给你制定一个非常有针对性的保险费率。这其实是大数据的应用。包括前面的很多嘉宾都提到了，对于这个分析的要求，以及分析的能力，现在都有了很大的提高。这个其实，应该说信息给我们提供了很大的机会。由此可以说明，信息本身现在已经成为很重要的资产。这个资产是有价值的。Gartner把它定义为信息经济学。GE三年前提出了工业互联网的概念，其中一个很重要的举措就是成立一个分析软件部门，用来分析它旗下其他企业产生的数据。具体的设备，包括从医疗设备，到飞机发动机，到铁路的机车，包括一些发电的设备，通过对设备的分析，进行预防性的维护，能够提高设备的利用率，以及降低使用成本。这个在财务上都体现出来了。
另外我们可以看到，很多政府希望吸引投资推动经济发展，而发起了开放数据的应用。目前中国在这一块做得稍微靠后一些。但是其实在上海、无锡我们看到了一些非常有益的尝试。政府把它原来的一些数据开放出来，鼓励第三方的公司做一些开发，做一些服务，满足公众、企业的需求。同时增强了政府执政的透明度。这个其实是机会，我觉得可能不需要花太多的时间，第二个我想讲的是挑战。其实从这张图里，我觉得大家能感受得到。包括刚刚我们环节也看到，传统企业和新兴企业会发生理念和认识不一致的地方。我参加了很多，包括创新型企业包括传统企业很多的研讨会，我发现这种冲突还是蛮激烈的。那么这边的这位，如果我们只看信息管理的话，这边这位就是传统企业里面的CIO，或者是IT经理，他们做了多年的信息化建设，他们非常了解企业的战略，以及业务的需求。了解完了业务需求之后，他知道如何把它变成一些具体的业务目标，或者是一些衡量的目标，然后做系统设计，然后做架构。然后把它实现化出来，并且他们知道从哪里去找这些信息。这个就说明传统的信息管理，它是从需求开始，它是自上而下的设计方式，并且它会对于数据的准确度要求非常高。并且充分考虑成本、重复利用。更多的是结果商用的重复度比较高的解决方案。它是以企业为核心，更多对内来看的。
右边是新生力量为代表的，他们是新生流派，大数据管理，互联网新的公司。数据在哪里我也不知道，我也不知道，我去外面找。能做出什么来，我也不知道，我得试。这个是互联网的模式。对于错误的容纳性很高，信息系统的设计是自下而上的，实验室的设计。采用的工具是各种各样的基础工具。更多的是以开源的方式为主。是以市场为核心的。根据我们最近的一个对于全球的CMO，就是市场营销经理的调查分析显示，70%的CMO，希望在自己的公司内部做一些系统分析师，这说明什么？第一他们认为在IT部门治理下的BI部门，没有办法完全的满足市场营销部门的满足，他们需要自己召一些自己的人，不光是用系统内部，用自己企业内部的数据，也从外面市场找一些，比如说搜索的数据，或者是企业外部的数据来解决问题。这个就会对于信息的治理提出了很大的挑战，因为业务部门不会很关注哪一些数据不能放到外面去。这个就形成了一个灰色地带，这部分IT是在阴影里面的，没有人对于它有管制，或者是缺乏管理的这部分。
从目前来看，应该说这两块其实矛盾，或者是冲突还是有一些的。老实讲我们认为这两派观点都对，但是不一定全对，他们未来要产生更大的价值，一定要融合的。这件事说起来简单，但是实现起来有很大的难度。因为我们看到流程上来讲，对于客户的流程，互联网公司为代表的，它更多的是用户自助服务，实时交互式的。但是企业传统的这种流程，对内的流程是批处理的。刚刚有嘉宾说到了，一个项目做一年，甚至更长的时间，投资很大。流程上来讲，这边是小步快跑迭代的，那边是相对来讲比较稳定的状态。另外文化上，传统企业，传统的IT，上一个项目，是只能成功不能失败。但是互联网基本上是摔着跟头长大的。这完全是两种不同的文化。包括人才上，现在我们可以看到，现在互联网公司待遇高一些，吸引了很多人才，无论是从传统企业，还是比如说传统的外企的IT公司，都吸引了很多的人才，传统的IT企业和外企都在抱怨说互联网公司扰乱了人才市场，因为大国企有一个薪资限制的，这个也是我们的国企或者是传统企业，做这种转型面临的一个非常尴尬的现实。如果我们把这个挑战放在一个整体的框架下来看的话，我们认为企业既要满足对传统信息的治理，也要兼顾互联网大数据的需求。第一个要有大局观。
右边是社交的数据企业外部产生的大量的数据，不同的数据需要不同的处理方式。右侧我们认为这些数据是要以试验的心态对待它。客户数据，包括说最核心的财务的整合数据，我们更多的还是以传统的方式来实现比较严格的治理，但是有两点，一点是说每一个系统产生的数据不应该是割裂的，就是我们原来系统做了很多的烟囱，我们大数据背景下不能产生更多的烟囱出来，所以需要一个主数据把不同的数据联系起来。另外我们原来的数据更多的是侧重在定量的数据。现在同一份数据，既有定量又有定性，比如帐单，它是以定量信息为主，但是同时它又是特别好的做目标营销的工具或者是载体。所以我们要看这个信息有不同的属性。
这个是我们希望企业在关注数据的时候，不仅仅是关注它的这些量化指标，就是三个V或者是四个V这样，我们希望企业更多的要把注意力放在一个，使数据敏感性分级，我相信现在无论是说政府行动比较迟缓也好，或者是政府在一些转型上行动慢也好，很重要的一个原因，它对于数据敏感性分级，还处在一个比较原始的阶段，因为我们对于数据的价值，数据的敏感性没有评估，所以使得我们不敢往前迈一步，另外不同数据之间的共享协议。我们讲了很多的，数据本身是一种资产，资产质量怎么来衡量，它跟企业的业务关系到底有多少，我们如何确保数据的质量。这个也是我们长期做信息治理需要考虑的一个问题。
好的，第三点我想讲的是风险，其实风险这个事，可能不需要花太多的时间，因为大家每个人都感同身受，就是信用卡，或者是数据库被拖库，这种问题好象天天都在发生，所以这个数据风险是一直存在的，具体来讲，我们如果简单的看一下，现在数据的来源，很多样化，原来更多的是OLTP这种交易数据。现在更多的有来自于OT的数据，社交的数据，企业外部移动的数据，从存储来看，原来我们就是在企业内部的信息系统，DBIS（音）里面，现在数据的存储可能是在内存里面，大的文件系统里面，一些列式数据库里面，在云里。就是存储方式也很多样化。从IT的管理上来讲，原来是集中式的管理，简单、直接，非常好控制。现在它是一种割裂的方式，必须是联邦式的管理方式。所以这些技术的话，技术是割裂的，这就给治理带来了很大的问题。隐私和风险，刚才咱们国务院发展研究中心的人提到了隐私，以及政策制定的问题。另外风险的话，我不多说了。刚刚我在外面和乌云（音）的朋友聊了几句，我觉得目前大的企业对于风险这一块的重视还有带提高。而且风险，越来越多的设备连到网上，它会带来，这个风险会一直存在的，不会被一个万全的解决方案。
除此之外，我们对于企业有一个建议，成立首席数据官，因为现在数据处在真空的角色。传统的IT部门，其实IT部门的人，他们不认为拥有这个数据，我们更多的是系统对于架构负责，业务部门的人认为有些数据跟我密切相关的，但是我只看中这一块，相对缺乏全局观。需要一个角色兼顾这两者。所以我们建议企业设立首席信息官的角色，我看到阿里巴巴前几年设立了这个角色，互联网公司对于这个意识更超前一些，我们希望一些传统企业能更早的认识到这个问题。后面是一些数据，我就不详细展开了，因为从全球的角度来看，我们看到大数据的投资仍在不断的增加，然后从传统企业接受大数据的情况来看，其实他们所面对的挑战，还是无法决定说这个大数据到底有什么价值，其实就是说，怎么样把技术落地，仍然是一个很大的问题。希望大数据能够解决的问题，最多的还是一个加强客户体验，更多的是在营销那一端。
这个Hype Cycle我相信大家很了解，是Gartner的方法论，就是以IT的技术，当它从公司出来的时候，一直到右侧被市场主流接受，会经过这样一个曲线。这个纵坐标是期望值，它会经历一个由不知道，被越来越多的人关注，但是实际用起来，大家会发现，商业用户会发现不太好用，因为这个需要越来越大的投入。所以会陷入低谷，随着技术越来越成熟，会有更多的商业化的公司，对于商业化的服务。会有这个一样过程。
我们Gartner公司，这个是我们2014年对于大数据的Hype Cycle，可以发现很多的技术还是处在试验阶段，不是很成熟的。但是同时也是，这是一些公司经历自己的创新性，有一些创新价值的机会。对于企业来讲，要结合自己的实际情况，看看是不是符合自己的企业文化，看看是不是能够帮助自己，建立一个真正的差异化的优势。我们会根据企业的现实，给企业一些个性化的建议。
最后是给企业的一些建议。最后是说不能等待技术的标准化，有一些大数据的尝试，其实现在就要开始做了，否则就有可能被拉下。第二是说，大数据和那一些传统的应用，它并不是说大数据是对传统应用的升级，它更多的是一些新的类型的应用。第三不要排斥一些小公司，或者是创新的公司。基本上就是，我今天其实想简短跟大家分享的就是这三点，机会、挑战和风险。
