前言：中文期刊网精心挑选了企业数据分析报告范文供你参考和学习，希望我们的参考范文能激发你的文章创作灵感，欢迎阅读。
企业数据分析报告范文1
关键词：数据分析；数字决策；市场
Abstract: today, if someone asked, what is the most popular in the 21 st century career? The answer may be varied, but the world famous periodicals time magazine gives results may make people strange, it is called "project data analysts", seven big money in the global industry leader. Project data analyst (hereinafter referred to as the English CPDA) is the international professional engaged in investment and operation of the project data analysis of the senior decision-making and a colourful for the career. The data shows, in the United States alone, project data analysis of the field workers already close to 200000, the year the camp forehead billions of dollars. In data analysis profession development mature countries, 90% of the market decision and management decision is through the data analysis research certain, so it is called it is-and the 21 st century gold career.
Key words: data analysis; Digital decision; market
中图分类号：F713 文献标识码：A 文章编号：
项目数据分析是通过对项目数据全方位的科学分析来评估项目的可行性，为投资方决策提供科学、严谨的依据，从而降低项目投资风险的一种先进的方法论和科学分析体系，在业界向以“数据精准”、“分析客观”及分析评价“权威独立”称誉。国际上，项目数据分析师主要从事数据挖掘和投资两大领域，在投资分析、信贷融资、企业经营管理、企业战略规划、决策管理等影响政府和企业重大决策中，提供科学、真实和准确的依据，是社会经济运行中具有重要地位的高端技术人才。一名经验丰富的高级项目数据分析师的年薪可达几十、上百万元。成立于1948年的美国兰德公司旗下就拥有2000多世界顶尖级的数据分析专家和专业研究人员，他们每年完成的各类项目数据分析报告高达700多项，已发表的研究报告达18 000多篇，这些分析成果都直接或间接影响和左右着美国的政治、经济、军事、外交等一系列重大事务的决策，享有很高的声誉。
项目数据分析报告讲求“科学、客观、准确、公正”。一份完整的数据分析报告，必须围绕目标，确定范围，遵循一定的前提和原则，在项目各项数据分析中，选取真实性、合法性指标，构建相关模型，进行专业科学的分析，要求体现的基础数据应真实完整，分析过程要科学合理全面，分析结果可靠，建议内容实事求是，能系统地、真实地反映行业基本慨貌，从而达到推动该行业进一步发展的目的。
项目数据分析的整个编制、评价过程十分严谨。数据分析师通过项目数据分析技术的运用，对项目进行科学合理的定量分析，可预测项目未来的发展及风险，帮助项目投资方节约运营成本，减少资源浪费，提升综合竞争力，实现资金收益最大化。兰德分析家认为，世界上每100家破产倒闭的大企业中，85%是因为企业管理者决策不慎造成的。随着全球商业化竞争的加剧，一个企业管理者决策能力的高低，在很大程度上决定了企业的前途和命运。世界发达国家对项目的最终决策，都是以科学定量分析的项目数据分析报告作为其判断项目是否可行及是否值得投资的重要依据。数据分析工作不仅广泛应用于经济发展的各个领域之中，而且贯穿市场运行的各个阶段，成为政府和企业在经营、决策过程中不可或缺的环节和工具，其分析结果直接影响着决策的成败。从一定意义上说，项目数据分析质量的高低反映着一个国家投资领域的发达程度和经济发展水平。
项目数据分析以专业技术的身份出现在经济、管理和投资金融等领域，成为21世纪信息化时展的新宠，被业界认为是未来十年内最有发展“钱景”的黄金职业，然而――
数据分析在我国仍属朝阳行业
数据分析在国外广泛应用于各个领域，但在中国仍属于朝阳行业。据2010年中国商业联合会数据分析专业委员会一项调查显示，我国数据分析行业从业人员迄今为止不足万人，正式注册登记的项目数据分析事务所只有80家，其中专职数据分析师仅一半多点，长三角经济发展较快地区也仅占3%。而在美国，年平均雇用项目分析师的职位占所有社会岗位高达7%到13%。总体上说，我国数据分析行业还处于发展初期，经营规模不大，制度建设和软硬件设施薄弱，社会认知度和影响力还较小，远远不能适应我国社会经济发展的需要。
为适应世界经济一体化的进程，彻底改变我国“项目数据分析”专业技术人才紧缺的现状，2003年，国家信息产业部根据国家财政部、国家发展和改革委员会关于规范长期投资项目数据分析方法、与国际接轨的总体精神，制定出了我国项目数据分析专业技术考试管理办法，加快了我国数据分析专业人才培养步伐。2008年6月，数据分析行业的全国性唯一行业组织――中国商业联合会数据分析专业委员会正式成立，为我国数据分析行业发展开新篇。从2005年4月，全国第一家数据分析事务所经工商部门批准在陕西成立到目前，我国相继己有北京、陕西、江苏、新疆、甘肃、山东、浙江、上海、黑龙江等14个省、市、自治区约80家项目数据分析专业机构进入中国市场经济舞台，涉及项目己从最初的分析评估业和金融业，扩展至会计师、投融资机构、政府审批和企业管理等众多领域。
项目数据分析作为国内新起步的朝阳产业，它充分弥补了旧有融资评估体系的诸多漏洞和不足。随着我国经济决策由“经验决策”向“数据决策”的不断规范，越来越多的政府机构和企业开始意识到数据决策的准确性、科学性和重要性，数据分析运用技术正逐渐走入人们生产、生活的决策视野。据了解，目前，仅投资咨询项目领域，我国每年就有逾百亿美元的市场份额。有专家预测，按照中国当前的经济发展速度，未来15年中国项目数据分析师的需求量将突破30万人，尤其是政府经济部门、金融机构、投资公司、房产开发以及创新型企业对项目数据分析师的需求正与日俱增。诚如一位老资格项目评估师所说：“之前凭经验办事，现在是用数据说话！”
中国数据分析行业正处在向规范化、标准化发展的大好环境和有利时机，然而，与国内数据分析行业先进地区比较，福建数据分析市场还是一片“荒地”。在中国东南部，目前只有福建还没有成立数据分析事务所，福建专业数据分析人才几乎是空白，这与福建经济快速发展及福建在海峡西岸经济区中居主体地位都极不相宜。要实现福建跨越式发展――
福建数据分析市场亟待开发
2011年4月23日，经中国商业联合会数据分析专业委员会批准，福建省福州项目数据分析师授权管理中心在福州正式挂牌成立，结束了我省项目数据分析师没有专业管理机构的历史。中心负责人黄诗茂说：“自授权管理中心挂牌以来，咨询、报名参加数据分析师培训的人数日趋火爆。省经贸委、省信息化局、省质量协会等部门都为中心工作开展提供强力支持，这充分表明了政府和社会各界对数据分析行业的高度重视和认识。”
改革开放以来，福建的经济和社会各项事业的发展发生了巨大的变化，特别是今年初省委、省政府提出以发展产业群、城市群和港口群为突破口，加快推进经济结构战略性调整的福建省“十二五”时期经济社会发展重要部署，以及国务院批准的《海峡西岸经济区发展规划》和省一系列鼓励民间投资政策出台，都为数据分析行业在我省发展带来新机遇、新机会。记者从省有关部门了解到，仅今年福建安排的重点项目就有526个，其中在建重点367个、预备重点159个，年度计划投资达2300亿元。福建省发展和改革委员会副主任石建平指出，今年福建在建重点项目建设快于去年同期4.7个百分点，城建环保、服务业、工业科技、农林水围垦、社会事业、交通、能源行业同比大幅增长，进度过半的项目有78个。一大批带动力强的重量级项目落地生根，推动产业集聚，形成产业集群，成为调整产业结构、推进跨越发展的强大引擎。有关人士分析，以这些重大项目建设为支撑和拉动，未来全省对数据分析专业工作者和数据分析专业团队必将带来空前的需求和商机，在这个大环境下，数据分析行业作为一个为科学决策、合理投资提供重要的参考和数据支持的我省新兴行业，肩负着更大的责任。
企业数据分析报告范文2
一、市场营销模拟实验教学中存在的问题
1.重策略执行而轻战略制定，企业整体运作意识不强
战略是企业发展的长期性、全局性指导思想，策略则是战略的具体化。从决策逻辑上来说，企业必须先确定营销战略，然后再根据战略制定策略。具体在营销模拟实验中，学生先要进行SWOT分析，明确企业的优势、劣势、机会和威胁;然后进行STP分析，把握各细分市场之间的差异性，明确公司的目标市场，确定产品的市场定位;之后再制定公司的具体发展目标，如市场占有率目标、销售额目标、利润目标，这些内容基本都属于公司战略决策的范畴，对企业后阶段的策略制定起着方向性的指导作用。但在实验操作实际中，很多学生对战略分析不够重视，把大部分时间和精力都放在了策略制定与执行上，热衷于进行新产品的开发、新品牌的推出、价格的制定与调整、渠道的选择、广告促销等，至于为何要这样去制定和执行，以后要怎样去制定和执行，则缺少全盘考虑。实际上，由于学生前期的战略分析不全面，战略目标不明确，很多策略的针对性和实用性不强，甚至有些策略就凭主观感觉或估计来确定。
2.决策过程不严谨，数据分析能力弱
由于市场环境越来越复杂，决策风险越来越大，企业的决策日趋客观严谨，决策中越来越重视数据的支撑作用。数据是市场的真实反映，揭示了事物发展的客观规律，本身就是决策的重要参考，培养学生的数据分析能力和严谨思维也是营销模拟实验教学的一个重要目标。市场模拟营销实验中包含大量的数据，比如销售量、销售额、增长率、利润额、利润率、生产成本、投资收益率、知名度、股价等等，另外还有许多图表，如折线图、饼形图、柱状图及矩阵图等，每一次营销计划执行后，这些数据或图表就会发生相应的变化。这些数据中蕴含着丰富的市场信息，非常值得我们去挖掘，但这些数据或图表并没有被学生很好地利用，学生对数据的敏感度不够，不擅长去分析其中包含的信息，对它们的认识有些表面化，往往是在进行简单的了解后便很快制定出营销策略，决策过程欠严谨。
二、市场营销模拟实验教学的优化对策
1.科学分组，确保竞争公平
为使每一位同学都能始终保持实验兴趣，也为了保证小组竞争的公平，教师在实验开始前必须对全班进行科学分组。分组时要考虑以下几点:首先要确定每组的人数，每组人数不宜过多，太多了影响决策效率，还可能导致人浮于事，一般三人一组比较好，团队比较精干，也便于协商或讨论;然后要确定小组成员选择标准，每一小组至少要有一位专业能力相对突出的同学，以保证决策过程的专业性和合理性，并带动其他同学积极参与。确定组队标准后，学生可以先行组合，然后把组队名单交给老师，老师根据实际情况对各组成员进行适当调整，尽量使各组的实力保持相对平衡。
2.突出战略决策，做好市场分析与战略定位
企业的决策需要有战略思维，要预先做好市场及产品的规划，在此基础上再制定出不同阶段的营销策略。为此企业需要对营销环境做出全面细致的分析，了解企业的优势、劣势、机会和威胁，并在市场细分的基础上做出目标市场的选择，确定产品在目标市场的定位，最终形成成熟的营销方案。这种战略分析能力体现出了学生的宏观视野和逻辑思维，但往往也是很多学生的弱项，需要教师在实验环节中予以特别重视，通过一系列强化训练来培养。比如要求学生在每次实验中必须提交两份战略分析报告，一份是SWOT分析报告，一份是STP报告，报告中必须对营销环境、战略定位、营销目标做出详细分析和具体明确，并阐述原因和依据，在分析报告没有提交之前，不能进入下一个实验环节。在每一年度的营销实验结束后，教师还要对全班所有同学的分析报告进行评比，将评比结果作为期末成绩的参考。通过这种硬性规定，让学生重视战略分析，逐步提高从全局把握问题的能力。
3.强化数据分析，做到严谨决策
数据分析能反映一个人看待问题的深度以及思维的严谨性，但对于很多学生来说，由于营销分析工具掌握不牢固，对数据分析的方法比较生疏，难以从多个数据中发现事物之间的内在联系或规律，更多是根据主观感觉或个人经验，再结合一些表面的数据来制定营销对策，决策过程存在某种随意性。为改变这一不良决策习惯，教师在实验中必须强调一点，就是所有的决策必须有数据支撑，必须有数据分析，用数字说话。这并非提倡决策的数据主义，只是强调严谨决策的重要，这种训练对学生以后的行为习惯和逻辑思维将产生积极影响，让学生更理性地看待问题和解决问题。以营销模拟实验中的广告投放决策为例，就要求学生先了解企业本年度的营销预算、广告的目标、媒体的成本、媒体的传播效应、企业目前的知名度等数据，然后对这些数据进行科学计算，得出广告投放的时间、次数和费用，而不能凭估计随意给定一个数字。
企业数据分析报告范文3
关键词：财务分析；报告；认识
中图分类号：F276 文献标识码：A 文章编号：1001-828X（2012）07-0-01
当前，企业面临的市场竞争环境越来越激烈，企业生存、发展和获利也变得不确定，企业利益相关人为了自身利益的需要，希望及时、全面和客观了解企业的财务经营状况，以便做出正确的决策。而财务分析报告能直观的揭示企业经济内涵，满足管理层、债权人对企业经济活动的事前、事中预测和决策分析的需要。但作为财务工作人员，一般长于实务处理而短于财务报告的分析，苦于无问题可分析或拘囿于模式化分析。为此，笔者结合工作实际，谈谈自己对如何提升财务分析报告能力的认识。
一、财务分析报告概述
1.财务分析报告的类型
财务分析报告按内容划分为综合分析、专题分析和简要分析报告。综合分析报告是对企业整体财务情况进行分析，涵盖了企业所有财务报表的分析，主要用于年度、半年和季度财务分析，属于定期财务分析的范畴。它具有涉及面广，信息量大的特点，对财务报告使用者做出各项决策有深远的影响，也是企业财务分析报告最主要的内容。专题分析报告是对企业经济活动中的重大经济问题或薄弱环节进行专门分析，属于不定期财务分析的范畴。它具有时间不固定、分析事项单一的特点，利于财务报告使用者解决企业的特定问题。简要分析报告是对主要经济指标进行概要的分析，主要用于月度或旬的财务分析，属于不定期和定期财务分析的范畴。它具有简明扼要、重点分析的特点，主要反映企业特定财务指标的分析或预测今后发展趋势。
财务分析报告按分析时间可分为定期分析报告与不定期分析报告。定期分析报告主要受到财务制度强制性规定，主要向外部利益相关人提供企业一定时期的财务状况，如综合分析报告。而不定期报告不具有强制性规定，主要用于内部管理者对企业进行财务分析和财务决策，如专题分析报告。
2.财务报告的分析方法
财务分析方法主要有比较分析法、比率分析法和辨证分析法。比较分析法、比率分析法是基础的分析方法。比较分析法是通过对经济指标在数据上的比较来揭示经济指标之间数量关系和差异；比率分析法是将两个性质不同但相关的指标加以对比，找出客观联系。辨证分析法是财务报告分析最重要的分析方法，主要按照寻找差异-分析原因-措施建议的程序，揭示比较分析和比率分析中反映出企业财务报表中的变化和存在的问题的原因，通过对问题的深入分析，提出合理可行的解决办法并形成相应的财务分析报告。
二、财务报告分析常见问题或不足
1.财务分析报告高度不够
财务分析报告的编制是财务部门，而阅读者主要是企业管理层，由于受到部门的局限性，财务分析报告只能站在财务的角度，而难以站在企业管理的高度。易出现“就财务而财务、就数据而数据”的问题，财务分析视角难以拓展，不能将指标数据和数据背后的经营实质联系起来。这种与企业管理脱节，不能满足企业管理层“真正想了解的信息”，只能称为数据的罗列表述，而不是真正意义上的财务分析报告。
2.财务分析方法不科学
企业经营是一个动态的过程，财务报表数据虽然是静态的，但这种静态是相对的，而动态是绝对的，所以财务分析报告需要树立辨证分析法的观点来分析静态的数据。目前，存在问题是分析方法不科学，习惯于静态分析，靠经验来判断静态数据背后的动态问题。造成无法揭示问题的本质，结果只能是“抓大放小、避重就轻”。
3.财务分析整体性差
在进行财务分析时，只有将多种指标结合起来，从整体上进行分析，层层深入、递进式分析判断，才能深挖出指标背后的问题。财务报表分析人员在进行财务分析时，常常习惯于单项指标分析和判断，比如一个财务指标数值受到多种因素的影响，但分析时一般局限于一个指标进行反复分析，鲜于举一反三的分析。即使进行多个指标综合分析判断时，一般也只是将各个指标数值简单地加权计算，而没有将各个指标数值之间的因果关系有机地联系起来，更难以分析出指标背后的经济实质。
三、如何提升财务分析报告能力
1.充分了解财务分析报告的目的
首先，在撰写财务分析报告之前要明确分析报告的类型，有针对性的收集资料，以提高分析的效率和效果捕捉报表使用者希望“真正了解的信息”。其次，要辨证的进行财务分析，不同指标用于不同的财务分析目的，结果也不同，所以应辨证看待分析结果。比如资产负债率指标，当评价企业偿债能力时，是越小越好，但用于财务杠杆分析，高的资产负债率，可能表明企业充分利用财务杠杆效应，对企业财务最大化不是劣势而是优势。再次，要了解财务报告对象不同，对于对外公布的财务分析报告，应使用约定俗成的语言，注重分析的完整性，防止社会公众的误解。对于企业管理层使用的财务分析报告，语言力求通俗易懂，要重点进行问题分析。
2.注意财务分析报告格式的规范化
财务分析报告属于写作的范畴，但不同于一般的文学作品，其更倾向于公文类的模式。财务分析报告内容一般包括前言段、说明段、分析评价段和建议措施段，根据分析目的不同可能有所取舍。一是要先草拟提纲和段落层次，然后搜集整理相关资料，确定分析方法，按照找出差异—原因分析—建议措施步骤来反映问题和揭示问题。二是要注意分析的广度和深度，有所侧重。分析问题过广可能使财务分析报告抓不住重点，但分析的过窄可能使问题交代的不清楚。三是在财务分析报告形式上可以充分利用计算机应用技术，采用文字处理与图表相结合的方法，使财务分析报告形象生动、一目了然。在格式上力求简明扼要，对重大差异或重要的指标应标以特殊符号，以引起有关方面的重视。
3.财务分析报告应注意的事项
一是财务分析报告的写作人员要注重素材积累，多了解一些宏观经济情况，把握企业财务状况以外的客观原因。要重点搜集同行业竞争对手资料，因为同行是财务分析最好的“参照物”。二是要注意横向和纵向沟通，横向要和企业其他部门沟通，以全面了解企业经营情况，防止企业财务分析报告出现“坐井观天”现象。纵向要向企业管理高层多汇报、多请示，以了解企业未来经营战略的方向，吃透企业政策，使财务分析报告发挥“导航器”作用。三是要注重财务分析报告文字表达，行文要尽量流畅、简明，避免口语化。同时对财务数据多角度分析，避免轻易对财务数据下肯定结论，防止不准确的结论误导财务报告阅读者。
参考文献：
[1]张新民,钱爱民.企业财务报表分析[M].清华大学出版社,2007.
企业数据分析报告范文4
一、教学内容的改革
环境科学研究方法的教学内容分为理论教学和实践教学两个部分。理论教学内容主要包括实验设计、数理统计、假设检验、方差分析、相关回归等数据分析方法。结合本校环境科学的专业特色，本科毕业生多从事农业环境监测与评价方面的工作。从而要求该课程的教学内容与农业环境监测的特点相结合，在数据统计分析例题方面主要强调监测类数据的总结和分析，建立实用性较强的教学体系。目前，这门课程还没有适合的教材，以往教材理论部分过于强调数理统计的原理和方法，深奥难懂，与环境科学专业的结合性较差。因此该课程需从以下几方面进行教学内容改革：
1.强调基本理论的应用性
我们采用盖均镒编著的《试验设计与数据分析》，改革传统的教学内容，根据农业院校环境科学专业特色，听取专家建议和学生反馈意见，自编讲义，引用环境科学类实验数据进行整理分析，提高对数据分析的实际应用性。另外对课本上面繁杂的数理统计公式进行简化式教学，主要强调公式的实际应用性，忽略复杂的推导过程。
2.课程内容紧密结合学生的毕业方向
根据专业特色，明确学生就业和考研这两个毕业方向。课程学习以毕业方向为指导，就业学生主要侧重学习环境类监测数据的获取和分析。考研学生则更侧重环境类实验的设计与实验数据的整理与分析。学生认识到学习该门课程与自己毕业紧密联系，会激发学习热情，主动获取更多的知识为就业或考研做好准备。
3.课程内容与时俱进
利用信息网络，强调课程内容的新颖性，把握环境科学研究方法的发展动向，在理论学习的同时，介绍全新研究方法的进展和前沿领域。并适当结合科研文献，分析新颖的环境类实验设计方法和数据分析方式，给课程学习注入活力。
二、实践教学的改革
实践教学是环境科学研究方法课程学习的重要环节，实践学习培养学生设计实验、全程参与，带着问题主动学习，从而实现对应用型创新人才的培养。我院该课程实践教学改革主要从课堂实验、参与教师科研课题和分析企业监测数据三部分实现。
1.课堂实验改革
实验课采用自主编制实验教材，学习SPSS软件对实验数据进行整理、归纳、分析和推导。适量增加环境科学实验设计性和综合性实验，让学生全程参与实验设计、实验布置、实验管理和实验数据分析各环节，提高综合性实验的效果。其次，以环境实验数据为实例进行分析，实现数据的整理和深层次挖掘。还利用多媒体课件和FLASH动画仿真技术展示实际生产工艺以及环境类监测数据的获取过程，使得课堂讲解生动清晰，有效提升授课质量。
2.参与教师的科研课题
把本科学生进行分组，根据环境科学专业的师资情况，分组参与教师的科研课题。结合大学生创新立项项目，培养学生的自主科研思维。学生在教师的指导下查阅文献，根据实验目的设计实验内容，并安排实验进度开展具体实验工作并分析整理实验数据，培养其创新和科研能力。
3.分析企业监测数据
让学生利用现有的理论知识整理和分析企业监测数据，提高学生解决实际问题的能力，实现课本知识与解决实际问题巧妙的结合。学生自主完成数据分析报告并组织报告展示，真正做到学以致用。
三、考核评价体系的改革
企业数据分析报告范文5
在移动应用方面，娱乐需求地位稳固。移动即时通信依然是网民的首选，游戏的日均使用时长最高。腾讯系应用的布局最广，横跨社交、视频、应用商店、浏览器、音乐等多个领域，而应用渠道中，360手机助手的用户覆盖率达32.1%，居各渠道之首。
此外，报告显示，移动互联网已经度过了需求集中于通信与社交方面的“萌芽期”和以购物与娱乐为代表的“初步发展期”，迈入到“高速发展期”。这一时期，出行、医疗、教育、餐饮等与生活密切相关的细分领域应用纷纷涌现，多元化生活服务为用户带来极大便利，线上与线下联动（O2O）成为趋势。典型应用的不断涌现，也让O2O行业迎来用户增长与资本市场融资双重热潮，移动端的消费闭环正逐渐形成。
在以智能终端为主要载体的移动互联时代，聊微信、刷微博、玩游戏、手机支付等大量移动应用，让越来越多用户贡献了海量的数据。深入整合、挖掘这些大数据，企业能够提高对市场的洞察，增强竞争优势，改变他们的运作甚至是完全变革商业模式。但是，大数据分析因为技术和投入的门槛高，在国内市场还处于初级阶段，往往只具有简单维度的统计能力。而技术成熟的互联网巨头推出的大数据分析报告，又因其定位原因很难保持中立。
TakingData数据服务部高级总监陶京琪表示：“TalkingData长期钻研分布式运算架构、海量数据处理、数据挖掘算法，大数据已经成为骨子里的基因。期望TalkingData中立、专业、多维的大数据服务能够在已成红海的移动互联网领域，给更多公司带来更多价值。”
从创建之初，TalkingData就定位于“第三方的中立数据平台”，对于使用移动数据的企业来说，扮演的是桥梁和裁判的角色。据介绍，此次的报告，TalkingData使用自己研发的移动大数据统计分析平台，将10亿移动智能设备数据作为数据蓝本，从多个维度对移动互联网用户数据进行对比分析，为移动数据使用者提供真实可靠的行业观察结果。
企业数据分析报告范文6
今年，IBM向与会者展示了其面向大数据时代的诸多新产品和新方案，并遵循提供整体解决方案的理念，结合IBM自身的优势，从服务、实施和方法论等多个方面，为企业用户提供了颇具参考意义的大数据实施范本。
大数据分析需求将增长20%
在未来5年内，全球IT市场对大数据分析人员的需求将增长20%以上——IBM商业分析部总经理Les Rechan这样告诉我们，这是因为对企业而言，无论是客户管理、运营、风险控制、采购还是IT，都与大数据分析密切相关，都需要依据大数据分析的结果来进行和改进。
要满足这种需求，必须将大数据分析的思想注入企业文化，并为之打造新的架构，创建大数据分析的平台，在此基础上，实现管理风险的可控。
IBM积极提升自身提供大数据分析工具的能力，以让更多的技术人员成长为合格的大数据分析人员。据IBM高级副总裁兼软件与系统集团执行总裁Steve Mills介绍，在过去的一年里，IBM总共花了200亿美元进行收购，以“进入由大数据带来的卓越决策世界”。
IBM大数据实验室总监Aya Soffer表示，收购对IBM来说是好事，意味着IBM不需要重新进行创新，而只需要把主要精力放在整合和提升收购的产品上，因为收购来的产品已经具备了一定的技术沉淀，IBM大数据实验室的使命之一就是对新收购的产品进行一定的技术上的合作和改进。
通过收购和自主研发的双管齐下，IBM离“利用大数据分析获得卓越决策”的目标越来越近——其InfoSphere分析产品提供市面上任何其他产品4倍的性能，而且通过BLU加速器，该公司的相关产品拥有比同类产品快38倍的数据处理速度。
进一步，IBM将其大数据分析产品与云计算有机结合起来。IBM最近收购的SoftLayer正迅速成为其云产品组合的基础。值得一提的是，IBM斥资20亿美元收购SoftLayer后的4个月里，已经增加了超过1000个新客户。
在本次大会上推出的BLU加速云（）的早期试用预览版展示了IBM用于内存数据库和数据仓库的业务分析技术。同样在大会上宣布的用于IT基础设施优化的IBM 智慧云预测分析洞察（SmartCloud Analytics Predictive Insights）软件旨在将IT系统中的操作数据和日志文件转化为商业智能。IBM表示，使用智慧云预测分析洞察软件，企业可以实时筛选TB级大小的IT运营数据，并仅着眼于那些对IT网络性能至关重要的趋势。该软件可以对企业的IT系统进行学习、推理和感知。IBM称，该软件还能随着业务和系统性能状况的变化，适应因系统配置较差造成的错误，并通过不断地更新设置主动清除这些错误。
在这些系统性工具的帮助下，大数据分析人员就能高效便捷地完成分析工作，实现对决策的有效支撑。
实时性是分析的关键
IBM院士、实体分析首席科学家Jeff Jonas指出，目前来看，业界内企业对大数据的理解各有不同，对到底什么是大数据并没有形成统一的认知。
“在大数据的应用上，有的企业所做的是从数据中挖掘出价值，有的企业则试图用大数据解决原来用传统手段无法解决的问题。需要指出的是，大数据并不只是Hadoop。Hadoop指的是一个批量分析的过程。”Jeff Jonas表示，在IBM所提出的有关大数据的4V（数量Volume、多样性Variety、速度Velocity和真实性Veracity）说法中，速度是非常关键的一个因素，例如，当用户要基于数据分析的结果来决策股票交易行为时，他希望越快越好。如果分析报告需要1个小时之后才能拿到，这实际上对该用户的决策基本上没有任何意义了。
因此，IBM特别强调了大数据分析的时效性，力图缩短分析时间，提高时效性，这样就可以最大程度地给决策提供价值。IBM在这方面的典型技术就是流处理技术，该技术能够实时对数据进行处理。以IBM研究了5年、研发代号为G2的技术为例，这就是一个典型的实时进行大数据处理的技术。
在大数据领域，令Jeff Jonas感到惊喜的有三个重要的发现。他兴致勃勃地分享了这三个发现：“首先，我们发现数据是呈现正态分布的，这为数据应用提供了良好的基础。第二，‘坏的数据’不再令人厌恶，而是成为了我们的朋友。‘坏的数据’往往是因为人为因素造成的，这种‘坏’可以通过自我修正机制来纠错。一个典型的例子就是Google的搜索，当你输入一个（错误的）关键词之后，Google会根据你的输入结合常见输入给出推荐的搜索关键词和相应搜索结果。第三，跟人的直觉相反，（已有的）数据越多，计算反而越快。这可以用拼图来解释，当拼图已经完成了大部分（已有的数据）时，需要的计算量会非常小，而在拼图刚刚开始时，需要的计算量就很大。这是数据相关性带来的好处。”
不过，他又补充了一点，虽然要把“坏的数据”当成朋友，但并不意味着可以盲目放弃数据的准确性，“显然，在我们的控制能力范围之内，数据仍旧需要尽可能地精确。而在我们的能力控制范围之外，大数据技术本身就需要解决（数据精度不够的）类似问题”。
IBM大数据的三个方向
要了解下一阶段IBM在大数据领域的动向，IBM大数据实验室总监Aya Soffer女士最有话语权。在她的领导下，IBM全球12个实验室在大数据领域孜孜不倦进行着研发工作。
