“大数据”作为IT领域的关键词不断被大书特书，对其分析利用也备受关注。另一方面，靠IT技术、现有的组织和人才技能解决不了的难题也渐渐浮出水面。这就需要“分析数据及其与业务相结合的技术”。下面，我们来看一下大数据时代企业所需的技术有哪些?

业务技能

这里的业务技能不是指提高业绩的能力，而是指将业务过程标准化、掌握各个过程中哪些信息需要输入、记录等能力。

以经营活动为例。通常，将一些促销活动的问卷调查中有望成为真实客户的顾客信息录入CRM(顾客管理系统)系统，销售负责人在此信息的基础上开展营销，顾客感兴趣的产品、服务等将作为数据输入CRM系统。接下来，如果顾客购买了产品，在结算系统输入结算信息，如果是货物的话在物流系统输入、生成物流信息。像这样，掌握数据是在哪一过程中、什么活动中生成的非常重要。

此外，哪一过程、或者在哪一过程生成的数据会对业务的结果产生较大影响等，与其感性估计，不如对相关数据进行分析、形成模式化。例如，与顾客的年龄、性别相比，从事哪种职业对购买概率的影响更大等。

数学技能(模式化、样本化)

其次是分析数据所需的数学技能。此前，说到分析业务数据的技能的话，都是些求合计、平均值和标准差等简单的统计学知识，但以后，通过分析数据研究出业务的规律性，形成“模式化”、“样本化”技术非常必要。这在科学界是一种常见手法。例如，理想气体状态方程“PV=nRT”，就是将气体的状态用模式化的公式表现出来。

同样，在业界，也需要将商业活动的状态形成公式化的分析技术。例如，连锁超市可以根据店铺的位置，计算出各种条件下(销售业绩、天气、气温、星期几等)的客流量和每种商品的销售额，找出规律，就可以做出更适当的调整，也能减少亏损、改善盈利。

IT技术

IT技术也不可或缺。首先，就是与数据库相关的技术。需要分析的数据保存在哪儿、AGE和JOB等数据库中涉及到的项目怎样与实际业务术语相结合 等，现在都可以通过IT手段来实现。但是，目前大多数企业面临着业务之间的业务术语不统一、数据库零散不成规模等问题，仍然还有很多要依靠人来解决的东 西。

今后，通过IT技术解答公式的能力将越来越重要。例如，假设商品的销售额与顾客年龄的关系，用公式“销售额=a×年龄”来表述，系数a就可以通过 IT技术求出。这是非常简单的线性回归问题，数据量小的话就可以用Excel等电子表格软件求出a。此外，也可以用SPSS和R等专业统计分析软件。更复杂的情况，就需要创建一个程序来求系数，拥有此项技术的IT工程师就可以说是珍宝了!