为什么要投入这么多资金去发展大数据-业务架构
最近发觉老是被别人问一个问题，“如何说服老板花大价钱上价格昂贵的大数据？”。
确实也是啊，我们的商务智能感觉上就是一个报表系统，基本上就是为了满足业务基层所做的事情；而就算我们从数据挖掘中得出的分析结果，也无法确定是否能够影响盈利、影响会有多大；另外市面上这么多的大数据产品，能做出真正的大数据拿出来吹牛逼的，毕竟是少数。怎么能保证上的这个大数据，不給别人怼死呢·？
整理一下：
1、数据分析在企业里的体现？
2、数据的价值如何体现？
3、数据竞争中如何成长生存？
再整理一下：
其实这是一个业务架构的问题。
1）、BI是一个辅助决策系统
为什么我们会有BI就是一个报表系统的错觉呢？1)、因为我们从BI的数据源头去定义商务智能这个事情，而一般企业都通过ERP去高度集成数据，如果我们没有明确的分析目标，很容易就会掉进ERP这个坑（需要取数的时候，直接来一句这个数据ERP有啊，素不知其实数据分析需要更细维度更全面的数据）。这就导致BI和ERP的高度重复，完全没有体现出商务智能的价值（这种情况下：对的，没错！我们就是在做一个报表系统）；2)、另外就是我们做“报表系统”的时候站的高度不够，很多时候我们都是直接跟底层人员进行对接。其实在整个企业中最能掌管接触公司战略方针的是企业的高层人员，我们做决策辅助当然是要对口能够统筹企业的高管了。
2）、如何确定分析的价值
数据分析很多种分类，有从问题产生原因研究的，也有研究过去的历史情况得出规律的，也有研究预测未来的。我觉得比较适合的有以下：
描述性分析：大多数业务都是从描述性分析开始的，使用数据来理解过去和现在的商业模式，并且做出有根据的可靠决策
预测性分析：研究历史数据，探索这些数据中存在的规律关系，从中推断预测出未来。
规定性分析：从无限数据点和计算中得出规律。
决策模型：建立数学模型，通过输入的特征对计算的行为进行评分，从而计算出最佳结果。
但是无论如何分析，大家最终的目的都是指向于机器自动化的。因为人没有掌握批量实时运算超大量数据得出最终结论的能力。机器通过学习总结并得出结论帮助人类提升自我是这个时代的主节点。
BI是一个商务决策类的系统，不同与业务系统为了管控业务流程。其俩主旨是不一致；即使是同一个企业不同的时期，分析的方向也会不一致，所以商务智能绝不是仅仅的把业务数据展现起来。
3）、数据分析如何帮助企业解决问题
丰田解决生产问题的八步法，其实应该算是一种思维方式。但是，我觉得用来套在数据分析办法上是非常有效的。我们新产品的销量为什么下降了呢？是生产没跟上，还是市场需求下降了呢？市场需求下降了是因为定价问题吗？客户觉得定价偏高，是我们成本降不下来还是其他原因呢？业务经理没有推销是因为绩效问题还是产品问题呢？。。。。？只有把问题层层的分刨下去才能知道问题最根源的地方。
借助数据分析可以把管理学上有个PDCA（Plan-Do-Check-Action）闭环理论很好的执行下去。我们可以知道我们的计划编排如何，执行得怎样，执行中发生了什么问题，最后我们又是通过什么手段去解决问题的。
4）、市场竞争的重要性
待更新
5）、了解了数据分析的重要性后，还要知道我们自身的数据分析产品在市场的情况。现在可能体现不了价值，但是拥有了更多的数据，就拥有更多的分析的可能；比如某制造业公司如果他的数据分析方向偏向于智能制造，在这块大数据领域还属于起步阶段，发展很有潜力。又或者某面向企业的金融公司，他的风控模型是面向企业的，而因为企业的维度已经给高度整合了，如何评定企业的优劣还要有更先进的模型算法。
6）、数据分析方向的重要性
待更新
关于商业战略的角度，我比较建议从《商业战略画布》这本书中，详细具体待更新呗。。。。
https://en.wikipedia.org/wiki/Prescriptive_analytics
blog.sina.com.cn/s/blog_9db0d3ed0102wbe3.html
http://www.thebigdata.cn/YingYongAnLi/13166.html
架构漫谈（九）：理清技术、业务和架构的关系:http://www.infoq.com/cn/articles/an-informal-discussion-on-architecture-part09
业务分析师和业务架构师角色的对比引发热烈争论:http://www.infoq.com/cn/news/2012/05/analysts-architects/
数据分析和商业智能的区别：https://www.zhihu.com/question/19893070
