海量数据扩大了算法和以机器为媒介分析的运筹领域。例如，在部分制造企业，算法对生产线的传感器信息进行分析，形成了自我调节的流程，从而减少了浪费，避免了代价高昂(有时十分危险的)的人为干预，最终提升产量。在先进的“数码化”油田，仪表不时读取有关井口状况、管道和机械系统的各类数据。这些信息由一组计算机进行分析，并将结果输入实时运营中心。后者则调整油量以优化生产和最大限度缩短停机时间。一家大型石油公司因此减少了10-25%运营成本和员工成本，产量提高了5%。
现在，从复印机到喷气发动机等各种产品都可以产生能跟踪其使用情况的数据流。制造商能够分析输入数据，并有可能主动纠正软件缺陷或派遣服务代表到现场维修。一些计算机硬件供应商正收集和分析这些信息，在发生故障导致客户运营中断前未雨绸缪，提前维护。这些信息还可以用于实施产品变化，预防未来的问题发生或提供客户使用信息，对下一代产品开发提供灵感。
部分零售企业也走到了利用 “大数据”时代的前沿：它们运用“情感分析”技巧，发掘使用社交媒介的消费者产生的海量数据流，及时掌握新营销活动的反应，并适时调整战略。有时，这些方法使常规反馈和调整周期缩短了数周。
无独有偶。一家全球性饮料企业将外部合作伙伴的每日天气预报信息集成，进入其需求和存货规划流程。通过分析特定日子的温度、降水和日照时间等3个数据点，该公司减少了在欧洲一个关键市场的存货量，同时使预测准确度提高了大约5%。
取得的成效是业绩改善、风险管理能力的加强以及洞察能力的提升(要是缺乏海量数据，这种洞察或许会继续隐藏，无人知晓)。随着传感器、通信设备和分析软件价格的持续下降，越来越多的企业将加入这场管理革命中。
海量数据正催生采用信息化业务模式的新一代企业。它们在价值链中扮演中介角色。它们发现自己正在通过业务交易产生的“废弃数据”形成宝贵信息。例如，一家运输公司在经营过程中意识到自己正在收集全球产品运输的海量信息，于是创办了一个业务部门，专门销售为企业和经济预测提供辅助的信息。
一家跨国企业从制造业转型过程的自身数据分析中学到的东西是如此之多，以至于它决定创办一家公司为别的企业提供类似服务。现在，这家公司为一批制造业客户收集车间和供应链信息，并销售改善客户业绩的软件工具。目前此项服务业务的业绩要好于企业的制造业务。
此外，海量数据也在大幅改造着数据集成行业。这是从诸多来源汇总和分析信息，为客户产生洞察的行业。例如，在医疗业，一批新进入者正在集成临床、支付、公共卫生和行为信息以形成更加完善的疾病资料，帮助客户控制成本和完善治疗方案。
随着价格信息在网上及线下大量扩散，企业家正提供自动编辑数百万种商品信息的比价服务。从零售企业的角度看，这种比较可能是一种破坏力，但对消费者而言却创造了巨大价值。研究表明，使用此项服务的人可以平均节约10%的成本。
截至目前，我们强调了海量数据带来的战略机遇，但领导人还必须考虑到一系列副作用。人才是其中一项。我们的研究表明，单单在美国，对拥有深厚的海量数据分析(包括机器学习和高级统计分析)技能人才的需求，可能超出目前预测供应量的50-60%。到2018年，需要新增多达14-19万名专家。此外，还需要如下人才：150万名熟悉如何应用海量数据的管理者和分析员。企业必须加大招聘和人才挽留力度，同时大力投入关键数据人员的教育和培训。
“大数据”经常需要的对个人信息获取渠道的拓宽也会令另一问题进入聚光灯下，那就是隐私和便利性之间的冲突。例如，我们的研究表明，消费者受惠于海量数据：更低的价格、更符合消费者需要的商品，以及从改善健康状况到提高社会互动顺畅度等生活质量的提高。5 但同时，随着个人购买偏好、健康和财务情况的海量数据被收集，人们对隐私的担忧也在增大。
数据安全同样如此。我们描述的趋势往往与加大信息开放度、设计新的信息收集设备以及为海量数据的庞大存续和分析需求提供支持的云计算等如影随形。带来的副作用是IT基础架构将变得越来越一体化和外向型，对数据安全和知识产权构成更大风险。有关领导人应如何应对的部分建议，请参见《迎接互联网安全的挑战》。
虽然企业领导人把大部分精力集中在“大数据”对其自身企业的影响上，但我们调查的企业层面的各类机遇也有着更为广泛的经济意义。我们的研究显示，在医疗、政府服务、零售和制造业，“大数据”可以每年提高劳动生产力0.5-1个百分点。全球这些行业创造了数百亿美元和欧元的新价值。
事实上，海量数据可能最终成为决定国家，而不仅仅是企业如何竞争和兴盛的关键因素。毫无疑问，它们给努力寻找实现更加快速增长的经济体带来一线希望。通过投资和前瞻性政策，企业领导人以及政府领袖可以充分利用海量数据的好处，而不是被其迷惑，不知所措。
Brad Brown 是麦肯锡纽约分公司资深董事;Michael Chui是麦肯锡全球研究院资深研究员，常驻旧金山分公司;James Manyika是麦肯锡全球研究院资深董事兼旧金山分公司资深董事。
版权：Mckinsey Quarterly
