我跟大家分享一个小故事，我的团队跟国内的一个网游公司有合作，他在整个中国的网游平台占有率是百分之八十几，网上游戏公司，就是通过游戏的软件，来进行商业价值的创造。他们也借助大数据，大数据分析平台的技术，有30%的现在的业务价值，是跟网络游戏是完全没有关系的，他所做的是什么动作？就是我前面所说的，他把很多客户，网络游戏玩家，在玩游戏的时候，因为我有各种各样的网络上的点击，对各种各样的不同的网站，有访问的行为规范，他全部是通过日志的方式，就是我们所说的网络日志的方式进行存储管理。这样对不同年龄段的网络游戏的玩家，各种行为了解的很清楚。他就是通过对网络游戏玩家的认知，他作为一个数据的提供商，跟广告提供商等进行合作，产生了很多的经济效益。
说到大数据分析，如果在电信行业，大数据分析大家可以想像成为电信行业的一个中枢神经的作用。我是抛砖引玉，因为选择借助大数据，和大数据的分析，我们不但可以对大量、海量的数据，和时效性的数据进行存储、管理和分析，我们能够产生各种各样的关键的KPI认知。这就为我们提供很多商业的价值。
大数据分析不仅仅提高了我们的企业在本行业的经济竞争力，我前面也提到，因为大数据分析的问世和介入，他其实也给我们的企业和机构，提供了多行业之间的合作。我想跟大家分享一个小案例。这是华尔街的一个期刊杂志报道的，我们在欧洲有一个通信服务商，通信服务商他有各种各样的移动服务，包括电视媒体的服务等。他跟当地的一个零售业者进行合作。通过两者强强合作，零售业能够借助的通信服务商，有关这些客户他们在网络浏览的习惯，他们关于电视频道的选择，观看的喜好，对客户有更多的认知。这样当这些客户到他们的零售业者去进行购买的行为的时候，他能够非常有针对性的提供一些优惠券，或者是一些推荐服务。
相反，另一方面我们的这些通信服务商，也借助零售业有关客户的认知，通过他们的购买行为个人喜好的认知，然后也能够更精准的对这些特定的通讯服务商，能够更精准的对他广告的设计，根据不同的区域，根据不同年龄段，根据不同的性别，能够更优化的制定他的广告的策略，这样也大大的提高了他的广告收益。
大数据分析，现在真正是提供了多行业之间的协同的合作的机会。这也是我的团队在欧洲跟一个当地非常著名的汽车制造商有一个合作，我们跟他们签署了一个十年的战略合作伙伴的机会。通过这个合作我们所做的事情是什么？我们在汽车内部装了传感器，这个传感器不但能够搜集汽车行使过程当中，汽车内部关键零部件的所有的信息，而且能够搜集其他汽车的信息和所处交通环境的信息。因为传统的汽车制造商他就借助能够给所有的汽车驾驶员提供增值服务。这个是他商业模式升级的一个，他最大的一个大数据分析，给他的革命性的变化就是这个汽车制造商，现在还专门成立了数据的公司。
他们将这些大量的数据拿到以后，制造出各种各样的数据的产品。他将各种各样的数据产品，卖给他商业厂家，这是他整个的商业模式中，营收逐年的增加。不仅是我们把传统的汽车制造商，跟数据提供商这两个截然不同的角色现在通过大数据的分析连在一起，现在也造成了我们跟政府进行智能交通管理，我们跟电信运营商，因为电信在物联网的解决方案当中，也起到了非常重要的作用，而且跟保险业。现在保险业也基于这样的一个解决方案，如果提出新的保险业务。大数据的分析，造了根据行业的协同合作。如果各位朋友回去看看你自己企业的数据资产，可能您在制定您将来的商业模式的时候，我会给大家一个启迪就是说，不仅仅是看本行业，可能还要想象一下。因为我们说大数据，就要有丰富的想象力，如果跟跨行业的其他行业做一个协同的合作。
我最后想跟大家分享一下，我们前面所说的大数据，大数据分析，大数据的业务价值，后面有一个很强的大数据的战略来支撑。说到大数据的时候，一定是一个大胸怀。我借用大数据运用非常成功的一家企业他的首席分析师的一个引用，也跟大家分享一下。大家在考虑到大数据的时候，一定有一个大胸怀。大数据不仅仅是hadoop.我们在考虑整个大数据的时候，往往是多元的。第一您需要有一个大数据的平台，这个大数据的平台。
我前面所说的大数据的定义是4个V，大量、海量、多样性、流动性。有几个关键的数据引擎，可能是您需要关注的。如果你对大量的静态的非结构化的存储管理和分析，可能会用到分布式并行的数据引擎，业界有基于hadoop的数据引擎。阿里巴巴他们也是对hadoop进行了更进一步的自我的优化，你需要一个分布式的并行的处理引擎。
对时效性的数据，你可能考虑流计划，这种数据引擎能够对大量的流动性的时效性的数据进行实时的在线的分析。我们传统意义上的数据仓库仍旧是大数据平台当中，对关系性、结构化的数据存储管理和分析的一个重要组件。说到大数据的时候，仅仅有大数据的平台不够，我们要有分析的功能。现在的分析，有一个新的命题，我们现在的分析，已经不仅仅是简单的基于产生的关系性结构化的数据建模，或者是分析模型的建立。现在的分析，在大数据新的时代，和新的命题。往往是说，你如何借用这种分析的软件，将结构化，非结构化的数据，同时进行一个综合性的建模，进行一个关联性的分析。
我们IBM现在这种分析的软件，已经完成了跟hadoop跟大数据引擎的关联性的整合落地动作。说到大数据分析，我前面一再的强调大数据最大的魅力是它商业的价值，仅有平台，有分析的软件不够，我们还要有基于行业的分析的解决方案和应用软件。这个才能够真正的直接借用大数据分析的解决方案和应用，能够解决我们所面临的大数据的业务的问题。
去年上半年的时候，很多的朋友还在探讨，我是不是要做大数据，和大数据的分析。现在大家的咨询，关注大数据如何落地？我就以大数据落地的最佳实战经验给大家做一个总结。我们在所有大数据的落地过程中，往往是以小到大，以点到面的落地过程。在这个落地的过程当中，我们会经历四个阶段，第一个是大数据的学习和教育。什么是大数据？第二步是大数据的探究，就是我们制定大数据的战略，制定大数据的商业蓝图。更关键的是确定大数据的业务场景。我们一旦基于业务场景，能够进行一些论证跟一些验证的动作。在验证成功以后，大数据最后一步就是进行广泛的生产实践，今天非常感谢大家给我这么一个机会，我今天跟大家分享了很多的信息。把我的联系方式留在这边，非常欢迎大家会后跟我联系。我特别希望IBM能够成为你战略合作，能够和你一起在大数据这个里程上携手前进，谢谢大家。
