这是一个由四部分组成的系列的第二部分。其他部分可以在这里找到：

未来分析：第1部分-概述

未来分析：第3部分-应用程序和可视化

未来分析：第4部分-套件和操作

观看此视频了解更多关于未来分析：分析和大数据的未来(sapserviceshub.com网站)

我们想和世界打交道吗还是我们想要的？分析的一个方面我一直觉得很吸引人，那就是度量识别和在业务运营期间监控这些选定的度量是如何创建它们自己的现实的。我们选择指标的前提是，这些指标反映了我们要跟踪的绩效，并将目标和指标关联起来。然而，准确反映我们绩效目标的指标并不总是那么容易和明显的。即使我们很好地选择了我们的指标，但这本质上是一种简化方法：我们决定遵循这些指标，而不是其他指标，如果我们达到了目标，我们就宣布成功。

这可能会产生极大的误导。假设我们的目标是在一年内增加一定比例的收入。我们将整个组织置于这一目标的背后，并像鹰派一样，根据我们的增长目标跟踪我们的进展。全年我们都看到了收入的增长，一旦我们通过了目标，我们就会庆祝。然而，增加收入的成本可能会使利润率受到影响，你可能会发现，当你达到最初的目标时，盈利能力已经下降，甚至可能出现负增长。那么，我们到底取得了什么成就呢？通过把我们对世界的看法缩小到一个非常狭隘的角度，我们创造了自己的幻想，在这种幻想中我们取得了成功，而实际上我们已经花费了大量的精力和努力，却没有任何实际的利益。

但我们在这种方法中有第二个根本的局限：我们无法跟踪我们没有衡量的东西，因此，度量选择通常由您拥有的数据定义。如果您所收集的只是通过事务系统内部生成的数据（"实际数据"），那么我们的度量标准必然仅限于该数据集。但事情就是这样吗？绝不是所有相关数据都只通过事务系统传入。现实世界远比这复杂。

大数据技术允许我们采取不同的方法。我们可以使用的潜在数据源的数量突然激增，包括以前无法添加到我们的分析中的数据，或者只是非常困难。我们现在可以更广泛地看待现实，它告诉我们的是事实无法告诉我们的事情。例如，一个用例是使用公司电子邮件。

当我们研究客户关系管理时，"360度查看客户"是一个常见的短语，但许多CRM解决方案在分析中仍然没有利用公司电子邮件，无论是与客户直接接触，还是与该客户有过某种关系的所有内部人员。通过对客户与主要销售联系人之间直接沟通的情绪分析，以及收集内部讨论，我们已经更清楚地了解到谁与某个特定客户有过交往，进行了哪些谈话，客户是否满意，或者是否可能有进一步的促销活动交叉销售机会。我们甚至可以对客户进行评级，大数据下载，以最大限度地延长我们销售组织的生产时间，并阻止将精力投入到不太可能很快再次购买的客户身上。在大数据环境下，社交媒体情绪分析往往是人们首先想到的，但对于那些向其他企业销售而不是向公众销售产品的组织来说，这种企业电子邮件分析可能更有效、更有价值。

不过，如果没有预测性分析的帮助，返利手游，我们无法做到这一切。预测分析的使用绝不局限于根据过去的实际情况预测接下来会发生什么。理解大数据，能够将信号和噪声分离开来，物联网的应用实例，这是绝对必要的。尽管我们可以从各个方面对实际数据进行切分和求和，但即使是最简单的形式，大数据分析也涉及到对频繁分析中的元素进行计数，例如，我们的销售人员和客户之间的交互频率，这会立即使我们进入直方图等基本统计元素，各种分布模型和异常值。甚至在我们应用更精细的技术之前，比如回归、分类和聚类技术、文本分析和神经网络，甚至机器学习。尽管我们必须处理传统分析中没有遇到的不确定性水平，但我不断感到惊讶的是，预测性分析如何让我们能够处理现实世界中的问题，而这些问题传统上会让我们在惨败中举手。

尽管如此，我们必须意识到，分析大量数据和运行额外的预测模型需要付出硬件和性能代价。去年我自己的邮件收件箱以纯文本格式导出到85MB。假设这是一个平均数字，50000名员工一年的公司电子邮件存档容量达到4TB，这并不庞大，但相当于一个相当大的数据仓库，超过了大多数ERP安装的容量。每分钟或每秒钟进行一次测量的数千或数百万传感器的数据将达到海量。我们可以在Hadoop中并行处理，对于复杂的预测模型也可以这样做，因为复杂的预测模型可能需要很长时间才能运行。然而，将这些分析在初始处理之后移动到内存中的数据库（如SAP HANA）可以极大地提高这种性能，甚至可以对SAP HANA中保存的数据按需运行预测模型。如果这种分析被用于在公司网站上或亲自向某个客户群体提出建议或提供具体促销活动，或向中央采购部或供应链管理部提出建议，那么这种绩效改进将变得更为重要，私有云市场，因为在这些方面，快速响应是有效的关键，不过。大数据（和预测）不能代替跟踪实际情况。归根结底，在一个商业环境中，我们需要一个公司的收入和盈利能力来生存，并且准确地知道你卖了什么，关键信息在哪里。很多时候，大数据被视为将取代传统分析的新事物，但这让我感到骄傲。大数据的价值在于丰富我们从实际数据中获得的信息，并在可能的情况下提供更多的见解和商业机会。价值所在的地方就是它们的结合。更好地了解我们的客户是谁，他们如何使用我们的产品或服务，为什么销售存在区域差异，外部因素的影响，如天气、距离或人口中心的便利程度，当地经济，大数据与数据挖掘，或任何其他可能与我们正在处理的特定用例相关的因素，我们可以做出更明智、更有效的决策。我们所要做的是超越我们的简化主义世界观，更接近现实。