海量數據擴大了算法和以機器為媒介分析的運籌領域。例如，在部分制造企業，算法對生產線的傳感器信息進行分析，形成了自我調節的流程，從而減少了浪費，避免了代價高昂(有時十分危險的)的人為干預，最終提升產量。在先進的“數碼化”油田，儀表不時讀取有關井口狀況、管道和機械系統的各類數據。這些信息由一組計算機進行分析，并將結果輸入實時運營中心。后者則調整油量以優化生產和最大限度縮短停機時間。一家大型石油公司因此減少了10-25%運營成本和員工成本，產量提高了5%。
現在，從復印機到噴氣發動機等各種產品都可以產生能跟蹤其使用情況的數據流。制造商能夠分析輸入數據，并有可能主動糾正軟件缺陷或派遣服務代表到現場維修。一些計算機硬件供應商正收集和分析這些信息，在發生故障導致客戶運營中斷前未雨綢繆，提前維護。這些信息還可以用于實施產品變化，預防未來的問題發生或提供客戶使用信息，對下一代產品開發提供靈感。
部分零售企業也走到了利用 “大數據”時代的前沿：它們運用“情感分析”技巧，發掘使用社交媒介的消費者產生的海量數據流，及時掌握新營銷活動的反應，并適時調整戰略。有時，這些方法使常規反饋和調整周期縮短了數周。
無獨有偶。一家全球性飲料企業將外部合作伙伴的每日天氣預報信息集成，進入其需求和存貨規劃流程。通過分析特定日子的溫度、降水和日照時間等3個數據點，該公司減少了在歐洲一個關鍵市場的存貨量，同時使預測準確度提高了大約5%。
取得的成效是業績改善、風險管理能力的加強以及洞察能力的提升(要是缺乏海量數據，這種洞察或許會繼續隱藏，無人知曉)。隨著傳感器、通信設備和分析軟件價格的持續下降，越來越多的企業將加入這場管理革命中。
海量數據正催生采用信息化業務模式的新一代企業。它們在價值鏈中扮演中介角色。它們發現自己正在通過業務交易產生的“廢棄數據”形成寶貴信息。例如，一家運輸公司在經營過程中意識到自己正在收集全球產品運輸的海量信息，于是創辦了一個業務部門，專門銷售為企業和經濟預測提供輔助的信息。
一家跨國企業從制造業轉型過程的自身數據分析中學到的東西是如此之多，以至于它決定創辦一家公司為別的企業提供類似服務，F在，這家公司為一批制造業客戶收集車間和供應鏈信息，并銷售改善客戶業績的軟件工具。目前此項服務業務的業績要好于企業的制造業務。
此外，海量數據也在大幅改造著數據集成行業。這是從諸多來源匯總和分析信息，為客戶產生洞察的行業。例如，在醫療業，一批新進入者正在集成臨床、支付、公共衛生和行為信息以形成更加完善的疾病資料，幫助客戶控制成本和完善治療方案。
隨著價格信息在網上及線下大量擴散，企業家正提供自動編輯數百萬種商品信息的比價服務。從零售企業的角度看，這種比較可能是一種破壞力，但對消費者而言卻創造了巨大價值。研究表明，使用此項服務的人可以平均節約10%的成本。
截至目前，我們強調了海量數據帶來的戰略機遇，但領導人還必須考慮到一系列副作用。人才是其中一項。我們的研究表明，單單在美國，對擁有深厚的海量數據分析(包括機器學習和高級統計分析)技能人才的需求，可能超出目前預測供應量的50-60%。到2018年，需要新增多達14-19萬名專家。此外，還需要如下人才：150萬名熟悉如何應用海量數據的管理者和分析員。企業必須加大招聘和人才挽留力度，同時大力投入關鍵數據人員的教育和培訓。
“大數據”經常需要的對個人信息獲取渠道的拓寬也會令另一問題進入聚光燈下，那就是隱私和便利性之間的沖突。例如，我們的研究表明，消費者受惠于海量數據：更低的價格、更符合消費者需要的商品，以及從改善健康狀況到提高社會互動順暢度等生活質量的提高。5 但同時，隨著個人購買偏好、健康和財務情況的海量數據被收集，人們對隱私的擔憂也在增大。
數據安全同樣如此。我們描述的趨勢往往與加大信息開放度、設計新的信息收集設備以及為海量數據的龐大存續和分析需求提供支持的云計算等如影隨形。帶來的副作用是IT基礎架構將變得越來越一體化和外向型，對數據安全和知識產權構成更大風險。有關領導人應如何應對的部分建議，請參見《迎接互聯網安全的挑戰》。
雖然企業領導人把大部分精力集中在“大數據”對其自身企業的影響上，但我們調查的企業層面的各類機遇也有著更為廣泛的經濟意義。我們的研究顯示，在醫療、政府服務、零售和制造業，“大數據”可以每年提高勞動生產力0.5-1個百分點。全球這些行業創造了數百億美元和歐元的新價值。
事實上，海量數據可能最終成為決定國家，而不僅僅是企業如何競爭和興盛的關鍵因素。毫無疑問，它們給努力尋找實現更加快速增長的經濟體帶來一線希望。通過投資和前瞻性政策，企業領導人以及政府領袖可以充分利用海量數據的好處，而不是被其迷惑，不知所措。
Brad Brown 是麥肯錫紐約分公司資深董事;Michael Chui是麥肯錫全球研究院資深研究員，常駐舊金山分公司;James Manyika是麥肯錫全球研究院資深董事兼舊金山分公司資深董事。
版權：Mckinsey Quarterly
