“大数据”作为IT领域的关键词不断被大书特书，对其分析利用也备受关注。另一方面，靠IT技术、现有的组织和人才技能解决不了的难题也渐渐浮出水面。这就需要“分析数据及其与业务相结合的技术”。下面，我们来看一下大数据时代企业所需的技术有哪些?
业务技能
这里的业务技能不是指提高业绩的能力，而是指将业务过程标准化、掌握各个过程中哪些信息需要输入、记录等能力。
以经营活动为例。通常，将一些促销活动的问卷调查中有望成为真实客户的顾客信息录入CRM(顾客管理系统)系统，销售负责人在此信息的基础上开展营销，顾客感兴趣的产品、服务等将作为数据输入CRM系统。接下来，如果顾客购买了产品，在结算系统输入结算信息，如果是货物的话在物流系统输入、生成物流信息。像这样，掌握数据是在哪一过程中、什么活动中生成的非常重要。
此外，哪一过程、或者在哪一过程生成的数据会对业务的结果产生较大影响等，与其感性估计，不如对相关数据进行分析、形成模式化。例如，与顾客的年龄、性别相比，从事哪种职业对购买概率的影响更大等。
数学技能(模式化、样本化)
其次是分析数据所需的数学技能。此前，说到分析业务数据的技能的话，都是些求合计、平均值和标准差等简单的统计学知识，但以后，通过分析数据研究出业务的规律性，形成“模式化”、“样本化”技术非常必要。这在科学界是一种常见手法。例如，理想气体状态方程“PV=nRT”，就是将气体的状态用模式化的公式表现出来。
同样，在业界，也需要将商业活动的状态形成公式化的分析技术。例如，连锁超市可以根据店铺的位置，计算出各种条件下(销售业绩、天气、气温、星期几等)的客流量和每种商品的销售额，找出规律，就可以做出更适当的调整，也能减少亏损、改善盈利。
IT技术
IT技术也不可或缺。首先，就是与数据库相关的技术。需要分析的数据保存在哪儿、AGE和JOB等数据库中涉及到的项目怎样与实际业务术语相结合 等，现在都可以通过IT手段来实现。但是，目前大多数企业面临着业务之间的业务术语不统一、数据库零散不成规模等问题，仍然还有很多要依靠人来解决的东 西。
今后，通过IT技术解答公式的能力将越来越重要。例如，假设商品的销售额与顾客年龄的关系，用公式“销售额=a×年龄”来表述，系数a就可以通过 IT技术求出。这是非常简单的线性回归问题，数据量小的话就可以用Excel等电子表格软件求出a。此外，也可以用SPSS和R等专业统计分析软件。更复杂的情况，就需要创建一个程序来求系数，拥有此项技术的IT工程师就可以说是珍宝了!
保证人才很重要
介绍了以上三种技术，但遗憾的是，日本企业里并不存在拥有以上全部技术的超人。那么，如何培养拥有这些技术的人才呢?
无论哪一种技术都是很专业的，都不是一朝一夕就能掌握的。但其实，掌握着业务技术的人就在各个业务部门，掌握IT技术的人才就在信息系统部门。
看上去很难的数学知识，对理科系的研究生来说往往并不算什么。物理、化学等领域中，也不乏将自然科学公式化、并研究怎样才能得出精确度更高的公式的人，而这其中有很多有经验的人才，将自然科学应用到业务活动中并非不可能。
将这些人才从各个部门集中到一起，组成进行数据分析的专业小组，不是现在立刻就可以开始做的事情吗?然后，将小组置于经营企划和业务企划等制定企业发展战略的部门，成为支持企业竞争优势的关键力量。
从小事做起
掌握数学知识可能比较难，但应用软件解答课题并不是解答数学难题。大家手边所有的电子表格软件，就能进行简单的回归分析，也有很多更高级的分析软件，可以帮你解决更复杂的问题，这些弥补了数学知识的不足。
实际上，已经有在分析技术上进行投资并获得成功的企业。丹麦Vestas Wind Systems，是从事风力发电机设计、制造、销售的公司，它将大数据分析运用于业务中，通过持续地、公司全体有组织的工作收获了成功。在组织化的基础上增加持续性，可以更有效地运用分析。
在日本，也有几位IT工程师将大数据分析做成项目并不断取得成果。在这个过程中，与分析相关的数学知识的不足部分有像IBM一样的数学解析团队和大数据分析软件供应商的支持，弥补了之前所说的三大技术的不足，成功取得了成果。
同时，也有企业成立了100人以上的专业分析团队。集齐IT和业务双方的人才成立分析团队，通过实际操作重复着“试验错误”的过程。经过这一过程，企业不断得到小小的成功体验，分析水平也逐渐提高。而企业应该最先着手的就是培养拥有必要知识技术的人才。
目前，这种涌现大量且多样信息的业务环境中，无论哪个企业都有分析需求。而熟练应用最新的IT工具、具备更好的洞察力将成为拉开企业之间差距的关键。
