数据, 作为信息的粒子元素, 是动态持续的, 因特网从不睡觉, 一旦数据被过滤, 排序,组织, 分析, 表达, 它就将永远存在, 并且造就了一个连续的决策-行动周期. 更为重要的是数据和价值之间的关系.

这里的数据概念, 包括了它的独特性, 格式和时间有效性, 价值概念指的是数据被用于分析集成进入决策行为周期的能力, 数据和它的价值的关系有可能是由人来监控的, 也可能是由自动化程序, 也就是智能数据引擎(比如半米小秘书的后台程序)来监控的.

我们的世界是动态发展的, 而且它以越来越快的步伐变化着. 商业活动必须紧紧跟随这种运动, 千万不能落后, 因为商业的竞争力正是依赖于世界的变化.

是否能够跟随变化的关键是对外部环境的深刻理解, 成为经济环境的专家, 而经济环境已经因为互联网的出现变得更加全球化.

大数据的概念是近期才被提出的(五年之内), 这个概念代替了世纪之交时提出的商业智能的概念, 当时的商业智能指的是利用技术或者人工操作的方法论利用内部数据和外部商业数据提高商业竞争力.

商业智能确实是离不开大数据的, 但是现在大数据概念变得更加流行, 这是因为经过企业实施商业智能解决方案,不论从运营上还是决策上, 企业非常懂得怎么样从技术上使用数据并挖掘数据价值, 于是数据本身比基于它的操作方法更加得到强调.

云计算的到来, 也就是通过第三方软件平台服务来解决技术问题, 让商业组织, 尤其是中小型商业组织有机会使用之前只有大企业才能使用的数据处理技术, 这些技术和工具造就了大数据概念的实施. 比如半米的数据分析引擎的计算规模, 如果放在2000年, 只有IBM才能买得起.

也就是说, 从2000年开始, 商业智能概念的发展对它自身进行了革命, 演化为今天的大数据概念,并且成为了企业最强劲的发展点.

随着互联网带来的数字化大潮, 企业有效数据的量级爆发式增长, 浏览产生的数据, 行为产生的数据, 客户服务产生的数据, 一下子爆掉了.

而那些知道怎么去使用这些数据, 有技术能力将这些数据转化为价值的企业, 就成了现实中最具竞争优势的领先者.

技术的进步让我们可以实现"零延时". 商业中的数据处理, 已经可以让每一个事件(只要能进行数据采集)都被追踪, 分析, 监控, 并被立即反馈优化商业流程, 形成战略或者新的运营方式.

我们现在的技术和产品设计已经可以将之前的两种流行趋势进行统一:

1. 用技术来将商业过程中的手工运营实现自动化.

2. 用技术将脑子里的用于监控和优化商业流程的决策过程自动化.

曾经有很长一段时间, 这两种思路的技术方法是完全分开的, 因为这两种思路对数据的粒度和时间有效性要求完全不同.

第一种思路, 是将数据在毫秒极的时间片内处理完毕, 用尽可能少的数据处理时间来缩短自动化运营时间(比如半米后台对员工任务状态的自动化处理)

第二种思路则是先要集中处理数据, 哪怕花上几小时甚至几天, 对大量的、 格式各异、不同来源的数据进行高强度的算法处理(比如半米后台为领导者生成的人事分析数据报表).

现在, 全世界已经倾向于强调后者, 使用所有的数据, 包括运营时产生的暂时数据来支持决策过程 (比如, 半米任务系统中原本是暂时性数据的,各任务状态的转换时间统计数据, 全部被采集积累转化用于计算员工的执行力信誉度

 现在的商业软件系统, 包括我们设计开发半米的时候, 都要对这两种思想在商业组织中的应用进行权衡, 既要让信息系统有开放的未来适应性(比如对接别的智能平台), 又要增强暂时性数据的处理速度, 并且设计好目前商业流程相关的数据流. 比如, 现在最为流行的事件驱动的后台服务框架, 通过它来实现数据的正交分解, 保证没有任何的暂时性数据在各模块中延时交换.

只有做好了这些权衡, 信息系统的使用价值才可以不断增强.