现在已经有越来越多的行业和技术领域需求大数据分析系统，例如金融行业需要使用大数据系统结合 VaR(value at risk) 或者机器学习方案进行信贷风控，零售、餐饮行业需要大数据系统实现辅助销售决策，各种 IOT 场景需要大数据系统持续聚合和分析时序数据，各大科技公司需要建立大数据分析中台。

　　以前只有大企业才能管理好数据并把数据变成合理的商业智能，但是现在随着电脑和手机的普及，这些都为物联网带来了很多的数据，大数据已经不再是大型企业的专属名词了，一些中小企业也可以获得同样的收益和回报，大部分的中小企业都已经把大数据看成是未来发展壮大的重要机会。

　　一、销售的最大化

　　对场景和商品以及消费者进行大数据的分析，在合适的场景提供符合消费者需求的商品和服务，让畅销商品不缺货，滞销商品不积压，产品有关联，销售价值更高，消费者的体验更加好。

　　二、流程效率提升和成本缩减

　　通过大数据分析，发现生产、销售、物流等过程中无价值或存在资源浪费的环节、行为等，进行调整优化，进而节省大量成本。

　　三、未来销售预测

　　对于历史的销售数据进行深度的分析和挖掘，结合实时的市场数据，对未来的市场趋势和销售的情况进行精准预测，提前做好相关的销售准备，降低销售的风险。

　　四、新客挖掘

　　大数据技术会将用户购买、使用和评价某种产品的记录存储，然后通过大数据分析出这片区域的用户行为偏向，然后通过数据分析该区域的潜在客户分布区域，引导企业挖掘新的客户。

　　五、老客唤醒

　　通过大数据技术，企业可以轻易获得目标区域结构的变化，人群消费行为变化，区域行业结构变化等信息，此外，企业还能通过大数据获取行业供需关系，从而判断自己的企业能否盈利。

　　六、新产品和新市场的发现

　　通过对现有产品、销售状况、交易趋势、市场走向等进行分析，准确判断出推出怎样的新产品最有可能成为热销爆款，以及最适合什么样的市场

　　不过中小企业也面临技术挑战：

　　大数据行业蓬勃发展的同时，中小企业普遍面临人才短缺、技术储备不足，数字化战略模糊、战术欠缺，数据安全风险等各种制约门槛，最为突出的问题是中小企业生产门槛低，同类市场竞争大，产品及服务的同质化十分严重，以上这些短板并非只表现在大型企业至上，更是中小企业依托大数据实现自身转型升级并迎头赶上的拦路虎。

　　据权威数据显示，目前中小企业已然占到整个市场主体的95%以上，而在2017年我国中小企业研发投入仅占销售额的2%左右，在技术、产品、服务等方面严重缺乏核心竞争力。如果中小企业加大技术研发投入显然不太现实。

　　比如：

　　1、业务分析的数据范围横跨实时数据和历史数据，既需要低延迟的实时数据分析，也需要对 PB 级的历史数据进行探索性的数据分析;

　　2、可靠性和可扩展性问题，用户可能会存储海量的历史数据，同时数据规模有持续增长的趋势，需要引入分布式存储系统来满足可靠性和可扩展性需求，同时保证成本可控;

　　3、技术栈深，需要组合流式组件、存储系统、计算组件和;

　　4、可运维性要求高，复杂的大数据架构难以维护和管控;

　　责任编辑:张华