目前，很多企业竞相利用大数据，进入新的商务领域，创造出对手无法效仿的商务模式。日本的很多企业不仅是诸如人力资源巨头Recruit和花王、H.I.S(大型综合旅行代理店)、DeNA(移动互联网公司)以及三菱重工等大企业，就连地方的中坚企业和一般中小企业也不甘落后，开始利用大数据创造商机。
但是，如果只是漫无目的地收集大量的数据进行分析，也不可能发现宝藏。必须具有明确的目标和行动，才能够从大数据发现其商业价值。
一、利用大数据挖掘商机
拥有近300年历史的日本京都宇治茶老铺--伊藤久右卫门，由于制作精良的日本茶而远近闻名。2013年1月，这家制造抹茶近180年的著名老铺，开始正式制造并销售酒(图1)，它将抹茶和日本酒以及梅酒混合在一起，开拓出新型的酒市场。虽然这是一个不曾有人踏入的领域，但经营企划部部长广濑穰治坦言--很有把握。
伊藤久右卫门的本业是制造并销售抹茶和以抹茶为原料的食品。无论怎样分析销售数据和顾客数据，也得不出确切的结论--应当开拓新型酒市场。那么，对此公司为何能够胸有成竹?
大数据推动企业开拓新市场
公司开始参与酒类事业源于和当地的酒厂共同开发的将抹茶和日本酒混合在一起的新产品--“夜晚的绿色酒”。2012年5月起试销，半年时间就销售5000瓶以上，成为非常畅销的商品。
伊藤久右卫门的经营企划部部长广濑穰治和“夜晚的绿色酒”
但即便如此，只凭这一点还无法“正式投入这个事业(广濑穰治)”。为确立“抹茶的酒”这一新型领域，还需扩充商品线。同时，为提高认知度还需在广告及宣传上加大投资力度。无论怎样畅销，如果是一时性的流行产品，则无法正式投产。
最终，大数据消除了这一不安，使公司下决心挑战新领域。公司使用WingArc公司开发的商品智能软件--Dr.Sum EA，对销售网站的访问日志和销售实绩、POS销售终端以及会员属性等数据进行了分析，目的是检测每个顾客属性的销售倾向(是新顾客还是老顾客)和商品间的交叉销售率以及促销活动的效果。
分析结果出乎预料，“原来预测绝大多数会是新顾客((广濑穰治)”，但实际上大约八成的顾客曾买过公司商品，而且回头率也高。公司估计只用发信的方式告知老顾客也能获得相应的销售量，因此最终拍板，决定正式投产。
伊藤久右卫门用于分析的数据是，约60万个会员数据和约200万个销售数据以及年3000万件访问日志等。当然，这个规模的数据和一般的所谓“大数据”相差甚远，但是，作为一个地方的中坚企业能够收集这么多数据并加以分析也实属罕见。而且不仅如此，这家公司还竟然挑战“开拓新市场”，这方面就连大型企业都感到非常难。
目前，像伊藤久右卫门这样利用大数据的企业，不分其企业规模和地区，已不断涌现出来。这些企业已经抢在其他企业前面，占据竞争优势抓住了商机。实际上，在大数据的最前线引领市场的网络企业，已经开始创造出大数据时代新型的商务模式。
网络企业开设实体店铺
提供网络信息服务的人力资源巨头Recruit，同时运营中古车信息网站“汽车传感器(Carsensor).net”，公司近期进军销售中古车的实体商务，这个服务的名称是“汽车和柜台”。
2012年1月，公司在仙台市内的购物中心开设了实体店铺，这里的中古车专业人员根据顾客的需求在网络选择汽车，同时也代办与合作的中古车销售商签订合同等业务。店铺运营由集团的北关东市场部负责。
虽然公司运营中古车信息网站，但是，在销售中古车方面属于后来者。如果只代理销售，与传统的服务相比，因无法提供差别化服务，所以也就不具备任何优势。因此，公司决定完全利用大数据，创造出其他企业无法效仿的新型的商务模式-- 质量相同的中古车(车的种类、汽车生产年及型号和行走距离以及维修记录等属于同一档次)，以相同的价格进行销售。
实际上，以往中古车的价格并没有明确的标准。通常中古车销售店负责买入的人，虽然会参考拍卖市场的价格，但最终还是依靠“感觉和经验”决定销售价格。因此，即便是质量相同的中古车，各家店铺的价格不尽相同，各地区的价格差别也很大。而Recruit有效利用大数据，收集几百万台车的价格信息，分析决定价格的因素。最终实现--同一质量，同一价格(质量相同的汽车以相同价格售出)。
Recruit集团 IT解决方案部大数据负责人菊地原拓在谈到利用大数据的目的时说：“通过数据分析向顾客显示中古车的定价的合理性，消除了顾客对价格的不信任感。”
利用Hadoop实现服务差异化
支撑新商务模式的大数据的，是公司中古车信息服务“汽车传感器”登载的数据。在30多种决定价格的因素(诸如车的种类、汽车生产年度及型号和行走距离、排气量等)和每月340万件市场价格信息的基础上，构建统一的价格计算推理系统。
实际上，这家公司很早以前就有这一想法，但是需要整合的基础数据过于庞大，而为了导出价格计算推理，必须将汽车生产年度及型号和行走距离等中古车的属性信息同市场价格等数据相互进行对照，才能够清楚决定价格的因素。即便只进行一次集群处理也要花费数日，照此下去，确立商务模式要花好几年，因此不得不放弃这一想法。
而改变这一局面的是分布式处理软件“Hadoop”。使用5台服务器构建基于Hadoop的实验及验证进行集群处理的结果，以往需要数日才能处理的数据，只用1个半小时就处理完了。也就是说大数据技术解决了商务模式问题。
花费3个月的时间，并反复进行集群处理和验证，成功地构建了最佳价格计算推理程序，事业化也终于有了眉目。目前由于硬件性能的增强，汇总只需大约30分钟即可。而且每月将价格计算推理进行升级，提高了“同一品质，同一价格”的精确度。
开辟拓展海外市场的道路
目前，大数据也成为日本企业拓展海外市场的推手。比如，三菱重工就从2012年5月起，在阿拉伯联合酋长国的阿布扎比玛斯达尔城参与都市交通事业。
三菱重工使用利用大数据的交通模拟装置，提出在斯达尔城普及电动汽车(EV)和电动公交车所必要的对策的方案，并推算出经济波及效果。
普及电动汽车和电动公交车，需要投资设置充电站等。而促进乘用车和公交车的电动化，两者所需的成本不尽相同。三菱使用交通模拟器，通过改变电动车和电动公交车的种类和数量，推测出所必要的电耗量(行走和空调的电力消费)，同时算出普及电动车和电动公交车所需的成本。
为了制作模拟器，三菱重工分析了诸如道路坡度和EV加速度以及蓄电池的劣化度等各种各样的数据。并且，曾经使用10台EV“i-MiEV」”在斯达尔城进行实际测试，收集行走数据并做了分析。三菱重工相关负责人满怀自信地说：“能够正确地预测出效果，必将成为我公司今后参与世界各地建设智能城市计划竞争的强有力的武器。”
挑战大数据需遵守的三项铁的原则
以上介绍的三家企业共同的特点是，通过大数据分析，抓住了新事业的商机。大家都说“大数据是一座宝山”，但是，是否真的暗藏着宝藏并非一目了然。
那么，企业应当如何利用大数据这一武器，来挑战新的事业?笔者认为利用大数据的企业，需要遵守三个铁的原则，即“现场感受是分析的关键”;“除了公司内部的数据，也要瞄准外部的数据”;有效利用工具使“分析变得更简单且更迅速”。
根据野村综合研究所的调查报告，销售额超过1兆日元的企业中，大约六成的企业目前在研究利用大数据的方法。不到500亿日元的企业，则四家企业中有1家在收集信息。那么，我们的竞争对手都有哪些新的举措?本文将继续介绍若干先进事例，以供参考。 #p#
二、现场感受--企业的最前线才是分析的关键
挖掘大数据的价值，分析大数据的“地点”非常重要。而在系统部门和调研部等地方闭门造车，则无法抓住商机。不能直接与事业联系在一起的数字，有陷入“数字游戏”的危险。目前，有效利用大数据的企业，就是在充满现场感觉--事业的最前线，分析并利用大数据。
在开发游戏的现场分析大数据
日本移动社交游戏公司DeNA ，为了进一步推动企业有效利用大数据，断然进行组织变革。2012年4月，公司将数据挖掘( Data mining)部(集中具有统计学知识并能够使用Hadoop的人才)的分析员划入开发游戏的最前线部门即社交游戏事业本部和社交平台事业本部。
对这一组织人员变动，社交游戏事业本部X-Function部分析小组组长友部博教解释说：“企业为了尽快获得商业效果，需要在游戏的规划及开发现场分析数据。”目前，社交游戏业务方面，每个游戏都分别设置专门的分析员，他们的办公桌和负责规划的人员紧挨着，共同开发及运营游戏。
分析小组组长友部博教等分析员的工作任务是，“将用户的感兴趣度制成指标，进行监控。”他们从游戏的访问日志和行动日志等大数据中，提取对游戏有用的指标，在此基础上，规划游戏方案和促销活动。
2012年4月实施组织改革时，同时新设置了构筑及运行大数据分析的专门部门--集团平台系统统辖部分析基础部。大约多达2PB(peta bytes )的游戏日志数据，运行在大约1500核(core)的Hadoop集群上。在这个系统上存积的大数据，由分析员使用Hadoop的编程语言Pig和Hive进行解析。
在游戏的利用状况等日常分析项目方面，分析基础部开发出能够浏览分析结果的系统，由此，负责游戏的规划及开发的人员也能够进行监控。DeNA为了进一步推动企业利用大数据，公司对游戏规划及开发人员进行利用Hadoop的培训。
通过现场分析，防止出现时延(time-lag)问题
而日本花王公司(一家百年老店，产品涉及化妆品等600多种，大都是高分子化学品。)做法与DeNA不同，它不是安排专业的分析员，而是采用由业务负责人自己分析大数据的系统，进行数据分析。对此，花王国际媒体企划部商品公关中心的久保山路主任解释说：“由业务员进行数据分析，能够将其分析结果尽快体现在公关关系(PR)战略和商品规划上。”
例如，以往半年一次的定期商品调查就是由公司内部的分析部门负责，而业务部门接受反馈的方式进行，这就会出现时延的问题。而改由现场的担当者自己处理大数据后，这一问题迎刃而解。
2012年10月上市的新产品蒸汽贴“Good-Night”，首次由现场业务人员负责分析大数据。这一系列产品具有舒缓压力，消除疲劳，有效提高睡眠质量的功效。
久保山中心主任说：“我们希望能够尽快确认，顾客对新产品的反应。”因此，在商品上市一个月前，采用基于云计算的数据分割(datasection)分析工具“Insight Intelligence”。
分析结果--令人满意。例如，与新产品的名称一起，有关“睡眠”的Twitter明显增加。今后，大数据的利用范围也将扩大到其他商品的PR上。为此，首先对十几个PR业务员将进行分析工具的使用方法等培训。
也需要横向联系的组织
如果只在个别的事业现场配备大数据分析员，也会导致企业缺失横跨部门的视角。为防止出现这一问题，运营商品目录及网络邮购的日本千趣会(倍美丛，bellemaison)就设置了能够横向联系全部事业的组织，即把纵向的组织，横向连接起来，使其能够互相联系合作。
目前，这家公司活用大数据的组织体制是，分别在电子商务(EC)事业本部和目录事业本部配备共7人的大数据分析业务员，他们分别负责各自事业部的分析业务。此外，将3个负责分析企业整体事业的横跨部门的业务员，划到由倍美丛事业运营部(负责横跨全公司的业务分析)直接领导的的事业运营小组。这样一来，各个事业部既能迅速实施针对各自领域的分析及对策，同时还可横跨EC事业部和目录事业部进行大数据分析。
下图 千趣会的大数据活用体制
由上图可以看出商品目录事业本部和EC事业本部，各自分别设置数据分析员，收集与自己事业相关的数据。事业运营小组的分析业务员则负责横跨全公司的分析业务。商品目录事业本部的Teradata Database 数据库收集顾客数据、购买记录以及目录配送记录等数据，使用商业智能(BI)软件 TERA Web报表进行分析;EC事业本部在web服务器上收集访问日志和web浏览日志等，利用web访问解析软件 Adobe SiteCatalyst分析数据;事业运营小组则在基础类系统上收集筹措、财务以及订货等数据。
成立事业运营小组后取得的成果之一是，从2012年10月起开始配送“初次购买者专用目录”。这项服务源于分析数据的西口浩司事业运营小组组长发现了规则，即“一年中有数次发生新顾客的连续购买率下降大约2%的时间段”。分析原因后发现，这一时间段与通常为新顾客配送商品时一起配送的目录中断的时间相互一致。通常，在更换商品的季节，会出现无法配送目录的情况。因此，公司将大量不受季节影响的商品群制成目录，通过平常将其与商品一同配送，从而防止了购买率持续下降的问题。
通过虚拟组织(Virtual Organization)进行统一管理
日本电通集团(Dentsu Group，日本最大的广告与传播集团)为了有效利用大数据，成立虚拟组织。2012年4月，电通设置商务智能模块(BIM，Business Intelligence Module)，将数码商务局、平台商务局以及BI规划局等五个组织整合在一起。
BIM所属的人员包括专门担任大数据收集、分析系统构建以及商务适用等大约700个职员。为了增强交流，BIM成员的工作地点集中在集团本部大楼的一角。
设置BIM的目的是，“打破领域壁垒”(前田真一平台商务局副局长语)。以往的做法是，各个项目都是从多个部门集中人才来进行。但是为了能够更快地应对顾客需求，将组织捆绑在一起。过去，每个项目的项目负责人都不相同，而且与营业部门的窗口也无法统一。
BIM的成果之一是，自从2012年9月起开始实施的内容(content)发布平台服务“ClickAD”。这项服务支持媒体和终端设备横向型的市场营销。由于将BIM的数个部门的规划及开发成员聚集在一起，从规划到正式提供服务只花费半年时间。
贡献度成为评价分析员的指标
为使大数据分析业务员体验现场感受，大阪燃气公司对分析部门布置“销售额”的工作定额。
如果分析数据的专门组织--商务分析中心(BAC)的分析业务员，针对能源事业和起居室事业等事业部门，提出利用大数据的事业提案和业务改善方案，而方案被采纳，分析部门即可从事业部门获得分析作业等必要的成本，这就成为BAC的“销售额”--评价指标。
商务分析中心河本薫所长强调：“分析业务员不应坐在办公室等着业务上门，必须积极到事业部门争取业务。”公司通过使分析业务员承担销售的连带责任，一年带来近100项业务。
公司的上述提案活动所取得的成果是--研发了预测天然气机器的故障零件系统。这个系统的特点是，只要打入顾客的报告内容，根据大约400万件的修理数据以及气象数据等系统自动显示有可能出现故障的上位5种零件。由此，提升了修理员所持零件的精确度，维修的即日完成率5年时间提高了20%。
2012年4月，大阪燃气公司的信息系统子公司ogis综合研究所，成立承担支援业务分析的数据分析中心。为了进一步强化数据分析及其活用的体制，分析业务员和Hadoop的工程师等配备了15个人。与此同时，大阪天然气公司也加大力度培育人才。比如，从2012年4月起，针对事业部门的员工进行数据分析培训。公司计划到2013年3月将有600人受到培训。 #p#
三、瞄准企业外部的数据
实际上，分析的大数据，没有必要只由企业自己来收集。相反，应当积极采用公司外部的数据。如果企业只使用自己收集的数据，会导致分析视角的固定化，视野也会越发狭窄。例如，通过和异业型企业(不同行业的企业)合作和参加优惠点计划(point Program)，企业也能够掌握自己无法单独收集的数据。企业利用提供社交媒体数据等外部数据的服务，也是运用大数据的一条捷径。
旅行业和音乐业携手 共同实施促销活动
2012年12月，日本大型综合旅行代理店H.I.S与销售CD的LAWSON HMV(His Master's Voice) Entertainment 共同启动HMV×H.I.S. 音乐之旅促销活动。只要点击各自的Facebook的官方网页的“好啊” 按钮，即可获得可以在H.I.S.和HMV等使用的优惠券。
实际上，H.I.S和不同行业的HMV携手，是因为通过大数据获得了双方合作会带来互惠双赢的证据。
两家公司的合作源于2012年8月实施的Twitter促销活动。参与促销活动的网民推特自己想去的地方以及在这地方想听的曲子，即可获得可在H.I.S等利用的积分。结果，两家Twitter的follow数都增加了。通过分析数据发现“音乐和旅行的关联性非常强，极有可能实现互惠的客户转移(Reciprocal Customer Transfer)”(H.I.S.本部事业开发室山岡隆志室长语)。
实际上，H.I.S.积极推动获得企业外数据的舞台，不仅仅局限于社交网络媒体服务。同时，H.I.S.也利用三菱商社集团的子公司忠诚市场(LOYALTY MARKETING)运营的不同行业的企业之间的“共通积分服务” (是一项横跨企业的共通积分规划，即只要持有一张积分卡，就可以在各种的店铺积存积分，并可使用)“Ponta”的数据。利用这些数据可以掌握例如在HMV购买摇滚CD的顾客，在H.I.S.则会筹划怎样的旅行计划等信息。
山岡室长强调：“只有一家企业单独活用数据的时代已经过去”，他表示公司计划通过参加运用Ponta的数据的“客户关系管理(CRM)研究会”，积极发展横跨不同行业的有效利用大数据的业务。
利用网络服务占据竞争优势
日本的网上金融集团SBI Holdings(主要提供各种金融和证券等金融服务)借助与本企业没有直接业务关系的网络服务，获得公司外数据。
收集大数据的最前线是集团企业的E-Advisor公司运营的资产管理服务“MoneyLook”，这是一项针对个人提供诸如金融资产和信用卡利用记录以及电子商务网站的购物记录等管理的服务，它拥有大约70万个会员。MoneyLook对会员利用多个金融机构和积分服务的情况等进行统一管理。也就是说，提供服务的E-Advisor可掌握包括SBI集团在内的各种金融机关的利用状况。
SBI集团旗下拥有诸如银行和证券等各种各样的企业。只SBI证券一家企业就有240万个账号。但是，目前对集团企业的顾客数据(账号信息、金融资产信息、积分信息以及交易记录等)进行统一分析有困难。这是由于在申请加入服务时的利用规约中，对于集团企业利用有关个人信息并没有做明确的规定。
这时SBI集团注意到E-Advisor公司的资产管理服务“MoneyLook”，此项服务的利用规约明确说明，为了介绍SBI集团的商品及其服务和提供相关信息，规定可以利用这项信息服务，因此，如果将这些信息作为统计数据加以利用就不会产生问题。
通过数据分析，就可以了解SBI集团的金融机关同竞争对手的利用比率和利用频度等信息。2012年8月，启动横跨集团的“大数据室”的林口文彦室长说：“首先要使集团企业的广告发布实现最优化。”
同行业的数据也落入囊中
从外部购买数据，也是企业取得公司外部数据的一种方法。例如，运营酒店的希尔顿福冈Sea Hawk就在2012年7月采用由风险公司“大家的wedding”提供的“大家的口碑分析”，这是一项提供及分析结婚场所的口碑数据的服务。
通常，结婚场地通过自己组织的问卷调查等来获取信息具有局限性。特别是深入挖掘没有签订合同的顾客和出席结婚典礼客人对结婚场地的满意度有困难，而通过从外部购入数据即可填补这方面的不足。
最近一两年，福冈出现很多小型结婚场地“House wedding”(包场婚礼)。因此，希尔顿福冈Sea Hawk就有必要重新分析作为酒店自己的优势和劣势。自从利用上述服务后，酒店每月定期召开共8个结婚策划人和运作人员参加的会议。目前，酒店将其分析结果运用在改善应对列席者等方面业务。
新型服务不断涌现
目前，为了满足企业新的需求--希望利用本企业之外的大数据，不断涌现出提供数据的服务(见表1)。其中，提供Twitter等社交媒体数据的服务最具人气。
NTT数据自2012年12月开始的“Twitter数据提供服务”，与美国twitter签订合约提供全部日语的推特;2013年2月计划提供判断年龄和性别等选项服务。
也有企业自己无法收集的大数据的外售服务。例如，电通(日本第一大也是世界最大单一广告公司)和ZENRIN-Datacom(日本最大的住宅地图厂商的子公司)等提供的“draffic”，它将收集的70万人--非特定的利用者过去2年半的位置及行动日志，以最小250米东西南北为单位实现可视化。使用这些数据可分析店铺的客人来店倾向和开店计划以及与竞争店进行比较等。
毫无疑问，今后会不断出现提供诸如位置信息和气象信息以及医疗信息等各种各样大数据的服务。因此，企业必须克服非我发明症候群(Not-Invented-Here syndrome)，有效利用公司外部的数据。 #p#
四、数据分析变得更简便更快捷
目前，大数据分析工具进展迅猛。以往需要高度的统计知识和IT技能的分析作业，也可利用工具和服务得以弥补，构建系统也越发容易。
没有统计学知识也可使用
分析数据的商业智能(BI,Business Intelligence)软件领域，现场的业务员即便没有统计和IT相关的专业知识也能够进行分析作业。例如，超过500家日本企业使用的qliktech.Japan的BI工具“QlikView”，用户自己通过对话式画面(Wizard)可以制作图表等分析画面。有些销售代理店还出售使用率高的销售分析和营业成绩分析模板(template)。
用户只需点击想分析的项目，就能看到各种数据。目前的BI也都具备可视化操作(visual mode)功能(表1)。
表1 部分分析大数据的分析工具(无需统计技能的产品)
生产并销售厨具的Le Creuset Japon(来自法国的知名厨具品牌，它在欧美家喻户晓，在日本也大受欢迎，因而有“厨房中的LV”的美誉。)就使用QlikView，对销售等数据进行分析。2012年10月，根据事业负责人的要求，实现利用QlikView分析市场营销相关项目。仅花2周就完成了实际安装。
公司的IT经理Daniel 笑着说：“我们公司分析工具的重度使用者(heavy user)是对IT生疏的公司总经理。”目前，总经理和市场负责人、营业负责人以及物流负责人也使用QlikView进行数据分析，应用在各自业务工作上。
不必进行分析前的准备工作
与此同时，针对具备统计知识的分析业务员的产品也进一步得到改善--使用简便。例如，日本Teradata提供的产品Teradata Aster就实际安装了诸如通径分析(path analysis)和逻辑回归(Logistic regression)等超过50个的分析模型，因此，不需要分析流程的编程(表2)。
表2 部分大数据分析的分析工具(需要基础统计技能的产品)
2013年春，Wingarc将与brainpad等携手提供“sales&Marketing Automation(销售&营销自动化)”服务，利用这项服务没有统计知识的事业部门的负责人也可进行高度的分析。用户通过Wingarc的MotionBoard使用构建在云计算上的数据挖掘工具(data mining engine)。
mining engine可自动显示推测购入确率等最佳算出模式。而以往制作这一类模式，都是具有统计解析技能的专家使用“预测分析”等手法制作出来。
系统投入也更加便利
目前，分析工具的构建负荷也减轻很多。比如，利用云计算服务和appliance产品无需系统部门的帮助，利用部门可直接导入系统。
目前，引领云计算服务市场的是进行数据挖掘等商务的新兴企业(表3)。从2012年12月起，在文本挖掘(text mining)市场具有优势的Plus-Alpha Consulting开始提供SaaS型的文本挖掘新版“可视化engine”，它搭载一般职员即可分析社交网络媒体数据的“QUICK REPORT功能”。此外，I'sFactory 公司提供顾客购买预测工具“bodais”，Data section公司提供分析社交网络媒体工具“Insight Intelligence”。这些工具都不需要高度的分析技能，现场的事业部门也可利用。
表3 部分 分析大数据的云计算服务
目前，IT巨头也加速云计算化步伐。例如，从2012年12月起，野村综合研究所开始提供SaaS版可进行文本数据分析的“TRUETELLER text mining”。而NEC在11月发布基于云计算的使用面部认证技术的市场营销分析服务，这项服务作为“分析云计算服务”，可根据分析需要提供相应的服务。
大数据分析appliance产品就有日本IBM2012年10月上市的“PureData System”等。此产品将IBM在顾客事例的基础上设定的模式以模板(template)即定型格式提供。以往数据库的设计及制作等系统构建需要好几周甚至好几个月，利用这项服务系统构建时间缩短到4小时。日本甲骨文的“Oracle Exalytics In-Memory Machine”和日立制作所的“Hitachi Advanced DataBinder 平台BI appliance”等，也针对分析用途提供专业化的专用硬件，可减轻构建系统的工作负荷。
目前，即使不是统计学专家也可利用大数据拓展商务。毋庸置疑，万事已俱备，只欠东风--挑战精神。2013年，让我们共同迎接新的挑战，大胆迈出第一步吧。 #p#
五、销售额超过1兆日元的日企 积极利用大数据
根据野村综合研究所的调查报告，在利用大数据方面，最为积极的是销售额超过1兆日元的企业。
在问卷调查中，提出“针对大数据利用，贵公司是否采取对策”的问题，众多企业在六个选项中回答“目前正在研究利用的方法”。
六成企业在研究利用的方法 三成则已开始利用
例如，回答“正在研究利用方法”的企业比例，销售额超过1兆日元为61%，超过5000亿日元不到1兆日元为19%，超过1000亿日元不到5000亿日元则为34%，超过500亿元不到1000为27%，不到500亿日元为24%，整体平均为31%。
回答“已经利用”的企业，销售额超过1兆日元为29%;以下，销售规模越小，分别为15%、12%、8%、12%。回答“目前正在进行相关的系统规划及开发中”的企业，超过1兆日元为16%，其他则分别为12%、7%、6%、7%。
从以上数据可以看出，除了销售额超过1兆日元的企业，其他规模的企业大数据进展情况大致相似。毫无疑问，今后在积极利用大数据方面的企业，必将占据市场优势。
