作者：Thomas H. Davenport （美）
全球顶尖商业思想家，数据分析之父
001 什么是大数据。
相较于传统数据分析，大数据的体量之大不能在世界任何一台服务器上存储，数据流不间断的以非结构性方式而不是静态行列式得被收集与分析，目的是提供更好的数据产品应用。
002 企业需迎合时代趋势，拥抱大数据。
万物互联，大数据时代已到来。 除常规数据，各类新数据源，含视频，图像，文字等非结构化格式数据都能被分析和研究。数据量的大小并不重要，重要的是如何将数据转化为新 观点，新创意 或商业价值。
003 不同行业对于大数据的应用和需求不同。
我所在的医药营养品行业目前正处在建立CRM大数据的转型期。我们对于大数据的应用价值侧重在如何创造吸引客户的产品和完善客户服务上。如何通过大数据分析开发更多的新客，如何提高现有客户的复购率，是我们在思考的问题。
004 企业内不同的职能部门对大数据的需求也不同。
对于媒体购买部门，为触达更精准用户，我们不断学习和研究如何更好利用阿里巴巴全域营销平台和腾讯精准数据营销工具，优化广告投放精准度，监测媒体投资回报。同时在电商销售平台，通过数据银行供应商分析人群画像，挖掘潜在用户，扩大站内影响。
005 企业对于大数据策略的投入程度究竟要多大。
作为500强公司之一，从17年年初就我们就启动了大数据的基础架构转型，全程由麦肯锡咨询公司参与指导，投入成本非常高，收效却不明显。新模型仅打通了与公司CRM传统数据库对接，但并未在此平台基础建设上提出更创新的产品和服务，对于外部数据的采集能力也有限。问题出在哪里？
006 如何将大数据转化成产品。
领英在大数据方面的成功应用在本书不同章节中被多次提及。它的一个具有实验价值的特定产品“你可能认识的人“，使用了多种维度建立新的联系，为其带来了许多新用户。当我发现许多多年未联系的校友出现在推荐名单里时，我都觉得不可思议。
007 原来还有个职业叫数据科学家。
对于像我这样的外行人而言，原以为企业常规的IT部门就能担负起大数据研发的责任。然而书中提及数据科学家的这一角色颠覆了我对IT的理解，同时也对现在部分IT同事的工作有了基本的概念和区分。
008 DELTA模型，数据转型的5要素。
数据，企业，领导力，目标和数据分析师是数据转型的5大要素。新型数据管理方式，企业对于大数据的定位，大数据领导者的冒险精神，明确应用目标及合格的分析执行人才是在企业转型时的关键因素。感觉公司目前的项目领导者在内部沟通和创新经验上都非常不足。
009 大数据技术有哪些。
非专业人士如我只能简单理解一些基本大数据技术，记住一些基础的专有名词如大数据堆栈，Hadoop的非结构性数据存储与集群处理能力，机器学习，可视化分析，自然语言处理等，帮助自己与IT部门沟通需求时有较为准确的表达和理解。
010 敢于构想未来，大胆创新。
无人驾驶，人脸识别，人机对话等智能场景都是大数据创新的成果。试想某一天当人们戴着24小时监测人体健康各项机能的手表提示用户人体微量元素开始缺失，或者通过人脸识别启动手机时被同时告知不同部位发痘预示着某种病兆时，自动推送对症的营养补充剂，那全民大健康的愿景也就指日可待了。
