顺丰菜鸟之争站队文化如何解读？

在国家邮政局的强硬干预下，当前顺丰菜鸟之争已收官，要求双方于6月3日中午12点前全面恢复业务合作和数据传输，至此双方握手言和。尽管双方纷争已落幕，但这场互怼大战背后的站队文化值得玩味。我们看到，许多互联网企业纷纷站出来声援其中一方反对另一方。

背后的站队文化值得玩味

比如事件发生之后，圆通表示，愿和菜鸟一起携手，为商家提供更好的服务。圆通支持菜鸟的背后是股权关系。2015年，阿里巴巴联手云锋基金，战略投资圆通速递，据说金额是数十亿，占10%股份。顺丰的竞争对手三通一达都站队阿里。阿里的竞争对手京东，美团，腾讯，网易等都站出来公开支持顺丰，吃瓜群众普通大众多数站队顺丰。

还有业内人士观察到，淘宝天猫卖家显得立场模糊，舆论上支持顺丰，实际行动站队阿里。毕竟，阿里的流量在那儿摆着，也不敢明着得罪。另外，两大巨头互怼导致生鲜农产品寄递业务受损，因此全峰快递、易果生鲜等公司支持菜鸟。

我们看到站队力挺的背后，基本上是利益驱使。再看刘强东说的那句被广泛引用的观点：菜鸟网络就是在几家物流公司上搭建系统，说得好听是提升这几家物流公司的效率，说得难听点，这几家公司的大部分利润都会被菜鸟吸走。

菜鸟队

而菜鸟的本质是什么？它是一个物流数据化系统平台，接入上下游快递公司、仓配服务商、日日顺、落地配公司等，要打通的是跨境、快递仓配、末端配送的全网物流链路，涉及智慧快递、物联网以及云计算业务等布局。这其中，物流数据是系统的核心。

但如今的丰巢定位同样是整合上下游快递，业务范畴同样包括智慧快递、物联网、云计算、投放智能快递柜等业务的布局。当初也是顺丰、申通、中通、韵达、普洛斯联合创建的，也同样是一个基于物流公司的数据化系统平台，有业内人士说，它就是一个缩小版的菜鸟。

顺丰队

如今京东、美团和网易公开声援顺丰，都宣布全面接入丰巢自提柜。那么按照刘强东的说法，未来接入丰巢的公司其利润又会不会被丰巢吸走？公民的隐私信息谁来保护？

因此，我们看到大佬们的表态虽然是有合乎逻辑的一面，但都是夹带私货的。中国向来有山头文化与站队文化。中国互联网形成了BAT三大无可颠覆的巨头势力，尤其是腾讯阿里两大巨头持续成长，势均力敌。

在巨头的覆巢之下，许多互联网公司要切入该领域分一杯羹变得越来越艰难，他们对于实力在自身之上但与自身某个业务有强竞争关系的巨头基本是抱持看不惯，但又干不掉的一种心态。因此，找准一个机会，抱团形成一个利益共同体来抗衡更强大的竞争对手，并抢占原本抢不到的市场蛋糕一向是中国互联网所信奉的狼性文化的一部分，所以抱团找安全感的国民性在这种站队文化中体现的淋漓精致，而与所谓的用户利益并没有多大关系。

事实上，在重大事件以及与自身利益相关性不大的撕逼大战中，不站队两边都不得罪其实更好，过去中国人的处世哲学是能不表态，就不表态，能不站队，就不站队。但如果自身处于利益既得者群体或者利益相关者群体之中，站队往往就是必然的选择，因为若处于利益相关方，两边都不得罪其实是两边都得罪。

魅族李楠曾经在知乎说了这样一句：判断站哪里？是一种智慧。说是智慧，是因为你要理解和分析相关因素。要洞悉和排除相关的干扰。尤其是要有担当，你要为自己的判断负责，承担责任。但互联网上的恩怨向来都只有利益，很难说有绝对的对错与责任，国人自古就是讲宗族，族群以及地域和血脉。前面说到的双方互怼的两个谜团，目前来看谁在撒谎外人是看不出来的，因此选择站在哪里也是一种智慧。

但这种智慧在网民群体中很难体现出来，大众往往是盲目的，许多网民的特点是不问事件因果由来，只凭个人好恶。这次顺丰与菜鸟互怼，网民基本上不针对事情本身就事论事，而是更多凭直觉。在这里，顺丰的品质服务导致其在用户口碑中占了上风，有网友说，“快递公司分两种，一种是顺丰，一种是非顺丰”。加之刘强东以及丁磊都表态：相信顺丰的品质、王卫的为人。因此许多网友都表示，顺丰的用户体验是高于菜鸟的，所以想当然认为顺丰没有撒谎。

在被裹挟的情绪中，低调神秘的王卫PK高调性情化的马云，用户会支持谁，谁会在舆论战中处于上风一目了然。因此许多用户更倾向于认为阿里是更为强势的一方，而顺丰是弱势的一方，有网友表示阿里此举无异于店大欺客，吃相难看。还有网友说：“菜鸟如果垄断了物流，以后包裹邮费它一家说了算，谁来保证消费者利益？”但吃瓜群众没有看到的是，这次事件恰恰说明了顺丰在快递行业的垄断地位并且对整个产业链上下游的影响力，我们甚至看到顺丰对当前需求正旺的生鲜产品寄递业务造成了一定的影响。

国家邮政局也不得不出来协调并要求“邮政企业和其他快递企业组织运能，努力保持生鲜农产品外运渠道畅通。”而国家邮政局表态双方要顾全大局也恰恰是一种敲打行为。

而对于站队的互联网大佬来说，它们的站队智慧就是要顺应用户，多数用户的立场站在哪里，大佬们就顺着民意往哪儿站是最好的。如果网民用户的心声跟自身的利益密切相关，那站出来表明态度就更是顺势而为的选择了。从京东、网易到美团，选择支持顺丰几乎是必然的选择，因为当下都有在做着与电商相关或者与O2O相关业务，这是难得的可以站在道德制高点抓住把柄踹对方一脚并为自身业务顺势营销的机会。而用户则成了被舆论牵着走的一方。大佬们的力挺恰恰迎合了大众的情绪，推动大众将另一方推向不义的一方。

保持理性思考与就事论事的思辨能力特别重要，不过在互联网狼性文化的土壤下，企业之间站队是利益相关方与利益捆绑体要生存发展必然要做出的选择。

1 无处不在的数据分析
越来越多的企业在利用从他们客户那里收集到的大数据更好地了解客户需求，并且优化产品使其能更好地服务客户。这就是无处不在的数据分析，它更看重数据的质量，而非数量。将数据最大化地转变为有价值的创新，利用数据洞悉市场，以此为基础做出明智的商业判断。
如果关注数据质量，将收集到的所有信息进行筛选就变得至关重要。例如人工智能，其需要迅速地完成一系列动作：数据收集、分析，并且瞬间作出判断采取行动。严格来讲，对数据质量的关注需要嵌入到数据采集的过程中。在这样的数据分析背后也要关注消费者信息的私密性。GfK2015年进行的针对全球20个地区的消费者研究结果表明，全世界消费者都在担心他们的数据是怎样被收集、售卖和利用的。
2 虚拟现实(VR)
2016年，从行业到消费者，从硬件到软件，关于虚拟现实，一切都处在被普及教育的阶段。随着三大巨头接连推出消费级产品，且“售罄”之讯频传，虚拟现实作为最受关注的新智能领域迅速席卷全球。全球VR头显市场规模预计在2020年会达到28亿美元，其中供游戏者使用的VR头显设备占据多数份额。中国市场2016年全年零售量会达到300万台左右，从GfK监测的VR头显在线市场来看，从2016年1月到4月，VR头显零售量几乎翻了20倍，虚拟现实硬件产品正在经历一场初期爆发式的增长。但目前依然是以VR盒子为主。整体来看，中国的VR市场现在还处于野蛮生长的阶段。相信在未来VR应用会逐步向直播、旅游培训、医疗、装修、房地产、教育等领域渗透。
3 人工智能(AI)
人工智能最终是重现一遍人类思考的过程。作为一个人工制造的机器，终极形态的AI将拥有与我们相同的智力水平：学习、推理、使用语言、构想原始创意。然而只拥有学习能力的AI已经快速地渗透到我们的生活中了。语音识别是目前人工智能中落地较早、目前投入及研发的核心领域之一。基于人工智能，各个厂商可发挥的空间很大，不一样的应用及方向才是真正有趣的地方。2016年，AI助理的发展或许会超越智能手机的发展。人工智能是一块有待探索与开发的市场，这块市场拥有多种可能性。
4 可穿戴产品
智能手表、健康监测手环、相机、GPS定位设备及心率监测设备进入主流市场还需多久尽管万众瞩目的Google Glass及Apple
Watch的发布已经俘获了消费者的想象力，但只有少数消费者接纳了这些设备。中国可穿戴市场2016年销量预计达3160万台，环比2015年上涨32%，但其中以价格较低的手环产品占据市场的大多数，整体市场销量持续上升的同时增速减缓，市场经过了2015年跳跃式发展后开始进入一个更趋理性的阶段。如果可穿戴产品想要吸引更多的消费者，有以下四点需要注意：一是与物联网的融合，把可穿戴设备和现有的个人科技生态相融合将会成为扩大市场的基础性举措。二是设计和材质，外形设计已经成为可穿戴产品跟上时代潮流的一大绊脚石。三是精准有效的信息收集，提高数据的准确性和解读能力是可穿戴厂商正在解决的另一大问题。四是引人注目的新案例，特色鲜明的产品会逐渐与消费者建立特有联系。
5 视频消费
视频消费的发展速度比之前任何人预期的还要快，并且线上已经成了人们观看视频的主要渠道。从社交媒体上的短片到视频网站的服务和套餐服务，甚至到最近大火的视频直播，消费者似乎可以在任何时间、任何平台看到想看的视频内容。事实上，有人预言到2019年，80%的互联网流量消费将来自于视频观看。而随着投入到这个领域的玩家越来越多，从内容的生产者和发布者到各大品牌、厂商，互相合作会成为一种需求，只有通过这样多方之间的信息互换才能够释放更大的能量。
6 无人机
据GfK中国估算，2014年中国航拍消费级无人机市场为近6亿元，到2018年将激增到60亿元。而民用无人机市场更是有望在未来10年形成千亿元级规模，未来发展空间广阔。
无人机并不算是新产品。无人机在航拍、地形测绘、商业运输以及救援部署，甚至在自动机械化生产上，都可以起到作用，无人机技术在诸多领域所能发挥的用途正在被进一步挖掘出来并且会在降低商业成本、提高商业效率方面起到很好的催化作用。但是在实现这样的美好愿景之前依然有很长的路要走。目前无人机依然面对诸多阻碍，如缺乏“感知-避障”技术、载物重量上的限制、没有夜视功能以及电池续航时间有限等。
7 移动支付
全球移动支付市场比较复杂。目前传统的支付方式在许多成熟市场中都有着强大的根基，无法轻易撼动。相反，一些非洲市场和亚洲发展中国家市场则直接迈入了移动支付时代。在这样一个碎片化的环境中，对于品牌、制造商和零售商来说，理解移动支付当下的全球格局以及它的演变趋势至关重要。在中国，阿里巴巴、腾讯等第三方玩家已经率先鼓励联网用户通过手机在实体店或网店进行支付。小米、OPPO、魅族旗下具备支付功能的手机的使用也意味着在这一市场中，移动支付不仅存在，而且触手可及。而那些被认为将第一时间接受新兴技术的市场则呈现出与上述地区的截然不同的局面。当前，一些市场仍需提高消费者对于移动支付的认知度，而对于另一些市场而言，要做的则是减少移动支付的使用壁垒。
8 智能汽车
随着物联网技术的越发成熟，智能汽车也将应运而生。许多豪华轿车已经配备了大显示屏，并且车载大屏也会继续成为趋势，在2016年底或2017年初，为前排乘客设计的额外显示器也将出现在高档汽车中。为了让乘客更好地体验“增强现实(AR)”技术，一些OEMs甚至想要把显示屏幕延伸到整个挡风玻璃或者侧窗。屏显技术的进步为那些企图走到传统汽车供应商前头去的电子消费厂商和初创企业们打开了大门。过去，受到物联技术的限制，OEMs很难找到一个正确的商业模式，但是现在，机会来了。通过了解细分市场消费者的需求和喜好，量身开发车载APP和配套服务从而获取相应的报酬成为可能。
9 3D打印
3D打印机的销量目前还比较小。但是，随着更多的厂商加入到该领域以及消费者的认知度逐渐提高，这种情况在明年应该可以得到改变。拿德国为例，3D打印机的销量在去年增长了71%，而且需求还在进一步扩大。消费者认为3D打印技术极具吸引力，3D打印在最有可能影响他们生活的科技中排名第三。这比智能汽车、云计算、可穿戴设备还有物联网的排名都要靠前。这表明这项新技术的知识普及在全球已经非常高了。价格一直是新兴科技难以普及的主要障碍。但是随着成本的下降，价格也将不再是阻碍，3D打印技术的优势会变得越加明显和突出：更低的装配成本，减少浪费，极低的运输和配送费用和更快的新产品上市速度。
10 智能家居
一股智能家居的“淘金热”正在各领域中展开，传统厂家、互联网公司、国际技术提供商及零售商等各种组织都在寻求最大限度地参与到未来家居领域中来。根据GfK针对全球7国消费者所作的研究表明：绝大多数消费者(90%)知道智能家居，50%的消费者认为智能家居能改变他们的生活，78%的消费者同意这是一个具有吸引力的理念。目前智能家居想要获得成功的关键是让消费者能明白智能家居技术是如何提升他们的生活品质，并且提供参与度高且有效的用户体验。现在需要行业协作和消费者教育来驱动需求，并推动智能家居从厂商领导发展向消费者需求主导发展的创新转变。行业相关参与者需要合作并组建不同以往的合作关系。这会确保不同的设备和服务能在后台彼此连接来满足对便捷的需求。只有满足了这一点，智能家居的真正价值才能得以体现。根据GfK中国对家电智能化研究，中国家电产品智能化应用发展速度位于世界前列，但目前也处于厂商、零售商等供给方主导的阶段，还处于智能连接、手机远程控制等初级智能向更高级智能功能探索和尝试的阶段。中国庞大的用户基础和互联网业态演变将为智能家居的发展和创新提供良好的土壤，预计智能家居未来将会催生类似BAT级别的新企业。

以下列举了9家公司，中为咨询我比较熟悉，值得信赖，公司很守信用，为我们的公司的发展提供了很大的帮助。其他的公司，我不是很了解。
1、中为咨询（ZWZYZX）
深圳中为智研咨询有限公司是中国领先的产业与市场研究服务供应商。中为咨询围绕客户的需求持续努力，与客户真诚合作，在调查报告、研究报告、市场调查分析报告、商业计划书、可行性研究、IPO咨询等领域构筑了全面专业优势。中为智研致力于为企业、投资者和政府等提供有竞争力的调查研究解决方案和服务，持续提升客户体验，为客户创造最大价值。目前，中为咨询的研究成果和解决方案已经应用于3万多家企业，并向海外市场拓展。
目前中为咨询业务范围主要囊括了产业细分领域研究、行业市场研究、行业市场调查、IPO咨询、项目可行性分析、并购与重组、投资咨询等领域。中为咨询始终把引进优秀的研究投资人才作为公司的核心目标之一，中为咨询员工拥有多种专业学历背景：统计学、金融学、产业经济学、市场营销学、国际贸易学、经济学、社会学、数学等数十个专业。中为咨询网现有300多名员工中本科以上学历占90%，65%具有双学位、硕士及博士学位。企业大多数员工曾在国内多家知名产业研究所与证券研究机构有过丰富的从业经验。高素质的专业人才是中为咨询的最大财富，也是中为咨询网提供优质服务及践行客户价值的保证。中为咨询业务覆盖中国大陆及港澳台地区，辐射全球；公司90%以上的业务主要针对大中华区实施，企业在中国大陆32个主要城市设立调查派驻点（如北京、上海、天津、重庆、贵州、深圳、武汉、成都、西安、郑州、沈阳等），为客户提供专项调查研究的同时，也为研究咨询提供强有力的数据支持；公司拥有在中国香港、澳门、台湾地区已拥有实施项目的宝贵经验。目前，中为咨询已与国内外数十家专业调研机构建立长期合作关系，确保了跨国性项目的有效实施和执行。深圳中为智研咨询有限公司客户群初步形成90%内地市场（包括中国香港、澳门、台湾地区），10%服务于美国、欧洲、日本、韩国、新加坡等；尤其近几年国外客户合作取得重大突破，赢得较好口碑及长期协议客户。
2、新华信（SINOTRUST）
新华信国际信息咨询（北京）有限公司是中国领先的营销解决方案和信用解决方案提供商，1992年在北京成立。企业收集、分析和管理关于市场、消费者和商业机构的信息，通过信息、服务和技术的整合，提供市场研究、商业信息、咨询和数据库营销服务，协助您做出更好的营销决策和信贷决策并发展盈利的客户关系。企业在北京、上海和广州拥有600名员工，为各行业的机构客户提供专业服务，包括汽车、金融、保险、零售、电信、IT、制造业、消费品和贸易。在华的《财富》世界500强企业中有80%以上使用企业的不同产品和服务。
新华信是中国领先的商业信息咨询服务提供商。企业提供企业信用报告、企业数据库产品、行业报告、信用管理咨询、信用风险管理软件，以及相关数据管理技术与营销活动管理服务，为您的信贷管理、营销拓展、行业分析以及竞争监测等提供充分的信息、决策和技术支持。新华信是中国数据库营销领域的先驱。企业提供客户数据整合和清理、客户信息分析、潜在客户数据、数据库技术服务以及直复营销服务，协助您构建完整和单一视角客户信息，做出更好的营销和推广决策，发展盈利的客户关系。新华信是中国领先的市场研究咨询服务提供商。企业提供关于市场环境和消费者行为和态度的信息和分析，协助您在市场进入、市场细分、产品定位、价格策略、营销推广、渠道组织和管理等方面做出更好的商业决策。
3、艾瑞咨询（iResearch）
艾瑞咨询成立于2002年，由杨伟庆发起创立，致力成为中国大数据时代下最佳互联网收视率及消费者洞察公司。艾瑞咨询以“生活梦想科技承载”为理念，为客户提供中国市场最专业的互联网相关领域的数据产品、研究咨询等专业服务，助力客户提高对互联网产业的认知水平、盈利能力和综合竞争力，让互联网的力量点燃中国各个行业。
艾瑞办公总部设在北京及上海，拥有一支稳定并具有深厚行业服务经验的管理团队，目前拥有员工超过400名，在广州、深圳、成都、杭州、硅谷、纽约、香港等地设有区域办事机构。艾瑞咨询具有广泛而深度的品牌影响力，艾瑞咨询发布的互联网产业及用户数据被各大媒体引用，在多个领域已经树立数据标准。艾瑞咨询拥有基于个人电脑、智能手机、平板电脑、智能电视等不同终端，百万级用户行为监测样本的互联网收视率数据，并在网络营销、电子商务、移动互联网、大数据和互联网金融领域研究具有领先的市场地位。艾瑞咨询累计服务超过1000家客户，涵盖多个行业领域，包括互联网、移动互联网、广告及公关、零售及电商、通信、金融服务、投资研究、消费品、政府及公共事业等，客户几乎覆盖中国所有主要的互联网公司、90%的互联网广告代理公司、主要的电子商务企业、主流的投资银行及互联网对冲基金等。在多个互联网公司IPO上市报告中，艾瑞咨询是主要的第三方数据服务提供方。
4、益普索中国（Ipsos）
益普索（Ipsos）是全球领先的市场研究集团，于1975年成立于法国巴黎，1999年在巴黎上市，是全球唯一由研究专业人士拥有并管理的市场研究集团。益普索是全球第三大研究集团，2014年集团全球营业额22184亿美元，在全球87个国家设有办公室。益普索在六大研究领域为客户提供专业的洞察和服务：广告与品牌研究，客户满意度与忠诚度研究，营销研究，媒介研究，公共事务研究，以及调研管理服务。
益普索于2000年进入中国，已成为中国最大的市场研究公司，在上海、北京、广州、成都、武汉等5个城市设有办公室。企业拥有丰富的专业研究产品线和行业专长，研究领域覆盖广告和品牌研究、营销研究、媒介研究、公众事务与社会研究、满意度与忠诚度研究、数据采集与处理，汽车研究以及金融与服务研究。服务范围覆盖了快消、金融、汽车、IT/电信、医药保健等众多行业。益普索洞察市场潜力，预测市场趋势，助力您品牌的健康发展，并协助您建立长期良好的客户关系。企业将研究数据和大数据进行智慧的结合，企业预测市场、测试广告、研究数字时代的多媒体渠道，并探究全球范围内的公众舆论导向。
5、赛迪顾问（CCID）
赛迪顾问股份有限公司是中国首家在香港创业板上市，并在业内率先通过国际、国家质量管理与体系（ISO9001）标准认证的现代咨询企业，直属于中华人民共和国工业和信息化部中国电子信息产业发展研究院。经过多年的发展，目前公司总部设在北京，旗下拥有赛迪经智、赛迪经略、赛迪方略、赛迪设计和赛迪监理五家控股子公司，并在上海、广州、深圳、西安、武汉、南京、成都、贵州等地设有分支机构，拥有300余名专业咨询人员，业务网络覆盖全国200多个大中型城市。
赛迪顾问凭借强大的国家部委资源支撑、丰富的行业资源和高端专业化人才等竞争优势，面向政府、园区和企业，提供发展战略与规划、政策研究、转型升级规划、招商引资策略研究、信息化咨询、智慧城市规划、市场投资机会与策略分析、投资可行性研究、运营模式研究、企业兼并重组、企业战略咨询、人力资源管理等现代咨询服务。研究领域涵盖电子信息、互联网、通信、基础电子、装备、消费品、汽车和原材料、战略性新兴产业等行业领域。致力成为中国本土的城市经济第一智库、企业管理第一顾问、信息工程设计第一品牌。
6、易观国际（Analysys International）
易观国际（Analysys International）成立于2000年，是中国互联网和互联网化市场卓越的信息产品，服务及解决方案提供商。每年为来自于全球的互联网和信息技术厂商、电信运营商，行业用户、投资机构、政府部门的高级主管，提供包括订阅制的EnfoDesk™资讯平台和EnfoGrowth™专项咨询在内的信息产品，服务及解决方案，借助EnfoShare™的展览展示和人脉平台，进一步加强创新者与行业用户、政府机构、投资机构间的深入沟通与合作机会获得。
易观国际吸引了TMT研究、咨询、分析领域的专业人才，在第一时间为客户提供商业决策优化服务。易观国际的专业队伍80%以上来自于国内外知名学府的博士、硕士，他们不仅具备技术、行业和研究咨询专业背景，还具备丰富的商业经验。在为客户进行商业服务时，他们对整个产业与市场具有深刻的洞察，对企业竞争战略、管理运营具有深刻的理解和体会，得到了海外市场的高度认可。易观商业解决方案是易观国际集团下属的专业咨询公司。经过10年的发展，先后成功为电信、IT、金融等多个行业以及政府部门提供了500个以上的咨询解决方案，在战略咨询、产品规划、市场营销、企业运营等领域积累了丰富的经验。易观智库商业信息服务平台，是一款反映中国新媒体经济（互联网、移动互联网、广电网、物联网等）发展的信息产品。易观智库已成为国内外政府、企业、投资机构以及专业人士了解市场、提升创新力和决策力的首选信息工具。易观智库拥有业内最丰富的内容资源与分析模型、最专业的信息分析与检索工具、最超值的分析师增值服务以及最便捷的定向推送服务。易观智库为客户提供可信、可靠、可用、成本有效的信息和数据，保障您在市场持续发展和剧烈变化的过程中，把握商机、规避风险。
7、慧聪研究（HCR）
HCR是一家根植于中国、放眼全球，提供大数据与小数据有效结合的洞察研究公司，通过对数据的深度挖掘，帮助您发现表象背后的真实世界。HCR为企业提供大小数据结合的深度洞察服务。企业的数据既有来自于互联网和移动互联网中沉淀的网民浏览行为、消费行为、舆论文字等海量数据；也有来自于企业内部沉淀的大量用户的购买行为和数据。企业将大量异构数据进行清洗、整理、分析、挖掘，通过大数据研究与经典研究相结合的深度洞察服务，为企业提供决策依据，帮助企业了解他们面对的市场、客户群体、竞争情况等，伴随企业成长的每一步，助力企业成功决策。汽车、通信、家电、科技、金融、医药、媒体、零售、包装消费品、时尚/运动、奢侈品、工业品、公共事务、烟草等，无论您来自哪个行业，HCR专属的行业服务团队始终陪伴着您。企业致力于通过制度创新培养并吸纳顶尖人才，不断突破自我，向您提供更全面、深入的数据服务，包括传统市场研究、大数据分析等全维度的产品体系，提高数据的洞察和研究效果，使HCR成为从中国走出去的一家世界领先的数据研究公司。
HCR前身为慧聪研究院，成立于1993年，是国内最早一批涉足于市场分析、数据研究的企业，除了在数据洞悉方面的深厚积累，依托于母公司慧聪网的技术优势，HCR还在业内形成了通过IT技术驱动市场研究结果的鲜明特点。2003年，慧聪研究院随慧聪网实现了在香港创业板的成功上市；2008年与170年历史的美国邓白氏达成合作，与其研究团队合并，为公司研究实力引入国际化要素；2011年，HCR完成MBO，为推动HCR成为行业领军企业奠定了有力基础。2012年，公司引入多位业界重量级专家，并于同年8月与上海DNA合并；2013年，HCR宣布与国内顶级投资机构达晨创投达成融资协议，5000万的金额也成为市场研究行业迄今为止最大的一笔；2014年11月，HCR完成股份制改造。2015年8月12日，HCR成功挂牌新三板（股票代码：833309）成为国内新三板大数据商业应用第一股。HCR拥有24个行业1159种品类20余万广告主的媒体数据库，连续积累22年行业数据库，1000万中小企业数据库，70万的B2C消费者样本库，100万移动端用户行为追踪panel。具有业界领先的搜索技术、数据挖掘与管理技术、报告电子化平台技术。公司总部位于北京，在上海、广州等地设有8个分公司，拥有市场研究与传播领域的专业技术和研究人员500多名，同时还与行业内的专家、厂商、渠道企业保持着密切的合作，除覆盖全国的市场信息直接调查网络外，还拥有5000多名兼职信息采集人员，执行范围辐射全国1-6级城市和乡镇共2388个。
8、AC尼尔森中国（Acnielsen）
AC尼尔森于1984年来到中国。至今AC尼尔森已经对中国--全球竞争最为激烈的市场之一--以及中国消费者积累了深刻的理解。不论是中国本地企业还是准备以及已经进入中国的外国公司，企业所拥有的丰富的市场资讯和深刻的市场洞察都能够帮助他们深入理解其竞争环境以及消费者的需求和期望，从而协助他们制定和执行成功的市场战略。
自1923年至今，AC尼尔森公司为市场研究建立了很高的行业标准，其涵盖的知识面，专业性以及全球性都是无与伦比的。AC尼尔森在100多个国家中提供全方位的市场研究服务，提供具有战略意义的市场剖析，让客户能够全面了解本企业产品和整个市场，提高销售，发掘并占领新市场，营造竞争优势，作出重要的决策。AC尼尔森的信息服务策略性地将从概念到最终消费的各个环节紧密联系起来，使客户更好地理解每个有利于业务成功的关键问题，包括“谁”，“什么”，“多少”，“何时”，“何地”等等。先进的分析能力更能深入解答“为什么”的问题，并能预测商业决策的改变可能对市场产生的影响。AC尼尔森的专业人士经验丰富，具有广泛的市场研究，销售和零售业背景。他们是客户的商业伙伴，熟知每一个领域，从统计和信息处理，先进软件的开发到发展客户业务。AC尼尔森优质的服务水平是市场研究行业的标准。AC尼尔森的宗旨是提供市场洞识，帮助客户制订以事实为依据的市场策略。遍及全球的两万多名员工共同向着这一目标做出不懈的努力，建立了以保密和坦诚为基础的紧密可靠的客户关系。通过使用开放的系统，一致的研究方法和最高的质量标准，AC尼尔森为客户提供全球、跨国、区域性和各市场的市场信息，从战略和战术层面满足其业务需要。AC尼尔森于1984年开始在中国发展业务，同时提供零售、媒介和专项研究服务，目前在中国内地设有五个办公室，拥有六百多名全职员工。
9、明镜咨询（CMMR）
明镜咨询成立于1997年，旗下包括广州明镜、北京明镜、成都明镜、上海明镜、深圳明镜五家独立注册的公司。约100名优秀员工组成明镜的团队，平均行业经验超过8年；员工伴随公司的成长而成长，基于“心如明镜”的企业文化氛围，员工队伍保持了高度的稳定性，平均工作年限超过6年。明镜咨询集数据收集、市场研究、管理咨询于一体，一直致力于为企业提供科学理性的经营管理解决方案。迄今，明镜已经在移动通信、医药、交通、家电、日用品、食品、房地产、金融、汽车等行业为100多家企业提供过1000多个研究咨询项目服务。明镜参照行业标准建立了标准化的服务流程，并根据客户需求和营销潮流对相关服务标准不断进行动态更新和完善。明镜不断推动研究咨询技术创新，在常用的数十项研究技术和模型中，有相当数量是自己首创的。每进入一个行业，明镜都发挥了行业专家的巨大影响力，伴随客户的成长而成长；基于“行业专家”的客户服务品质，客户群保持了高度的稳定性，明镜的核心客户数量不多，但是都和明镜保持了长期良好的合作关系。超过1000个项目、10万个顾问工作日、100万次现场观察体验、300万个消费者访问，不断丰富了明镜的数据库；几乎每一年，明镜人都能用自己的智慧创造一个个成功的实战案例；明镜有大量项目成果获奖，受到企业和社会的好评，产生了广泛的影响。

中国十大著名的调查研究咨询机构公司有：
1、北京新生代市场监测机构有限公司
成立于1998年，2003年引进外资，成为中外合资企业。新生代从1998年开始持续跟踪和监测中国市场的变迁，记录中国市场风云变幻，提供市场和消费者洞察，协助客户在商战中制定成功决策。连续研究：连续性的、年度的与单一来源的大众市场研究与分众市场研究。媒介研究：平面媒体研究、电波媒体研究、户外媒体研究、网络媒体研究、新媒体研究。消费研究：行业与市场分析、销售研究、营销研究（品牌/产品/价格/广告/促销）、消费研究、客户满意度研究。
2、北京捷孚凯市场调查有限公司（GFK）
总部位于德国纽伦堡的GfK集团，是全球五大市场研究集团之一，拥有80年的发展历史。，2005年，GfK集团全球年营业收入超过10亿欧元，在全球拥有超过6000人的全职员工，在69个国家和地区设有120多个分公司和分支机构。GfK集团在全球范围内的市场研究业务，涉及专项研究、医疗保健研究、消费电子零研、消费者追踪、媒介研究等五大领域。
3、零点研究咨询集团（Horizon）
中国专业研究咨询市场的早期开拓者与当前领导者之一，旗下“零点调查”（专项市场研究）“前进策略”（转型管理咨询）和“指标数据”（共享性社会群体消费文化研究）和“远景投资”（规范的投资项目选择与运作管理服务），提供专业调查咨询服务零点调查针对不同的客户需求，提供针对性的研究服务，业务主要定位在消费者研究、品牌研究、评估性研究、产品与营销研究四大研究领域。
4、赛迪顾问股份有限公司（ccidnet）
赛迪顾问凭借自身在行业资源、信息技术与数据渠道等竞争优势，能够为客户提供公共政策制定、产业竞争力提升、发展战略与规划、营销策略与研究、人力资源管理、IT规划与治理、投融资和并购等现代咨询服务，服务对象既包括政府各级主管部门与各类开发区，又涵盖新一代信息技术、节能环保、生物、高端装备制造、新材料和新能源等战略性新兴产业的行业用户。
5、深圳中为智研咨询有限公司（zwzyzx）
深圳中为智研咨询有限公司创始于2008年，经历近8年的发展，拥有八年来对各行业追踪研究的海量信息数据积累与调查研究经验，可为客户提供全面、权威、公正、客观的产业市场情报和调查研究服务，现已成为中国最为专业的产业市场调查研究咨询机构及服务商。
6、上海尼尔森市场研究有限公司（AC-Nielsen）
尼尔森公司是全球首屈一指的媒介和资讯集团，尼尔森公司为私营公司，其业务遍布全球100多个国家，总部位于美国纽约。提供全球领先的市场资讯、媒介资讯、在线研究、移动媒体监测、商业展览服务以及商业出版资讯。
7、策点市场调研有限公司（CCMR）
策点市场调研公司是国内最具竞争力的跨行业市场研究公司。策点调研着力于基础市场数据的采集，为企业决策提供支持，从而让企业更了解市场。策点最大的优势是用最优惠的价格给予企业最真实的数据。擅长领域为满意度研究、消费者研究、政府服务研究、市场进入研究、新产品开发研究、房地产专项研究、行业研究等。
8、央视-索福瑞媒介研究(CSM)
媒介研究是CTR和TNS合作成立的中外合资公司。拥有世界上最大的电视观众收视调查网络，提供独立的收视率调查数据。致力于专业的电视收视和广播收听市场研究，为中国大陆地区和香港传媒行业提供可靠的、不间断的收视率调查服务。
9、易观国际（Analysys International）
易观国际成立于2000年，是中国互联网和互联网化市场卓越的信息产品，服务及解决方案提供商。每年为来自于全球的互联网和信息技术厂商、电信运营商，行业用户、投资机构、政府部门的高级主管，提供包括订阅制的EnfoDesk™资讯平台和EnfoGrowth™专项咨询在内的信息产品，服务及解决方案。
10、北京特恩斯市场研究咨询有限公司（TNS）
由原TNS合并而成的TNS中国是中国专项市场研究公司中的佼佼者，致力于为客户提供可行性市场洞察和基于调研的商业咨询，以帮助客户做出更具成效的商业决策。在消费品、科技、金融、汽车等多个领域为客户提供全面而深刻的专业市场调研服务和行业知识，并拥有一整套先进独特、覆盖市场营销和商业运营所有环节的商业解决方案，其中产品开发与创新、品牌与沟通、利益相关者关系管理、零售与购物者研究和定性研究等更是公司的特色强项。

什么是大数据

大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。大数据技术，是指从各种各样类型的数据中，快速获得有价值信息的能力。适用于大数据的技术，包括大规模并行处理（MPP）数据库，数据挖掘电网，分布式文件系统，分布式数据库，云计算平台，互联网，和可扩展的存储系统。

大数据的定义

大数据由巨型数据集组成，这些数据集大小常超出人类在可接受时间下的收集、庋用、管理和处理能力。大数据的大小经常改变，截至2012年，单一数据集的大小从数太字节（TB）至数十兆亿字节（PB）不等。

在一份2001年的研究与相关的演讲中，麦塔集团（META Group，现为高德纳）分析员道格·莱尼（Doug Laney）指出数据增长的挑战和机遇有三个方向：量（Volume，数据大小）、速（Velocity，数据输入输出的速度）与多变（Variety，多样性），合称“3V”或“3Vs”。高德纳与现在大部分大数据产业中的公司，都继续使用3V来描述大数据。高德纳于2012年修改对大数据的定义：“大数据是大量、高速、及/或多变的信息资产，它需要新型的处理方式去促成更强的决策能力、洞察力与最优化处理。”另外，有机构在3V之外定义第4个V：真实性（Veracity）为第四特点。

大数据必须借由计算机对数据进行统计、比对、解析方能得出客观结果。美国在2012年就开始着手大数据，奥巴马更在同年投入2亿美金在大数据的开发中，更强调大数据会是之后的未来石油。数据挖掘（data mining）则是在探讨用以解析大数据的方法。

大数据的特点

具体来说，大数据具有4个基本特征：

一是数据体量巨大。百度资料表明，其新首页导航每天需要提供的数据超过15PB（1PB=1024TB），这些数据如果打印出来将超过5千亿张A4纸。有资料证实，到目前为止，人类生产的所有印刷材料的数据量仅为200PB。

二是数据类型多样。现在的数据类型不仅是文本形式，更多的是、视频、音频、地理位置信息等多类型的数据，个性化数据占绝对多数。

三是处理速度快。数据处理遵循“1秒定律”，可从各种类型的数据中快速获得高价值的信息。

四是价值密度低。以视频为例，一小时的视频，在不间断的监控过程中，可能有用的数据仅仅只有一两秒。

大数据的作用

第一，对大数据的处理分析正成为新一代信息技术融合应用的结点。移动互联网、物联网、社交网络、数字家庭、电子商务等是新一代信息技术的应用形态，这些应用不断产生大数据。云计算为这些海量、多样化的大数据提供存储和运算平台。通过对不同来源数据的管理、处理、分析与优化，将结果反馈到上述应用中，将创造出巨大的经济和社会价值。

大数据具有催生社会变革的能量。但释放这种能量，需要严谨的数据治理、富有洞见的数据分析和激发管理创新的环境(Ramayya Krishnan,卡内基·梅隆大学海因兹学院院长)。

第二，大数据是信息产业持续高速增长的新引擎。面向大数据市场的新技术、新产品、新服务、新业态会不断涌现。在硬件与集成设备领域，大数据将对芯片、存储产业产生重要影响，还将催生一体化数据存储处理服务器、内存计算等市场。在软件与服务领域，大数据将引发数据快速处理分析、数据挖掘技术和软件产品的发展。

第三，大数据利用将成为提高核心竞争力的关键因素。各行各业的决策正在从“业务驱动” 转变“数据驱动”。

对大数据的分析可以使零售商实时掌握市场动态并迅速做出应对；可以为商家制定更加精准有效的营销策略提供决策支持；可以帮助企业为消费者提供更加及时和个性化的服务；在医疗领域，可提高诊断准确性和药物有效性；在公共事业领域，大数据也开始发挥促进经济发展、维护社会稳定等方面的重要作用。

第四，大数据时代科学研究的方法手段将发生重大改变。例如，抽样调查是社会科学的基本研究方法。在大数据时代，可通过实时监测、跟踪研究对象在互联网上产生的海量行为数据，进行挖掘分析，揭示出规律性的东西，提出研究结论和对策。

大数据的分析

众所周知，大数据已经不简简单单是数据大的事实了，而最重要的现实是对大数据进行分析，只有通过分析才能获取很多智能的，深入的，有价值的信息。那么越来越多的应用涉及到大数据，而这些大数据的属性，包括数量，速度，多样性等等都是呈现了大数据不断增长的复杂性，所以大数据的分析方法在大数据领域就显得尤为重要，可以说是决定最终信息是否有价值的决定性因素。基于如此的认识，大数据分析普遍存在的方法理论有哪些呢？

1 可视化分析。大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。

2 数据挖掘算法。大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被全世界统计学家所公认的各种统计方法（可以称之为真理）才能深入数据内部，挖掘出公认的价值。另外一个方面也是因为有这些数据挖掘的算法才能更快速的处理大数据，如果一个算法得花上好几年才能得出结论，那大数据的价值也就无从说起了。

3 预测性分析。大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。

4 语义引擎。非结构化数据的多元化给数据分析带来新的挑战，我们需要一套工具系统的去分析，提炼数据。语义引擎需要设计到有足够的人工智能足以从数据中主动地提取信息。

5数据质量和数据管理。大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。

大数据分析的基础就是以上五个方面，当然更加深入大数据分析的话，还有很多很多更加有特点的、更加深入的、更加专业的大数据分析方法。

大数据的技术

数据采集：ETL工具负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。

数据存取：关系数据库、NOSQL、SQL等。

基础架构：云存储、分布式文件存储等。

数据处理：自然语言处理(NLP，Natural Language Processing)是研究人与计算机交互的语言问题的一门学科。处理自然语言的关键是要让计算机"理解"自然语言，所以自然语言处理又叫做自然语言理解(NLU，Natural Language Understanding)，也称为计算语言学(Computational Linguistics。一方面它是语言信息处理的一个分支，另一方面它是人工智能(AI, Artificial Intelligence)的核心课题之一。

统计分析：假设检验、显著性检验、差异分析、相关分析、T检验、方差分析、卡方分析、偏相关分析、距离分析、回归分析、简单回归分析、多元回归分析、逐步回归、回归预测与残差分析、岭回归、logistic回归分析、曲线估计、因子分析、聚类分析、主成分分析、因子分析、快速聚类法与聚类法、判别分析、对应分析、多元对应分析（最优尺度分析）、bootstrap技术等等。

数据挖掘：分类 （Classification）、估计（Estimation）、预测（Prediction）、相关性分组或关联规则（Affinity grouping or association rules）、聚类（Clustering）、描述和可视化、Description and Visualization）、复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等)

模型预测：预测模型、机器学习、建模仿真。

结果呈现：云计算、标签云、关系图等。

大数据的处理

1 大数据处理之一：采集

大数据的采集是指利用多个数据库来接收发自客户端（Web、App或者传感器形式等）的数据，并且用户可以通过这些数据库来进行简单的查询和处理工作。比如，电商会使用传统的关系型数据库MySQL和Oracle等来存储每一笔事务数据，除此之外，Redis和MongoDB这样的NoSQL数据库也常用于数据的采集。

在大数据的采集过程中，其主要特点和挑战是并发数高，因为同时有可能会有成千上万的用户来进行访问和 *** 作，比如火车票售票网站和淘宝，它们并发的访问量在峰值时达到上百万，所以需要在采集端部署大量数据库才能支撑。并且如何在这些数据库之间进行负载均衡和分片的确是需要深入的思考和设计。

2 大数据处理之二：导入/预处理

虽然采集端本身会有很多数据库，但是如果要对这些海量数据进行有效的分析，还是应该将这些来自前端的数据导入到一个集中的大型分布式数据库，或者分布式存储集群，并且可以在导入基础上做一些简单的清洗和预处理工作。也有一些用户会在导入时使用来自Twitter的Storm来对数据进行流式计算，来满足部分业务的实时计算需求。

导入与预处理过程的特点和挑战主要是导入的数据量大，每秒钟的导入量经常会达到百兆，甚至千兆级别。

3 大数据处理之三：统计/分析

统计与分析主要利用分布式数据库，或者分布式计算集群来对存储于其内的海量数据进行普通的分析和分类汇总等，以满足大多数常见的分析需求，在这方面，一些实时性需求会用到EMC的GreenPlum、Oracle的Exadata，以及基于MySQL的列式存储Infobright等，而一些批处理，或者基于半结构化数据的需求可以使用Hadoop。

统计与分析这部分的主要特点和挑战是分析涉及的数据量大，其对系统资源，特别是I/O会有极大的占用。

4 大数据处理之四：挖掘

与前面统计和分析过程不同的是，数据挖掘一般没有什么预先设定好的主题，主要是在现有数据上面进行基于各种算法的计算，从而起到预测（Predict）的效果，从而实现一些高级别数据分析的需求。比较典型算法有用于聚类的Kmeans、用于统计学习的SVM和用于分类的NaiveBayes，主要使用的工具有Hadoop的Mahout等。该过程的特点和挑战主要是用于挖掘的算法很复杂，并且计算涉及的数据量和计算量都很大，常用数据挖掘算法都以单线程为主。

整个大数据处理的普遍流程至少应该满足这四个方面的步骤，才能算得上是一个比较完整的大数据处理。

大数据的常见误解

一、数据不等于信息

经常有人把数据和信息当作同义词来用。其实不然，数据指的是一个原始的数据点（无论是通过数字，文字，还是视频等等），信息则直接与内容挂钩，需要有资讯性（informative）。数据越多，不一定就能代表信息越多，更不能代表信息就会成比例增多。有两个简单的例子：

备份。很多人如今已经会定期的对自己的硬盘进行备份。这个没什么好多解释的，每次备份都会创造出一组新的数据，但信息并没有增多。

多个社交网站上的信息。我们当中的很多人在多个社交网站上活跃，随着我们上的社交网站越多，我们获得的数据就会成比例的增多，我们获得的信息虽然也会增多，但却不会成比例的增多。不单单因为我们会互相转发好友的微博（或者其他社交网站上的内容），更因为很多内容会十分类似，有些微博虽然具体文字不同，但表达的内容十分相似。

二、信息不等于智慧（Insight）

现在我们去除了数据中所有重复的部分，也整合了内容类似的数据，现在我们剩下的全是信息了，这对我们就一定有用吗？不一定，信息要能转化成智慧，至少要满足一下三个标准：

可破译性。这可能是个大数据时代特有的问题，越来越多的企业每天都会生产出大量的数据，却还没想好怎么用，因此，他们就将这些数据暂时非结构化（unstructured）的存储起来。这些非结构化的数据却不一定可破译。比如说，你记录了某客户在你网站上三次翻页的时间间隔：3秒，2秒，17秒，却忘记标注这三个时间到底代表了什么，这些数据是信息（非重复性），却不可破译，因此不可能成为智慧。

关联性。无关的信息，至多只是噪音。

新颖性。这里的新颖性很多时候无法仅仅根据我们手上的数据和信息进行判断。举个例子，某电子商务公司通过一组数据/信息，分析出了客户愿意为当天送货的产品多支付10块钱，然后又通过另一组完全独立的数据/信息得到了同样的内容，这样的情况下，后者就不具备新颖性。不幸的是，很多时候，我们只有在处理了大量的数据和信息以后，才能判断它们的新颖性。

大数据时代存储所面对的问题

随着大数据应用的爆发性增长，它已经衍生出了自己独特的架构，而且也直接推动了存储、网络以及计算技术的发展。毕竟处理大数据这种特殊的需求是一个新的挑战。硬件的发展最终还是由软件需求推动的，就这个例子来说，我们很明显的看到大数据分析应用需求正在影响着数据存储基础设施的发展。

从另一方面看，这一变化对存储厂商和其他IT基础设施厂商未尝不是一个机会。随着结构化数据和非结构化数据量的持续增长，以及分析数据来源的多样化，此前存储系统的设计已经无法满足大数据应用的需要。存储厂商已经意识到这一点，他们开始修改基于块和文件的存储系统的架构设计以适应这些新的要求。在这里，我们会讨论哪些与大数据存储基础设施相关的属性，看看它们如何迎接大数据的挑战。

容量问题

这里所说的“大容量”通常可达到PB级的数据规模，因此，海量数据存储系统也一定要有相应等级的扩展能力。与此同时，存储系统的扩展一定要简便，可以通过增加模块或磁盘柜来增加容量，甚至不需要停机。基于这样的需求，客户现在越来越青睐Scale-out架构的存储。Scale-out集群结构的特点是每个节点除了具有一定的存储容量之外，内部还具备数据处理能力以及互联设备，与传统存储系统的烟囱式架构完全不同，Scale-out架构可以实现无缝平滑的扩展，避免存储孤岛。

“大数据”应用除了数据规模巨大之外，还意味着拥有庞大的文件数量。因此如何管理文件系统层累积的元数据是一个难题，处理不当的话会影响到系统的扩展能力和性能，而传统的NAS系统就存在这一瓶颈。所幸的是，基于对象的存储架构就不存在这个问题，它可以在一个系统中管理十亿级别的文件数量，而且还不会像传统存储一样遭遇元数据管理的困扰。基于对象的存储系统还具有广域扩展能力，可以在多个不同的地点部署并组成一个跨区域的大型存储基础架构。

延迟问题

“大数据”应用还存在实时性的问题。特别是涉及到与网上交易或者金融类相关的应用。举个例子来说，网络成衣销售行业的在线广告推广服务需要实时的对客户的浏览记录进行分析，并准确的进行广告投放。这就要求存储系统在必须能够支持上述特性同时保持较高的响应速度，因为响应延迟的结果是系统会推送“过期”的广告内容给客户。这种场景下，Scale-out架构的存储系统就可以发挥出优势，因为它的每一个节点都具有处理和互联组件，在增加容量的同时处理能力也可以同步增长。而基于对象的存储系统则能够支持并发的数据流，从而进一步提高数据吞吐量。

有很多“大数据”应用环境需要较高的IOPS性能(IOPS (Input/Output Operations Per Second)，即每秒进行读写（I/O） *** 作的次数，多用于数据库等场合，衡量随机访问的性能)，比如HPC高性能计算。此外，服务器虚拟化的普及也导致了对高IOPS的需求，正如它改变了传统IT环境一样。为了迎接这些挑战，各种模式的固态存储设备应运而生，小到简单的在服务器内部做高速缓存，大到全固态介质的可扩展存储系统等等都在蓬勃发展。

并发访问一旦企业认识到大数据分析应用的潜在价值，他们就会将更多的数据集纳入系统进行比较，同时让更多的人分享并使用这些数据。为了创造更多的商业价值，企业往往会综合分析那些来自不同平台下的多种数据对象。包括全局文件系统在内的存储基础设施就能够帮助用户解决数据访问的问题，全局文件系统允许多个主机上的多个用户并发访问文件数据，而这些数据则可能存储在多个地点的多种不同类型的存储设备上。

安全问题

某些特殊行业的应用，比如金融数据、医疗信息以及政府情报等都有自己的安全标准和保密性需求。虽然对于IT管理者来说这些并没有什么不同，而且都是必须遵从的，但是，大数据分析往往需要多类数据相互参考，而在过去并不会有这种数据混合访问的情况，因此大数据应用也催生出一些新的、需要考虑的安全性问题。

成本问题

“大”，也可能意味着代价不菲。而对于那些正在使用大数据环境的企业来说，成本控制是关键的问题。想控制成本，就意味着我们要让每一台设备都实现更高的“效率”，同时还要减少那些昂贵的部件。目前，像重复数据删除等技术已经进入到主存储市场，而且现在还可以处理更多的数据类型，这都可以为大数据存储应用带来更多的价值，提升存储效率。在数据量不断增长的环境中，通过减少后端存储的消耗，哪怕只是降低几个百分点，都能够获得明显的投资回报。此外，自动精简配置、快照和克隆技术的使用也可以提升存储的效率。

很多大数据存储系统都包括归档组件，尤其对那些需要分析历史数据或需要长期保存数据的机构来说，归档设备必不可少。从单位容量存储成本的角度看，磁带仍然是最经济的存储介质，事实上，在许多企业中，使用支持TB级大容量磁带的归档系统仍然是事实上的标准和惯例。

对成本控制影响最大的因素是那些商业化的硬件设备。因此，很多初次进入这一领域的用户以及那些应用规模最大的用户都会定制他们自己的“硬件平台”而不是用现成的商业产品，这一举措可以用来平衡他们在业务扩展过程中的成本控制战略。为了适应这一需求，现在越来越多的存储产品都提供纯软件的形式，可以直接安装在用户已有的、通用的或者现成的硬件设备上。此外，很多存储软件公司还在销售以软件产品为核心的软硬一体化装置，或者与硬件厂商结盟，推出合作型产品。

数据的积累

许多大数据应用都会涉及到法规遵从问题，这些法规通常要求数据要保存几年或者几十年。比如医疗信息通常是为了保证患者的生命安全，而财务信息通常要保存7年。而有些使用大数据存储的用户却希望数据能够保存更长的时间，因为任何数据都是历史记录的一部分，而且数据的分析大都是基于时间段进行的。要实现长期的数据保存，就要求存储厂商开发出能够持续进行数据一致性检测的功能以及其他保证长期高可用的特性。同时还要实现数据直接在原位更新的功能需求。

灵活性

大数据存储系统的基础设施规模通常都很大，因此必须经过仔细设计，才能保证存储系统的灵活性，使其能够随着应用分析软件一起扩容及扩展。在大数据存储环境中，已经没有必要再做数据迁移了，因为数据会同时保存在多个部署站点。一个大型的数据存储基础设施一旦开始投入使用，就很难再调整了，因此它必须能够适应各种不同的应用类型和数据场景。

应用感知

最早一批使用大数据的用户已经开发出了一些针对应用的定制的基础设施，比如针对政府项目开发的系统，还有大型互联网服务商创造的专用服务器等。在主流存储系统领域，应用感知技术的使用越来越普遍，它也是改善系统效率和性能的重要手段，所以，应用感知技术也应该用在大数据存储环境里。

小用户怎么办？

依赖大数据的不仅仅是那些特殊的大型用户群体，作为一种商业需求，小型企业未来也一定会应用到大数据。我们看到，有些存储厂商已经在开发一些小型的“大数据”存储系统，主要吸引那些对成本比较敏感的用户。

---