主持人: 尊敬的各位嘉宾，大家上午好。欢迎您莅临“洞察
胡世忠: 大家早上好。非常热烈欢迎大家在百忙中抽空参加今天这个非常重要的活动，我们为大家准备了非常丰富的内容，为大家提供一些专家的专业知识，我也想欢迎这几位来到中国的专家和嘉宾。我在前面10分钟给大家介绍一下究竟我们今天期待着什么，另外，简单介绍一下IBM对于智慧的分析洞察的看法，另外也谈一下我们怎么样分析数据的基本方法。在此之前，我首先想借此机会回顾一下四年多前，当时IBM宣布了这样一个目标，我们希望在市场上，在全球和中国达到什么目标，就是帮助企业变成更加智慧的组织，同时地球变成更加智慧的地球。当时在一些飞机场就可以看到很多这样的应用。
胡世忠: 第二，在过去的四年中我们所学习到的以及与客户一起合作所学习到的，我们想实现智慧的地球，最终还是你的能力和分析，分析是你成功的关键。正因如此，我下面花几分钟时间强调一下分析的重要性。为了达到这个目标，在我们谈到分析的时候，我们从几千个客户当中可以看到，这一话题不仅仅是IT人士讨论的话题，也不仅仅是某一个行业、某一个企业、某一个组织的话题，而是每一个人都关注的话题。你们有些人可能已经参加过过去几年IBM的活动，现在你可以看到我们对于市场发布的信息有些变化。我们几年前所引用的很多客户的话都是那些IT人员，但现在你会看到我们引用的不仅仅是IT的人，这里有一些商业领导人是我们的客户，我们从这些商业领导人这里得到一些洞察力或信息，我们会发现对他们来说管理数据已经不够他们在市场上进行竞争了。
胡世忠: 另外，IT人士，我们现在和他们不仅仅是讨论技术问题，而是讨论怎么样管理、一个组织的风险。同时由于这个市场发生了这样的变化，所以我们对于数据处理的方式都得发生变化，现在我们经常谈BYOD（Bring Your Own Device 指携带自己的设备办公，这些设备包括个人电脑、手机、平板等），就是使用你自己的设备，让你的设备更加可及、更加好用。
胡世忠: 而在不同的听众当中，比如说有各种各样的商业人士，我所学到的一点，比如人力资源，我们他们称为人力资源总监，他们所关注的也是要有这样一种分析能力，通过这种分析能力可以使得他们组织的人力资源更加强大。
胡世忠: 我可以举例，比如在人力资源的有些人士关注怎么挽留他们的人才、培训他们的人才，怎么确保这个公司在今后规模扩大之后如何有足够的人才去支持。因此，有了这种分析的能力，有一种能力去发展人力资源，去了解市场的变迁，比如我们现在特别需要有很多具有精算师背景的人才，因为在商务领域非常需要这样的人才，所以现在企业会去争夺这样的人才，所以这时候人力资源特别关注，他们能不能有一种预测未来人才发展的模型，可以招募到这些人才，能够挽留住这些人才。
胡世忠: 还有CFO，可能很多人看到这样的新闻，说在过去的一周当中一个大银行亏损了200亿，就是摩根，同时你们也读到了最近在欧洲发生了主权债务危机，这对于你的企业来说意味着什么呢？我们经常会有一个经济灾难在全球产生影响，它肯定会对企业产生影响，因此我们需要对企业进行压力测试，来看看企业有多大的承受能力。这里面跟你数据的处理能力有关系，在过去四年当中，在中国分析的深度和广度已经不仅仅是对于某一个特定领域，而是对所有人都适用了，我们会讨论信息的洞察、数据等等。如果你想处在对手的领先地位，你就必须有这种领先能力。为什么我们现在特别需要这种分析能力呢？这里是IBM的一个观点，一是由于大数据的出现，大数据这个词在很多发言中都提到，但是大数据究竟指的是什么呢？下面谈一下我们的角度。
胡世忠: 我们再回到过去四年当中，我们讨论数据的时候经常说企业数据、公司内部的数据，有数据仓库或数据库，这是来自ERP应用、供应链管理的数据，但是现在数据有一个爆炸性的增长。大家都知道，在中国通过社会媒体，比如像微博、博客等等，在西方是Facebook和Twitter，这样就导致了新的数据大量爆发，我们把它称为结构性数据和非结构性数据。
胡世忠: 结构性数据来自文件，而非结构性数据来自海量的数据，所以我们现在是用P级来形容数据的数量，而以前是T级。我们也出现了社会的媒体，出现了各种各样的论坛，这也是改变了我们和别人交流的方式，所以现在的权利已经开始向消费者转移了。你会看到现在世界上很多事情或者是产品的销售，很多是靠消费者在社会论坛上的讨论所决定。如果一个公司失败了，很可能是因为他的产品在论坛上没有得到消费者的好评，也就是说权利的影响力已经向消费者转移了。最后，由于数据的不断爆发，由于非结构和结构性的数据出现，由于大量、快速数据的传输，我们需要实现事半功倍的效果。
胡世忠: 下面总结一下IBM在智慧的分析洞察方面进行了巨大投资，我们的投资大概是160亿美元是投资于智慧的分析洞察的。在软件方面我们也投入了85万的项目，其中有1/3都是关于数据分析的。另外，我们也在招募、培训发展大量的技术专家。我们在中国有1000人组成的研究团队，另外我们也和我们的商务伙伴和大学进行合作，以便能够提供解决方案，使得我们实现一个智慧地球。
胡世忠: 这不仅仅是一个软件的投资，也不仅仅是一个软件的宣言，而是在IBM公司，当我们谈到智慧的分析洞察的时候是在增强我们系统的能力，你会看到我们在服务器方面提供新的系统能力。同时，沃森（Watson）也是使用大量的数据，另外也提供咨询的知识的基础，同时我们将很多客户经验集中到这样一个分析工具当中去。今天我们讨论的主题就是智慧的分析洞察，方法就是可以将信息变成一种洞察力，然后再把它变成一种商务成果。
胡世忠: 我特别想清楚地向大家展示的信息，大家可以看到这里有很多公司，这里有很多公司是我们收购的公司，这些公司给我们提供了智慧的分析洞察的工具和能力，这些可能是跟大家相关的事情，在过去一年当中我们在和我们的媒体或者商务伙伴合作的时候经常会问到一个问题，我们怎么样看待这些客户的大数据，我们怎么样看待大数据的解决方案。我想强调的一点是，这是一个非常大的领域，并没有一个独特的产品就可以解决所有的问题，它是一个一系列产品数据的讨论，以及相关的洞察力，可能首先是说怎么样压缩它，怎么样优化这些数据，怎么样将这个数据变成一种比较合格的格式等等的问题。这样一系列的产品IBM都在进行投资，IBM希望能够实现一个整体、全面的智慧的分析洞察方式。
胡世忠: 最后，我来强调一下我刚才所提的这几点。我一直在跟很多人进行一些讨论，比如胡总，我们经常的这种讨论有很多非常伟大的想法，如果我就是一个小公司，这个会跟我们有什么关系呢？有人会说IBM会给我们提供一些企业级的解决方案，比如说金融行业的企业，如果他是一个东莞的玩具商，也认为跟他没有关系。这是一个巨大的话题，我不知道从哪里开始，这里我想回答的是，把数据变成一种洞察，变成一种行动，变成商务的成果，这并不是仅仅为某一个行业准备的，也不仅仅是为某一个职业所准备的，比如只是为IT的职业人群，但实际上采购的人、人力资源、财务人员都可以使用。
胡世忠: 我上周见了一位科学家，科学家也非常关注数据的准确性和规律性。这里我们看到几个公司，这几个公司有的大、有的小，但是我们都是起点级的合作，这种合作可大可小，比如像汉庭酒店，他们希望有这样一种能力，他们可以预测每一个季节、每一个季度入住率是什么样的，在夏天的时候会有更多的家庭来访问，他们会提供一种特惠的，为儿童提供的优惠政策。如果在秋天的时候，可能有更多的贸易展览，他可能会提供一些无线网络等服务，这样他们就可以根据季节提供不同的针对性的服务给他们的客户，这是起点级的合作。
胡世忠: 第二个例子是保险公司，保险公司是竞争非常强烈的行业，因为我自己为我的孩子、为我的家庭购买保险，如果我去旅游的话，我希望速度非常快，因为保单我都很熟悉，但是我需要一个保险公司能够最适合我的需求的服务，最适合我家庭的需求，因为我的需求也在不断变化，所以这时候管理的数据也会经过不同的变化，所以希望这个保险公司可以追踪我们的变化，这样就需要有内容管理。
胡世忠: 第三个例子，在很多情况下很多数据是纸质的、非纸质的，有表格的，有Word的，对于大家来讲，信息是所有人要面对的问题，这是我们必须要做的事情，而且对于所有的角色，所有方面，所有人都要面对这种情况，需要他们进行决策，来帮助这个组织成长，并且成为一个智慧的地球。
主持人: 感谢胡世忠先生的精彩演讲，接下来掌声有请Garner咨询公司全球副总裁Ian A. Bertram先生为我们带来“洞察分析，您的企业准备好了吗？”的主题演讲。
Ian A.Bertram: 非常感谢胡世忠，你给我们举了很多好的例子，这里我要给大家说一声早上好，我在这里感觉好像是一个中学老师，感觉非常好。洞察信息、业务分析是非常重要的，为什么重要呢？其中一个基本的原因是，当你开始一段旅程的时候，旅程会有各种情况，为什么我们到这里来，其实这一切都关乎决策。你们希望能够做更好的决策、更成熟的决策，希望做更基于事实的决策，这就是我们最重要的地方，特别是当我们开始这样决策的时候。当我们说到分析卓越的时候、转型的时候，要把我们向那种信息驱动的决策转换，这就取决于你这个组织的成熟度。
Ian A.Bertram: 胡世忠刚才也说到有很多关键的决策点，如果你有很好、很多成熟度的话，你就可以开始从一些基本的问题上回答，然后给你一些基本的报告，然后让你开始这样的转型。先对过去三年的事情做一些总结，然后看看是不是开始这样的旅程，这不在乎旅程的哪个阶段。这里我有三个主要的问题，一是相关性，你的信息和组织的关系是什么。二是关于资源，你是不是有能力，你需要哪些技能和能力，让你这个组织能够实现这样的转型。三是革新、创新，我喜欢一边讲话一边走，可能摄像的人比较麻烦，我也很喜欢照相，所以我希望走一走，然后给我们摄像师带来一些挑战。
Ian A.Bertram: 首先我来讲一下相关性，什么叫相关性呢？错误的决策会导致轰动性的新闻。如果你去谷歌或者百度进行搜索的话，如果输入错误的决策，你会发现上千的结果。这是意大利轮渡失事的新闻，为什么会失事呢，因为他们没有得到足够的信息，做出了错误的决策，结果是轮渡翻船了，这就成为了报纸的头条标题。而且一个金融企业损失了20亿美元，使人坐了牢，这就是结果，你认为这是一个错误的决定吗？这和上一个情况差不多，但事实上这是一个好的决定，萨利机场是美国航空的机场，他所有飞机的引擎都失效了，他使用基于现有的信息，然后他做出了正确的决定，把飞机降落在了哈得孙河上了，基于他的培训，和现有的信息，做出了非常正确的决定。这就是告诉我们如何使用信息，从而做出正确的决策。
Ian A.Bertram: 的确我们现在有很多信息，其中一个入门点是什么？就是我们描述性的分析，就是告诉我们正在发生什么情况，这是一个基础，这是一个历史性的视角。我们理解了正在发生什么事情的话，为什么会发生这个事情呢？我们就建立新的能力和得到新的工具，然后去进行分析为什么会发生这类事情，这就是所谓的诊断分析，我们做这种分析的时候就会提出更多问题，我们有更复杂的问题提出来，这就是前瞻性分析。你会建立一个模型，可能会发生什么事情，我们可以做几年的前瞻分析，特别是在金融领域和零售，我们可以做前瞻性的分析，为什么在我们的生命周期里可以找到一些规律或者模式，基于我们现有的信息对未来进行分析，这样可以帮助我们进行决策，我们的信息和信息建模进行预测这就是我们所谓的前瞻性分析。
Ian A.Bertram: 说明性分析，我们的决策都变得自动化了，我们也做了很多工作，在这中间好的例子是什么？我们如何去推广这些好的做法，然后对一些结果进行预测，进行说明性的分析。当然，随着信息的增多，噪音信息也在呈爆炸式增长。在我们的组织里如何管理结构以及非结构性信息，还有外部噪音的信息，关键是我们要克服这些噪音，要找到对我最具有相关性的信息，因为有很多噪音的信息。如何做决策呢？哪些信息对我来讲是最有关系的、最重要的呢？我们有文档、有社交数据、有视频数据、有移动数据，然后你说，好了，我头都要爆炸了。怎么办呢？所以组织需要一系列的框架去决策，就是说你的组织该怎么成功，然后决定你在这个组织中的作用，比如你是一个CEO，关注的是战略性的转变调整起来CIO要服从CEO的战略转变，还是一个中层管理人员，还是做运营的呢？在这方面根据你的决策要掌握你的信息，然后做出自己的决策，你这中间是不是有成本、资源、绩效，还有一些不同的指标，然后确保你获得足够的资源，来帮助你完成你的工作，而且推动我所做的工作更好的成果，而且推动我的运营得到更好的成绩。很多人会讲，高层人员需要实时的信息，我得说，这个说法是错的，的确他们需要一些实时的信息，实际上运营的人是需要实时信息的，而在战略层面需要的是跨度非常长的信息，他需要信息的集合，而且给他们提供一些事实上的，而且对于他决策有关的信息，所以在这里我们需要智能业务管理，需要整合和聚合。一般来讲，我们在基层是需要实时信息的，在上层战略层面的信息量又不一样了，所以需要的是不同的信息需求。我们最终要指向的是在战略层面上，我们在这方面需要通过不同的详细程度。
Ian A.Bertram: 资源，当我们看一个材料，会看到这个材料上会列出九个最致命的失败原因，也许失败原因会超过九个。这九个原因是你开始可以应对的领域，我今天不会全讲，但是我们需要去看一下信息的质量，胡世忠刚才也提到了，客户有时候不会对信任数据，这样就需要从质量的角度管理信息，信息的质量是关于流程的，不是关于技术的，我会给大家举个简单的例子。我们会和一个律师事务所进行合作，我们希望他看看需要多少个翻译，我们读了他们的报告，他们认为在那个情况他们是做一个关于挪威的刑事案件的处理，那时候我们在系统里问他们，你们需不需要一个翻译，他们的答案是，不是的。所以在这个过程当中没有一个流程来回答这个问题，这不是一个技术性的问题，技术上显示，在那里没有多少人会讲挪威话，这就是流程的问题。还有一个是文化方面的挑战，很多时候在你的组织里，你面对的是一些文化上的或者是办公室政治方面的挑战，在这方面要改变的话是非常难的，在信息的质量上还要注意。另外是控制，什么叫控制呢？谁去访问这个数据，谁不能访问这个数据，你还要做什么样的决策。反过来说，就是控制和管理，如何和组织里的其它人进行沟通，在我的组织里我如何去分享信息呢？如果做出决定之后，要让别人知道我们已经做了一个决策，而且我们如何在一年或者半年里评估我的决策是不是正确的呢，又加上文化方面的一些因素，很多时候这种事情做起来也会出现很多问题，因为很多时候社会等级划分非常分明。另外是经济性，我们是指大的社区，一个共同体。我们将信息作为一种战略性的资产来管理，我听过很多人说过这个话，我们把信息作为一种战略的资产，可是我们真正做到了这一点吗，我们怎么样做到这一点呢？非常难，但是对于CIO、对于高管来说，我们应该开始思考我们怎么样管理这些程序，我们要投资多少钱，它有多重要，并不仅仅是把它放在我们的账面上作为一个无形的资产，而是说怎么做这件事情，怎么真正将他们作为一种战略性资产，我们需要做出一些什么样的决策，需要怎么样使得这些决策产生价值，我们现在做了很多研究，我们把它称为信息经济学，也就是关于怎么样来处理信息，把信息作为战略性资产的经济学。但是我们来考虑一下，你们在你们今天的组织当中是怎么做的，仅仅是嘴上说说而已，还是怎么样？因为大多数的组织可能只是谈一下这个东西，而并不会真正去做。
Ian A.Bertram: 另外，我还谈到了一些矩阵，在我们的组织当中有没有相应的矩阵。你在开发你的各种各样战略和方案的时候，在你的组织当中我们是不是真正能够把这些东西和我们的战略目标结合起来，我们经常看很多商业文件，我在任何文件中首先想看的是这个文件和你这个组织战略性目标是不是结合起来的，它是不是具有一种转换性的性质，能不能够使得你的成本，你的商业战略，你的增长，你的市场份额或者说你的价值，是不是具有一种转换性的价值。另外，我更长做的一件事情是，我会说这只是关于投资和技术，更好地管理我的信息，什么意思呢？更好地管理我的信息对于组织有什么价值、对于使用的人有什么价值呢？我觉得对他们来说这点非常重要，如果你不这么做的话，这些信息永远都只是一些资金不足的IT项目，如果你不能够把它跟你商务目标结合起来，你就不能把他作为一种体制化的投资，它就变成了一种单独的项目，无人问津，可能人们也不关注，人们说这是一个IT项目，我给IT项目一些钱就行了，不是这样的感觉。它对你意味着什么？从文化、政治的角度来说，要把它和你的战略目标结合起来。我们怎么样把这些目标都结合到一起呢？这里面关键的是，让商务部门正确的人、财务部门正确的财务分析师、正确的IT人士，他们走在一个圆桌的旁边，我们一起讨论什么是正确的标准和定义，我们应该怎么样使用信息，我们应该怎么样提高我们使用信息的能力和技巧，怎么样来建设一些高质量的项目，如果不能把正确的人带到这个桌边来讨论同一问题的话仍然没有办法，就是IT的人在推动这件事情，从下面往上推，但是永远都得不到一个技术，所以你必须把正确的人在历程当中共同前进。
Ian A.Bertram: 为什么需要对业务分析能力进行投资？为什么要投资这种能力的中心、矩阵的中心？因为我们也看了我们的研究结果，也看了商务智能颁奖的结果，我们看了这些公司的情况，看了这些成功的公司，他们确实投资了业务分析能力，还看了那些没有投资的组织，那些投资了的组织应用率更高，他们有34%的采纳率，所以能够把这些不同的人放到一起的话，它可以使得你的分析能力能够更好的得到采纳，可以更多的使用这样的应用。而且他们的费用可能会增加一些。因此，他们实际上是把这些项目变成一种机制化的东西，所以他们的项目预算也会增加，不光是技术的预算，当然技术是很大一块。但是同时他们还有关于交流项目、教育项目、流程改变、信息管理的费用和预算，当然看起来费用要增加一些，所以他们会投资那些创新性的技术，而不仅仅是基础性的技术，因此他们会使用更加新颖的概念，同时他们也会更加全面，而不仅仅是做一些信息孤岛式的项目，而是变成一个全面的管理改变的文化更新的方案，这也是我们要投资于业务分析的能力，也就是要成功。
Ian A.Bertram: 这是一些投资成功的组织，这实际上就是实现他们的业务成果，我们是不是仅仅是一个技术的问题呢？CIO不仅仅是首席技术官，而且是首席信息官，比如我是一个IT人士，我是不是只是一个知识性的角色，还是说我也是和业务部门携手并进，是平等的。我不仅仅扮演着知识性的角色，而且还供应着你的业务。举个例子，UPS，一个物流公司，它是一个非常好的业务转型，它有一些思考方法产生了根本性的改变。另外，Amcor这个公司是一个非常大的包装公司，在中国也有，它也是为了实现更加好的毛利。还有Unicredit，对他们来说，他们的目标是要改进消费者的体验，在迪斯尼里，你希望见到米老鼠等等，所以他们开发出了一个预测模型，使得他们可以快速改变他们的资源配置，根据迪斯尼里面的情况来改变资源的配置，可以看交通、天气，这样可以确保这个模型在一定的范围内可以非常动态的配置他们的资源。有很多非常好的例子，这也是为什么我们要做对于分析的投资。
Ian A.Bertram: 这是一些业务的成果，他们可以通过投资于这些分析工具的投资而实现的商业成果，可以实现文化的变化、技术的变化、技巧的变化、能力的变化、矩阵的变化等等，另外，它可以节约2.2亿美元的运营成本，这是UPS公司的。对他们来说，当然他们对于技术的投资更多，对能力投资也很多，但是他们却获得了2.2亿美元的运营成本的节约，他们卡车的使用率，他们的包装，除了卡车之外还有空中运输和海运，他可以数量的方式来说明这些程序的变化给他们带来多大的节约，因为他们投资于这些新的信息的分析技术。同时，它还可以支持快速整合来自18个传统系统的数据，我们怎么来建立一些新的数据系统，我可以从这些数据系统当中得到附加值，同时也可以降低每个月报告的，我们有一个例子，一个组织，这个组织优20个人，他们坐在一个房间里两周，做财务报表的合并和整合，但是如果他们有了这样一个分析的工具解决方案之后，他们只要按一个按纽，在一天之内就可以实现报表的合并，所以它所带来的节约是巨大的。这也是一个原因，要整合你的业务成果，有时候可能是你没有意识到带来的益处，比如几年之前有一个例子在澳洲，澳洲的悉尼水业，它投资一些技术，他们意识到，他有一个水轮机24小时都在使用，但是维修人员却没有发现它，所以他们换了一个3000美元的水泵，但是一共省略了几百万美元，这也是他们投资于分析工具带来的好处。
Ian A.Bertram: 下面讲一下革新，现在有大量的技术，你必须要知道现在你可以获得什么样的技术，有很多消费化的技术，包括交互式发现、可视化、BI综合搜索、协作市分析和决策、自助服务，新数据源和分析即服务。还有绩效和规模，将软硬件与内存中分析相结合，而且能够在你的组织中不断升级。另外，我需要去考虑什么最适合我的组织，一种怎样的信息组合，比如外包这样一个信息组合，还是说，我自己建立的信息组合，在一会儿的发言中会谈到这些据比的技术问题，有他些技术大家可以使用，来实现这样商务的成果。
Ian A.Bertram: 这张可能是有点争议的幻灯片，很多组织在过去很多年当中，可能你们很多组织也是如此，都是说我们投资于业务的应用程序，用它来适应我们的业务流程，你是应该这么做，它符合我的流程，我的组织当中决策的流程也应该符合。但是我们现在要做的是，比如我有一个业务应用，比如ERP，我会把其他的分析能力和解决方案都贴在它上面，围绕它来实现，比如我们怎么来分析一些情况。今天的组织，像UPS公司，他们的想法就不一样，他首先是考虑他们的分析能力，因为业务流程本身会发生变化，因为当你在寻求新的洞察的时候，你要把这种信息变成洞察、变成行动，他们会去寻求那样一种分析能力，寻求核心的能力是分析能力，然后再把业务系统围绕分析能力来建立。想一下，你的分析能力在你的组织当中是什么样的，你的投资是投资在哪一块了。另外一个非常基本的框架可以帮助大家考虑这个问题，在你的组织当中有三个层次，一是记录系统，也就是ERP，你是必须要去投资的，因为这里面是关于合规的等等，这里的数据是结构性的数据，如果我们再往上走的话就得到一个区分的系统，你使用的应用和你的竞争对手是不一样的，比他们更好的。然后有了创新系统，创新是指什么呢？通过创新可以给业务带来很大的影响，它是一种非常松散的耦合系统，甚至是完全不耦合的系统，如何通过这种信息获得洞察呢？最终变成你业务上的成功呢？比如在Facebook上你如何做一个创新，比如对一个报价系统进行创新，然后把这个报价变成一个订单，然后通过记录系统，在不同的层级使用这些系统，最终还是关于你的决策。为什么大家到这个地方要做到更成熟、更好的决策，你不会把你现有学习的专业知识、技能扔掉，事实上你是基于现有的能力、信息和技能，然后把它变成最佳资产。这是我们最后一张幻灯片，这是我们在Garner的业务分析框架，我们有四个P，第一是绩效，第二是人，第三是平台，第四是流程，我们有自己的平台，这个平台是由技术组成的，你需要把你的绩效，你是不是有绩效的这些指标呢，还有人，这些人是不是有合适的能力和技能，然后去帮助他们发展这些能力和技能呢？然后你看你的业务流程和决策、业务流程、分析流程和信息的基础架构流程，然后把它和技术进行耦合，然后再看看你在哪些方面要做投资，特别是你要去解决其它三个P的话，就是绩效、人和流程，在这个过程中，底下有很多细节，所以这些框架把我们都整合到一块儿了。
Ian A.Bertram: 下面回到一些基本的问题，来看一下哪些信息对你来讲是重要的，有哪些资源可以用，另外，在哪些方面基于你目前的成熟度而在走向创新的路上应该怎么走。在这个地方我有一个信息，我有一个洞察，这就是我希望大家得到的收获，这就是我今天给大家做的演讲，谢谢各位。
主持人: 接下来掌声有请IBM全球业务咨询服务部、业务分析与优化服务大中华区总经理段仰圣先生为我们带来“智慧的分析 新的使命”的主题演讲。掌声有请段仰圣先生。
段仰圣: 各位好，非常高兴有机会在今天这个场合跟大家见面，我来自IBM业务分析与优化团队，我是负责大中华区的领导人。
段仰圣: 今天这个题目，智慧的分析洞察新的使命，我从两个角度跟各位分享我们的看法。第一部分，分享一下现在的趋势。现在的数据量非常大，我们如何更好地利用这些数据进行分析，得到洞察，然后采取行动。第二部分，分享IBM在智慧的分析洞察上提出的一个很完整的方法论，我想也解答刚才Ian A. Bertram先生在前面提到的企业遇到的这些问题该如何面对。
段仰圣: 我们先看看整个全球媒体在关注的一些内容。CMBC说“数据是新的石油”石油现在越来越缺乏、越来越贵，最近油价有点下降，我们发现数据是我们看到的一个新的领域，我们可以很好的挖掘。华尔街日报提到“公司正在被大量的数据淹没”，其实我们有非常多的数据，可是我们的经理人却很挣扎如何用好这些数据。《纽约时报》提到“数据将会是一个类似于货币或黄金的新型经济资产。”我觉得这个观点大家可以思考一下，数据的价值越来越高了。福布斯也提到“现在沃森正在协助美国的一家医疗诊所，想办法协助他们做更好的医疗诊断，降低医疗事故，降低错误的诊疗”。《金融时报》也提到“现在有越来越多的企业正在对Twitter、Facebook进行分析，客户来源以及顾客需要什么”。《洛杉矶时报》也提到“可以分析在Twitter上数以百万计对奥斯卡金像奖竞赛的观点。”大数据已经来临了，我们该怎么用。
段仰圣: 四年前，我们开始组织构建智慧的地球，我们希望把这些信息进行互联互通的方式，搜集更多的方式来帮助各位、帮助全球。可是我们后来发现，做好这件事情，信息的收集并不是足够的，我们需要分析。所以，我们通过数千个客户的合作，我们发现分析是基础。所以我们看到一个行业跟跨行业的机遇，其实从刚刚开始到现在各位会发现，我们有几个行业是非常需要业务分析的，比如金融服务，因为它每天有大量的交易产生，他们需要从这些加以产生来了解客户的行为、客户是否欺诈。公共部门，刚才提到警察的一个案例，我们有非常多的行为信息，公共部门非常困难的去掌握或者了解。制造业如何减少库存，缩短流程，让它更有效率。通讯业，其实这是国内很典型的情况，三大运营商竞争非常激烈，如何保有客户是他们现在最大的挑战。流通业，我们跟一些客户的合作，我们发现他们希望更好地服务客户，这些都需要非常多的数据分析和优化的帮忙。
段仰圣: 从跨行业的角度来看，我们看到四个领域是客户关心的，一是企业财务，我如何更有效地掌握整个企业的财务情况，过去ERP的运行其实只是把基础的数据集成了，我不知道我现在现金流是否健康，我的企业运营是否正常，我需要更多的数据、更多的分析来帮忙。风险分析，以保险行业为例，在国内车险的欺诈情况非常严重，我们如何通过数据的分析，甚至在理赔的开始、案件申请的时候就知道这可能是很高风险的理赔案件。供应链/物流，我们如何选址，选择最好的地方设我们的物流中心，缩短我们的货运时间。客户分析，刚才提到现在客户的满意度越来越难提升，我们希望通过数据分析来让我们知道哪些客户有什么抱怨，以及怎么很好地应对，这些大数据、业务分析其实是围绕在我们所有的行业和跨行业不同的部门里。
段仰圣: 下面谈三个点，从四年前到今天我们看看到底有哪些变化，我们可以看到有三个大的变化，一是企业数据到海量数据；二是从企业自发性工作到成为不可或缺的环节，过去我们可能说我想做一个分析系统，改善一个环节，可是现在我们发现它会扩展到整个企业端到端的环节；三是从单一组织的进步到整个行业的转型。我们谈的是转型，等下有一些例子与大家分享。
段仰圣: 智慧分析，进一步扩大从企业数据到海量数据，其实是三个V，数量（Volume）非常惊人，我们如何用这些数据分析了解客户对产品的喜好。二是每年有3500亿的电表读数，可以帮助我们预测电量消费的情况，我们是否能好好利用。速度（Velocity），全球有500万笔的贸易事件在进行，怎么知道哪些是欺诈的交易。每天有5亿笔的通话记录，防止客户流失。多样性（Variety），在画面中，监视器不在坚持，我们这么多监视器是否能实时知道哪些事情有所变化，然后快速地采取行动。80%的数据增长是来自于非结构化的数据，我们过去习惯处理的数据是结构化的，我们看到越来越多的非结构化数据，我们怎么处理
段仰圣: 当我们从过去很简单的结构化数据到今天的海量数据，我们看到了一个非常大的转变。现在的首席高管们也在思考，我们更好地运用这些数据或者大数据。一是最大的威胁亦或是最大的机遇；二是加速全球的复杂性，全球的变化非常快，这么多数据会让我们这个世界变得更复杂，我们怎么样去面向这样的挑战；三是客户渠道的数字化，现在每个人手上都有智能手机，每个人都是以app的方式跟企业联系，企业怎么样更有效的接触客户，这也变成了更大的挑战。我们看到这些问题，并不仅仅是说今天我们只是说我要如何分析数据，而是一个更大的挑战在我们面前。
段仰圣: 业务分析已经从企业自发性工作演变到企业不可或缺的环节，各位可以看一下这张图，这是我们跟MIT共同研究的一个报告，受访者说业务分析创造了一个竞争优势，在2010年的时候只有37%的人这么说，到了去年已经有58%的受访者是这么看的，发现有57%的增长，我们发现全球的企业都有这样的趋势。如果有业务分析的企业，绩效会是没有用的2.2倍，也就是说如果有企业更愿意用业务分析的话，他的绩效表现会比不用的好。这两点也告诉各位，过去可能只是一个点要用业务分析，现在我们发现企业内部应该要去思考如何把业务分析结合到他的日常生活环节，所以变成一个不可或缺的。
段仰圣: 转型，从单一组织的进步到整个行业的转型。谈的是Wellpoint医疗机构，他们利用Watson进行医疗信息的分析，因为现在很多医生常常有可能会有一些误诊，造成医疗纠纷。我们希望引入Watson，帮助医院收集这些案例、病例、信息，进行分析之后可以很快、很准确地协助医生做出诊疗和做出判断，而且降低误诊的可能。这个应用并不只是对这个医疗机构有帮助，迟早我们会对整个行业产生彻底的变化，我们称作转型。
段仰圣: 今天最重要的一点是，转型是我们在思考整个业务分析里第一个重要的环节，我今天不是为了分析而分析，我今天是思考我到底要做哪件事情，哪件事情是我想做的，解决我企业的挑战。所以，转型就是我们驱动所有后续工作的出发点。
段仰圣: 常常很多人问我，我想做业务分析，我的企业工作这么多，到底哪个该是我做的，我们有四个建议，你可以选择其中一个进行开始。1.成长，留住和满足客户。这是跟客户相关的，很多服务型企业有很大的压力。2.提高运营效率。制造型企业非常需要这样的工作。3.转型财务流程。各位可以看到，很多时候做一个结帐的动作不如我们预期，或者预算、考核的时候都不是那么简单，我们如何更有效地把这个事情做好。4.管理风险，欺诈&合规性。这是另外一个不可不做的事情，可是这也是一个很好的切入点。可以看到我们的转型可以从这四个点切入和思考，业务分析的时候帮助我企业在做什么事情。相关性，什么是跟我们相关的，什么是我们可以去改变的，这四个我希望先给各位有一些初步的想法。
段仰圣: 接下来我们会来看一看IBM为了面向这样的挑战，我们提出了智慧的分析洞察方法论，我想这是今天第一次跟各位分享，在今天后面的环节里我们会不断跟各位基于这样的方法论做更深入的介绍。
段仰圣: 这是我们今天看到的这个方法论，为什么刚才一直在谈转型，第一个就是转型（Transform），我们要思考作为一个企业要面对的问题、解决的问题是什么，那就是转型。基于转型我们会去思考我需要什么样的数据来支持我们，所以我们要掌控信息，然后获悉洞察（Anticipate），我们要分析这些数据，然后知道做什么事情。三是采取行动（Act），转型是出发点，我们要去思考怎么形成决策。最后是学习，不断的学习，让我们这些经验可以在我的业务环节中不断优化、不断被利用。我们是很完整的，转变信息为洞察力，洞察力为业务成果的整体途径，我在这个领域工作了大概十几年，我们一直有很多不同的方法论，可是我今天觉得，这其实是IBM在这件事情上非常重要的一个结论或者是一个思路。
段仰圣: 很多人问我，你们这个BI和你们过去谈的BAO到底有什么差别？我认为BI更多还是在掌控信息这个层面到了获悉洞察层面，没有考虑到采取行动，只是内部信息的应用。IBM强调当这些信息分析完以后，有洞察之后如何采取行动，IBM现在有能力协助企业把这些行动落实下去，我想这是我们今天特别谈智慧的分析洞察或者我们谈BAO的时候非常重要的一个观点。各位可以看到我们还有一个外圈，转型跟学习，如果不是按照业务的战略去结合的话，这些事情会变得没有意义，学习是要对自己不断的提升，我想这是一个不可或缺的。
段仰圣: 做一个比较深入的剖析，IBM的能力在这样的架构里完整的体现给大家。在过去几年我们看到IBM有很好的转型，IBM想办法把IBM自己的能力提供给我们的客户。过去更多我们是由产品部门提供产品，咨询部门帮客户做咨询，研发部门做内部的研发。可是我们发现从智慧的地球战略开始之后，IBM整体能力的体现越来越清晰了。智慧的分析洞察其实就是这样一个战略的体现，就是能力整合的体现。我们看到IBM能力有三点：创新，整合，开放，我们希望通过这个方式不断帮客户进行创新，整合客户所有的环境，这是一个开放的环境。
段仰圣: 首先，转型。我们帮助客户进行业务分析的战略规划，协助客户做更好的客户分析，业务咨询的工作基本上是我们这个部门来进行的。另外三个部分，掌握信息、获悉洞察、采取行动，IBM都有很多相关的档案提供给各位，在今天下午会有相关的介绍，基于各方面主题展开。
段仰圣: 掌控信息，我过去跟很多客户也合作过，更多客户在面对这个问题的时候，IT的想法是，我今天把我的数据都放在一起吧，以不变应万变，可是最后的结果是，业务部门说你收集到的信息不是我要的，这个问题来自于哪里？来自于我们的信息并不是围绕着我们企业的战略去做管理或收集的。大数据挑战，那么多的数据你可能都收集吗？不可能，什么数据是你需要的？我觉得这很关键，如果我们没有想清楚，我们可能会收集到一些没有用的数据放在数据库内。IBM第一个掌控信息的时候，希望结合业务信息相结合的策略进行信息的收集和管理，这是我们希望协助客户在平台层面上、技术层面上有很多应用。
段仰圣: 获悉洞察，在这个环节中是收集这些信息之后进行很有效的分析。现在IBM通过收购之后，有非常多的软件在这个领域上协助客户，比如SPSS或者是Algorithmics、OpenPages、等等，这些都在不同的环节上、不同的领域上协助客户对于数据进行更好的分析，而且过去以工具为主的更新能力现在已经提升到行业为主的更新能力，IBM在软件收购上其实有一个方向性的改变，越来越多行业级的分析软件被IBM收购进来，我们希望在这个领域帮助各位做更多的能力的提升，我想这是很好的部分。
段仰圣: 采取行动，在前几年ILOG是我们第一个买进来的软件，到今天更多相关的软件也在我们软件部门里可以协助客户区采取行动，采取行动很重要的是如何跟业务环节进行结合，而且落实。我认为这是IBM跟其它友商不一样的地方，IBM有能力帮各位落实采取行动，所以采取行动是我认为今天IBM在谈智慧的分析洞察非常不同的部分。
段仰圣: 学习，我们的目的是从每一次业务分析结果得到分析和反馈，改善基于信息的流程。Watson这个技术，各位从去年很多媒体的报道应该有一些认识。Watson强调了三点：一是自然语言，它可以很快处理你跟它说的话，了解你代表的意义，从语义里进行头脑分析。二是假设验证，会验证你的假设是否正确。三是会基于证据进行学习。从这三点我们会发现，给了企业用户一个很新的领域，我如何来学习，变成以后这些知识和能力是累计在我的机器里，然后可以很迅速的部署，这是我们在谈学习的时候一个非常不同的地方。
段仰圣: 我这里做一个简单的结论，为什么IBM智能分析洞察在行业是独一无二的。我做三个结论，一是广泛并整合的心细於分析能力组合；二是经过经验的验证可以节省创造价值的时间并可以交付巨大差异成果。我们全球已经有超过2万个以上跟分析相关的合作案例，我们全球有9000个顾问，我们在大中华区就有100多位这样的顾问帮企业客户，我们全球有8个分析解决方案中心，这个方案中心的目的也就是帮助客户解决困难的数学问题，协助客户做研发。三是解决现实问题的先进技术和专业技术应用创新。IBM的Watson是一个很好的例子，IBM现在具有全球私营企业中最大的数学部门，各位可以去思考一下，只有IBM有这样的能力解决这么困难的数学问题，所以IBM在这部分的能力是无可置疑而且是无可比拟的。我们每年有600以上与分析相关的专利。
段仰圣: IBM智慧的分析洞察特色方案，在发布的同时，这是IBM过去的累积，从我这个部门在全球跟客户合作的经验，我们总结了三个方案，在未来可以跟企业客户做分享。一是如何提高与顾客每次互动的忠诚度。客户跟我们联系的时候我们就要思考，这个客户要什么，我该给他什么，我能不能在这里提出一个最好的服务，这其实是一个很实时的决策，不是一天或两天的决策，而是一个实时的决策，在当下就要做出判断，该给客户一个什么样的服务或者什么样的交付，我们称为下一次的最佳行动。二是怎样预见财务决策的影响，财务CFO绩效洞察力，我们通过跟全球客户的经验结合以后，积累了很多经验，在一个系统里提供给我们的客户。三是怎样最大限度的减少由欺诈产生的损失？反欺诈、浪费和滥用，我们协助客户在车险和退保部分进行侦查，看看哪些环节更容易出问题，哪些方面会是欺诈。通过这三个方案，我们希望结合IBM其他的能力给我们客户最大的价值，这是IBM在智慧的分析洞察特色方案的一个简单的介绍。
段仰圣: 这是我的最后一页，智慧的地球理念已经好几年了，可能刚开始大家听得云里雾里，不知道这是什么。但是到今天我可以很自豪的跟大家讲，这样一个完成绝对是基于智慧的分析洞察之上，如果没有所谓的智慧的洞察，所谓的智慧还是比较虚的，有这样智慧的分析洞察能力，我们这样的使命或者我们这样的想法才能真正落实。我的演讲到此结束，谢谢各位。
主持人：感谢段仰圣先生的精彩演讲，接下来让我们有请IBM院士、信息管理副总裁兼信息管理首席技术官Tim Vincent为我们带来智慧的分析洞察且行且易的主题演讲。
Tim Vincent：我之前的演讲人讲得特别快，我讲得慢一点。在2010年的只有IDC做了一个报告，是不是你对数字时代已经做好准备呢？这个报告说到数字，到2020年的时候数据量更是令人无法估计，实际上很多时候新数据产生是在过去两年里新设备所产生的，信息已经无处不在了，移动数据、ERP或者是传感器，信息无处不在，而且有很大的量。有1.2TB Twitter的数据在每天产生，这个数据不仅是海量，还是数据多样性，比如移动的数据中心，还有其它一些数据。数据的增长也是非常快的，很多时候我们需要在实时获得一些洞察，比如我们的传感器带来的数据，我们如何实时产生洞察，对我们来讲这是我们计算的一个完全新的领域。
Tim Vincent：这张幻灯片里有很多这样的信息，信息对你来讲是非常重要的，你的基础设施需要基于信息进行构建，这样能够让你在上面获得更多策略。这是一个加拿大的银行，他们自己做数据仓库花了很多时间，用很多时间做运营数据，还有复杂的数据模型，还有实际操作的数据库，还有把这些数据库放到网上，他们发现尽管有了这些工作，但是他不能回答客户的问题，所以他需要有一个非常可信的信息，而且在你的信息体系里是要给你提供一个非常有价值、非常有用的洞察，这块对你来讲是非常重要的。而且结合我们现在所面临的大数据的环境，我们要创建一个可信的信息技术，这个技术必须是来自于你的业务的，你需要解决什么问题，今天和明天要解决什么问题，就需要你对数据有很好的掌握。同时对信息数据的整合和治理也是非常重要的，根据之前的报告，我们对数据要进行整合和治理，你是从哪里得到的数据，是什么类型的数据，是不是可信任这些数据，怎么理解这些数据的来源，而且你对这些数据所在的地点也是非常重要的，把数据放到新的系统里，你需要进行更多的整合和治理。对数据的捕获、管理、治理和分享，所有的过程都需要进行控制，我们转化的关键信息是，如何去使用这些大量的数据，利用大容量、高速增长、类型多样的企业内外部信息。我们很多客户有一些好的做法，所以我们还要去进行分析，如何和我们现在所做的事情结合，比如我已经做了很多投资，已经做了很多数据方面的基础设施的建设了，如何使用这些技术，在此基础上进行分析，得到很好的结果。
Tim Vincent：想想分析所有可以获取信息的可能性，更快、更复杂、更便宜，比如说这是交通，两年前我们在和中国的一个很大的电信公司做项目，当时我们使用的是手机的位置信息来看看交通情况。比如我们有一个火警出现了，这是我们防火队所在的地方，我们找到位置在哪里，看一下交通的情况是什么样的，然后确定如何让消防车以最快的速度到达现场，我们还可以对于趋势的变化进行分析，特别是当新的数据进行信息体系的时候。我们和加利福尼亚的一个娱乐性的公司进行合作，还有超级碗、美式足球世界杯，我们通过Twitter上面的一些数据，来调查一下对这些娱乐产品的接受度。还有准时、实时的威胁侦查，比如谁进入到这个国家，通过脸部信息的分析，在这个过程中你可以用新的方式进行这种威胁侦查，不是用原来的结构化的数据分析。另外，大数据平台的变化，我会用几个片子给大家做说明，你得理解你现在有很多数据出来，所以你要知道这些数据是什么，是从哪里得到的数据。基于这些数据你可以问哪些问题。
Tim Vincent：另一方面，有很多数据，要把它收集使用的数据，这时候要分析，然后运用到大规模的数据平台。我们有不同的分析工具，当我们在建我们系统的时候，我们可以把这些数据进行，比如说客户的情绪管理，和观影者的反映分析。还有加速器，我们可以通过工作表，把这些数据进行可视化的处理。从我们的数据库事件里我们得到的经验是，对于应用开发者来讲，只有一个应用开发平台是不够的，在这个过程中我们需要建立起处理和分析平台，特别是在数据仓库这块，数据仓库要运行本身不是特别容易的，如何围绕应用这些数据仓库，让它能够推动这些价值的产生，这是我们核心的问题，然后让它和我们的业务策略联系起来。我们过去有的客户做数据做得比较成功，因为他在过去比较成功，反而在下一步不一定能成功。所以要有一个优化机制，我们工作负载的优化，还有对各种威胁的侦测，这些分析工具都非常重要，特别是有了大数据平台，我们需要进行一些新的分析应用，当我们在做这种转型的时候，我们需要基于现有的平台，在这个过程中如何进行治理和控制，这些能力是对于你的数据安全和其它这些治理方面是非常重要的。
Tim Vincent：在过去也曾看到过这种趋势，让我们回到60年代。40年前，一些银行或旅游业开始建立一些交易系统，比如当时我们看到有TPS、IMS等等这些数据库。15年前，网络开始发挥作用，人们开始建立以分布式的平台为主的应用。再往后人们又用一种新的方式，就是网络服务器的方式，我们现在期待着下一代的计算方式，建立一种分析类型的应用方式，它是处理大数据的平台。
Tim Vincent：面回到Web应用服务器平台的出现，前面提到我们有很多交易系统，人们都在网络上进行支付，有TCP，有门户网站，还有电子商务的概念。在它的基础上人们建设新的应用，同时意识到和现有的应用结合集成的重要性和必要性。下前面提到我们有很多交易系统，人们都在网络上进行支付，有TCP，同时还有门户网站，还有电子商务的概念，人们开始在它的基础上进行新的应用建设，这里就要意识到必须把它和现有的应用结合起来。再往下，我们必须要建立起一个非常好的WebSphere的共同体或者商业伙伴的共同体，这样我们才能更好地处理大数据的平台。你怎么样利用开源，所以我们就开始利用HTTP的方式，回到开源社区。我们和开源的社区有很好的合作，这点也变得非常重要，因为在开源社区有非常大的创新，我们要从过去从WebSphere当中所得到的经验，在这样一个大数据的时代它会扮演一个什么样的重要角色呢？在大数据我们也看到类似的问题，比如我们需要有客户的忠诚度、风险的管理、基于特定场景的营销、更加智慧的分析等等应用，怎么把这些新的应用和现有的能力结合起来呢？我们怎么样能够和现有的技术结合起来，并且充分得到利用呢？如果再来看我们的生态系统，我们在业务伙伴的生态当中需要有大量的洞察力和能力，这些东西都需要有新的技术来支持，这里需要强调的是，大数据并不仅仅只是数据而已，很多人说，我们说大数据的时候只讲数据，绝对不是这样，因为大数据也涉及到数据的流动系统，我会给大家看不同的过程的组成部分。
Tim Vincent：我们行业的标准，现在说起来还比较早，行业标准肯定是非常重要的，回到开源，开源将会成为非常关键的一点，不仅仅是你要成为开源的一部分，而且是你怎么回馈给开源的社区，我们现在也在利用开源的工具，我们也在回馈于开源的社区。我们怎么样建立大数据的平台，同时通过我们过去的经验教训建立更好的平台。什么是大数据平台，这里我花一点时间谈一下几点。
Tim Vincent：我们看到大数据平台是不同技术的积累，看到这里，你首先的反映是，好的，你几乎把所有技术都包装起来了，确实是的，我们花了很多时间来真正思考数据的生命周期和变化。举个例子，这是传统环境中的数据，让人们去理解这种数据和传统怎么结合起来，比如金融服务公司，这个公司做了很多研究，他们今天所有数据的结构，但是他们想找到的数据并不能马上找到，所以他把很多结构性数据放到Hadoop里面，刚开始他们对这些数据进行探索，因为他把数据都放在一起，说明他们要问的问题是要学到这个数据给他们带来的东西。他们会说，你看那个数据来自这个系统，那个数据来自那个系统，会问这样的问题，怎么样提高数据的层次。他们就说，实际上我们是把这里个数据放在这里，那里的数据放在那里，他们说这确实是非常有帮助东西，可以把来自不同系统的数据结合起来，使得发挥更大的作用。这样就把最终解决方案融合到他们的数据仓库中，这实际上是一个生命周期的管理。给大家举个例子，为什么说这个例子呢，Hadoop并不是唯一的做应用的平台，因为我们需要的是一个更加完整的、更加全面的平台，可以把所有数据都结合起来，我们有大数据的结合、整合功能，实际上是以另外一种不同的方式看你数据的融合和转换过程。刚才提到了几点，这几点是我们现在发展的情况。下面看一下数据平台的组成部分，这里我们看到具体是哪些组成部分组成我们的平台，以及我们需要上来样具体的能力。我帮助大家理解一下你拥有什么样的数据，同时帮助大家理解当你数据在不断变化的时候需要什么样的平台来支撑，我们将会需要有非常强大的数据平台开发环境，我前面谈到数据的加速器，所谓的加速器是说需要有下一代应用，就是你需要有一个像工具箱一样的东西，可以增强你的数据处理能力，你有很多不同的部分，比如像Hadoop系统，同时你有Stream Computing，还有数据仓库，当然数据仓库不会消失，两周之前我们跟一个公司谈，他们说数据仓库概念非常好，因为在高层，公司说把所有东西都放在Hadoop上面，我们知道这是不可能的。我们看到数据仓库占据了非常重要的角色，在我们这个生态系统当中，对数据整个生命周期来说也是非常重要的。最后是一个整合的概念，可以真正帮助你管理这些数据，同时也可以把这些数据整合在一起，同时告诉你数据的来源。但是你在经历了这样一个数据的演化之后，可以更好地优化最后怎么样整合这样的数据，如果你进行了这种转型的话，你会知道它是非常有用的。但我并不想说完全把它放在Hadoop上，你可能希望把它部署在其它的业务流上，希望及时使用，必须回去能看到它使用的历史和转型的历史。
Tim Vincent：IBM有一个产品叫“大洞察”BigInsight，这个产品以Hadoop系统维基础，提供独特的业务价值，下面给大家举个例子，这个例子是Vestas公司，是做风能的公司，对天气建模以优化涡轮机的放置，最大限度地提高发电量和延长寿命，它会有一个网络，比如30平方公里之内，他会对每个亿平方公里的风力进行测算和计算。做这样模拟的时候，他们会看来自不同地区的数据，既有公共天气的数据，也有他们自己天气的数据，同时还要看生态的数据，还要看风厂在今后十年中会有什么变化，他们将不同的数据整合到同一个系统当中去，他们的目标是，当客户来的时候他们可以给他们看这种建模，可以预测今后三个星期到一个月的情况，客户就知道他们在今后三个星期、一个月当中可以得到多少电能，他们就需要这样的分析，同时他们需要有更好的信心，把这些风机放在这个位置是合适的。
Tim Vincent：数据流计算提供独特的业务价值，可以将不同的数据流加在一起，你可以做累计，可以回顾，是非常自由的一种组合。你需要有一些IBM提供的程序来帮助你做数据流。下面还是给大家举个例子，怎么使用这个技术。我们在和一个亚洲的大型电信运营商，是印度的电信运营商，他们想做数据仓库的实时计算，他们要看他们每天电话的交换，都会输入到他们的数据仓库，他们希望能够实时调解和分析每天60亿的CDR，他们希望把数据处理时间减低，他们数据处理时间从12小时缩短为1秒钟，硬件成本降低至1/8。主动地解决影响客户满意度的问题，比如通话中断的问题。数据仓库也使他们总体拥有成本降低了。
Tim Vincent：创建一个可信信息基础。我们是DB2 10，我们希望介绍这些新的技术，DB2主要关注的是要确保你可以最大效率的使用你的资源，你可以在最低数量的CPU、最低内存的占用跑你的信息，这也是我们在DB2 10中关注的问题，怎么样更加有效的使用，物理资源和人力资源是有关系的。我们也进行了大量的投资，而且这个投资也改善了DB2 10的反应速度，我们工作流的速度可以快到3倍。同时，也改善了指数管理设备，在这里可以看到，我们减少了之前的很多重复的冗余过程，表现也变得更加有可预测性，维修费用也很低。另外我们还增加了压缩技术。10版本是易于开发，就是给你提供一个次级的压缩制点，提供更好的压缩，可以提高40%的压缩功能。SP有8.5倍的压缩率，在实际压缩当中进步了很多，还有多温度的数据。我们这里做的，我们意识到存储变得越多也就越来越复杂，人们也试图获得更好的吞吐量，这个非常昂贵，所以并不需要把所有数据都放在表面上，因为你可以考虑到数据库的温度。温度在什么时候是最热的，也就是说数据什么时候是最密集、最频繁的，你需要通过这种方式来降低成本，这也是我们在DB2 10里所增加的新特性。
Tim Vincent：二是易于开发。我们在这方面进行功能的增加，一是SQL兼容性增强，我们在这方面做了很多年，现在到了9.5版，我们对这个技术还在进行增强，兼容性增强之后我们就可以在开发上有更多的协作。在这个地方可以使我们的性能更好。二是图形存储，这是Schema的数据库，这是非常重要的，最后把它发展成Schema的数据库，把它变成一个框架，我们把它叫做图形存储，叫RDF，这是一个框架，可以给你的数据进行分析。还有行和列的方面，很多时候参考数据是很好的例子，在2008年金融危机的时候，很多银行对于参考数据不能很好的得到应用，所以我们也进行了这样一些项目来进行研究，我们发现使用这些数据还是有自己质量的。看一下过去系统的数据，而且把这些概念能够结合起来，所以我们有一个很好的时序的管理。
Tim Vincent：三是可靠性，我们看到DB2 PureScale增强了，可以扩展到128台电脑，有很好的可伸缩性。在这个过程中你不需要去改变你的应用，而且能保证你的系统的一致性。持续的可用性，我们可以得到99.999%的可靠性。
Tim Vincent：时间有限，我会跳过一些幻灯片。当你说到DB2的话，我们这里有一个很好的可口可乐的例子，当他迁移到DB2的时候，他们最近在看DB2 10他们希望能够进一步迁移他的数据库。他之前使用的是Oracle，我们竞争对手的数据库，他通过迁移之后，在过去四年里节省了一百多万美元的许可、维护和存储成本。而且他的36小时的查询时间减少到了2个小时。这个例子可以说是我们DB2很多用户的典型例子。我的时间有限，下面我就结束我的讲话。谢谢各位！
主持人: 感谢Tim Vincent先生的精彩演讲。接下来掌声有请IBM软件集团业务分析开发部副总裁Paul Buck为我们带来智慧的分析洞察：新的当务之急的主题演讲。
Paul Buck: 各位早上好，下面30分钟里我们会说一下智慧的分析洞察新的当务之急。智慧的分析洞察意味着很多事情，如果我们来看一下各个行业的话，比如基于信息的医疗行业，我们知道基于信息的医疗行业可以给我们带来更好的结果，便于医生更快进行诊断，医院的效率得到提高，而且固定预算也会得到更好的使用。说到风险管理，如果我们不能很好的管理风险的话，我们会发现报纸上有很多股东和客户，这是非常重要的。我们可以通过分析工具，使得我们在全球金融服务中得到更好的决策。另外，我们要有合适的客户，合适的时间把合适的产品送到客户中间，帮助零售商做出最好的动作，给客户带来更好的服务。说到电信行业，电信行业的服务商有上十亿的用户，他们需要得到有附加值的服务，这样需要找到用户的要求，然后给他带来有附加值的服务，而不只是给他提供这些数据，所以我们要通过分析，然后给他提供更多的能力。
Paul Buck: IBM智慧的地球概念提出以来，我们做了很多收购。在过去七年里我们做了30次的收购，投资了160亿美元，从Cognos的收购，这是2008年做的，收购了Cognos之后，我们建立起了业务分析部，而且我们在能力方面继续进行收购，我们收购了SPSS、Algorithmics以及其他一些公司，帮助我们在业务分析能力和产品组合方面进行丰富，在值得信赖的信息这块我们也在不断收购，包括对大数据进行处理，这样让信息平台能够推动智慧的分析。
Paul Buck: 信息议程，这是一个很关键的推动智慧分析的因素，在这个议程中我们需要有一个战略，关注业务需求正确的数据，然后做分析，随着时间的推移，你需要在某个阶段进行数据的分析，同时推动你行动的产生，同时还需要关于数据的治理，要获得干净可信的数据，没有任何的线性，在分析中你可以去理解数据的来源，结果产生的原因是什么，然后建立起信息的基础架构。当我们和客户做转型的时候，我们看到有两种途径，一是协作化的途径，二是针对性的途径，作为针对性，在你的组织里找到一些领域，比如说营销，你可以使用分析来做你的营销活动。比如说反欺诈领域，所以你可以找到你企业里的最佳实践，然后把这些最佳实践进行推广。另外，协作化途径，可以在你的信息议程中的确定，你的CEO、CIO、CFO，他需要得到的是可信的平台，这个平台包括运营数据，还包括结构性数据和非结构性的数据，还有通过社交网络进来的数据，所有这些数据最终能够给你的分析提供一个技术，在这些协作化途径里，你可以像浪潮一样不断进行推动，而且企业是以体系化的方式来推动最好的业务成果。最后是要推动更多的收入，满足更多的客户，我们过去所做的调查显示，基于分析的公司表现更出众，他们有1.6倍的收入增长， 2.5倍的股价增长。我们的预测和我们的行动能够整合起来，首先我们要对于数据进行很好的管理，实时的采取行动，而且是在影响现场就采取行动。
Paul Buck: 这些表现优异的企业是因为善于利用分析而显得与众不同，他们使用社交媒体数据，比如我的客户在社交媒体中对我这个品牌说了什么，在邮件中、谈话中说的是什么，还有日常事务、传感器、数据仓库、文档、视频，还有基于现场的数据、网络数据，所有这些数据都是很关键的。还有历史数据、现有数据、实时数据，还有未来我们使用的前瞻性分析、前瞻性预测，去预测下一步会发生什么事情，分析不仅仅是那些IT人的事，我们需要专家、非专家，以及所有人都来参与，需要由基于直觉的决策转向需要信息和洞察的决策，让所有人都能够参与，这样能产生结果。把它建立到你的业务日常惯例当中去。对于那些表现优异的企业里，组织成长也非常好。Vivo是南半球的一家公司，他使用了非常智慧的市场营销，他使用了Unica他们能够理解市场营销活动的特点，经过几个月之后，他每天可以做多种市场营销的活动。Santam是南美的一家保险公司，他希望用智慧的方式打击欺诈，他使用分析工具发现欺诈，使用一些打分模型，用SPSS这样的工具，他们能够去发现欺诈的案例，仅仅4个月就节省了240万美元，索赔的处理更快了，提高了70%，客户更满意，业务成长更快。
Paul Buck: Vestas，之前的发言人也讲过了，它是一个风力发电公司，它非常昂贵，而且上百万美元的投资，如果风机出了问题，你一般不会把它移到另外一个地方去，因为非常昂贵，所以你在开始安装的时候有要非常准确。通过我们的“大洞察”和大数据的解决方案，他可以获取所有的数据，不是部分的数据方案，而且可以降低数据的风机选址时间。另外，财务的流程，智慧的财务规划，我们有一个客户，通过这种智慧的财务规划，帮助他们节约了4%的货物成本。他们主要是在美国销售一些包装的食品，像宠物的食品，4%的货物成本已经是相当大的回报的提升了，可以给他们的股东。
Paul Buck: 下面来看看掌控信息、获悉洞察和采取行动，这也是刚才Tim Vincent所提到的一个问题，这个问题其实是智慧分析的一个过程。掌控信息是可以把我们提供结构性的信息、非结构性的信息，然后将这些信息从社会媒体上收集过来，把这些信息从Twitter、博客当中收集来，之前我们是得不到这部分信息的，但是现在通过这些社交媒体都可以获得这些信息，通过这些信息我们可以理解我们的客户是怎么说我们的，我们的营销方向对不对。获悉洞察，利用这样的数据来推动行动，行动是在有影响的时候采取行动。掌控信息，Tim Vincent已经谈了很多，这里我快速讲一下，掌控信息确实是一个非常重要的领域，因为它真的可以将这些基础结合在一起，可以推动智慧的分析。获悉洞察，对于商务分析来说是一个甜点，利用Cognos的商务智能，它是一种具有预测性能的。SPSS可以做预测性的数据挖掘，另外还有风险的分析，比如可以分析操作的风险、运营的风险，还有评估和管理的风险，还有使用T&1可以评估财务的风险，在今年年初的时候我们也推出了这样的产品。内容的分析，Cognos是置于“大洞察”平台之上的，可以提供风险的分析、校准、信息，来说明你的市场营销有多成功，它是通过进入博客、Twitter来了解消费者是怎么说的，怎么谈你的产品、服务以及支持的。我非常激动得是在获悉洞察，最近我们提供一个新的产品，叫Cognos Insight，是一个桌面上的分析应用，是将可视化和信息放在使用者的电脑桌面上，Cognos Insight可以在整个企业分享你的洞察。
Paul Buck: 下面给大家看一个演示，在演示过程中我是支持组织的总监，我要看一下我们支持的效率是怎么样的，我要看一下我的支持团队怎么样，可以怎么样做得更好。在我的桌面上我可以启动Cognos Insight，它是在桌面上的，里面有一个选择表菜单，菜单可以给我跟我相关的数据，我这里创造了一系列探索点，我可以通过这些点来看这些数据的表现，我现在可以看到的是代理三，它比其它人利用率都高，所以使我感到非常关注，我看一下这是怎么回事，这里有一个工作表，有几百行，来自我的客户的数据。我来分析一下，我在这里面做一个标签，把工作表输进来，探索这些数据。我现在想看一下我的这些代理做的怎么样，我看到代理三非常忙，所以我再看一眼总体的评分，为此我去创造一个新的探索点，这个探索点可以让我更细节的去了解代理三做的具体情况，我的客户资料告诉我应该获取洞察，然后采取行动，所以我应该增加更多的代理人，因为人数不够了，所以我得做一年的计划，因为代理三已经百分之百得到利用了，这就显示了我们部门的工作情况，我所要采取的行动就是要雇佣更多的人手。这是一个快速的演示，演示一下Cognos Insight，现在已经有了，可以使你做以桌面为基础的应用，另外你可以获得工作表的信息。
Paul Buck: 采取行动，在影响点充满信心地采取行动以优化成果，我们这里谈的实际上是一个转变，从知识的工作者转向决策者，这里影响点可能是呼叫中心，也可能是申诉处理的组织，在申诉处理的组织可能有这样的循环，这个循环可以得到促成和加快理赔的速度，我们快速的决定这个理赔的要求是可以还是不可以，如果可以的话，可以快速进行布置的处理。SaaS为IBM决策管理提供更多选择，这个模型可以使得IBM将决策管理放在这个平台上，同时也可以获得业务部门的数据、社交媒体数据、交易数据、公共数据、市场调研数据等等，全部整合到决策管理的平台上，这样可以推动业务成果的实现。
Paul Buck: 转型，前面发言中提到了转型的问题，提到Smarter Analytics Signature Solutions是以我们智慧分析为基础的，因为我们做了几千家的客户之后，我们知道怎么样应用智慧的分析。所谓的Signature解决方案有三个领域，一是客户，可以去预测下一个向客户推荐产品的最佳方式去提供服务。二是CFO使用的，是提高绩效的，他们可以有一个仪表板，他们各式各样的报告，有运营的报告，有预测性的报告，关于未来的可视性的报告等等。三是更加智慧的Signature解决方案是关于诈骗、欺诈，这是在政府和合规，金融领域的防诈骗。在转型的时候我们还需要学习。
Paul Buck: 我们听说过Watson，Watson是一种计算的系统，这种系统在最高层次上有三种能力，可以分析自然语言、复杂的句子，同时可以做假设测试，假设测试可以使得我们从一个搜索为基础的解决方案转向一种以可能性概率为基础的解决方案。另外，基于正确的学习，通过每一次的循环，Watson都可以学习到新的东西，它可以快速掌握大量的证据和数据。同时将这些数据进行结构化，另外通过假设的测试，，Watson在医疗领域有很好的使用，下一步Watson将会使用到NBA当中，Waston也是一些城市篮球队的合作伙伴，所以Watson可以很好的提供解决方案，来解决那些复杂的问题，来帮助医生，帮助金融人员解决他们的问题，这只是开始而已。
Paul Buck: 在我们每一次的宣布当中，每一次实验当中，Watson都显得越来越智能，他从每次交互和学习中学习到解决方案，他能够分析人们的讲话，他甚至可以从电视讲话中获得信息，他可以实时对自然语言进行分析，他可以动态分析这些语言，通过假设测试的方式来给出回答，每一个回答都是根据数据变得更加相关，你可以用谷歌来搜索，可以获得很多回答，自己的选择哪个是最相关的，Watson只给出一个答案，给出的这一个答案是根据他大量的基础和信息，可以使用在医疗行业、金融行业以及其它行业，这些都可以帮助我们提供更加智慧的分析方法。这是我今天所讲的，感谢大家的聆听。