摘要：近年来大数据时代的到来给企业当中的数据模式带来了根本性的改变，大数据自身具有数据庞大、数据种类多以及速度非常快的特点，大数据时代的到来给企业相互之间的竞争工作带来了许多机遇和部分挑战。文章介绍了大数据的含义与特征，分析了大数据给企业竞争情报带来的机遇和挑战，并展望了大数据时代竞争情报的发展趋势。

关键词：大数据；企业竞争；情报研究；竞争情报系统；数据处理 文献标识码：A

中图分类号：G250 文章编号：1009-2374（2016）22-0166-02 DOI：10.13535/j.cnki.11-4406/n.2016.22.082

近年来，随着我国物联网以及移动互联网的高速发展，企业当中的数据模式也不断在增长。我们可以将大数据与企业的情报竞争工作进行相互的融合，改变情报的获取方式以及企业之间的竞争方式，而大数据时代对于企业自身的新型产品的研发以及企业未来的战略部署方面都有着非常特殊的意义，所以在此我们根据大数据本身的含义进行分析，看大数据时代如何推动我们企业的进步和成长的。

1 大数据的含义

在大数据这一概念提出的时候，并没有一个明确的定义，通常对于大数据的解释便是字面上数据量庞大、数据形式多样。而有些学者认为：当今世界的计算机不能进行独立处理的数据称之为大数据。随着时代的发展，大数据的概念定义已经趋于统一。现在的科学界普遍认同的大数据定义就是指需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。

2 大数据的特征

2.1 数据量大

随着我国科技的不断发展，数据总量也在不断增长，例如同一类的数据在进行快速的增长，其中包含最多的就是网络当中所产生的数据值。在网络当中数据的数量每天都在成几何形式的增长着，例如淘宝每天新增的用户量就会达到两亿多人群，而在淘宝或者是京东上面进行购物消费的数据更是多达千万亿的数值，据资料表明单单是淘宝或是大型商超的网购数据流量就相当于整个美国国会中书籍的100多倍，我们可以看出数据量的庞大是日积月累起来的。

2.2 数据增长快

由于互联网行业的发展，当前数据含量每天都会以几何数值的方式在增长着，最新的调查研究显示，我国所包含的最大数据仓库当中所保存的数据量正在以每年1.5倍的速度增加，与摩尔定律相比较其中的增长速度已经让后者叹为观止。大数据自身拥有动态性强大，同时分析处理能够进行快速的响应，在对于动态变化的环境当中进行总结与分析的过程，甚至有时要对数据进行实时分析，否则一旦错过这些数据将会被列为无效数据而进行处理。

2.3 数据类型复杂

大数据自身不仅是数据量庞大，同时数据的种类也过于繁杂，而且在这个基础上大数据的种类仍然在不断增加，对于目前已知的数据种类包括了文本类、照片类、动画视频类，同时还有像GPS定位数据、网络连接等新型的数据。随着我国互联网的逐渐普及，社交网络的增加也表示着数据类型的增长，对于大数据没有明确的定义，但是通俗来说就是属于非结构化的数据模式或者是半结构化模式。这种模式是没有规则可言的，同时因为数据种类复杂，难以被大家归纳。

2.4 数据价值高

虽然说大数据的种类繁杂，但是数据自身所包含的价值却无法被我们所忽略。通过专业的技术人员对传统的历史性数据进行分析以及总结，可以在大数据当中发现新的知识理论，从而利用大数据来创造可利用的更好价值资料，在大数据为企业带来商机和利益的同时，还对企业之间带来了很大的竞争力，通过对数据进行详细的分析可以提前预测出未来企业的发展方向，大数据同时作用在工作与生活的安全保障当中，一些镜头捕捉也可以看作数据模式，简短的数据模式下有可能会发现极为珍贵的信息。

3 大数据对企业竞争情报的影响

3.1 带来的机遇

3.1.1 竞争情报的地位提升了。身处大数据时代的背景下，数据成为了每一个行业和领域的重要生产资源。越来越多的企业通过对数据情报的分析来进行各项决策，形成产品的独特优势，增强自身的市场竞争力，这也促进了企业的领导层越来越重视竞争情报工作。一些世界范围内的先进企业都有这样一种共识：每一家企业都要有专门的数据分析人员，通过收集来的数据信息展开研究分析，对行业环境、市场环境和竞争对手的情况进行评估预测，为企业的各项决策提供依据。这种数据分析就是竞争情报工作的一部分内容，所以为了提高企业的竞争力，必须在大数据时代重视竞争情报工作。

3.1.2 竞争情报源价值提高了。大数据是对各种类型数据的整合，包括用户数据、交易数据、交互数据、线上数据、线下数据等多种形式。这些数据信息的来源多种多样，企业可以通过不同的信息渠道、情报源收集到这些数据，进行整合、分析，从而对企业的经营、生产、业务环节进行优化。除此之外，企业还能够从公开的社交网络和社交工具中收集信息情报，比如facebook、开心网、新浪微博。虽然从这些社交网络和社交工具中收集到的信息往往是非结构化的数据，但是经过分析整理也能够得出对企业生产经营有利的情报。

3.1.3 竞争情报的分析能力增强了。为了满足大数据时代的数据处理要求，一大批新技术和新系统涌现出来。在信息采集方面，出现了TopSy、Storm等实施搜索引擎，搜索速度能够达到每秒钟一百万份文档；在数据存储方面，Memcached、Hadoop、Hive等数据存储系统不仅能够实现大规模数据的有序分布存储，还能够将结构化数据与非结构化数据关联在一起；在数据分析方面，Google公司研发的MapReduce技术能够让程序开发人员开发出跨处理器类型的程序结构。这些新技术和新系统的出现，大大提高了各企业对于竞争情报的分析能力，提高了情报分析的准确性和效率性。

3.1.4 竞争情报的成本降低了。大量数据的存储和分析需要大量的存储、计算设备来进行支持，而大数据时代的云计算与云服务模式，让用户不必购买相应的硬件设施就可以享受网络服务与数据服务。通过云计算与云服务平台，企业能够进行必要的情报收集、情报分析过程，而且节省了购买数据存储设备、数据处理设备、网络服务器的资金，降低了竞争情报的成本。

3.2 面临的问题与挑战

3.2.1 企业对大数据的认知。大数据时代使企业的生存环境发生了极大的变化。企业如果想要适应大数据时代的变化，在大数据时代当中取得更好地发展，必须对大数据具有清晰、深刻的认知。更严重的是，大部分中小型企业根本没有认识到大数据的重要性，认为大数据是阿里巴巴、搜狐等大公司才在乎的事，与自身的发展经营没有任何关系。这种错误的认识会大大制约企业的发展进步，导致其在市场竞争中被淘汰。

3.2.2 竞争情报系统的数据处理。大数据时代的数据信息量巨大，已经从传统的KB、MB、GB级别上升到了TB级别，而传统的竞争情报系统根本不能够存储TB级别的数据。另外，大数据时代的数据结构类型复杂，包括结构化数据、半结构化数据、非结构化数据，而传统的竞争情报系统只是针对结构化数据的处理，对于非结构化和半结构化的数据要转化成结构化数据。这种转化过程就容易错失情报的关键信息，妨碍企业进行决策的正确性。所以说，大数据时代的企业竞争力，在一定程度上被竞争情报系统的数据处理能力所限制。

3.2.3 竞争情报体系的组织模式。为了提高企业对竞争情报的利用率，做出正确决策，必须要建立科学的竞争情报组织体系。目前我国的企业很大一部分都没有专门的竞争情报部门和情报分析专家。有些企业虽然具有情报职能部门，也往往没有受到重视，在企业发展中处于一种辅助地位。所以，为了迎接大数据时代的挑战，企业必须构建竞争情报体系，成立专门的情报分析部门，充分调用各部门的数据资产，为企业提供动态的竞争情报。

4 在大数据背景下企业竞争情报分析的发展方向

4.1 数据信息集成化

数据信息集成化就是把利用各种工具、各种手段收集到的信息集中在一起，按照一定的关系和顺序排列存储到数据库当中，方便及时地进行查阅和检索的过程。数据信息的集成管理，能够消除数据之间的异构性，对数据信息进行筛选，淘汰掉没有价值性的信息，将高价值性的信息整合起来，进行分类储存。用户通过一个统一的访问界面进入数据库系统，进行查阅、检索和利用。

4.2 数据清洗与过滤

大数据时代企业收集到的信息多种多样，数量巨大，质量层次不齐，价值含量的高低差异巨大。为了节省数据库的存储空间，提高存储数据的质量，对数据进行清洗和过滤是极为必要的步骤。陈旧的信息数据、由于人为原因发生错误的数据、冗余的数据，都是数据清洗和过滤的主要对象。数据清洗和过滤能够减轻企业数据库的工作负担，在实际过程中应该根据企业和行业的需要制定数据的筛选标准。

4.3 新数据类型的分析

随着时代的发展变化，未来企业所能接收到的数据类型也会增加。企业必须能够对这些新型数据加以利用，运用相应的分析方法。大数据时代的新数据类型主要有实时数据、动态数据、关联数据和社会网络数据。根据这些新型数据与传统数据的不同，改进数据分析方法，才能够提取出有利于企业发展的情报。

4.4 数据分析可视化

数据分析的可视化技术能够将情报分析的结果以图像、视频等形式转化出来。通过这种技术，情报分析的结果变得更加直观，更容易投入到企业的决策和措施调整当中，避免产生大批单调的数据、图表，让人难以理解。

5 结语

企业的竞争情报体系能够帮助企业了解行业现状、市场环境，判断竞争对手可能采取的策略，回避市场风险。大数据时代的到来给竞争情报带来了深刻影响。企业应当顺应竞争情报分析的发展方向，提高情报分析能力，通过专业的情报分析部门和人员，辅助企业进行正确决策，提高企业自身竞争力。

参考文献

[1]马林山，赵庆峰.大数据时代企业竞争情报运行保障

机制建设研究[J].现代情报，2015，（7）.

[2]肖雯，凡庆涛，燕娜.大数据时代企业竞争情报的创

新发展[J].河南图书馆学刊，2015，（8）.

作者简介：韩博（1993-），男，甘肃武威人，美国爱荷华大学数学与统计学双学士在读学生，研究方向：统计学与大数据。

（责任编辑：秦逊玉）