目前，很多企業競相利用大數據，進入新的商務領域，創造出對手無法效仿的商務模式。日本的很多企業不僅是諸如人力資源巨頭Recruit和花王、H.I.S(大型綜合旅行代理店)、DeNA(移動互聯網公司)以及三菱重工等大企業，就連地方的中堅企業和一般中小企業也不甘落后，開始利用大數據創造商機。

但是，如果只是漫無目的地收集大量的數據進行分析，也不可能發現寶藏。必須具有明確的目標和行動，才能夠從大數據發現其商業價值。

一、利用大數據挖掘商機

擁有近300年歷史的日本京都宇治茶老鋪--伊藤久右衛門，由于制作精良的日本茶而遠近聞名。2013年1月，這家制造抹茶近180年的著名老鋪，開始正式制造并銷售酒(圖1)，它將抹茶和日本酒以及梅酒混合在一起，開拓出新型的酒市場。雖然這是一個不曾有人踏入的領域，但經營企劃部部長廣瀨穰治坦言--很有把握。

伊藤久右衛門的本業是制造并銷售抹茶和以抹茶為原料的食品。無論怎樣分析銷售數據和顧客數據，也得不出確切的結論--應當開拓新型酒市場。那么，對此公司為何能夠胸有成竹?

大數據推動企業開拓新市場

公司開始參與酒類事業源于和當地的酒廠共同開發的將抹茶和日本酒混合在一起的新產品--“夜晚的綠色酒”。2012年5月起試銷，半年時間就銷售5000瓶以上，成為非常暢銷的商品。

伊藤久右衛門的經營企劃部部長廣瀨穰治和“夜晚的綠色酒”

但即便如此，只憑這一點還無法“正式投入這個事業(廣瀨穰治)”。為確立“抹茶的酒”這一新型領域，還需擴充商品線。同時，為提高認知度還需在廣告及宣傳上加大投資力度。無論怎樣暢銷，如果是一時性的流行產品，則無法正式投產。

最終，大數據消除了這一不安，使公司下決心挑戰新領域。公司使用WingArc公司開發的商品智能軟件--Dr.Sum EA，對銷售網站的訪問日志和銷售實績、POS銷售終端以及會員屬性等數據進行了分析，目的是檢測每個顧客屬性的銷售傾向(是新顧客還是老顧客)和商品間的交叉銷售率以及促銷活動的效果。

分析結果出乎預料，“原來預測絕大多數會是新顧客((廣瀨穰治)”，但實際上大約八成的顧客曾買過公司商品，而且回頭率也高。公司估計只用發信的方式告知老顧客也能獲得相應的銷售量，因此最終拍板，決定正式投產。

伊藤久右衛門用于分析的數據是，約60萬個會員數據和約200萬個銷售數據以及年3000萬件訪問日志等。當然，這個規模的數據和一般的所謂“大數據”相差甚遠，但是，作為一個地方的中堅企業能夠收集這么多數據并加以分析也實屬罕見。而且不僅如此，這家公司還竟然挑戰“開拓新市場”，這方面就連大型企業都感到非常難。

目前，像伊藤久右衛門這樣利用大數據的企業，不分其企業規模和地區，已不斷涌現出來。這些企業已經搶在其他企業前面，占據競爭優勢抓住了商機。實際上，在大數據的最前線引領市場的網絡企業，已經開始創造出大數據時代新型的商務模式。

網絡企業開設實體店鋪

提供網絡信息服務的人力資源巨頭Recruit，同時運營中古車信息網站“汽車傳感器(Carsensor).net”，公司近期進軍銷售中古車的實體商務，這個服務的名稱是“汽車和柜臺”。

2012年1月，公司在仙臺市內的購物中心開設了實體店鋪，這里的中古車專業人員根據顧客的需求在網絡選擇汽車，同時也代辦與合作的中古車銷售商簽訂合同等業務。店鋪運營由集團的北關東市場部負責。

雖然公司運營中古車信息網站，但是，在銷售中古車方面屬于后來者。如果只代理銷售，與傳統的服務相比，因無法提供差別化服務，所以也就不具備任何優勢。因此，公司決定完全利用大數據，創造出其他企業無法效仿的新型的商務模式-- 質量相同的中古車(車的種類、汽車生產年及型號和行走距離以及維修記錄等屬于同一檔次)，以相同的價格進行銷售。

實際上，以往中古車的價格并沒有明確的標準。通常中古車銷售店負責買入的人，雖然會參考拍賣市場的價格，但最終還是依靠“感覺和經驗”決定銷售價格。因此，即便是質量相同的中古車，各家店鋪的價格不盡相同，各地區的價格差別也很大。而Recruit有效利用大數據，收集幾百萬臺車的價格信息，分析決定價格的因素。最終實現--同一質量，同一價格(質量相同的汽車以相同價格售出)。

Recruit集團 IT解決方案部大數據負責人菊地原拓在談到利用大數據的目的時說：“通過數據分析向顧客顯示中古車的定價的合理性，消除了顧客對價格的不信任感。”

利用Hadoop實現服務差異化

支撐新商務模式的大數據的，是公司中古車信息服務“汽車傳感器”登載的數據。在30多種決定價格的因素(諸如車的種類、汽車生產年度及型號和行走距離、排氣量等)和每月340萬件市場價格信息的基礎上，構建統一的價格計算推理系統。

實際上，這家公司很早以前就有這一想法，但是需要整合的基礎數據過于龐大，而為了導出價格計算推理，必須將汽車生產年度及型號和行走距離等中古車的屬性信息同市場價格等數據相互進行對照，才能夠清楚決定價格的因素。即便只進行一次集群處理也要花費數日，照此下去，確立商務模式要花好幾年，因此不得不放棄這一想法。

而改變這一局面的是分布式處理軟件“Hadoop”。使用5臺服務器構建基于Hadoop的實驗及驗證進行集群處理的結果，以往需要數日才能處理的數據，只用1個半小時就處理完了。也就是說大數據技術解決了商務模式問題。

花費3個月的時間，并反復進行集群處理和驗證，成功地構建了最佳價格計算推理程序，事業化也終于有了眉目。目前由于硬件性能的增強，匯總只需大約30分鐘即可。而且每月將價格計算推理進行升級，提高了“同一品質，同一價格”的精確度。

開辟拓展海外市場的道路

目前，大數據也成為日本企業拓展海外市場的推手。比如，三菱重工就從2012年5月起，在阿拉伯聯合酋長國的阿布扎比瑪斯達爾城參與都市交通事業。

三菱重工使用利用大數據的交通模擬裝置，提出在斯達爾城普及電動汽車(EV)和電動公交車所必要的對策的方案，并推算出經濟波及效果。

普及電動汽車和電動公交車，需要投資設置充電站等。而促進乘用車和公交車的電動化，兩者所需的成本不盡相同。三菱使用交通模擬器，通過改變電動車和電動公交車的種類和數量，推測出所必要的電耗量(行走和空調的電力消費)，同時算出普及電動車和電動公交車所需的成本。

為了制作模擬器，三菱重工分析了諸如道路坡度和EV加速度以及蓄電池的劣化度等各種各樣的數據。并且，曾經使用10臺EV“i-MiEV」”在斯達爾城進行實際測試，收集行走數據并做了分析。三菱重工相關負責人滿懷自信地說：“能夠正確地預測出效果，必將成為我公司今后參與世界各地建設智能城市計劃競爭的強有力的武器。”

挑戰大數據需遵守的三項鐵的原則

以上介紹的三家企業共同的特點是，通過大數據分析，抓住了新事業的商機。大家都說“大數據是一座寶山”，但是，是否真的暗藏著寶藏并非一目了然。

那么，企業應當如何利用大數據這一武器，來挑戰新的事業?筆者認為利用大數據的企業，需要遵守三個鐵的原則，即“現場感受是分析的關鍵”;“除了公司內部的數據，也要瞄準外部的數據”;有效利用工具使“分析變得更簡單且更迅速”。

根據野村綜合研究所的調查報告，銷售額超過1兆日元的企業中，大約六成的企業目前在研究利用大數據的方法。不到500億日元的企業，則四家企業中有1家在收集信息。那么，我們的競爭對手都有哪些新的舉措?本文將繼續介紹若干先進事例，以供參考。 #p# 

二、現場感受--企業的最前線才是分析的關鍵

挖掘大數據的價值，分析大數據的“地點”非常重要。而在系統部門和調研部等地方閉門造車，則無法抓住商機。不能直接與事業聯系在一起的數字，有陷入“數字游戲”的危險。目前，有效利用大數據的企業，就是在充滿現場感覺--事業的最前線，分析并利用大數據。

在開發游戲的現場分析大數據

日本移動社交游戲公司DeNA ，為了進一步推動企業有效利用大數據，斷然進行組織變革。2012年4月，公司將數據挖掘( Data mining)部(集中具有統計學知識并能夠使用Hadoop的人才)的分析員劃入開發游戲的最前線部門即社交游戲事業本部和社交平臺事業本部。

對這一組織人員變動，社交游戲事業本部X-Function部分析小組組長友部博教解釋說：“企業為了盡快獲得商業效果，需要在游戲的規劃及開發現場分析數據。”目前，社交游戲業務方面，每個游戲都分別設置專門的分析員，他們的辦公桌和負責規劃的人員緊挨著，共同開發及運營游戲。

分析小組組長友部博教等分析員的工作任務是，“將用戶的感興趣度制成指標，進行監控。”他們從游戲的訪問日志和行動日志等大數據中，提取對游戲有用的指標，在此基礎上，規劃游戲方案和促銷活動。

2012年4月實施組織改革時，同時新設置了構筑及運行大數據分析的專門部門--集團平臺系統統轄部分析基礎部。大約多達2PB(peta bytes )的游戲日志數據，運行在大約1500核(core)的Hadoop集群上。在這個系統上存積的大數據，由分析員使用Hadoop的編程語言Pig和Hive進行解析。

在游戲的利用狀況等日常分析項目方面，分析基礎部開發出能夠瀏覽分析結果的系統，由此，負責游戲的規劃及開發的人員也能夠進行監控。DeNA為了進一步推動企業利用大數據，公司對游戲規劃及開發人員進行利用Hadoop的培訓。

通過現場分析，防止出現時延(time-lag)問題

而日本花王公司(一家百年老店，產品涉及化妝品等600多種，大都是高分子化學品。)做法與DeNA不同，它不是安排專業的分析員，而是采用由業務負責人自己分析大數據的系統，進行數據分析。對此，花王國際媒體企劃部商品公關中心的久保山路主任解釋說：“由業務員進行數據分析，能夠將其分析結果盡快體現在公關關系(PR)戰略和商品規劃上。”

例如，以往半年一次的定期商品調查就是由公司內部的分析部門負責，而業務部門接受反饋的方式進行，這就會出現時延的問題。而改由現場的擔當者自己處理大數據后，這一問題迎刃而解。

2012年10月上市的新產品蒸汽貼“Good-Night”，首次由現場業務人員負責分析大數據。這一系列產品具有舒緩壓力，消除疲勞，有效提高睡眠質量的功效。

久保山中心主任說：“我們希望能夠盡快確認，顧客對新產品的反應。”因此，在商品上市一個月前，采用基于云計算的數據分割(datasection)分析工具“Insight Intelligence”。

分析結果--令人滿意。例如，與新產品的名稱一起，有關“睡眠”的Twitter明顯增加。今后，大數據的利用范圍也將擴大到其他商品的PR上。為此，首先對十幾個PR業務員將進行分析工具的使用方法等培訓。

也需要橫向聯系的組織

如果只在個別的事業現場配備大數據分析員，也會導致企業缺失橫跨部門的視角。為防止出現這一問題，運營商品目錄及網絡郵購的日本千趣會(倍美叢，bellemaison)就設置了能夠橫向聯系全部事業的組織，即把縱向的組織，橫向連接起來，使其能夠互相聯系合作。

目前，這家公司活用大數據的組織體制是，分別在電子商務(EC)事業本部和目錄事業本部配備共7人的大數據分析業務員，他們分別負責各自事業部的分析業務。此外，將3個負責分析企業整體事業的橫跨部門的業務員，劃到由倍美叢事業運營部(負責橫跨全公司的業務分析)直接領導的的事業運營小組。這樣一來，各個事業部既能迅速實施針對各自領域的分析及對策，同時還可橫跨EC事業部和目錄事業部進行大數據分析。

下圖 千趣會的大數據活用體制

由上圖可以看出商品目錄事業本部和EC事業本部，各自分別設置數據分析員，收集與自己事業相關的數據。事業運營小組的分析業務員則負責橫跨全公司的分析業務。商品目錄事業本部的Teradata Database 數據庫收集顧客數據、購買記錄以及目錄配送記錄等數據，使用商業智能(BI)軟件 TERA Web報表進行分析;EC事業本部在web服務器上收集訪問日志和web瀏覽日志等，利用web訪問解析軟件 Adobe SiteCatalyst分析數據;事業運營小組則在基礎類系統上收集籌措、財務以及訂貨等數據。

成立事業運營小組后取得的成果之一是，從2012年10月起開始配送“初次購買者專用目錄”。這項服務源于分析數據的西口浩司事業運營小組組長發現了規則，即“一年中有數次發生新顧客的連續購買率下降大約2%的時間段”。分析原因后發現，這一時間段與通常為新顧客配送商品時一起配送的目錄中斷的時間相互一致。通常，在更換商品的季節，會出現無法配送目錄的情況。因此，公司將大量不受季節影響的商品群制成目錄，通過平常將其與商品一同配送，從而防止了購買率持續下降的問題。

通過虛擬組織(Virtual Organization)進行統一管理

日本電通集團(Dentsu Group，日本最大的廣告與傳播集團)為了有效利用大數據，成立虛擬組織。2012年4月，電通設置商務智能模塊(BIM，Business Intelligence Module)，將數碼商務局、平臺商務局以及BI規劃局等五個組織整合在一起。

BIM所屬的人員包括專門擔任大數據收集、分析系統構建以及商務適用等大約700個職員。為了增強交流，BIM成員的工作地點集中在集團本部大樓的一角。

設置BIM的目的是，“打破領域壁壘”(前田真一平臺商務局副局長語)。以往的做法是，各個項目都是從多個部門集中人才來進行。但是為了能夠更快地應對顧客需求，將組織捆綁在一起。過去，每個項目的項目負責人都不相同，而且與營業部門的窗口也無法統一。

BIM的成果之一是，自從2012年9月起開始實施的內容(content)發布平臺服務“ClickAD”。這項服務支持媒體和終端設備橫向型的市場營銷。由于將BIM的數個部門的規劃及開發成員聚集在一起，從規劃到正式提供服務只花費半年時間。

貢獻度成為評價分析員的指標

為使大數據分析業務員體驗現場感受，大阪燃氣公司對分析部門布置“銷售額”的工作定額。

如果分析數據的專門組織--商務分析中心(BAC)的分析業務員，針對能源事業和起居室事業等事業部門，提出利用大數據的事業提案和業務改善方案，而方案被采納，分析部門即可從事業部門獲得分析作業等必要的成本，這就成為BAC的“銷售額”--評價指標。

商務分析中心河本薫所長強調：“分析業務員不應坐在辦公室等著業務上門，必須積極到事業部門爭取業務。”公司通過使分析業務員承擔銷售的連帶責任，一年帶來近100項業務。

公司的上述提案活動所取得的成果是--研發了預測天然氣機器的故障零件系統。這個系統的特點是，只要打入顧客的報告內容，根據大約400萬件的修理數據以及氣象數據等系統自動顯示有可能出現故障的上位5種零件。由此，提升了修理員所持零件的精確度，維修的即日完成率5年時間提高了20%。

2012年4月，大阪燃氣公司的信息系統子公司ogis綜合研究所，成立承擔支援業務分析的數據分析中心。為了進一步強化數據分析及其活用的體制，分析業務員和Hadoop的工程師等配備了15個人。與此同時，大阪天然氣公司也加大力度培育人才。比如，從2012年4月起，針對事業部門的員工進行數據分析培訓。公司計劃到2013年3月將有600人受到培訓。 #p# 

三、瞄準企業外部的數據

實際上，分析的大數據，沒有必要只由企業自己來收集。相反，應當積極采用公司外部的數據。如果企業只使用自己收集的數據，會導致分析視角的固定化，視野也會越發狹窄。例如，通過和異業型企業(不同行業的企業)合作和參加優惠點計劃(point Program)，企業也能夠掌握自己無法單獨收集的數據。企業利用提供社交媒體數據等外部數據的服務，也是運用大數據的一條捷徑。

旅行業和音樂業攜手 共同實施促銷活動

2012年12月，日本大型綜合旅行代理店H.I.S與銷售CD的LAWSON HMV(His Master's Voice) Entertainment 共同啟動HMV×H.I.S. 音樂之旅促銷活動。只要點擊各自的Facebook的官方網頁的“好啊” 按鈕，即可獲得可以在H.I.S.和HMV等使用的優惠券。

實際上，H.I.S和不同行業的HMV攜手，是因為通過大數據獲得了雙方合作會帶來互惠雙贏的證據。

兩家公司的合作源于2012年8月實施的Twitter促銷活動。參與促銷活動的網民推特自己想去的地方以及在這地方想聽的曲子，即可獲得可在H.I.S等利用的積分。結果，兩家Twitter的follow數都增加了。通過分析數據發現“音樂和旅行的關聯性非常強，極有可能實現互惠的客戶轉移(Reciprocal Customer Transfer)”(H.I.S.本部事業開發室山岡隆志室長語)。

實際上，H.I.S.積極推動獲得企業外數據的舞臺，不僅僅局限于社交網絡媒體服務。同時，H.I.S.也利用三菱商社集團的子公司忠誠市場(LOYALTY MARKETING)運營的不同行業的企業之間的“共通積分服務” (是一項橫跨企業的共通積分規劃，即只要持有一張積分卡，就可以在各種的店鋪積存積分，并可使用)“Ponta”的數據。利用這些數據可以掌握例如在HMV購買搖滾CD的顧客，在H.I.S.則會籌劃怎樣的旅行計劃等信息。

山岡室長強調：“只有一家企業單獨活用數據的時代已經過去”，他表示公司計劃通過參加運用Ponta的數據的“客戶關系管理(CRM)研究會”，積極發展橫跨不同行業的有效利用大數據的業務。

利用網絡服務占據競爭優勢

日本的網上金融集團SBI Holdings(主要提供各種金融和證券等金融服務)借助與本企業沒有直接業務關系的網絡服務，獲得公司外數據。

收集大數據的最前線是集團企業的E-Advisor公司運營的資產管理服務“MoneyLook”，這是一項針對個人提供諸如金融資產和信用卡利用記錄以及電子商務網站的購物記錄等管理的服務，它擁有大約70萬個會員。MoneyLook對會員利用多個金融機構和積分服務的情況等進行統一管理。也就是說，提供服務的E-Advisor可掌握包括SBI集團在內的各種金融機關的利用狀況。

SBI集團旗下擁有諸如銀行和證券等各種各樣的企業。只SBI證券一家企業就有240萬個賬號。但是，目前對集團企業的顧客數據(賬號信息、金融資產信息、積分信息以及交易記錄等)進行統一分析有困難。這是由于在申請加入服務時的利用規約中，對于集團企業利用有關個人信息并沒有做明確的規定。

這時SBI集團注意到E-Advisor公司的資產管理服務“MoneyLook”，此項服務的利用規約明確說明，為了介紹SBI集團的商品及其服務和提供相關信息，規定可以利用這項信息服務，因此，如果將這些信息作為統計數據加以利用就不會產生問題。

通過數據分析，就可以了解SBI集團的金融機關同競爭對手的利用比率和利用頻度等信息。2012年8月，啟動橫跨集團的“大數據室”的林口文彥室長說：“首先要使集團企業的廣告發布實現最優化。”

同行業的數據也落入囊中

從外部購買數據，也是企業取得公司外部數據的一種方法。例如，運營酒店的希爾頓福岡Sea Hawk就在2012年7月采用由風險公司“大家的wedding”提供的“大家的口碑分析”，這是一項提供及分析結婚場所的口碑數據的服務。

通常，結婚場地通過自己組織的問卷調查等來獲取信息具有局限性。特別是深入挖掘沒有簽訂合同的顧客和出席結婚典禮客人對結婚場地的滿意度有困難，而通過從外部購入數據即可填補這方面的不足。

最近一兩年，福岡出現很多小型結婚場地“House wedding”(包場婚禮)。因此，希爾頓福岡Sea Hawk就有必要重新分析作為酒店自己的優勢和劣勢。自從利用上述服務后，酒店每月定期召開共8個結婚策劃人和運作人員參加的會議。目前，酒店將其分析結果運用在改善應對列席者等方面業務。

新型服務不斷涌現

目前，為了滿足企業新的需求--希望利用本企業之外的大數據，不斷涌現出提供數據的服務(見表1)。其中，提供Twitter等社交媒體數據的服務最具人氣。

NTT數據自2012年12月開始的“Twitter數據提供服務”，與美國twitter簽訂合約提供全部日語的推特;2013年2月計劃提供判斷年齡和性別等選項服務。

也有企業自己無法收集的大數據的外售服務。例如，電通(日本第一大也是世界最大單一廣告公司)和ZENRIN-Datacom(日本最大的住宅地圖廠商的子公司)等提供的“draffic”，它將收集的70萬人--非特定的利用者過去2年半的位置及行動日志，以最小250米東西南北為單位實現可視化。使用這些數據可分析店鋪的客人來店傾向和開店計劃以及與競爭店進行比較等。

毫無疑問，今后會不斷出現提供諸如位置信息和氣象信息以及醫療信息等各種各樣大數據的服務。因此，企業必須克服非我發明癥候群(Not-Invented-Here syndrome)，有效利用公司外部的數據。 #p# 

四、數據分析變得更簡便更快捷

目前，大數據分析工具進展迅猛。以往需要高度的統計知識和IT技能的分析作業，也可利用工具和服務得以彌補，構建系統也越發容易。

沒有統計學知識也可使用

分析數據的商業智能(BI,Business Intelligence)軟件領域，現場的業務員即便沒有統計和IT相關的專業知識也能夠進行分析作業。例如，超過500家日本企業使用的qliktech.Japan的BI工具“QlikView”，用戶自己通過對話式畫面(Wizard)可以制作圖表等分析畫面。有些銷售代理店還出售使用率高的銷售分析和營業成績分析模板(template)。

用戶只需點擊想分析的項目，就能看到各種數據。目前的BI也都具備可視化操作(visual mode)功能(表1)。

表1 部分分析大數據的分析工具(無需統計技能的產品)

生產并銷售廚具的Le Creuset Japon(來自法國的知名廚具品牌，它在歐美家喻戶曉，在日本也大受歡迎，因而有“廚房中的LV”的美譽。)就使用QlikView，對銷售等數據進行分析。2012年10月，根據事業負責人的要求，實現利用QlikView分析市場營銷相關項目。僅花2周就完成了實際安裝。

公司的IT經理Daniel 笑著說：“我們公司分析工具的重度使用者(heavy user)是對IT生疏的公司總經理。”目前，總經理和市場負責人、營業負責人以及物流負責人也使用QlikView進行數據分析，應用在各自業務工作上。

不必進行分析前的準備工作

與此同時，針對具備統計知識的分析業務員的產品也進一步得到改善--使用簡便。例如，日本Teradata提供的產品Teradata Aster就實際安裝了諸如通徑分析(path analysis)和邏輯回歸(Logistic regression)等超過50個的分析模型，因此，不需要分析流程的編程(表2)。

表2 部分大數據分析的分析工具(需要基礎統計技能的產品)

2013年春，Wingarc將與brainpad等攜手提供“sales&Marketing Automation(銷售&營銷自動化)”服務，利用這項服務沒有統計知識的事業部門的負責人也可進行高度的分析。用戶通過Wingarc的MotionBoard使用構建在云計算上的數據挖掘工具(data mining engine)。

mining engine可自動顯示推測購入確率等最佳算出模式。而以往制作這一類模式，都是具有統計解析技能的專家使用“預測分析”等手法制作出來。

系統投入也更加便利

目前，分析工具的構建負荷也減輕很多。比如，利用云計算服務和appliance產品無需系統部門的幫助，利用部門可直接導入系統。

目前，引領云計算服務市場的是進行數據挖掘等商務的新興企業(表3)。從2012年12月起，在文本挖掘(text mining)市場具有優勢的Plus-Alpha Consulting開始提供SaaS型的文本挖掘新版“可視化engine”，它搭載一般職員即可分析社交網絡媒體數據的“QUICK REPORT功能”。此外，I'sFactory 公司提供顧客購買預測工具“bodais”，Data section公司提供分析社交網絡媒體工具“Insight Intelligence”。這些工具都不需要高度的分析技能，現場的事業部門也可利用。

表3 部分 分析大數據的云計算服務

目前，IT巨頭也加速云計算化步伐。例如，從2012年12月起，野村綜合研究所開始提供SaaS版可進行文本數據分析的“TRUETELLER text mining”。而NEC在11月發布基于云計算的使用面部認證技術的市場營銷分析服務，這項服務作為“分析云計算服務”，可根據分析需要提供相應的服務。

大數據分析appliance產品就有日本IBM2012年10月上市的“PureData System”等。此產品將IBM在顧客事例的基礎上設定的模式以模板(template)即定型格式提供。以往數據庫的設計及制作等系統構建需要好幾周甚至好幾個月，利用這項服務系統構建時間縮短到4小時。日本甲骨文的“Oracle Exalytics In-Memory Machine”和日立制作所的“Hitachi Advanced DataBinder 平臺BI appliance”等，也針對分析用途提供專業化的專用硬件，可減輕構建系統的工作負荷。

目前，即使不是統計學專家也可利用大數據拓展商務。毋庸置疑，萬事已俱備，只欠東風--挑戰精神。2013年，讓我們共同迎接新的挑戰，大膽邁出第一步吧。 #p# 

五、銷售額超過1兆日元的日企 積極利用大數據

根據野村綜合研究所的調查報告，在利用大數據方面，最為積極的是銷售額超過1兆日元的企業。

在問卷調查中，提出“針對大數據利用，貴公司是否采取對策”的問題，眾多企業在六個選項中回答“目前正在研究利用的方法”。

六成企業在研究利用的方法 三成則已開始利用

例如，回答“正在研究利用方法”的企業比例，銷售額超過1兆日元為61%，超過5000億日元不到1兆日元為19%，超過1000億日元不到5000億日元則為34%，超過500億元不到1000為27%，不到500億日元為24%，整體平均為31%。

回答“已經利用”的企業，銷售額超過1兆日元為29%;以下，銷售規模越小，分別為15%、12%、8%、12%。回答“目前正在進行相關的系統規劃及開發中”的企業，超過1兆日元為16%，其他則分別為12%、7%、6%、7%。

從以上數據可以看出，除了銷售額超過1兆日元的企業，其他規模的企業大數據進展情況大致相似。毫無疑問，今后在積極利用大數據方面的企業，必將占據市場優勢。