无处不在的“关系”——创建日常交易之外的数字化关系

　　如今，企业有望重新利用技术手段与消费者建立朋友般的关系。企业将不再简单地用冷冰冰的数字交易、cookie文件或者交易记录与统计数据来表 现消费者，而是将他们视为具有其差异化需求的真实顾客。然而，尽管移动技术、社交网络和基于情景的服务，已经深化了企业与消费者的数字化联系，大部分企业 仍然只是在收集更详细的消费者意见、消费者属性和交易信息。

　　如果将所有这些方式整合起来，它代表着一种吸引客户参与和维系消费者忠诚度的关键新方法，即无处不在的客户关系管理。新技术可以为企业提供更多、更亲密的交流渠道，支持企业建立差异化的客户关系。应用移动通信、社交媒体和情景服务创建真正的个性化消费体验，一些企业已经敏锐地发现这些数字化关系带来了一个增加收入的巨大机遇。

嵌入式数据分析——针对所需信息设计数据收集要求

　　当今企业面临的最大问题不是数据量不足，而是数据泛滥，并且缺乏正确的数据。业务高管需要正确的数据来高效规划企业的战略方向。当代软件为功能性而设计，下一代软件将为分析而设计。

　　今天的IT环境以应用软件系统为中心。企业开发了数据模式来支持应用软件功能。然而，应用软件大多无法满足新业务方案的数据收集需求。于是，大部分企业会更进一步：它们选择尽可能多地收集信息。但是，“更多数据”不等于“更好的数据”。企业在收集数据时通常并没有明确的目的和问题。因此，当公司用数据分析制定战略决策时，所收集的海量数据无法帮助其解答这些问题，反而经常面临信息断层。

　　每个数据空白都会让企业错失改善决策或业务运营状况的机会。填补数据空白，即获得正确的数据，企业需要彻底改变新应用软件系统的设计理念应用思 路，以及现有应用程序的配置、使用与更新方式，它们要为数据分析而生。迅速发展的传感器技术使企业获得了又一个填补数据空白的利器。可以创建及收集物理环 境与设备信息。

　　技术不再是障碍，规划问题所需要的战略业务前瞻眼光才是企业面临的挑战。

　　数据加速度——跟上决策和行动速度

　　在这个信息爆炸的时代，企业高管需要应对繁杂的统计，处理数量飙升的数据，并从中发掘有价值的信息。他们需要特别关注数据处理速度，即收集、分类和分析数据以获得可执行情报的速度。由于业务高管越来越希望能实现实时数据分析以保持竞争优势，他们对数据分析速度要求也将随之提高。

　　新技术的涌现将帮助加快从分析到应用的数据周转速度，提升企业高速分析数据的能力。与此同时，新的低成本分析功能可以加快针对具体问题的探索速 度。此外，也有企业应用非结构化数据批量处理技术——这些多为批处理技术，来实现实时或接近实时的数据处理。所有关于数据速度的讨论中，并不是追求把实时 功能做到极致，重点是如何在待处理和分析数据量大幅增加且数据源日益丰富的情况下提升响应速度。