曾领导美国Unisys公司战略创新项目的Nicholas D. Evans日前撰文提出了关于大数据的4A模型，并就CIO如何从大数据中获取价值提出了建议。
 
　　目前，大型公司维护、管理着的数据数量正飞速增长。2011年，麦肯锡曾指出，美国大型公司存储的数据总量已超过了美国国会图书馆的藏书量。这是一个什么概念呢?据美国国会图书馆介绍，它的藏书足以填满超过800英里的书架。

　　2011年，麦肯锡也曾专门发布报告探讨大数据的价值，”零售商充分利用大数据，能够使它的毛利润增长60%以上。同时，大数据对公共部门效益的提升也具有巨大的潜能。如果美国医疗机构能够有效地利用大数据驱动医疗效率和质量的提高，它们每年将能够创造超过3万亿美元的价值。其中三分之二是医疗支出的减少，占支出总额超过8%的份额。在欧洲发达国家，政府管理部门利用大数据改进效率，能够节约超过14900亿美元，这还不包括利用大数据来减少欺诈，增加税收收入等方面的收益。”

　　那么，CIO应该采取什么步骤、转变IT基础设施来充分利用大数据并最大化获得大数据的价值呢？我相信用管理创新的方式来处理大数据是一个很好的方法。创新管道（Innovation pipelines）为了最终财务价值的实现从概念到执行自始至终进行全方位思考。对待大数据也可以从相似的角度来考虑：将数据看做是一个信息管道（information pipeline），从数据采集、数据访问、数据可用性到数据分析（4A模型）。CIO需要在这四个层面上更改他们的信息基础设施，并运用生命周期的方式将大数据和智能计算技术结合起来。

 
大数据4A模型

　　4A模型中的4A具体如下：

　　数据收集（Acquisition）：涵盖了从智能传感器到社交网络等数据来源的范围。对于力图优化数据收集效率的CIO来说，明白企业来自不同来源的数据对于商业智能的目的以及深刻理解哪些数据流能够为公司的业务提供最显著的利益是非常重要的。知道去哪里寻找数据是一切的基础。

　　数据访问（Access）：涵盖了实时地及通过各种数据库管理系统来安全地访问数据，包括结构化数据和非结构化数据。就数据访问来说，在你实施越来越多的大数据项目之前，优化你的存储策略是非常重要的。通过评估你当前的数据存储技术并改进、加强你的数据存储能力，你可以最大限度地利用现有的存储投资。EMC曾指出，当前每两年数据量会增长一倍以上。数据管理成本是一个需要着重考虑的问题。
 
　　数据可用性（Availability）：涵盖了基于云或者传统机制的数据存储、归档、备份、灾难恢复等。
 
　　数据分析（Analysis）：涵盖了通过智能计算、IT装置以及模式识别、事件关联分析、实时及预测分析等分析技术进行数据分析。CIO可以从他们IT部门自身以及在更广泛的范围内寻求大数据的价值。
 
　　用信息管道（information pipeline）的方式来思考企业的数据，从原始数据中产出高价值回报，CIO可以使企业获得竞争优势、财务回报。通过对数据的完整生命周期进行策略性思考并对4A模型中的每一层面都做出详细的部署计划，企业必定会从大数据中获得巨大收益。