3.在海量数据中寻求业务价值需要哪些技术？

　　据专家说，海量数据的内容部分在很大程度上都属于数学问题，最好交给专业的统计人员和数据家处理。如果要作品牌荣誉的分析（很直接的项目），理想状态下，你要有位数学博士的市场人员，他可以建立一个数学模型用以查找数据。那些可以理解复杂的统计挖掘技术的人需要筛选大量的原始数据，去发现业务信息，不意外的是这是一部分人才可以作的。

　　Forrester的Hopkins说：“可以培养出拥有这种技术的人的最好学位可能就是计算机科学的硕士和博士了。”如果Goolge、Facebook、雅虎和华尔街都没有为难这些毕业生，“中国已经在用高薪聘请他们了，”他补充说。他建议向保险业抢夺这些人才。

　　Hopkins提出了一个严肃的观点：“我们的顶级建议可能是那样的，如果你在考虑转移到这个领域，你需要做的第一件事就是成立一个团队。如果你不能得到了解如何处理数据的专家，那就不要染指这种技术。”

　　4.从哪里着手?

　　对于海量数据，专家的普遍建议是从小规模开始，或者可以从这种技术开始。Gartber的Genovee说：“可以查看你所拥有的专注于一个问题的特殊数据。”她建议寻找针对特定用户群的新技术。Beyer说，为了解决海量数据对IT系统的刺激，应该采用技术应急措施调整业务问题。“CIO在短期内可以从反应模式开始，然后发展到业务需要，”他说，“而长期来看，需要确定下一步技术方面应该是什么状况。”

　　5.如何界定成功?

　　成功可能不是经济方面的，可能会需要很多的实验和错误。海量数据的成功来自于设置较低的期望值。加上你有合适的人做海量数据，“尝试三到四个项目，不要过分要求自己考虑如何解决他们，”Forrester的Evelson如此建议。“到做了10个这样的项目后，你就可以辨别出一些最佳实践和经验教训了。”