大数据已经成为大多数企业管理者关心的问题。显而易见，数据分析能够在大数据时代打来大机遇。但是，数据集需要如此之大吗？

现在广为接受的大数据的定义是Gartner提出的三个V的概念，即数量大、种类多和变化快（volume、variety、velocity）。本世纪初，大数据开始流行。管理者也在积极寻求发展自己大数据架构的方法。然而管理者忽视的是，大数据分析的难题可能通过内部部署就足以解决，而且比预想的简单的多。

Shaw就是一个例子。它是一家地毯制造商，它没有向很多发展大数据架构的公司一样，重金购买第三方客户数据或手机网站数据，而是在自己的企业资源管理软件、客户关系管理系统和数据仓库上下功夫，也成功地提高了销售业绩。

Shaw商业部门的副总裁Tim Baucom说，“现在正是把这些系统集成在一起的大好机会。”

Tim Baucom

Baucom 表示，Shaw希望解决的主要问题是价格浮动。通常来讲，Shaw的销售流程要经历6个月甚至更长的时间。这期间原材料的价格会改变，如果承建商超出预算，有可能修改订单。这些都导致Shaw的销售人员很难保证销售利润的持平。

2005年，公司认识到需要通过数据预测价格。Baucom比较了解Zilliant公司，Zilliant公司提供客户和产品数据的预测工具，帮助优化商业价格。Shaw部署了Zilliant MarginMax软件，在整个销售过程跟踪报价，结合具体情况作出调整，衡量销售定价的一致性。该软件中输入了地毯制造商现有数据系统中的所有有用信息。

把这些不同的数据源整合到一起也是一个不小的壮举。Baucom表示，客户服务、销售和网站数据之间没有互渗。所有这些都存储在筒仓系统中。一开始，Shaw依赖于Zilliant的数据科学家的意见配置系统，这样它就可以弄清不同系统数据之间的关系。

但是在一开始的时候，销售团队认为这种新型模式关注的净是一些偶然因素，比如一周价格变化。很多组织在建立分析系统的时候都面临这个问题。很多时候需要数据科学家定义算法，但往往要业务专家判定这种算法是否有效。在这种情况下，Baucom不得不亲自寻找有意义并可行的相互关系，比如项目类型导致的利润变动和应用材料导致的利润变动。通过与供应商的合作，他改良了该系统，使其生成结果更有指导性。

Baucom表示现在Shaw的销售管理者都用数据武装起来了，他们的定价会更有效。自从应用数据分析，Shaw的销售利润增长了5%.

Baucom也不确定这是不是一个大数据的案例。2005年，很多人都认为这是一个大数据案例，但照几天的标准来看，它又不能算真正的大数据架构案例了。不过对Baucom而言，重要的是基于数据制定价格决策。

他表示：“我们所处的行业，定价和价格谈判一直是核心，因此用数据支撑预算和价格是关键所在。我们需要找到定价的黄金区域。”