有没有关键的高级分析技术对大数据项目的实施是个不小的问题。近期牛津大学赛德商学院（Sa?d Business School）和IBM共同发布的一份调查报告证实了这一结论。

　　这份名为《分析技术：大数据在真实世界的应用》（Analytics: the real-world use of big data）的报告来自于2012年年中进行的一份调研，参与者包括95个国家26个行业中的1144名业务和IT专业人士。报告由五位专家撰写，包括赛德商学院的校长Peter Tufano和学院调研团队的主任Janet Smart。

　　在调研中，不到25%的全球参与者说到有技术和资源分析如文本、声音和传感器数据之类的非结构化数据。

　　报告撰写专家说：“随着这些领域的软硬件发展逐渐成熟化，相关技术开始供不应求。”

　　然而，在一次媒体发布会上，IBM和赛德商学院提到，75%的企业在处理大数据时都拥有很强的分析能力，通过查询、报表和数据挖掘等手段来处理结构化数据；而67%的企业则使用预测模型。

　　在该报告的新闻发布会上，Smart说到，赛德商学院新任校长Tufano（曾在哈佛商学院任职）对数据研究十分重视。学院的MBA课程中已经添加了一种新的数据模型。因此，近几年内数据科学家将相当稀缺；也就是说，很多英国企业对这一技术都将采取外包的形式。

　　报告发现，英国和爱尔兰的企业中只有5%拥有了大数据的全面配备，大约70%依然处于运营的早期阶段——报告将其称为“培养阶段”和“开发阶段”，而不是“采用阶段”和“执行阶段”。

　　报告撰写专家对于社交媒体在参与者中的影响甚微感到非常吃惊：只有7%认为来自Twitter的大数据反馈值得分析。专家们估计，可能是因为技术的缺乏使得企业没办法充分利用社交数据。

　　IBM业务分析实践的高级经理Matin Jouzdani对此表达了自己的看法，用于Twitter反馈的自然语言处理技术势必有助于充实现有的客户记录。

　　他没说错，近一半的参与者都将“以客户为中心的目标”看作是大数据项目的重中之重；还有一些公司则把大数据视为提升竞争优势的潜力股。在2010年IBM推出的一份类似的调查中，选择“竞争优势”这一项的有37%，而在今年的这份报告中则达到了63%。

　　专家们一致认为，最高效的大数据项目都是从识别业务需求开始，然后再定制技术以支持业务发展。

　　对于传统的大数据3V定义，专家们又添加了一个新V——“veracity”（真实性）；他们的意思是，人们需要运用一些高等数学知识（如fuzzy logic），认知并接纳数据的不确定性。