MGI 2001年的一份報告突出強調了大數(shù)據的變革性潛力。5年之后，我們仍然堅信這種潛力并不是夸大其辭。事實上，幾股科技潮流的匯聚加劇了這個進程。隨著信息不斷涌入數(shù)字化平臺、無線傳感器、VR應用程序以及數(shù)億萬臺手機里，每過三年數(shù)據量就會翻倍。數(shù)據存儲的能力變強了，但是成本卻大大降低了。如今數(shù)據科學家的手里有著前所未有的運算工具，而他們也正在設計更多更復雜的算法。

我們早前評估了大數(shù)據和數(shù)據分析的潛力，并找出了它們在5個領域里的價值。今天重新審視它們，我們發(fā)現(xiàn)了公司之間發(fā)展進度不平衡，同時也發(fā)現(xiàn)大量價值仍然存在?；诙ㄎ坏姆找约懊绹闶蹣I(yè)進度最為超前，這兩個領域里的競爭者都是數(shù)字化的原住民。相反，制造業(yè)、歐洲公共領域以及醫(yī)療健康領域的數(shù)據化程度卻低于我們5年前突出強調過的潛力價值的30%。2001年以來新的機會已經涌現(xiàn)，進一步拉大了帶頭者和落后者之間的距離。

領頭的公司不僅僅在利用他們的能力來改善核心運營，他們還推出了全新的商業(yè)模式。數(shù)字化平臺的網絡效應在某些市場里創(chuàng)造出了一種贏家獨大的情況。領頭的公司在處理不同的問題上具有非凡的數(shù)據分析天賦——并且他們也在積極尋找進入新行業(yè)的方法。這些公司可以通過利用他們的規(guī)模以及數(shù)據洞察力來增加新的業(yè)務線，而這種擴張正在不斷模糊傳統(tǒng)領域的界限。

當數(shù)字化原住民在得心應手地處理數(shù)據的時候，固步自封的公司卻還在艱難地翻修或是改變原有的系統(tǒng)。接受一個數(shù)據驅動決策的新時代并不是一個簡單的命題。一些公司在科技上的投入巨大，但是卻沒能改變公司從而最大化利用這些投資。很多公司正在掙扎著發(fā)展才能、業(yè)務流程以及組織肌肉以獲得數(shù)據分析真正的價值。

第一個挑戰(zhàn)是如何將數(shù)據與數(shù)據分析整合到核心戰(zhàn)略視野里。第二步就是發(fā)展出正確的業(yè)務流程與能力，包括數(shù)據基礎建設與才能。只在現(xiàn)有的商業(yè)運營模式上簡單地給強大的科技系統(tǒng)分層是遠遠不夠的。方方面面的改變都要齊頭并進，才能夠發(fā)揮出數(shù)據與數(shù)據分析的全部潛力?，F(xiàn)有企業(yè)在設法完成這些事情所面臨的挑戰(zhàn)時，要好好思考為什么他們還沒有充分意識到我們2011年突出強調的這些價值。

現(xiàn)有企業(yè)的緊迫性正在不斷增大，因為領頭人正盯著更大的益處，而猶豫會加大被瓦解的風險。破裂其實已經發(fā)生了，而且形式多樣。比如引入新型數(shù)據集（垂直數(shù)據）能夠帶來競爭性的優(yōu)勢，而巨大的集成能力能夠突破組織性貯倉，從而產生新的見解和模型。超大規(guī)模的數(shù)字化平臺可以實時匹配買家和賣家，改造低效率的市場。顆粒數(shù)據可以用來個性化產品與服務——包括醫(yī)療保健。新型分析技術能夠給發(fā)現(xiàn)與創(chuàng)新以動力。最重要的是，企業(yè)不用再憑著直覺采取行動了。他們可以利用以大量以證據為基礎的數(shù)據與數(shù)據分析來更快速地做出決定、更準確地預測形式。

下一代工具可能會帶來更為巨大的改變。大量擁有新型機器學習和深度學習能力的應用程序已經滲透到了經濟的許多領域。機器學習驅動的系統(tǒng)可以用來提供客戶服務、管理物流、分析醫(yī)療記錄，甚至可以創(chuàng)作故事。

這些科技可以提高生產效率、改善生活質量，但是它們也會導致人類失去工作、職位混亂。MGI早前的研究發(fā)現(xiàn)，通過運用當前的科技有45%的工作可以自動化；有80%是由現(xiàn)有機器學習能力造成的。（計算機）自然語言上的突破可能會擴大這種影響。

數(shù)據和數(shù)據分析已經在動搖不少行業(yè)了，但只有當科技采用率達到一個臨界值——而且只有當機器掌握了前所未有的解決問題、理解語言的能力時，這些影響才會更加顯著。能夠高效運用這些能力的公司將能創(chuàng)造出巨大的價值，并且能讓自己和其他公司區(qū)分開來，而其他公司只會發(fā)現(xiàn)他們越來越處于弱勢，日漸式微。