随着运用越来越尖端的技术的软件与不断提高的计算能力相结合，从数据中提取洞见的能力也在显著提高。此外，由于越来越多的人、设备和传感器通过数字网络连接起来，产生、传送、分享和访问数据的能力也得到彻底变革。2010年，超过40亿人（世界人口的60%）在使用手机，其中大约12%拥有智能电话——其渗透率以每年20%以上的速度增长。如今，3000多万联网传感器节点分布在交通、汽车、工业、公用事业和零售部门，其数量正以每年30%以上的速度增长。
1. 数据已经渗透到每一个行业和业务职能领域，已成为一个重要的生产因素。
几个研究团队曾研究过全世界产生、存储和消费的数据总量。尽管他们的估计数字以及由此产生的结果各不相同，所有研究都表明，未来数年会呈现指数增长4。麦肯锡全球研究院（MGI）估计，全球企业2010年在硬盘上存储了超过7EB（1EB等于10亿GB）的新数据，同时，消费者在PC和笔记本等设备上存储了超过6EB新数据。1EB数据相当于美国国会图书馆中存储的数据的4000多倍。事实上，我们如今产生如此多的数据，以至于根本不可能全部存储下来。例如，医疗卫生提供商会处理掉他们所产生的90%的数据（比如手术过程中产生的几乎所有实时视频图像）。
海量数据现在已经进入全球经济的各个部门。就像其他的生产必备要素（例如，硬资产和人力资本）一样，许多现代经济活动离开了它也根本不能发生。我们估计，至2009年，美国经济中几乎所有部门中每一个雇员数量在1,000人以上的企业所存储的数据平均值至少为200TB（1TB等于1,024GB），是美国零售商沃尔玛1999年的数据仓库的两倍。很多经济部门中，每个企业平均存储数据超过1PB（1,024TB）。欧洲的组织2010年存储容量总计接近11EB，大约为整个美国存储容量（16EB以上）的70%。由于欧洲各经济体在发展阶段上（因而在公司分布上）彼此类似，因此，我们认为欧洲多数行业中的一般企业都有足够的容量存储和操作海量数据。相比之下，其他地区中的人均数据密度就低得多了。这一差距表明，至少在近期，通过使用海量数据来创造价值的最大潜力在最发达经济体中。
2. 海量数据可以通过多种方式创造价值。
我们已经发现五种可广泛适用的利用海量数据的方式。这些方式提供变革性的价值创造潜力，并对组织应如何设计、组织和管理具有重要影响。例如，在可能进行大规模试验的世界中，企业营销职能和活动将如何演变？业务流程将如何变化，企业将如何评价和利用其资产（尤其是数据资产）？企业获取数据的便利以及分析数据的能力是否可能带来比品牌更大的价值？现有的何种业务模式可能会中断？（例如，在数据极其透明的世界中，建立在信息不对称这一基础上的行业——例如各种类型的经纪商——将会面临什么状况？）与遗留业务模式及基础设施紧密联系的现有组织，如何与那些能够迅速处理并利用很快就容易获得的详细消费者数据（例如，人们在社交媒体中说到的或者嵌入式传感器报告的消费者）的、灵活的新兴进攻者竞争？随着客户由于掌握了数据（例如不同竞争对手之间的价格和质量比较）而增强了实力，当盈余开始从供应商向客户转移时，会出现什么情况？
3. 对于企业来说，海量数据的运用将成为未来竞争和增长的基础。
海量数据的使用正成为领先企业在业绩方面超越其同行的一种重要方式。例如，我们估计，积极使用海量数据的零售商具有将其经营利润提高60%以上的潜力。我们曾见过领先零售商（例如英国的Tesco）通过使用海量数据从当地竞争对手处赢得市场份额；其他行业中也有很多例子，例如金融服务业及保险业。我们预计，各个部门中都会出现价值向领先的海量数据使用者聚集、而落后者出现价值损失的趋势，这方面的证据日渐明显5。
4.海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。
在我们研究的五个领域中，我们发现了许多海量数据手段；在我们看来，这些手段构成了生产率大幅增长的基础（图表1）。这些机会有可能提高效率和效力，使得组织既能够事半功倍，又能形成高品质的产出——具体方式是，提高产品和服务的增值内容。例如，我们发现，企业可以利用数据来设计与客户需求更匹配的产品。甚至可以利用数据对使用中的产品进行改进。一个此类例子是，一款能了解使用者习惯和偏好、装有针对这一特定使用者的需求而定制的应用和数据的手机要比一部新的非定制设备更有价值6。
5. 海量数据的运用会在各个部门具有重要意义，而在某些部门必将产生更大的收益
如果我们将美国各个部门的历史生产率与其通过海量数据获取价值的潜力加以比较（运用一种将数种量化指标相结合的指数），我们会观察到，部门间的模式迥异（图表2）8。
全球交易的计算机和电子产品及信息（A组）是已经体验到非常强劲的生产率增长的部门，必将通过海量数据的使用而大幅获益。有两个部门（B组）——政府以及金融和保险，如果能够克服障碍的话，将会大大受益。有几个部门（C组）经历了生产率负增长，这或许表明，它们面临着提高生产率的系统障碍。在其余的部门中，我们看到全球交易的部门（多数在D组）往往经历过较高的生产率历史增长，而本地服务（主要为E组）经历了较低的增长。
尽管所有部门要通过海量数据的使用来获取价值都必须克服障碍，对于某些部门来说，其障碍从结构上说比其他部门要高（图表3）。例如，公共部门（包括教育）由于缺乏数据推动的思维以及可用的数据而面临着较高的障碍。鉴于医疗卫生部门迄今为止在IT方面的投资相对较低，要获取价值，则面临严峻挑战。由于与之恰恰相反的原因，零售、制造和专业服务等部门面临的障碍也许相对较低。
更多阅读：
