如果说以前企业级的内部数据是矿山，是在已知的矿中挖掘对企业管理和运营有效地信息。这种外部的大的新型数据，互联网上的外部公开的数据对他们来说是“沙海”，怎么样这其中挖掘新的视角，从新维度看客户，怎么样在这个基础上制定企业的新策略是非常重要的。

 

　　现代企业已经进入了后ERP时代，每天企业在运行过程中会产生海量数据。在最近几年之中，社交数据、移动数据、物联网数据呈指数级的上升。现在事实上面临一个非常大的挑战，如何应用好数据，对很多现代企业变得非常重要。IBM中国研究院副院长董进，从重资产型企业比如新能源、物流企业，分析了如何更好地利用数据这样一种自然资源，帮助企业有更深的行业洞察。

 

　　在新能源领域。中国2011年末中国风电的装机容量排全球首位，基本上30%-40%的新能源风电是不能并网的，白白浪费掉了，主要原因是风电的随机性、间歇性不能并入主干网，需要有非常精准的小尺度、非常精准的天气预报技术，知道每一个风场在什么时刻会产生多大的风力，这是一个大数据的问题，需要把整个风场气象的传感器数据和从卫星上传下来的气象原始数据做很好的整合后，用大数据的方法实时的数据分析，同时用IBM很强的计算能力做小尺度、高精度的气象预报系统。通过这样的气象预报系统，能够帮助企业、帮助我们风场非常高的提高风电预测效率。用这样的大数据技术，帮助在中国国家的风光储示范基地用IBM大数据设备做新能源的预测。通过这样的技术，使国家的风光储示范基地的风力介入提高10%，这10%可以让14000家用户每年使用风电，相当于一个全风场整个生命周期多并网发电将近8000万美金。这样的例子IBM在中国做了非常多，在30多个风场用大数据技术做整个风力预测技术。

 

　　在大数据的实战中有三个重要因素，缺一都很难做成功。大数据项目需要很深的商业洞察，行业理解。需要有非常坚强的大数据的IT基础架构。需要有非常好的数学建模人才帮助你做模型建立。IBM过去五年来做了30多次的收购，在全球有1.5万个基于各个行业的分析顾问。更重要的一点，在全球有400多个顶级数学建模专家。这样的建模专家在中国有50余位。希望用综合的大数据的能力帮助企业跟我们的合作伙伴面对大数据的时代，同时拥抱这个时代。另外最重要的一点是引领这样一个时代。