话说大数据软件能力的评估是行业颇为关注的问题，因为此领域是朝阳行业，且颇显“高大上”风采。最关键的是行业市场竞争力大，相同组件与功能，大公司能做的小公司也能做，技术门槛到底在哪里？能力到底如何评估？这些问题困扰着很多企业……

随着大数据技术在不同领域的发展，大数据应用软件逐渐深入到人们的日常生活。但目前大数据应用软件缺乏统一的质量评估标准与手段，更多需要依赖于行业经验的主观判断。举例而言，当我们评估一个企业的大数据应用水平，可以从数据采集渠道、数据分析能力和企业运作基因等三个方面考虑。

数据采集渠道：大数据应用的基础是数据，所以采集数据的渠道是评估大数据应用水平的重要因素。对于企业来说，数据采集渠道包括传统信息系统（ERP）和物联网系统，如果企业有健全的传统信息系统，同时有较为完整的物联网系统，那么企业的数据采集能力会比较强，后续的大数据建设工作也会比较容易开展。

数据分析能力：数据分析是当前大数据价值化的重要方式之一，数据分析能力体现在三个方面，其一大数据平台是否完善，其二是否有专业的数据分析团队，其三能否与行业相结合，也就是场景分析能力。

企业运作基因：数据驱动型公司是当前大数据应用一个重要的结果，所谓数据驱动型公司就是企业的运营处处以数据为价值的衡量标准。通过强大的数据分析团队和大数据开发团队，企业以数据来驱动产品的设计、生产，以达到数据赋能创新的目的，同时员工的工作价值也以数据来进行衡量。目前不少互联网企业已经逐渐转型为数据驱动型公司，一些大型科技公司也正在升级的过程中，相信未来数据驱动型公司将成为大数据时代的一个重要特点。

所以，当我们想要提升企业的大数据应用水平，似乎就可以从上面三方面入手，先从传统信息系统的搭建开始，进而组建专业的大数据团队，最终完成通过数据来驱动企业的运营。

当然，上面这只是个示例，我们还得言归正传——如今众多IT厂商大数据产品极具相似但能力却参差不齐，技术评估标准和平台选型都是非常关键的问题，这就需要我们考虑比较系统的评估依据。就像我们在繁杂的市场上买东西，即：你要买什么？要什么质量的？买多少？带了多少钱？谁卖……这些问题一一回答，商品与金钱何去何从也就一目了然。所以大数据软件能力也可以进行比较系统的归类和分析，可以按照业务要求、信心单元、应用能力、系统性能、资源保障等几个维度进行切分，并从中拓展出一系列指标项，指标项的内容直接反映出该项能力的优良中差，进而得到企业想要的平台或软件。

我们以一个指标项作为示例，即：资源管理能力指标项，似乎可以按几个维度进行定义。

首先要考虑这个指标项所附着的业务价值：业务价值从大的方面讲是企业的战略方针，从小的方面讲则是某某业务目标。所以，诸如卓越的洞察力、业务敏捷性、提高收益、快速部署、高效的管理、资源优化、降低风险等，统统都属于业务价值度。

然后，还要考虑该指标项的子维度、等同于指标项名称：子维度是业务价值的进一步延伸，通过更容易理解的措词阐述该关键指标项。通常为一组名词，不赋予任何能力属性。子维度主要来源于Forrester、Gartner及Cloudera；

再有，就是对这个指标项的定义和描述：其作用是用于描述指标项的作用和意义，英文解释中定义了该指标项的能力强弱（高、中、低评分规则），该描述可能主要来源于Forrester、Gartner及Cloudera，领先资源公司的参考报告还是值得借鉴。

其次，就是指标项的能力强弱区别：能力强弱可以按照5、3、1的评分规则，最小取值为0.5。能力要求主要遵循市场公认事实，但可能存在争议，需要小组讨论决策，当然也可以参考顶尖咨询公司的官方报告。

最后，就是大数据产品设计情况及客户对此项的要求：依照评分规则和客户需求，对每个关键项按照权重进行打分。由于各厂家产品设计参差不齐，打分可能存在一定主观性，但应有详尽方案佐证；

有了这些，是不是大数据软件能力的评估就有了一个关键项？是的，某一个关键项可能只代表一项能力，而企业开展大数据能力评估和技术选型通常要考虑自身的战略方针，业务规划、信息组织、应用建设、系统管理等多个维度开展，在此过程中一定会存在几十个关键指标，进而影响平台建设。

大数据软件能力的评估不能道听途说，各维度指标项定义才是根本！

分析世界讲方案，为您带来精彩的一页；

——垂直领域、专注原创；

——感谢阅读、感谢共鸣。