大數據會如何改變管理諮詢行業？
根據相關問題如何看待「KPMG 合伙人 Dale Williams 認為大數據將或者已經在改變審計流程」？ - 四大會計師事務所，感覺整個professional service這個行業都有被大數據改變的可能性
在做投行、行研、諮詢等金融崗位，有沒有什麼好用的找數據技巧呢？ - 何明科的回答 吹了一大通牛，現在是回來填坑的時候。舉一個如何利用大數據在諮詢項目中發揮巨大價值的案例，雖然那個時候還不知道大數據這個辭彙。
項目背景
2005年，我司（某國際大諮詢公司）接到某國國際超大運營商的一項目，要求規劃其呼叫中心戰略。聽起來無比高大上的項目，其實背後的故事很有（fu）趣（za）。某大領導提出天才想法，要求對呼叫中心的流程及菜單做出重構。這個重構還不是一般的重構，而是雙重重構。第一重如下圖，整個改變呼叫中心的流程。
項目啟動
拿到項目之後，大趴們自然很開心得想著數鈔票。至於項目嘛，國際先進經驗、經典客戶調研理論和實踐等都可以輕鬆上場嘛！其實他們不知道，那個時候的某國手機市場已經吊打全球了。歐洲最大的電信運營商在整個歐洲的手機用戶還沒有該國一個聯邦的用戶多。愛立信的定價專家曾經來給該國的運營商們講課，直接被掃地出門：該國的手機資費複雜程度，已經遠超世界各國，漫遊+被叫主叫+增值服務+親友號+小區號……公司的一個項目經理很快帶著我們幾個小夥伴兒開始項目了，也準備按照常規套路展開：組織用戶調研+Focus Group、從集團公司拿經營數據做分析、巴拉巴拉。我當年也是年少輕狂不知愁滋味，斗膽給項目經理建議：- 傳統方式太low，首先調研的樣本有限，而且面對面問用戶某個呼叫中心的服務好不好，實在不靠譜，不具備參考性
- 呼叫中心應該能收集到用戶的海量數據及唯一ID（手機號），可以試試用純定量的方式來評估效果和解決問題
以當下的眼光來評價上述建議實在是太稀鬆平常了，這不就是一套統計系統而效果評估嗎，現在哪個App或者網站沒有這些？但是這個項目發生在2005年，CNZZ也僅僅是在當年成立，友盟是在2010年成立。而且即使如此，目前幾乎所有的諮詢公司還是在用客戶調研的辦法解決類似的問題。
幸運的是我們項目經理是畢業於美國名校的生物PhD而且從事多年數學奧賽，對於我這個瘋狂想法表示支持，讓我放手去做。我也只提了兩個條件：找一台伺服器跑海量數據；找一個清華計算機系的本科生和我配合寫程序。
項目就此啟動。
項目過程
當年，運營商總部的數據都是宏觀數據，很難微觀去觀察每個用戶的行為，特別是每個用戶在每個時間段的行為。所以我只好要求呼叫系統的開發商——華為定製開發，給我們增加輸出詳細日誌的功能。華為真是NB的公司，居然同意並快速響應了我這個要求。也得益於10年前我還是小鮮肉，華為工程師實在架不住我們這般軟磨硬泡和恩威並施。我們提出的數據收集方式和數據格式如下，要求系統詳細記錄用戶的每次操作行為以及操作時間。
同時基於多年做科學實驗的研究方法論和經驗，非常注重對比測試control test，而且受到了學生物的項目經理的指導（搞生物沒有盲測怎麼玩兒）。在華為工程師的幫助下，在呼叫中心的前端做分流，比較不同控制組。現在這套理論和方法叫做AB Testing。
項目成果
這套新方案的核心思路是：在同等資源投入情況下（資源投入=投入的坐席人數及服務時間），用戶體驗如何變化。數據要反映的核心落在用戶體驗，因此需要用相應的數據指標來表徵。電信行業一般用接通率（略等於用戶的等待時間或者服務質量），因為我們的數據能夠微觀到每一個用戶，所以我們又加了一個全新的指標，即同一用戶在一定時間內的重複撥叫概率。因為它和用戶的問題未被解決而需再次服務的概率正相關。該概率越高，表示用戶體驗越差。下圖是我們的一個分析結果。恰恰是海量數據幫助我們發現了真正的問題：- 新方案上線後，接通率提升，按照傳統思路這是好現象，可立即執行
- 但是微觀的數據同時顯示，同一用戶在一定時間內的重複撥叫概率卻提高了。真正的解釋是：新方案降低了服務質量所以騰挪出坐席資源，但是話務員並未能解決用戶的問題，造成許多用戶再次撥打人工坐席
- 大量人肉發問卷，讓大家一個個填寫問卷覺得哪種菜單設計好，然後拿Excel或者SPSS做統計
- 找一堆人做深度用戶訪談（Focus Group），覺得菜單哪裡好為啥好，然後寫定性的報告
以上工作大概需要兩三個管理諮詢顧問加上一個專業的市場調研公司忙乎一兩個月，才能形成一個極小樣本的報告，同時還要運營商配合，邀請使用過新菜單的用戶來某高大上的場所進行面談。Focus Group的現場如下圖，還必須配上好吃好喝，以及請專業的主持人。
- 管理諮詢公司不願意被技術替代
- 圍繞著諮詢公司的一堆做市場調研的公司，他們不願意被技術替代
- 每個管理諮詢公司或者市場調研公司都有龐大的數據團隊，通過手工負責人肉數據收集，他們不願意被技術替代
- 但是用技術完成上面的服務，幾十萬就可以把我和那個實習生打發了，我們倆還要樂得屁顛屁顛的。特別是如果這個技術服務被產品化了，可能整個軟體或者系統就只能賣幾千元，甚至在互聯網思維下這是免費的服務。但是這個項目在當年創造了大幾百萬到過千萬的收入，損失的可是國家的GDP，我們保7的目標怎麼辦？
下面談一下如何改變：1、市場調研類的諮詢服務和公司最先被顛覆。一個是其數據收集的方式很低效（問卷，電視的監播器等），二是數據樣本的有限性，三是數據的問卷和調查時預設，往往偏離真相和用戶真實需求。
http://weixin.qq.com/r/pTpeRsvEJpZZrY8l92_3 (二維碼自動識別)
對策致力於打造諮詢顧問、專業人士的交流社區，鏈接知識和經驗，為市場提供專業智力服務。Data Science/Analytics 出身，可以在諮詢行業做些什麼？ - Ruobing Shen 的回答
可以看一下我在這裡的回答，覺得問題實質一樣。本人背景應用數學，運籌，優化，目前主要做圖像處理、機器學習以及傳統物流方面的大數據的應用，和目前大熱的Data Science淵源比較深（優化、統計、數值計算等「基礎學科」乃大數據的底層演算法），對技術諮詢公司了解的比較多些，自己也在商業優化軟體NO.1的IBM Cplex實習過，下面就技術諮詢淺嘗輒止，舉的例子大多是用優化的模型解決大數據問題。作者：Ruobing Shen鏈接：Data Science/Analytics 出身，可以在諮詢行業做些什麼？ - Ruobing Shen 的回答來源：知乎著作權歸作者所有，轉載請聯繫作者獲得授權。謝腰。
大數據必然會帶來諮詢行業的改變。
我以為是這樣的
諮詢是分很多種的，有很大差異，背後的邏輯也還是有一些共同點。基本思路是收集現場數據事實，根據數據事實來形成診斷，然後進行思考後，針對該問題，給出解決方案，實施方案，調整改善。
大數據來了，其中第一步，收集數據事實的方式可能發生很大的變化，因為數據有了，可能更高效全面，傳統的方法顯得低效而片面。但是，第二步起，還是一個模糊判斷的過程。如果這部分也能自動化，那就是高級人工智慧了，而不僅僅是大數據了。
所以，你看，大數據，會怎麼改變諮詢行業呢？
完。謝邀
審計的目的是什麼？
大數據配合統計分析工具，反應真實的效率和能力，呵呵呵…
改變是肯定的，會改變成什麼樣子，只有想像。諮詢業就是企業界的中醫，數據量化程序就是企業的西醫。
在某兩個美國的諮詢公司服役過一段時間，諮詢公司的種類繁多，魚龍混雜～
大數據能解決和替代的，只是諮詢公司工作中的一部分：
任何項目都身處不同的行業，不同的縱向產業鏈，對應的客戶也不一定就是廣大用戶；做過一些項目比如風力發電，燃氣機組，火車軌道等等2B的大機器，這些玩意的大數據有是有，但是用戶要是能收集到這些數據也就沒必要花幾百萬做個諮詢項目了，或者說很多數據是無法採集的，因為用戶群體非常小，可能對應的客戶公司就那麼幾家，電話訪談，focus group足足夠夠了；扯遠了。。。回來客戶是否有這個數據？沒有我們怎麼採集？
要看客戶是誰，華為，電信那手裡面全是數據不知道咋用，你出個什麼方案絕對沒問題（感覺華為可能不需要。。人家尖端人才可不少）；如果客戶是個本身沒啥數據採集能力的公司，比如，market entry，客戶都不知道現在賣的這玩意有沒有市場，或者其他競爭對手做的怎麼樣。。天煞的我諮詢公司上哪兒採集這些數據，寫個啥程序能拔到其他competitors的核心數據，所以還是打電話，約訪談，給夠錢比較靠譜ok，就算我們可以採集數據，那麼永遠只是數據採集：
數據採集工作是大部分諮詢項目的最開始階段，如果排除了之前說的兩種可能，客戶恰好有數據而且很好採集，那麼可以說諮詢公司節省掉了一筆市場調研的費用～但是客戶的問題五花八門，沒有諮詢顧問怎麼搞定？沒有豐富經驗的pm誰來和客戶搞搞搞，誰把客戶忽悠明白。。大數據的概念並不是數據本身，不是large data or vast data，是big，是整合，關聯，大量的繁雜的堆在一起，大數據本身就是需要人的，所以根本沒有什麼顛覆，推翻，更沒有什麼傳統諮詢必然88之類的結果；只能說通過大數據這個方法，它是個非常棒的工具，可以節約很多諮詢的人力成本，提高諮詢項目的執行效率而已，而已；要不然諮詢公司幹嘛還找清北復交的人才呢，乾脆買兩個超級計算機得了
只表達個人觀點，不喜隨便噴，我畢竟離開諮詢行業有點時間了，可能現在時代變了。。。大數據的興起對企業管理諮詢行業一定是有影響的：對於諮詢公司自身來講： 通過對數據的挖掘與整合，能夠更加看清行業的趨勢與規律，專業的數據挖掘人才能夠在項目過程中發揮非常大的作用，省時省力。對需要諮詢服務的公司來講： 某些大數據軟體的興在一定程度上解決了企業管理某些流程上的問題，壓縮了市場調研、企業管理公司的服務範圍。 某些諮詢產品可以批量化、標準化，對於一些沒有足夠資金支付昂貴定製化諮詢費的中小企業來說是好事；大數據能代替諮詢嗎？ 目前來看還有很長的一段路要走。個人認為好的諮詢顧問尤其是既有甲方背景也有乙方背景的，在經歷過許多大型項目之後，其自身經驗的積累使得他們在對企業進行診斷時，能夠憑藉直覺快速判斷，並且站在一個第三方的客觀角度去發現問題所在，而這些經驗有時候是數據無法代替的，這也是諮詢的價值所在。 大數據能夠帶來的更多是像肯德基、麥當勞這類標準化快餐，而管理諮詢則更像是大廚精心烹制的私房菜，兩者各有利弊。 然而在人力資源管理諮詢領域，勝任力模型的先驅合益在被獵頭公司大佬光輝國際以超低價收購以後，管理諮詢因為項目周期長、落地難、效果不明顯，跟以數量和速度取勝的獵頭公司相比較就顯現出了劣勢，標杆模型、訪談、收集數據這樣的一套諮詢方法論現在也開始受到了質疑。許多管理諮詢公司還在沿用這套流程，只是這樣的方法論真能打造出一流的公司嗎？ 好像跑題了，哈哈，見諒。
謝邀
最近剛好在看《大數據時代》這本書，裡面提到了不少大數據改變管理諮詢行業或者說管理諮詢行業應用大數據的例子：
1、IBM,電動汽車動力與電力供應系統優化預測
在2012年進行的一項試驗中，IBM曾與加利福尼亞州的太平洋天然氣與電氣公司以及汽車製造商本田合作，收集了大量信息來回答關於電動汽車應在何時何地獲得動力及其對電力供應的影響等基本問題。
基於大量的信息輸入，如汽車的電池電量、汽車的位置、一天中的時間以及附近充電站的可用插槽等，IBM開發一套複雜的預測模型。它將這些數據與電網的電流消耗以及歷史功率使用模型相結合。通過分析來自多個數據源的巨大實時數據流和歷史數據，能夠確定司機為汽車充電的最佳時間和地點，並揭示充電站的最佳設置點。最後，系統需要考慮附近充電站的價格差異，即使是天氣預報，也要考慮到。例如，如果是晴天，附近的太陽能供電站會充滿電，但如果預報未來一周都會下雨，那麼太陽能電池板將會被閑置。
系統採用了為某個特定目的而生成的數據，並將其重新用於另一個目的，換言之，數據從其基本用途移動到了二級用途。這使得它隨著時間的推移變得更有價值。汽車的電池電量指示器告訴司機應當何時充電，電網的使用數據可以通過設備收集到，從而管理電網的穩定性。這些都是一些基本用途，即新的價值。它們可以應用於另一個完全不同的目的；確定何時何地充電以及電子汽車服務站的設置點。在此之上，新的輔助信息也將納入其中，如汽車的位置和電網的歷史使用情況。而且，這些數據不只會使用一次，而是隨著電子汽車的能耗和電網壓力的不斷更新，一次又一次地為IBM所用。2、麥肯錫創造類似谷歌搜索查詢業務的線下版本3、埃森哲諮詢公司就與各行各業的公司合作應用高級無線感應技術來收集數據，然後對這些數據進行分析麥肯錫的諮詢顧問們列舉了一家物流公司。這家公司在交付貨物的過程中積累了大量產品的全球出貨信息。嗅到這個機會之後，該公司成立了專門的部門，以商業和經濟預測的形式出售匯總數據。換言之，它創造了谷歌過去搜索查詢業務的一個線下版本
2005年，在埃森哲與密蘇里州聖路易斯市共同合作的一個實驗項目中，它給20輛公交車安裝了無線感測器來監測車輛引擎的工作情況。這些數據被用來預測公交車什麼時候會拋錨以及維修的最佳時機。研究促使車輛更換零件的周期從30萬或者40萬公里變成了50萬公里，僅這一項研究結果就幫助該城市節省了60萬美元。在這裡，獲益的不是埃森哲，而是聖路易斯市。
下文是我有關這個問題的一些思考，希望能夠給大家一些參考。
傳統諮詢業必死，擁抱大數據才是未來
移動互聯網時代，產品服務都在快速迭代，對顛覆式創新有著極高的要求。更重要的是，諮詢業的競爭優勢也在逐漸消失，很難再滿足快速發展的企業。而基於大數據的解決方案，不僅能夠快速找到「發力點」，還蘊藏著無限的商機。
「新、平、快」三招虐死傳統諮詢業移動互聯網時代炮製了「新、平、快」三招，對傳統諮詢業進行花式虐打。
新：在互聯網的衝擊下，傳統諮詢業同樣自身難保移動互聯時代，大數據、物聯網、雲計算等技術應用的日新月異，對傳統諮詢業服務方式也提出了更高的要求。市場調研過去用的是訪談、問卷調查，focus group等手段，而現在呢，不用爬蟲抓取、海量數據的量化分析都不好意思說自己在做調研。如何快速掌握新技能、新工具，對大部分諮詢從業人員來說都是巨大的挑戰。移動互聯時代，連諮詢公司自己都在苦苦尋求出路，又談何為他人指路？
互聯網的本質就是創新，這讓諮詢業沒有辦法依靠行業經驗作靠山。傳統企業正轉型正處萌芽階段，過去的行業經驗明顯無法利用。即便摸索出一條路子，新的經驗也需要時間沉澱，才能加以利用。萬一天色一變，一場風雨過後，後面的人已經沒法按著原來的模式去走。企業也往往並不滿足於跟隨別人的步伐，追求另闢蹊徑，「彎道超車」。
平：世界是平的，傳統諮詢業不再擁有信息壟斷優勢首先是信息不對稱逐漸消失。你可以通過百度、知乎輕鬆地了解任何一個概念；無數的資訊平台，能在2小時內把地球另一邊最新鮮的資訊送到你手中。無論是免費渠道，還是現在越來越盛行的付 費內容，人們獲取資訊、信息、知識的平等程度大大地提高。過去傳統諮詢業引以為傲的方法論、稀缺資訊，以前是稀缺品，而現在已經是平常人家桌上菜。
同時，濃厚的商業氣氛驅使下，商業教育大大地普及，更是讓大部分人都能掌握知識工具。羅輯思維不僅每周給大家分享他的商業思考，還帶著一幫企業家一起干。原來諮詢顧問價值3000元一小時的一對一面談，可能還只能讓你一知半解，現在在家看視頻都已經能讓你拍案叫奇。
快：傳統諮詢業只擅長抽絲剝繭，而互聯網則需要快刀斬亂麻互聯網時代，不是大魚吃小魚，是快魚吃慢魚。很多APP每周迭代更新，才能捉住機會搶佔市場，過了窗口期，便很難再有機會把已經養成習慣的用戶搶回來。微信快人一步搶佔了市場，來往、易信無論燒多少錢，都沒有辦法撼動微信的地位。
如果還按照訪談、問卷調查、焦點小組的整套流程來做產品調研，項目沒做完產品可能就先死掉。要快刀斬亂麻，要切實可行，要立竿見影。而傳統諮詢業偏偏只擅長抽絲剝繭，由表及裡，再用理論指導實踐。
除了外部衝擊，國內的傳統諮詢業自身也積弱多時
：
頭腦產業最重要的是從業人員的素質。國外諮詢業的從業者，很多曾經都是企業高管，身經百戰，閱人無數。而國內諮詢業則是一個虛有其表的怪圈。
我們不否認業內的確有一部分優秀且資深的諮詢顧問，但是人才外流和後繼無人的問題在不斷顯現。不論是前景還是薪資，互聯網行業無疑更具有吸引力。
資深的諮詢顧問都紛紛跳槽做產品經理、企業高管。而在招聘端，也沒以前那麼容易招到特別優秀的畢業生。留在諮詢業的人，可能自己大多都沒有真正實踐過。
正所謂讀萬卷書不如行萬里路，行萬里路不如閱人無數，閱人無數不如高人指路。讀萬卷書對現代人來說並不是門檻，而當所謂諮詢顧問自身都沒有辦法做到行萬里路、也不曾閱人無數，又談何給別人指路呢？
進步慢，突破少，跟不上時代的步伐諮詢業發展至今，從技術諮詢到管理諮詢，從管理諮詢專為IT諮詢，從未發生過主動性的變革。即便經歷了技術大爆炸的三十年，管理諮詢對於技術使用仍然停留在 三十年前：Excel用做所謂的模型和寫PPT。這招的確好用，對付三十年前的問題綽綽有餘，但要對付三十年後的問題呢？
方案難以落地，結果難以顯性化，沒有人會為沒有效果的方案買單傳統諮詢行業就像大後方的軍師，紙上談兵而不扛槍上陣。但通常傳統諮詢業給出的框架，仍然解決不了具體的人的問題，企業拿了方案，具體實施通常仍然會有很多
問題，甚至無法實施。即便能夠按照方案執行，效果又是如何呢？得到這樣的效果，有多大程度是得益於諮詢顧問的建議，有多少又是其他行為的結果？無從得知。 動輒幾百萬的諮詢項目，已經很少有人願意為之買單。
大數據解決方案具有更快，更直觀、更客觀、更高效精準、更多可能性的優勢。
更快的執行能力得益於IT技術的突破與應用，數據獲取比以前更快速，計算運行也更快，有利於處理更多、更全的數據，為進一步分析打下堅實的基礎。這一步的效率提升，直接加
快了整個解決方案產生的速度，使得能夠在最快的時間內能得到行之有效的辦法。為後續的「小步試錯，反饋調整」造就了可能性。這正是互聯網訊息萬變對我們的 要求。
一是通過多維度數據來直接反映市場和用戶需求。一切不以數據為基礎的調研都是耍流氓，數據驅動是最大的「以用戶為中心」。用戶有多喜歡你的產品，是否願意為什麼付費，與其跟他聊天，不如看他的實際行動。點擊量，付費金額，不僅能夠定性，還能夠定量。
二是結果顯性化。對數據的監控的優勢還在於當你改變某一個變數的時候，數據立馬就能給你反饋，告訴你效果。傳統諮詢公司的實施方案太飄了，而大數據則讓市場、需求、實施結果量化、可視化。
更客觀地用數據說話沒有數據支撐，很容易走彎路。給某知名互聯網公司做項目的時候，就發現他們在廣告投放策略上犯了經驗主義的錯誤。他們根據主觀經驗判斷，在上海客流量最大的地鐵站和廣州地標性建築重金投放了廣告。而我們通過對數據進行定性、定量的分析，發現這樣的投放策略投產比極低，因為該公司的主要用戶活躍於校園，而非以上提及兩個地點。不用大數據方法和定量的分析，就很容易犯經驗主義錯誤。
更高效精準的決策這裡必須以我們自己的項目作為案例。在給某運營商做外呼中心項目的時候，分析了外呼中心已有銷售數據，精準定位了目標客戶的年齡、性別、居住地、願意接電話
的時間等各種因素，並基於結果建議增派人手在午間時段進行外呼；通過建模預測潛在用戶的外呼成功率，並作為接下來精準營銷的依據。最終，整個外呼中心的外 呼成功率提高了百分之五十。精準的目標客戶定位和基於大數據的建模預測，是此次項目成功的關鍵。
大數據不僅是體量大，更重要的是多樣。當所有數據都進入視線範圍的時候，世界就像慢鏡頭，每一幀都能看得清晰仔細。而當別人都在看視頻的時候，大數據能帶我們看到每一幀畫面的細微之處，其中商機不言而喻。
諮詢業好比是企業身邊的軍師，腦子比較好使，飽讀聖賢書，閱歷豐富。但他只負責在幕後指點，不衝鋒陷陣。大數據就好比勘察兵，深入敵後，刺探軍情。敵軍兵力、布陣，哪裡有陷阱、哪裡準備偷襲都觀察得清清楚楚，能立馬掌握最新戰況、雙方死傷。
原創文章，首發於微信訂閱號wislife。
不了解答主當時諮詢業現狀及諮詢項目類型，但這種項目屬於IT諮詢項目，本來就有大量數據在業務系統里流轉，可能由於處在行業早期，當時你們的Team不知道拿來做數據分析，做流程優化和改進。但在企業戰略方面，比如市場、產品品類、客戶群體開拓方面等，特別是傳統行業，比如機械、化工等行業，沒有數據是可以分析的，需要諮詢公司根據企業現狀、資源結合方法論做一些診斷和分析，並給出解決方案。所以大數據改變諮詢行業，看是哪類諮詢業了
做金融業諮詢，一點想法。銀行業當中，非常重要的一塊就是信用風險的識別，對於企業和個人的信用數據。 人行已經有徵信系統來作為信用數據源，這種積累就可以理解為大數據的一個方面。同時，其他公司，比如銀聯，發信用卡，你的刷卡消費記錄，其實都是有數據的；用處很多，可以作為徵信的數據源，了解你的信用情況，可以通過你不同刷卡的情況，了解你的購買力，你的購物興趣關聯度。既可以為銀行服務，識別你的信用情況，也可以對你的消費進行預測，進行精準購物推薦投放。
現在很多的行業都已經在利用大數據為自身的發展提高競爭力，諮詢行業也不例外，在擁有海量數據的支撐下，運用大數據分析，就可以更快更高效的得出結果，如果諮詢行業還走以前的老路，那他只能被這個時代一腳踹開！
參見互聯網如何改變了傳統零售業。如出一轍
純管理諮詢行業，如麥肯錫等，大數據可以更好的幫助諮詢顧問認知客戶，行業和研究目標，或是工具箱里重要的新增工具。而管理諮詢項目既需要以方法論和過往經驗為基礎，也需要顧問和企業管理者的智慧和遠見卓識。對消費品市場分析類的部分類型項目肯定影響比較大，我一直認為部分市場調查項目實在沒必要做得那麼繁瑣，用一堆力氣得出人們原本已知的答案。對於工業品市場分析我覺得影響或者也有限。
剛剛思考和很多顧問聊過這個問題，簡單的思考如下：1、對於以優化為主的管理諮詢，衝擊很大2、對於判斷未來為主的戰略諮詢，為現狀基礎提供了依據有了大數據為工具後，諮詢會從類似審計一樣的半苦力活，更多轉為對事物本質的認知。當然，那種靠關係拿項目的，就當我什麼都沒說。
大數據真的對你自身的具體業務有用嗎？他們對應的目標用戶，用戶的需求一致嗎？這是個需要思考的問題。
突然看到之前打得這個問題，上來發一撥圖片吧
很明確的說，數據分析是今年達沃斯普華的一個主題，現在在經濟金融領域，機器學習特別火，其實諮詢也是一樣的，之前剛做完一個項目，完全是在機房裡對著oracle，r，spss跑數據，出結果，做ppt，越來越多的項目會通過數據分析有更好地展示，企業erp系統的完善，讓數據分析有了很好的資源，互聯網的發展，通過爬蟲可以獲得很多曾經需要大量問卷調研的數據，確實是一個很好的發展出路
很明確地說，是未來的發展方向，不才，去不了傳統的高大上諮詢公司，目前我司老闆很看重數據分析的方式和展示方式，也在和qlikview合作，希望能推出幫助企業不定期監控企業流程的bi軟體。目前給客戶出意見無法單純的拍腦袋了，需要分析企業各個流程的聯繫，通過數據分析找出其中的改進點。傳統的拍腦袋，客戶已經無法buy-in啦大數據整理好，做好app，信息透明化之後。信息管理等，就可以省去很多人力，保障也會更加穩妥。主要就看後颱風控數據。當銀行，通訊，還有各種商業信息一旦匯總。數據顯示不但將一個人透明，並且還有預見。諮詢管理會有很多顛覆.......
以後諮詢公司不整PPT，改整APP了吧。管理諮詢主要還是基於對未來趨勢的判斷，大數據的模擬功能將大幅度提升判斷的效率。大概中小企業的諮詢也能用大數據攤薄成本一起做了吧。
推薦閱讀：
※作為一名合格的管理諮詢顧問，需要讀哪些書？
※管理諮詢顧問如何轉型做投資 (PE/VC)？
※什麼叫做資源整合能力？
※老闆靠什麼帶團隊？
※Monitor Group 被 Deloitte Consulting 收購後的長期和短期影響分別有哪些？