不过面对海量的数据，企业往往无所适从，不仅分析起来不知从何下手，而且光是数据的收集和跟踪就已经力有不逮，即便对于大型的跨国公司来讲，差旅管理中的数据“盲区”也大量存在，比如，许多企业在票务跟踪上就遇到很大的挑战，“公司不清楚员工哪些预订过的机票因没有使用而作废，这部分的浪费太多了，越是大的企业，这部分损失就越是惊人。”国航销售部客户开发高级经理韩燕就曾表示。

差旅管理大数据运用：大数据安全问题如果解决不好，很可能会出现“美国比中国更了解中国人”的现象。这可不是危言耸听，实际上如今互联网世界里所散布的各类数据都是大数据的源泉，如果被有心人所获取并据此进行挖掘分析，再辅以其他渠道的情报，大到一国之机密、小到个人之秘密都可能会遭遇暴露危机。在大数据时代下，别人真的可能比你自己还了解你自己。而大数据同时还是智能生活的核心驱动力之一，保护好大数据“钻石矿”不仅能够避免信息的泄露，剔除“假钻石”，还能使得人们能够安心享受智能生活的美好。

无法做到完全的集中化管理是造成数据遗失的原因之一，因此对于企业来说，就要借助各种“外脑”来做更加全面的数据收集，这些渠道可以是公司内部的报销系统，也可以来自于差旅公司，还包括航空公司和酒店等供应商，当然，银行信用卡也是一个可能的选择，“借助这些数据叠加对比，进而得出更加真实有效的差旅图谱。”王丹说。

差旅管理大数据应用：许多科学活动都是数据挖掘，不是从预先设定好的理论或者原理出发，通过演绎来研究问题，而是从数据本身出发通过归纳来总结规律。近现代以来，随着我们面临的问题变得越来越复杂，通过演绎的方式来研究问题常常变得很困难。这就使得数据归纳的方法变得越来越重要，数据的重要性也越发凸显出来。

全球商旅市场呈稳定增长趋势，而且这个趋势一直会延续。目前，新技术的日新月异对企业差旅管理产生深远而广泛的影响。商旅管理的移动化是必然趋势。关键的一点是，如何能够在新技术的推动下最大限度地优化企业的出行成本，提高出行效率，无论是对商旅行业还是对企业都充满挑战。

你想看到一个经理人2013年的差旅开支，只要打开他的账单，就可以把与他相关的所有差旅数据调出来，包括每一段行程的花销、坐的舱位级别、是否符合公司差旅政策，一目了然。这种完全透明化的数据分析，让企业清晰地看到钱花在了哪儿，合不合理，怎么优化?这也是为何商旅管理受到企业尤其是全球500强企业重视和采纳的原因。

大数据时代的到来，企业管理的各项决策越来越依存于数据。从最初的“拍脑袋”到现在的“一切用数据说话”，在差旅这个第二大可控成本的管理中，员工从申请出差到报销结束不再意味着企业的差旅管理就此完成。相反，在此过程中形成和沉淀下来的数据，恰恰是差旅管理进一步完善的开始。

腾邦国际差旅报告是为企业差旅管理提供的专业数据报告，按照组织层级、时间、成本中心、差旅类型，进行成本构成、历年同期对比、本年环比、差旅政策执行情况、三方协议执行情况、成本节省、里程成本等多维度进行分析，发现企业差旅现状问题和机会点，提出客观、专业、针对性的差旅管理建议，在不影响企业业务开展和出行体验的前提下，降低差旅成本并提高出行效率。

在日常生活的接触中，有意想不到的天灾人祸，像马航MH17航班被击落、台湾客机迫降重摔等，让我们悲痛万分，却无法逆转；但也有意想不到的惊喜和收获，那就是随着经济飞速发展、技术不断创新、企业管理日趋专业化精细化所带给我们的大数据时代。善于分析和合理利用大数据资源，会产生意想不到的效果。

大数据时代的今天，数据如同石油一样是稀缺资源。数据不仅仅是工具，把所有数据整合起来具有显而易见的优势。
关注商旅管理成为跨国公司的一种选择，其接受程度明显高于中国企业，这种服务模式深耕于欧美企业。其实，在预算有限的情况下把企业差旅出行交给商旅管理公司的做法，从客观上讲弥补了企业专业性不足的问题。

因为“大数据，对许多企业来说，这是一个等不及的东西”：中石化的数据仓库也好，优酷土豆的视频推荐大数据分析也罢，他们都需要利用先进的技术为企业的业务运营进行大数据的存储、处理和分析，他们希望合作伙伴也好、IT供应商也罢，抑或是上游的芯片厂商，都能够在大数据技术发展的早期，就能够开始积极投入和尝试利用，或是能够与他们达成非常深厚的长期合作，从而更好地建设企业的大数据平台。

「数据分析师」这个职位，不同的公司，不同的行业，对于它的理解，以及它覆盖的工作范围不太一样。在有些传统行业，数据分析师工作重点是「做行业报告」等；在阿里巴巴等大型互联网公司，职位区分比较明确，数据分析师大部分时间只做产品和运营的分析工作，至于「基础数据处理」、「搭建数据产品」等等不涉及；在创业公司等相对小型公司，「数据分析师」要干的活可能要不仅仅是「产品和运营分析」，「基础数据采集和处理」，「数据产品搭建」都属于「数据分析师」的工作范围。

一些比较直接的应用已经被很多大企业所采纳，比如公司全年的航空机票花销与2012年同期的比较，或者是与同期市场平均价格的比较，以此来判断公司差旅政策是否有效；而通过数据分析可以发现公司最常用的10条航线，在这些航线上会跟航空公司进行价格谈判，或者是保证高峰期预留一些位置。

差旅管理大数据：数据分析是为了解决问题而去分析，不是单纯为分析而分析。数据分析是有目的性的。比如：一季度ABC产品的销售情况，是按月份为横坐标建立各部门的图表;各产品线ABC在一季度的销售情况，是按部门为横坐标建立对应的图表。

差旅管理大数据：每个人都离不开社会离不开这种大的经济环境，我们现在最关注的可能是未来得房价会不会跌、跌多少，我们的金融资产受到的冲击是多少，这就是经济环境的风险。通常我们认为经济环境的风险从金融大数据的角度来说更加注重从微观的数据整合到宏观的维度，它的准确度会非常高。在宏观经济领域，像穆迪、标普这种征信公司和很多其它金融机构都会联手做很多事情，比如说金融危机的时候美国经济机构做了很多宏观经济指数，这能够有指导性的作用，这也是金融大数据领域一个非常重要的应用。

差旅管理大数据：总结来说，金融大数据工程师，只是一个工程师还是远远不够的。他首先要对金融有所了解，其次要分析数据背后的本质，哪里风险高，哪里风控做的不好，最后形成决策。举例来说，中等风险的人群实际上是很能盈利的人群，因为他有一点风险，但又不是太高。那么这些人的风险如何管理，如何定价就是金融大数据工程师要做的。数据清理、分析你发现了什么、总结出什么规律、这个规律怎么提升、怎么样迭代，这是数据工程师最重要的五个核心。此外数据工程师还需要艺术思维和匠人精神，要科学性和艺术性相结合。

差旅管理大数据分析：金融大数据工程师，只是一个工程师还是远远不够的。他首先要对金融有所了解，其次要分析数据背后的本质，哪里风险高，哪里风控做的不好，最后形成决策。举例来说，中等风险的人群实际上是很能盈利的人群，因为他有一点风险，但又不是太高。那么这些人的风险如何管理，如何定价就是金融大数据工程师要做的。数据清理、分析你发现了什么、总结出什么规律、这个规律怎么提升、怎么样迭代，这是数据工程师最重要的五个核心。此外数据工程师还需要艺术思维和匠人精神，要科学性和艺术性相结合。

差旅管理大数据：如果把数据分析细化，就会发现其中更大的价值所在，比如公司可以通过大客户协议与航空公司在某条航线上争取低价，但或许在其他的航线上被航空公司抬高了价格，而通过全球化航线数据的集中呈现，能够让管理者看到一个更全面的企业差旅图谱，使其做出整体成本的优化方案，而不会局限于某一条航线。

大数据分析技术的价值在企业领域已经非常明确。充分利用良好信息的能力一直是摆在IT部门面前的重要难题与挑战。现在我们已经拥有了足以解决这一难题的工具，接下来要做的就是想办法使其为自己服务了。方方面面的发展改进已经让从半结构化数据中获取有价值信息成为可能。