策劃/本刊編輯部

執行/本刊記者 糜豐

智慧支持/商界企業(yè)研究院 西斯科實(shí)驗室

時(shí)至今日，如果你和你的企業(yè)還不懂什么是大數據，只能說(shuō)明你已經(jīng)迷失在“時(shí)間的戰場(chǎng)”，你甚至有必要重新審視企業(yè)的頂層設計和商業(yè)路徑。

大數據并非新鮮事物，它正從單一的技術(shù)服務(wù)層面逐漸轉化到商業(yè)化應用層面。

——它可以幫助你洞察與觸達消費者，可以?xún)?yōu)化你的生產(chǎn)流程，可以升級你的產(chǎn)品和商業(yè)模式，甚至可以告訴你如何獲得最大的投資回報……

具象在企業(yè)需求與應用層面，大數據所激發(fā)的勢能甚至超乎想象。

從某種意義而言，與其說(shuō)是大數據推動(dòng)了商業(yè)化進(jìn)程，不如說(shuō)是一個(gè)在商業(yè)上激進(jìn)的時(shí)代要求大數據商業(yè)化。

大數據正在重塑一切，但它提供的并非正確答案，而是參考答案;大數據也將改變世界，但前提是你需要找到正確的打開(kāi)方式，重置想象力與競爭力。

以此為維度，我們談?wù)摯髷祿膬r(jià)值與變現才更有意義。

如何成為一家數據驅動(dòng)型公司

我們依然徘徊在時(shí)代門(mén)口

世間萬(wàn)物，一切皆可量化，一切皆為數據。

毫無(wú)疑問(wèn)，大數據開(kāi)啟了一次重大的時(shí)代轉型，已滲透到每一個(gè)行業(yè)和業(yè)務(wù)領(lǐng)域，深刻影響著(zhù)人類(lèi)生活的方方面面。

喧囂之下，大數據在商業(yè)方面的應用實(shí)踐到底情況如何?

國內知名大數據科學(xué)家周濤教授認為，目前大數據的熱鬧程度遠遠超過(guò)它真正的貢獻，就國內情況而言，并未誕生有重大經(jīng)濟社會(huì )價(jià)值的大數據產(chǎn)品，也沒(méi)有實(shí)質(zhì)性推動(dòng)相關(guān)傳統產(chǎn)業(yè)的轉型升級。

在周濤看來(lái)，大數據自身不能成為一個(gè)行業(yè)，一定要嫁接在某個(gè)或者某幾個(gè)垂直性行業(yè)里面。衡量真正的大數據貢獻，應該去看它能否給出原有商務(wù)智能方法、簡(jiǎn)單分析、回歸分析等方式不能給出的結果;能否真的幫助企業(yè)降低成本、提升效率，縮短周期。大數據的效果不僅是可視化的，而且應該是通過(guò)結果導向回來(lái)的。

大數據公司“數之聯(lián)”CTO方育柯也表達了同樣的觀(guān)點(diǎn)。他認為，當前大數據在國內的商業(yè)應用主要集中在互聯(lián)網(wǎng)運營(yíng)商領(lǐng)域，在傳統產(chǎn)業(yè)方面的應用比例并不高。很多制造企業(yè)在產(chǎn)品需求、生產(chǎn)流程、銷(xiāo)售渠道、售后評價(jià)方面還是非常傳統的拍腦袋決策，根本沒(méi)有智慧化生產(chǎn)、精細化運營(yíng)、個(gè)性化營(yíng)銷(xiāo)。

究其原因主要有三點(diǎn)：第一是數據挖掘技術(shù)門(mén)檻高，企業(yè)難以獲取鮮活、實(shí)時(shí)、準確的數據;第二是數據和價(jià)值分離問(wèn)題嚴重，企業(yè)難以通過(guò)數據把握、直擊行業(yè)痛點(diǎn);第三是企業(yè)或者政府考慮到數據安全問(wèn)題，不愿意開(kāi)放、分享數據。

大數據時(shí)代，看上去很美，但我們實(shí)際上仍然在時(shí)代的大門(mén)口徘徊，等待觸摸那片星辰大海。

頂層設計決定入場(chǎng)資格

這些年，越來(lái)越多的企業(yè)家、專(zhuān)家、意見(jiàn)領(lǐng)袖開(kāi)始強調大數據對于企業(yè)經(jīng)營(yíng)管理的價(jià)值，這些價(jià)值既蘊含在企業(yè)內部數據，也蘊含在外部數據中。而大家共同強調的一點(diǎn)是，大數據的真正價(jià)值在于數據驅動(dòng)決策—通過(guò)數據來(lái)做出的決定，要優(yōu)于常規決策。

美國麻省理工學(xué)院一項針對數字業(yè)務(wù)的研究發(fā)現,那些進(jìn)行數據驅動(dòng)決策的企業(yè)，其生產(chǎn)率比一般企業(yè)高4%，利潤則要高6%。對于企業(yè)來(lái)說(shuō)，似乎只有兩種選擇：第一，利用數據，做出更好決策;第二，忽略數據，讓別人超過(guò)你。

那么，如何成為一家數據驅動(dòng)型公司?

1.得到盡可能多的數據

數據驅動(dòng)決策的第一步是，你要有數據。當前的數據收集和分析工具允許將任何東西變成數據，所以企業(yè)真的沒(méi)有理由不收集和存儲盡可能多的數據。

2.制定可衡量的目標

制定一些可衡量的目標,通過(guò)查看數據去發(fā)現哪些變量影響了業(yè)務(wù)的哪些環(huán)節。企業(yè)做的每件事都應該有一些可以去測量的成果，這些“目標”不僅僅適用于高層,也應該被用于單個(gè)項目和個(gè)人目標設定。

3.確保每個(gè)人都能使用數據

企業(yè)一旦收集并存儲所有的數據,需要確保每個(gè)人都能使用，而不應該局限于數據科學(xué)家或IT部門(mén)，因此培訓基層員工了解數據非常重要。

企業(yè)還需要一個(gè)“首席數據官”級別的人負責數據策略，這個(gè)人要帶領(lǐng)公司推動(dòng)數據驅動(dòng)決策，并通過(guò)自上而下的命令和指導,來(lái)推動(dòng)公司建立數據思維。

4.雇傭數據科學(xué)家

員工應該了解數據,但不能指望他們會(huì )掌握復雜的算法和數據挖掘技術(shù)，因此企業(yè)還應該雇傭一些數據專(zhuān)家。這些人非常了解數據科學(xué)、數據洞察、數據營(yíng)銷(xiāo)和策略，可以讓企業(yè)知道如何更好地把基于數據的產(chǎn)品和服務(wù)轉變成行之有效的商業(yè)模式。

5.挑選合適的數據分析工具

企業(yè)可以選擇一款敏捷型的數據分析工具，基于這些工具再進(jìn)行定制化開(kāi)發(fā)，打造出最滿(mǎn)足自己分析需求的數據平臺。比如，可以用免費的流量監測網(wǎng)站，來(lái)判斷企業(yè)官網(wǎng)的搜索指數，監測App運營(yíng)狀況等。

6.讓數據變成優(yōu)先級

成為一個(gè)數據驅動(dòng)公司的最好方法就是使數據成為一個(gè)優(yōu)先級的任務(wù)，有遠見(jiàn)的公司已經(jīng)把數據驅動(dòng)決策融入到他們的日常工作。他們在做決策時(shí)可以接受質(zhì)疑,只要這些質(zhì)疑是基于數據和分析的基礎上。

大思維與“小時(shí)代”

大數據不是大企業(yè)的特權，中小型企業(yè)大數據應用難以落地的根本原因是缺乏大數據思維。對于大多數中小企業(yè)而言，搭建大數據體系初始成本較高，在這種情況下，建立大數據思維，做好“數據借力”，或許是一條生存之道。

關(guān)于“數據借力”，普華永道首席數據科學(xué)家姚遠提供了五條辦法：

第一，做好數據價(jià)值調研。企業(yè)在購買(mǎi)搜索關(guān)鍵字、投放DSP(精準定位人群)廣告等大數據業(yè)務(wù)前，要先做調研，對數據是否能帶來(lái)期望的商業(yè)回報做到心中有數。

第二，確認核心數據屬性，建立海量數據與核心數據以及內部數據與外部數據間的關(guān)聯(lián)標準。比如，對于零售企業(yè)來(lái)說(shuō)，CRM(客戶(hù)關(guān)系管理)和客戶(hù)營(yíng)銷(xiāo)數據一定是核心數據，而推廣活動(dòng)所收集的消費者信息和社會(huì )化媒體產(chǎn)生數據則是外圍數據的重要來(lái)源。確認數據屬性之后，一定將內部數據與外部數據打通，形成合力。

第三，用虛擬人脈交換來(lái)獲取數據。對中小企業(yè)而言，數據的缺失是一種常態(tài)，但它們可以通過(guò)擴展人脈，來(lái)加強對數據的獲取能力。比較常見(jiàn)的做法是建立企業(yè)自媒體，通過(guò)不同行業(yè)領(lǐng)域的企業(yè)人脈互相交換。企業(yè)還可以通過(guò)線(xiàn)下人脈尋找優(yōu)質(zhì)的高端群體用戶(hù)，通過(guò)收集其詳細資料、分析其行為愛(ài)好，將相關(guān)分析存儲到自己的系統中，就能形成優(yōu)質(zhì)的大數據資源。

第四，在關(guān)注大數據的同時(shí)要關(guān)注好小數據。企業(yè)的大數據起步，要從小數據開(kāi)始，從核心數據開(kāi)始。以業(yè)務(wù)為主導做好小數據，有助于企業(yè)做好企業(yè)內部的精細化管理、對市場(chǎng)的觀(guān)察，以及未來(lái)發(fā)展方向的規劃。

第五，賦予高管更多的權力。做好大數據應用需要企業(yè)內部建立大數據文化，比如，靈活的部門(mén)間協(xié)作機制，管理人員使用數據分析模型的習慣養成等。這就要求企業(yè)賦予高管更多的決策權，以幫助其突破制度限制、協(xié)調資源、協(xié)同合作，更積極主動(dòng)地應對大數據挑戰。

綜上，中小企業(yè)可以通過(guò)各種方法，因地制宜打造自身在數據獲取和分析上的能力，成就自己的“小時(shí)代”。

做前端的收割者

“一切都被記錄，一切都被分析”，這句話(huà)很好地詮釋了大數據時(shí)代的魔性——任何行為都可能被“數據化”。一個(gè)顯而易見(jiàn)的事實(shí)是：通過(guò)高速發(fā)展的移動(dòng)互聯(lián)與無(wú)處不在的智能終端，人類(lèi)生活的各種行為都將被深度采集，并事無(wú)巨細地被翻譯成數據。

作為整個(gè)大數據鏈條的最前端，數據采集是一切能量變現的基礎，尤其是在實(shí)踐應用中，它更是在很大程度上扮演了“大偵探”的角色。

特朗普的“上帝之眼”

大數據幫助特朗普“干掉”希拉里，最終當選美國總統。

一些西方媒體披露特朗普獲勝背后的重要原因：一家名叫“劍橋分析”的大數據公司如同實(shí)施“靶向治療”一般，幫助特朗普團隊精準定位了美國選民的喜好并投放廣告。

迄今為止，大部分競選活動(dòng)的組織架構依照的是人口統計學(xué)概念，大家收到的宣傳信息都基本相同。相比之下，劍橋分析公司卻獨辟蹊徑地加入了心理學(xué)指標，并定量描繪人物性格，進(jìn)而推斷該受調查者的政治傾向。

在具體操作中，劍橋分析公司從不同的來(lái)源購買(mǎi)個(gè)人數據，包括土地登記信息、購物數據以及你讀什么雜志、上哪個(gè)教堂等。隨后，該公司將這些數據與共和黨的選民名冊以及在線(xiàn)數據進(jìn)行匯總比對，推算出上述人群的心理側寫(xiě)檔案。他們一共分析了美國2.2億成年人的性格，對每個(gè)人平均掌握的數據點(diǎn)在4 000~5 000個(gè)。

基于心理側寫(xiě)與大數據分析，特朗普團隊在選戰中針對性地對不同個(gè)體投放不同的廣告信息。比如，關(guān)于禁槍問(wèn)題，如果受眾強烈反對，就可以在競選廣告中渲染搶劫威脅和槍支帶來(lái)的安全感;而如果受眾態(tài)度偏中立，則可以使用數據說(shuō)道理。

從這個(gè)角度而言，特朗普言論的前后矛盾和反復無(wú)常卻成了他最寶貴的資產(chǎn)：對每一個(gè)選民，他的宣傳方式都不盡相同。

“特朗普傳達出的每一條訊息都是由數據驅動(dòng)的。”劍橋分析公司負責人尼克斯曾向媒體介紹，在特朗普和希拉里展開(kāi)第三場(chǎng)總統辯論時(shí)，其競選團隊就拿他的基本立場(chǎng)，在Facebook上測試了17.5萬(wàn)個(gè)不同的廣告版本，以找到最合適的版本。這些不同版本的差別大多都只是細節，如標題、顏色、照片、視頻等，但這樣可以用最佳心理方式瞄準接收者。

在數據綜合分析基礎上，劍橋分析公司判斷出什么樣的人更有可能投票給特朗普，什么樣的廣告在什么地方最有效等，并最終將17個(gè)州作為選戰重點(diǎn)。因此，大選進(jìn)入最后幾周時(shí),特朗普團隊根據數據分析，重點(diǎn)主攻密歇根州和威斯康星州，并順利獲勝。

作為特朗普贏(yíng)得大選的幕后英雄，劍橋分析公司充當了數據的采集者、分析者以及策略制定者。它的成功實(shí)踐充分說(shuō)明，當你靠自身的力量無(wú)法有效采集、獲取外部數據時(shí)，雇傭第三方數據公司是最好的選擇。因此，隨著(zhù)企業(yè)對大數據挖掘、分析的需求日益旺盛，專(zhuān)注不同細分領(lǐng)域的大數據公司將迎來(lái)巨大的產(chǎn)業(yè)機會(huì )。

大王叫我來(lái)巡山

聰明的公司如何采集數據?國際巨頭給出的路徑是，通過(guò)一個(gè)產(chǎn)品直達用戶(hù)，然后間接收集數據，為業(yè)務(wù)提供決策參考。

“2017年2月13日;持續時(shí)間：1小時(shí);路程：11千米;消耗熱量：623卡路里;平均速度：10千米/小時(shí)。”海倫是一名跑步愛(ài)好者，這是她最近一次上傳網(wǎng)絡(luò )的跑步記錄，她是Nike+的會(huì )員之一。

三年前，耐克研發(fā)推出了一系列健康追蹤應用程序與可穿戴設備，統稱(chēng)Nike+，用于采集用戶(hù)的運動(dòng)數據。比如，Nike+跑鞋通過(guò)無(wú)線(xiàn)Apple NIke+iPod運動(dòng)組件實(shí)現信息互通，可以記錄、儲存用戶(hù)的運動(dòng)日期、時(shí)間、距離、熱量消耗值等數據。

目前，Nike+這個(gè)集硬件、軟件、社區為一體的平臺已擁有注冊用戶(hù)2 000多萬(wàn)，正是通過(guò)采集這些海量用戶(hù)數據，使得耐克在產(chǎn)品設計、新品推廣、精準營(yíng)銷(xiāo)等商業(yè)決策中有了重要依據。

谷歌的辦法同樣直接。2014年，谷歌斥資32億元美元收購智能家居廠(chǎng)商Nest，一個(gè)重要目的就是通過(guò)Nest的智能家居產(chǎn)品獲取用戶(hù)家庭的數據。智能家居產(chǎn)品一個(gè)重要的工作原理就是可以跟蹤、監測家庭用戶(hù)的活動(dòng)，并以此控制設備。如此一來(lái)，谷歌就能通過(guò)智能家居產(chǎn)品為用戶(hù)提供服務(wù)的同時(shí)，在不經(jīng)意間收集居家數據，挖掘每一個(gè)家庭的消費潛力。

相比之下，巴黎歐萊雅采集用戶(hù)數據的方式則比較“隱蔽”。歐萊雅曾推出過(guò)一款專(zhuān)屬App“時(shí)妝時(shí)刻”，在這款應用上，用戶(hù)可以通過(guò)彩妝拼圖的功能，根據自己的照片在網(wǎng)上進(jìn)行化妝品試用。另外，“時(shí)妝時(shí)刻”還為用戶(hù)提供一些高端的化妝技巧作為參考。

如此一來(lái)，歐萊雅通過(guò)讓用戶(hù)參與彩妝互動(dòng)，在收集用戶(hù)需求信息同時(shí)，獲得了強大的數據收集和數據分析優(yōu)勢，用于幫助其判斷彩妝產(chǎn)品的開(kāi)發(fā)方向。

企業(yè)主動(dòng)收集數據，貴在靈活，要跳出既定思維的框架，借助關(guān)聯(lián)業(yè)務(wù)去收集所有能夠為“我”所用的數據。

場(chǎng)景讀心術(shù)

顧客逛商場(chǎng)時(shí)每一次隨機的行走，是先停留在女裝區還是童裝區，在哪個(gè)品牌專(zhuān)柜面前逗留的時(shí)間最長(cháng)……過(guò)去，商場(chǎng)從來(lái)不會(huì )在意這些細節，但現在卻拼命收集。

事實(shí)上，顧客消費過(guò)程的開(kāi)始，也意味著(zhù)與商家建立關(guān)系的開(kāi)始，要提供個(gè)性化消費體驗，商家就要收集顧客的各種行為數據，而“消費場(chǎng)景”無(wú)疑是天生的數據采集點(diǎn)。

北京朝陽(yáng)大悅城在商場(chǎng)的不同位置安裝了近200個(gè)客流監控設備，結合客流統計系統的分析，獲取顧客在賣(mài)場(chǎng)內的動(dòng)線(xiàn)軌跡，同時(shí)使用LBS技術(shù)對客流進(jìn)行定位，精準地記錄下消費者的位置變化，從而判別顧客的購物喜好。另外，大悅城還通過(guò)Wi-Fi站點(diǎn)的登錄情況獲知客戶(hù)的到店頻率，通過(guò)與會(huì )員卡關(guān)聯(lián)的優(yōu)惠券得知受顧客歡迎的優(yōu)惠產(chǎn)品。

同樣的邏輯，銀泰在百貨門(mén)店和購物中心鋪設免費Wi-Fi，逐步抓取用戶(hù)數據，包括進(jìn)店用戶(hù)數據和VIP用戶(hù)數據，利用銀泰網(wǎng)，打通了線(xiàn)下實(shí)體店和線(xiàn)上的VIP賬號。當一位已注冊賬號的顧客進(jìn)入實(shí)體店，手機連接上Wi-Fi，他過(guò)往與銀泰的所有互動(dòng)記錄、喜好便會(huì )一一在后臺呈現。

美國Vail度假管理公司推出了手機EpicMix應用程序，將其與滑雪者的季票連接起來(lái)?；┱呙看纬俗禉C時(shí)都要掃描季票，這就在他們穿行滑雪場(chǎng)時(shí)產(chǎn)生了“數據排放”。這款應用會(huì )計算滑雪者每天下降的垂直英尺數，本季滑雪的總天數等。Vail結合數據，制定挑戰、競賽和獎勵方式，讓滑雪體驗變得更加有趣和歡樂(lè )。

地推活動(dòng)掃碼送禮、游覽景區掃碼獲取景點(diǎn)詳細信息、用餐時(shí)關(guān)注餐廳公眾號打折……如此種種，都是在具體的“消費場(chǎng)景”中獲取顧客數據的方式。有一種能力叫“顧客主動(dòng)分享數據”，打開(kāi)“場(chǎng)景”的維度，就能找到你想要的數據。

尋找效率快車(chē)道

貴陽(yáng)物流數字港信息中心大廳，沿墻而設的LED大屏幕上,實(shí)時(shí)的全國貨運物流數據不斷跳動(dòng)著(zhù)。

據統計，中國一共有700萬(wàn)輛中長(cháng)途貨車(chē)，超過(guò)3 400萬(wàn)的貨車(chē)司機，承擔了中國公路物流90%以上的運力。然而，分散經(jīng)營(yíng)、信息不對稱(chēng)、物流效率低，導致了貨車(chē)的空載率達40%以上，浪費了大量的能源和資源。

貨運交易平臺企業(yè)“貨車(chē)幫”建立了一個(gè)覆蓋全國360多個(gè)城市的全國性車(chē)貨匹配平臺，幫助司機發(fā)布空車(chē)信息、尋找貨源、計算運費。“貨車(chē)幫”平臺目前已匯聚了全國35萬(wàn)家物流企業(yè)和230萬(wàn)輛貨車(chē)車(chē)主，這些物流企業(yè)和車(chē)主通過(guò)平臺發(fā)布貨運信息每天超過(guò)500萬(wàn)條。

“貨車(chē)幫”不僅僅從貨主、物流企業(yè)、司機端獲取數據，同時(shí)還建立聲訊中心搭起橋梁，在線(xiàn)上和遠端獲取司機數據，搭建貨車(chē)司機和貨主產(chǎn)生數據互動(dòng)。

“貨車(chē)幫”利用大數據技術(shù)對貨運信息進(jìn)行整合傳遞，海量信息帶來(lái)的是人、車(chē)、貨的聚集效應，有效實(shí)現了貨源與貨車(chē)司機的信息互聯(lián)，使貨車(chē)空駛消耗每天減少約1 000萬(wàn)千米。依托大數據,“貨車(chē)幫”迅速成長(cháng)，在2016年12月完成B-1輪股權融資，金額超過(guò)1億美元。

大數據應用讓商業(yè)變得更透明更高效，對于共享平臺型企業(yè)而言，數據最大的價(jià)值在于打破信息壁壘，幫助B端企業(yè)對客群的需求與商品的供應快速、有效匹配起來(lái)。在此基礎上，平臺型企業(yè)一定要從用戶(hù)角度思考，如何利用已有數據創(chuàng )造更大的連接價(jià)值和增值服務(wù)。

一直以來(lái)，供應鏈管理都是一門(mén)非常復雜的學(xué)科，對于生鮮零售尤其如此。生鮮零售如果對需求預測不準，采購過(guò)多，產(chǎn)品就會(huì )過(guò)期、腐爛。所以，生鮮行業(yè)有句話(huà)是：“誰(shuí)控制了損耗，誰(shuí)就擁有了毛利”。

寧波M6生鮮超市為了降低損耗，利用大數據始做訂單生鮮，先由顧客下訂單，然后采購再去訂貨，最終配送到顧客附近的社區門(mén)店。這樣做一個(gè)直接的效果是，M6目前每天的庫存量占配送量不到10%。

那么，數據從何而來(lái)?10多年間，M6累計的實(shí)名制持卡用戶(hù)達到10多萬(wàn)個(gè)，同時(shí)也積累10多年的消費數據。這些數據積累，讓M6在精準訂貨、存儲和精準配貨等環(huán)節發(fā)揮了關(guān)鍵作用。另外，M6還利用用戶(hù)消費數據和從互聯(lián)網(wǎng)上采集到的天氣數據，從中國農歷正月初一開(kāi)始推算，分析不同節氣和溫度下，顧客的生鮮購買(mǎi)習慣會(huì )發(fā)生哪些變化，以此來(lái)預測市場(chǎng)需求。憑借著(zhù)這些舉措，M6近年來(lái)持續保持20%的綜合毛利率。

對數據的有效利用程度，往往能反映一個(gè)企業(yè)供應鏈管理的水平。就零售企業(yè)來(lái)說(shuō)，需求預測是整個(gè)供應鏈的源頭，決定了供應鏈的計劃，也直接影響到庫存策略、生產(chǎn)安排以及對顧客的訂單交付率。因此，企業(yè)需要通過(guò)定性、定量的預測分析手段，運用大數據將過(guò)去的歷史需求數據和現有的市場(chǎng)相關(guān)

為你喜歡的世界投票

精準營(yíng)銷(xiāo)，是時(shí)下非常時(shí)髦的一個(gè)營(yíng)銷(xiāo)術(shù)語(yǔ)，其中的關(guān)鍵在于精準定位的基礎上，依托大數據和現代信息技術(shù)手段建立個(gè)性化的顧客溝通服務(wù)體系。

快時(shí)尚巨頭ZARA以“快”出名，靈敏的供應鏈系統、多品少量、制售一體的效率化經(jīng)營(yíng)模式，使眾多服裝企業(yè)難以望其項背。事實(shí)上，在大數據應用方面，許多服裝企業(yè)投入的熱情與ZARA不相伯仲，但獲得的收益卻判若云泥。

為什么?ZARA推行海量資料整合，通過(guò)線(xiàn)下實(shí)體店和線(xiàn)上網(wǎng)店的信息收集分析，最終各方信息被分類(lèi)處理，成為設計、生產(chǎn)、銷(xiāo)售的指引。

比如，大數據一項重要的功能就是縮短生產(chǎn)時(shí)間，讓生產(chǎn)端依照顧客意見(jiàn)，在第一時(shí)間修正。走進(jìn)ZARA店內，柜臺和店內各角落都裝有攝影機，店經(jīng)理隨身帶著(zhù)iPad?？腿讼虻陠T反映：“這個(gè)衣領(lǐng)圖案很漂亮”“我不喜歡口袋的拉鏈”，這些細枝末節的細項，店員向分店經(jīng)理匯報;經(jīng)理通過(guò)ZARA內部全球資訊網(wǎng)絡(luò )，每天至少兩次傳遞資訊給總部設計人員。由總部做出決策后立刻傳送到生產(chǎn)線(xiàn)，改變產(chǎn)品樣式。

ZARA有一個(gè)全天候開(kāi)放的“數據處理中心”，每一個(gè)零售網(wǎng)點(diǎn)都可以通過(guò)該系統追蹤銷(xiāo)售數據。此外，顧客的反饋也能在系統上反映出來(lái)，ZARA能夠很快發(fā)現哪些款好賣(mài)，哪些款滯銷(xiāo)。同時(shí)ZARA還會(huì )分析出相似的“區域流行”，在顏色、版型的生產(chǎn)中，做出最靠近客戶(hù)需求的市場(chǎng)區隔。

更為重要的是，ZARA對于大數據提供的決策信息落實(shí)得堅決而高效，配套大數據的管理鏈路非常通暢，直接指導到產(chǎn)品設計、生產(chǎn)、分區域投放的各個(gè)環(huán)節。

總之，大數據運用成功的關(guān)鍵在于資訊系統要能與決策流程緊密結合，迅速對消費者的需求做出回應、修正，并且立刻執行決策。這也就意味著(zhù)設計師們不再對設計起決定性作用，而是需要洞察消費者的心理需求。

從收集大數據，了解每位用戶(hù)，到利用大數據進(jìn)行精準營(yíng)銷(xiāo)，再到豐富大數據建立長(cháng)期關(guān)系，是一個(gè)不斷循環(huán)、不斷完善的過(guò)程。華盛頓迪凡斯動(dòng)物園在這個(gè)過(guò)程中做出了很好的榜樣。

華盛頓迪凡斯動(dòng)物園每天都會(huì )收集上百萬(wàn)的數據，包括哪些用戶(hù)訂購了動(dòng)物園的門(mén)票、哪些用戶(hù)參加了哪些動(dòng)物展館，也包括社交網(wǎng)絡(luò )上大家對動(dòng)物園或動(dòng)物保護信息的點(diǎn)贊數量以及給予的評價(jià)。通過(guò)收集數據，動(dòng)物園能更好地了解每位用戶(hù)和潛在用戶(hù)的特征。

動(dòng)物園運用大數據進(jìn)行精準營(yíng)銷(xiāo)，分析出每位會(huì )員在每天什么時(shí)候最有可能會(huì )響應促銷(xiāo)，讓購買(mǎi)轉化率從3%提升到6%。動(dòng)物園還聯(lián)手IBM，將收集的這些數據與訂票記錄、當地天氣的預估情況放在一起，就能很好地預測出將來(lái)一段時(shí)間的門(mén)票銷(xiāo)售量，并據此決定聘用多少員工以及準備多少物資。

通過(guò)大數據的有效利用，華盛頓迪凡斯動(dòng)物園及水族館在線(xiàn)售票量增加了700%，降低了10%的人工成本。通過(guò)精準營(yíng)銷(xiāo)，動(dòng)物園的會(huì )員轉化率從3%提升至9%，實(shí)現了3倍增長(cháng)。

某種角度而言，數據背后并不是大數據分析師而是數以?xún)|計的消費者，是消費者用每個(gè)行動(dòng)細節為市場(chǎng)投票。從龐雜的數據背后挖掘、分析用戶(hù)的行為習慣和喜好，并結合用戶(hù)需求有針對性地調整和優(yōu)化自身，就是大數據的價(jià)值。

沒(méi)有連接就沒(méi)有發(fā)言權

大數據重構產(chǎn)品形態(tài)，關(guān)鍵在于跨界與連接，并以此推出更符合用戶(hù)“口味”的產(chǎn)品和服務(wù)。

眾安保險成立三年多以來(lái)打破傳統保險業(yè)的“游戲規則”，依靠大數據鋪開(kāi)產(chǎn)品布局，已推出了300多款保險產(chǎn)品，布局在互聯(lián)網(wǎng)生態(tài)下的各個(gè)場(chǎng)景中。

眾安保險的目標客戶(hù)包括互聯(lián)網(wǎng)生態(tài)下所有的群體，涉及電商、社交、健康、出行、金融等。眾安通過(guò)大數據手段挖掘以上群體所在場(chǎng)景中的新需求，個(gè)性化定制研發(fā)新產(chǎn)品。如電商場(chǎng)景中的任性退、眾樂(lè )寶、極有家等;出行場(chǎng)景中的航延險，微信搖一搖隨時(shí)可以買(mǎi);還有消費場(chǎng)景下，信用保證保險的布局，如花唄、甜橙白條等。此外，眾安還善于挖掘碎片化場(chǎng)景下的各類(lèi)熱點(diǎn)需求，如游園險、各類(lèi)交通意外險、海外旅游意外險等。

這些險種的特點(diǎn)是數據維度非常豐富，并且都在互聯(lián)網(wǎng)上可追蹤和獲取。相比之下，人體的數據化程度較低，這也成為了健康險盈利的瓶頸。隨著(zhù)大數據、云計算等技術(shù)的應用，數據中更多的隱藏價(jià)值被釋放，眾安不僅將保險和健康、金融消費等進(jìn)行有效組合，還讓健康險的個(gè)性化定價(jià)成為可能。

比如“步步保”這個(gè)險種，就是基于對小米手環(huán)用戶(hù)的大數據了解，通過(guò)步數來(lái)代替保費，實(shí)現了保險的高互動(dòng)性與主動(dòng)健康管理刺激;“腸命百歲腸癌險”基于腸病患者的就診數據及健康風(fēng)險，從“被動(dòng)抗癌險”轉化成“主動(dòng)防癌險”。這些產(chǎn)品都充分利用了大數據在預防疾病與健康管理中的作用。

除了在前端利用智能硬件、可穿戴設備、合作機構等獲取更多的數據，眾安保險還試圖重塑健康險的鏈條：從傳統的事后賠付走到前端的健康管理、慢病管理，從單一的保險產(chǎn)品擴展為社交、保險、生活的深度結合。

在互聯(lián)網(wǎng)時(shí)代，“連接”成為了一個(gè)核心的能力。對于眾安保險而言，“連接”的第一個(gè)層次是用保險連接更多的數據，例如健康險中的可穿戴設備、移動(dòng)醫療、用戶(hù)等數據;第二個(gè)層次是用保險去連接更多的圈子。

在針對糖尿病患者的保險產(chǎn)品“糖小貝”上，眾安保險連接的是移動(dòng)醫療設備——糖大夫智能血糖儀、專(zhuān)業(yè)醫療社區—丁香園。“社交+保險+醫療服務(wù)”被連接在了一起。

與以往針對健康人的保險不同的是，“糖小貝”是賣(mài)給糖尿病患者的保險。根據眾安保險、糖大夫血糖儀、丁香園的三方數據，眾安保險設計了一套浮動(dòng)保額獎懲機制，保額與血糖管理情況直接掛鉤。

如果說(shuō)，眾安保險利用大數據重構了保險業(yè)的產(chǎn)品邏輯，那么“英語(yǔ)流利說(shuō)”則在大數據的幫助下重新建立了產(chǎn)品形態(tài)。

“英語(yǔ)流利說(shuō)”是一款英語(yǔ)口語(yǔ)學(xué)習應用，上線(xiàn)3年，累積了3 000萬(wàn)注冊用戶(hù)。在其使用場(chǎng)景中，沒(méi)有中文的出現，當學(xué)習者跟讀時(shí)，系統會(huì )根據學(xué)習者的發(fā)音、流利度調整學(xué)習進(jìn)度，為不同學(xué)習者推送不同的學(xué)習內容，規劃學(xué)習路徑。

之所以如此智能，是因為“英語(yǔ)流利說(shuō)”在過(guò)去3年中收集了廣泛的用戶(hù)學(xué)習行為記錄，以及長(cháng)達2.75億分鐘、31.9億句之多的龐大錄音數據庫。根據這一數據庫，“英語(yǔ)流利說(shuō)”才能設計出適合中國人的英語(yǔ)學(xué)習路徑：沒(méi)有一個(gè)預先設定的知識圖譜，而是通過(guò)遞歸神經(jīng)網(wǎng)絡(luò )的深度學(xué)習模型，讓系統產(chǎn)生了“自學(xué)習”能力，把學(xué)生和最合適的學(xué)習內容的匹配性不斷提高。

大數據的價(jià)值在于提供了一個(gè)新的視野和角度，讓人類(lèi)有了額外的洞察力。具體到商業(yè)社會(huì )中，大數據能夠幫助企業(yè)不斷擴展產(chǎn)品和服務(wù)維度上的創(chuàng )新，通過(guò)理解數據，挖掘數據價(jià)值，建立開(kāi)拓全新的產(chǎn)品形態(tài)。

換一種姿勢面對不確定

如何跳出傳統競爭的紅海?大數據給出的答案是“自我進(jìn)擊”。

金風(fēng)科技是一家生產(chǎn)風(fēng)能發(fā)電設備的公司，其風(fēng)能發(fā)電機的全球市場(chǎng)占有率位居前列。然而，一個(gè)尷尬的事實(shí)是，金風(fēng)在海外銷(xiāo)售了很多風(fēng)力發(fā)電機，但此前很長(cháng)一段時(shí)期，對這些設備在海外的使用情況卻知之甚少。其根本原因在于，企業(yè)級設備的銷(xiāo)售通常是由各地中間經(jīng)銷(xiāo)商來(lái)完成，在客觀(guān)上阻斷了制造商與使用客戶(hù)的聯(lián)系。

為了改變這種狀況，金風(fēng)利用互聯(lián)網(wǎng)，將發(fā)電機的各種數據全部收集到公司，進(jìn)行大數據分析。他們一方面可以全面了解全球的風(fēng)能發(fā)布情況、各地的風(fēng)力利用情況等信息，有利于公司針對性地做市場(chǎng)推廣;另一方面，他們可以了解每一臺發(fā)電機日常運行的細節，以便及時(shí)發(fā)現并解決問(wèn)題。

這樣一來(lái)，金風(fēng)的經(jīng)營(yíng)策略就從依賴(lài)市場(chǎng)預測、打價(jià)格戰等傳統手段，提升到成為高質(zhì)量的服務(wù)商，主營(yíng)業(yè)務(wù)也從風(fēng)力發(fā)電機制造轉變成發(fā)電設備的運營(yíng)和服務(wù)，價(jià)值鏈地位得到進(jìn)一步提升。

美國約翰迪爾公司(John Deere)主要從事農業(yè)機械設備制造，是美國少數幾家大型農機制造企業(yè)。隨著(zhù)經(jīng)濟全球化趨勢進(jìn)一步加深，農用機械生產(chǎn)已成為高度全球化的產(chǎn)業(yè)。在這種背景下，約翰迪爾在產(chǎn)品端難以實(shí)現大的突破，價(jià)格也缺乏競爭優(yōu)勢，如果一直采用固化的“制造模式”，難以適應國際競爭的壓力。

為此，約翰迪爾選擇服務(wù)轉型并設定目標：從傳統的農機制造向服務(wù)型制造企業(yè)轉變。

約翰迪爾采取了“產(chǎn)品+數據驅動(dòng)”的模式，在農機產(chǎn)品上安裝GPS和田間信息采集傳感器，在作業(yè)時(shí)可以監測每一塊土地的成分。這些數據通過(guò)無(wú)線(xiàn)網(wǎng)路傳送到云端精心分析，計算出每一塊土地中各類(lèi)肥料的成分，為農戶(hù)提供土壤狀態(tài)分析報告以及對種植不同農作物的適用程度的建議。

更為重要的是，約翰迪爾將數據價(jià)值“為己所用”——農戶(hù)使用農機過(guò)程中，約翰迪爾獲得了農戶(hù)的土地信息，通過(guò)對土壤、農作物的數據分析，得出所需化肥的最優(yōu)配比，再將其傳送給有業(yè)務(wù)關(guān)系的化肥廠(chǎng)，化肥廠(chǎng)就可以生產(chǎn)定制化的化肥銷(xiāo)售給農戶(hù)。這樣一來(lái)，約翰迪爾不僅提高了產(chǎn)品競爭力，通過(guò)農機銷(xiāo)售和農作物智慧管理賺錢(qián)，還可以獲得化肥廠(chǎng)商的銷(xiāo)售提成。

在激烈的本土及全球農業(yè)機械生產(chǎn)業(yè)的競爭中，約翰迪爾不斷發(fā)展與追求商業(yè)模式創(chuàng )新，從單純賣(mài)設備轉型到提供智慧農業(yè)整體解決方案，占據了在農機生產(chǎn)市場(chǎng)的主導地位。事實(shí)上，農業(yè)企業(yè)擁有大量的數據，例如產(chǎn)量、定價(jià)、天氣、土壤環(huán)境、產(chǎn)品性能、維護成本、勞動(dòng)力成本等。如果能將這些數據有效整合、利用起來(lái)，升級服務(wù)，創(chuàng )新商業(yè)模式，將有助于提升企業(yè)的價(jià)值鏈地位。

在大數據技術(shù)驅動(dòng)之下，企業(yè)應該想法設法采集、分析內部數據和相關(guān)外部數據，并讓其流入到價(jià)值鏈，通過(guò)延伸服務(wù)實(shí)現用戶(hù)和市場(chǎng)價(jià)值的最大化。作為最重要的生產(chǎn)要素之一，大數據與大數據思維必將成為每個(gè)企業(yè)、每個(gè)行業(yè)的“新大腦”。企業(yè)應抓住轉型機遇，善用數據，激發(fā)數據價(jià)值，賦能商業(yè)模式升級、創(chuàng )新。

我們想要的是未來(lái)

從價(jià)值鏈說(shuō)起

維克托·邁爾·舍恩伯格在《大數據時(shí)代》一書(shū)中分析，根據所提供價(jià)值的不同來(lái)源，分別出現了三種大數據相關(guān)公司：

第一種是基于數據本身的公司。這些公司擁有大量數據或至少可以收集到大量數據，卻不一定有從數據中提取價(jià)值或用數據催生創(chuàng )新思想的技能。

這些公司可能不是第一手收集數據的人，但是他們能接觸到數據、有權使用數據或者將數據授權給渴望挖掘數據價(jià)值的人。比如，美國機票預訂系統ITA Software在被谷歌收購之前，就曾為機票價(jià)格預測應用Farecast提供數據，而它自身并不進(jìn)行這種數據分析。因為商業(yè)定位不同，ITA Software不考慮數據的額外利用，但這些數據卻能成為其他公司的核心數據源。

第二種是基于技能的公司。它們通常是咨詢(xún)公司、技術(shù)供應商或者分析公司。它們掌握專(zhuān)業(yè)技能但并不一定擁有數據或提出數據創(chuàng )新性用途的才能。比如，埃森哲咨詢(xún)公司就與各行各業(yè)的公司合作，用高級無(wú)線(xiàn)感應技術(shù)來(lái)收集數據，然后對數據進(jìn)行分析。

第三種是基于思維的公司。對于這類(lèi)公司來(lái)說(shuō)，數據和技能并不是成功的關(guān)鍵，讓其脫穎而出的是其創(chuàng )始人和員工的創(chuàng )新思維，他們有怎樣挖掘數據新價(jià)值的獨特想法。比如二手球鞋交易公司Campless創(chuàng )始人喬希·盧貝，就以數據為切口，把二手球鞋交易做成了“球鞋股市”，買(mǎi)賣(mài)雙方就可以基于市場(chǎng)的供給和需求情況進(jìn)行及時(shí)交易。

那么，哪種屬性的公司會(huì )在未來(lái)占據價(jià)值鏈的上游?

現階段，我們正處在大數據時(shí)代的早期，技能是最有價(jià)值的，因為數據非常之多，但技能卻依然欠缺。隨著(zhù)大數據成為我們生活的一部分，大數據工具變得更容易和更方便使用，技能也變得越來(lái)越容易掌握，這些技能的價(jià)值才會(huì )相對減少，就像計算機編程變得越來(lái)越普遍一樣。在這種情況下，技術(shù)只是外在力量，而擁有大數據思維的人和數據擁有者本身在未來(lái)將擁有更大的價(jià)值。

誰(shuí)是下一個(gè)巨頭

大數據領(lǐng)域到底有沒(méi)有孕育出巨頭?

過(guò)去最有機會(huì )成為大數據巨頭的企業(yè)在存儲領(lǐng)域、數據庫領(lǐng)域中，不過(guò)隨著(zhù)EMC被戴爾收購，存儲領(lǐng)域的市場(chǎng)巨頭基本上都是戴爾、IBM、HPE等綜合型企業(yè);同樣，數據庫領(lǐng)曾經(jīng)風(fēng)靡一時(shí)的BO、海波龍等，也悉數被SAP、甲骨文等收購。

說(shuō)到底，這些IT企業(yè)都是做大數據工具的，不管是數據管理還是數據倉庫、數據分析、數據挖掘等，都是從IT技術(shù)層面切入的。

如果說(shuō)大數據是一座金礦，那么IT技術(shù)就是挖掘的工具。被IT大鱷收購之后，從數據的產(chǎn)生到數據的分析，再到數據價(jià)值的呈現就能夠在一個(gè)系統中完成，就可以真正體現出工具的價(jià)值。從這個(gè)角度而言，IBM、戴爾、甲骨文、SAP等IT大鱷都可以稱(chēng)得上是大數據巨頭。

除IT類(lèi)企業(yè)之外，目前最有機會(huì )成為巨頭的大數據企業(yè)基本上都是與具體的行業(yè)應用相結合的企業(yè)。因為它們是工具的應用者，它們運用大數據的軟件和硬件結合自身的行業(yè)經(jīng)驗，積極拓展大數據應用的范圍和領(lǐng)域。比如螞蟻金服這樣構建在金融行業(yè)之上的大數據企業(yè)，盡管大部分情況下人們并不把它看作是一家大數據公司。

除此之外，那些本身就擁有海量數據的公司同樣也具備成為大數據巨頭的潛質(zhì)。

比如谷歌、Facebook、亞馬遜、BAT、Uber等互聯(lián)網(wǎng)巨頭，它們憑借自身龐大的用戶(hù)積累了海量的數據，稍加利用就能迸發(fā)巨大的能量?jì)r(jià)值;再比如，沃爾瑪、孟山都、海爾、順豐、華大基因等在細分領(lǐng)域產(chǎn)生、積累了各種數據的行業(yè)巨擘，可以利用大數據賦能生產(chǎn)、管理、銷(xiāo)售、服務(wù)等，搶占價(jià)值鏈高地。

因此，能不能成為大數據巨頭，不在于你身處哪個(gè)領(lǐng)域和行業(yè)，而在于你是否擁有足夠量級的數據，是否有數據價(jià)值變現的能力。

去戰火最猛烈的地方

大數據滲透力非常強，從本質(zhì)上講，各行各業(yè)都已經(jīng)被數據化，比如電信業(yè)正在變成電信數據業(yè)，金融業(yè)正變成金融數據業(yè)……

龐大而堅固的底層架構正在以令人驚嘆的速度搭建起來(lái)，對于企業(yè)來(lái)說(shuō)，一些領(lǐng)域的大數據應用場(chǎng)景更容易集中爆發(fā)，而置身其中的企業(yè)應投入更多的資源，收割數據帶來(lái)的價(jià)值想象力。

新零售

商業(yè)零售是企業(yè)大數據應用最先爆發(fā)的領(lǐng)域，因為它直面消費級市場(chǎng)。

在新零售時(shí)代，線(xiàn)上和線(xiàn)下不再是嚴格對立的兩個(gè)概念：兩者將會(huì )被深度整合，進(jìn)而演化成相互依存、互為補充的存在。這當中，數據將達到連接的作用，打通“任督二脈”，將零售業(yè)傳統運營(yíng)模式變成數據驅動(dòng)的運營(yíng)方式：一是可以了解用戶(hù)消費喜好和趨勢，進(jìn)行商品的精準營(yíng)銷(xiāo);二是分析消費數據，為用戶(hù)提供可能購買(mǎi)的產(chǎn)品，擴大銷(xiāo)售額。

工業(yè)制造

制造業(yè)天然會(huì )聚集大量數據，生產(chǎn)設備、數控機床、儀器儀表、機器人、數字控制系統每天都將產(chǎn)生海量數據，這些數據通過(guò)集成后，本身又將流入企業(yè)價(jià)值鏈，賦能企業(yè)的生產(chǎn)自動(dòng)和精細化管理。

智能工廠(chǎng)、無(wú)人車(chē)間、個(gè)性化定制……大數據是工業(yè)4.0和中國制造2025的浪潮下，推動(dòng)制造業(yè)轉型的核心引擎。

智慧農業(yè)

農業(yè)是現階段大數據應用相對較弱的一個(gè)領(lǐng)域，但因為農業(yè)本身所具備的爆發(fā)潛力，也使其更需要被大數據賦能改造。

農業(yè)大數據來(lái)自從作物基因組到供水管理、培肥、氣候、土壤、機械和作物保護系統的方方面面，可以滲透到生產(chǎn)、運輸、倉儲、加工、銷(xiāo)售等各個(gè)環(huán)節。大數據的有效應用，可以幫助解決生產(chǎn)力水平低下、農產(chǎn)品供需信息不對稱(chēng)、農產(chǎn)品質(zhì)量安全三大難題，推動(dòng)精準農業(yè)和智慧農業(yè)的實(shí)現。

醫療健康

大健康是正在爆發(fā)的消費風(fēng)口，醫療健康領(lǐng)域由于其產(chǎn)業(yè)特點(diǎn)積累了大量的、多類(lèi)別的數據，包括制藥行業(yè)科研數據、臨床診斷數據、患者健康數據等。這些數據應用一直在進(jìn)行，但很多是孤島數據，不利于大規模應用。未來(lái)，這些數據如果能進(jìn)行有效的結構化處理，將會(huì )產(chǎn)生巨大的商業(yè)價(jià)值，逐步形成新的醫療大數據商業(yè)模式。

互聯(lián)網(wǎng)金融

與傳統金融比起來(lái)，互聯(lián)網(wǎng)金融優(yōu)勢在于覆蓋和服務(wù)的人群更廣，流程更短和效率更高。但由此帶來(lái)的關(guān)鍵問(wèn)題就是如何控制風(fēng)險，通過(guò)系統性的技術(shù)手段，將互聯(lián)網(wǎng)金融行業(yè)面臨的風(fēng)險降到最低。

在整個(gè)金融鏈條上，包括借貸、個(gè)人理財等多種金融產(chǎn)品和服務(wù)上，數據都將起到核心作用，與此相關(guān)的大數據風(fēng)控，更是相當于互聯(lián)網(wǎng)金融的生命線(xiàn)。因此， 互聯(lián)網(wǎng)金融的角逐不在于快速規?；?，而是在于風(fēng)險控制等核心層面的技術(shù)化。從這個(gè)角度來(lái)說(shuō)，每一家金融公司，其實(shí)最后都是大數據公司。

編 輯:彭 靖 liqing326@163.com