6.7　大数据带来的摧毁力

2013年，大数据很火。随着计算机、智能手机等各种设备快速进入日常生产与生活，数据在全球范围内实现了爆炸性的增长，自从互联网出现以后，用户每天上传的数据已经达到22TB以上。事实上，在当前互联网的任何一个企业的数据库中早就已经积累了海量数据，而信息技术的快速发展及广泛应用则进一步加快了其增长速度，而这些数据的汇总和分析，就是大数据的处理，可以说这个时代就是“大数据”时代。大数据带来的信息风暴，正在开启我们的思维变革、经营变革和管理变革，可以说“大数据”发展鼎盛的时代已经降临，它为我们看待世界提供了一种全新的计算方法，在商业、经济及其他领域中，会有越来越多的决策是基于数据和分析做出的，这就是大数据的魅力。

大数据引起我们关注的时间点是2012年3月22日，奥巴马政府宣布投资2亿美元用于大数据相关产业发展，并且在这项支出中，他将数据定义为“未来的新石油”，同时将“大数据战略”上升为国家意志，表明对未来数据的占有和控制将成为陆、海、空权之外的另一种国家核心资产。当大数据成为国家级战略，那么对于我们所处的传统企业来说，如何有效整合海量数据从中加以筛选，然后分析利用，已成为企业经营发展的必然趋势和必经之路。

其实，大数据并不是从近来才开始的，很多互联网企业都有数据解读。而大数据时代的到来，使得从事市场研究和用户数据研究真正从一门粗糙的工作变成了精细化的科学。大数据近年来成为热词，但对于互联网行业之外的其他行业企业来说并不熟悉，很多传统企业仍对数据挖掘分析和应用感到陌生，还有不少对数据智能分析与大数据挖掘更是闻所未闻。而市面上对大数据进行讨论和大量挖掘的案例和方法多局限于互联网行业，这也削弱了对于更多企业的参照意义，传统企业要如何收集数据，或者说要怎么获得数据并进行分析，都是传统企业需要迈过的一道坎。

大数据带来的摧毁力

如今，大数据的价值已经为从事互联网相关行业的案例所证明，但实际上挖掘出大数据的价值并不容易。DC的定义描述了大数据时代的三大特征，即俗称的“3V”。第一个是Volume（海量），数据容量越来越大，也就是现在所得到的数据太多，但是有效数据的总量实际是一定的；第二个是Velocity（速度），数据量的增长越来越快，企业所需要的处理速度和响应速度越来越快，同时，由于受到海量数据的影响，企业的速度很难快起来；第三个是Variety（多样性），指各种类型的数据出现，过去的数据更多的是结构化的，现在越来越多的数据是半结构的，甚至是完全没有结构的数据，而这些数据要转化为结构性数据对企业来说依然是困难的。基于这几点，我们可以知道，大数据并不是一个容易处理的项目，因为对庞大的数据进行筛选以及整合得出结论的过程实际是很长的。

那么，传统企业到底要如何面对大数据？置之不理，还是找到合理的方式去解决？简单来说，有三点。

第一，从企业的视野讲，成熟的企业CEO一定要把大数据、云计算作为企业核心战略，不仅仅是IT企业，也包括传统企业。而不能仅仅把大数据当成是企业IT管理的一个方面，交给某个部门去解决，企业一旦接触大数据就要下决心投入，无论是软件方面还是硬件设施上的配备。

第二，企业要有自己解读数据的能力和观点角度，即收集和处理数据的策略。其实，大家很多时候面对同样的数据，但是对数据的处理方式是不一样的。对同样的数据，甚至同样的数据收集软件，一旦企业的决策方式与观点不一样，处理结果就会大大不同。这个应该成为公司决策体系的核心，并且坚持这样的企业解读。

第三，数据价值的实现。企业要在确定数据解读方式后，把对数据的分析，转化为通过数据结果能解决实际问题的执行方式，从而实现大数据的价值。正如淘宝每年都会总结的一些数据，比如，在淘宝上比基尼卖得最好的省份是哪儿？是内蒙古和新疆，而不是人们通常会认为的海南、广东等沿海地区。那么，这是为什么？大数据给出了结果，还需要企业给出解决方案。大数据能帮助人们发现事物间隐藏的内在关联，但并不意味着能直接带来社会价值和商业价值。如果你是泳衣生产商，又会制定怎样的营销策略来迎合这部分用户呢？

大数据战略重要，但是这个战略要怎么去实现，要怎么完成整个数据处理的过程，这就是大数据管理问题。其实可以通过三步走的方式来解决。首先是如何获取、存储和保护数据；其二是数据丰富，即如何筛选、计算、发现不同数据间的数据相关性；其三是培养数据洞察力，即通过分析、呈现与决策工具获得对数据的敏感度，并最终付诸行动，让梳理后的数据产生价值。

而传统企业的信息系统数据分析模型比较简单，很少有企业会分析用户的数据，而大多数时候企业是在分析一些结果化的数据，如销售同期对比、增长率或者降低率、库存结构等，因此对决策和解决实际问题帮助十分有限，可以说这些数据对优化企业的仓储结构有益，但是对用户与企业之间的沟通并没有任何作用。而用户的数据大都是一些类型丰富的碎片化数据而且没有相对固定的模式，我们所看到的结果往往是一些多因素的结果，对于企业来说，这部分的数据虽然有价值，但是解读上确实有一定的难度。

也正因为如此，企业内部人员需要进行培训及建立收集数据的规则；大数据的分析与企业以往提交的数据分析有很大区别，可以说传统企业现有的管理支持类数据分析主要基于一些售卖的数据，其实是很难勾勒出企业的整体运作和相关问题的。而如果传统企业要介入大数据就需要分析人员具有更高的能力，既要有扎实的业务基础又要具备很强的数据挖掘能力。不仅仅要利用大数据平台进行数据收集，还要利用大数据分析将零散的市场数据、客户数据等迅速高效地转化成决策支持数据，只有这样才能使企业及时把握市场变化，随时做出策略上的调整。

以上是企业想要加入大数据的基础性工作，简单来说就是搭建平台，配置人员。在具体的业务层面上，主要有以下几个方面。

（1）用户分析：分析用户群的结构、不同用户的不同流量、购买周期、不同用户群的利润贡献率；同时还要对具体用户的购买频率、感兴趣商品的预测、忠诚度及流失的可能性分析。并且对用户产品反馈进行分析，从而推进企业对用户的喜好进行分析并做出改进。

（2）产品分析：产品分析是建立在有效用户的基础上。通过对用户进行分析，同时对产品属性定位，再结合内部生产能力、库存规模、渠道类型进行产品开发，同时还要做出产品的预期分析。

（3）价格分析：消费者对于不同产品的价格弹性，以及不同的消费者对不同产品的价格期待值和价格定义，这都决定了产品的价格定位。

（4）营销分析：利用每次的数据分析，记录和分析新产品的导入期及旧产品的最佳消化期，以及产品活动销售合理性，同时激发用户的能力，还包括节前节后、淡季旺季不同时间段的定价策略等。

（5）与内部相关的供应链分析、运营效率分析：主要针对供应商、合作商、物流优化、现金流计划、人力资源配置等进行的数据分析。

现在是一个依靠有效的数据创造商业价值的时代，越来越多的传统企业都将数据处理看成是企业锦上添花的法宝，利用大数据带来的解决办法，为企业带来了更大指向性价值。而互联网企业之所以能够挑战传统零售企业，就是因为这样的数据才能维持用户不断进入电子商务网站，从而颠覆了传统的零售体系。可见数据对互联网企业如何重要，对其他的企业一样必不可缺。