科技進步讓各種先進的分析方法走入了尋常企業。“大數據”日益成為企業高管層津津樂道耳熟能詳的字眼，但在把握大數據所蘊涵的商機方面，大多數企業的努力還僅僅停留于“表面功夫”。 在他們眼中，大數據等同于“3V”：數量(volume)、多樣性(variety)、速度(velocity)，卻常常忘了關注另一個最重要的“V”– 價值(value)。對全球企業開展了深入的研究，分析了大量成功與失敗案例，從中總結出把握大數據機會的五個重要路徑以及企業起步可采取的三個步驟。
如何定義大數據
我們將以北美一家零售商的故事來闡述大數據的含義。該公司在北美的銷售活動非?；钴S，銷售的產品總數達到3萬多種，不僅如此，產品的價格也隨地區和市場條件而異。最讓高管頭疼的是定價促銷策略。由于產品種類繁多，成本的變化異常頻繁，一年之中，變化可達四次之多。結果就是，這家零售商每年的調價次數高達12萬次。
處理定價促銷的復雜之處，是它不只是受成本驅動，還有宏觀經濟、市場競爭、品牌定位、消費者心態等所影響。由于定價直接影響公司的利潤率，高管決心接下挑戰，組成了一個11人的團隊，希望透過分析消費者的購買記錄和相關信息，提高了定價的準確度和響應速度。
定價團隊的分析其實就是圍繞著大數據的三個關鍵維度上：
數量(Volume)：團隊需要分析海量信息。他們收集了上千萬的消費者的購買記錄，透過從客戶不同維度分析，希望盡可能微分客戶，了解客戶對每種產品種類的最高接受能力，從而為產品定出最佳價位。
多樣性(Variety)：團隊除了分析了購買記錄這種結構化的數據外，他們也非常聰明的利用社交媒體發帖這種新型的非結構化數據。由于消費者需要在零售商專頁上點贊或留言以獲得優惠券，團隊利用情感分析公式來分析專頁上消費者的情緒，從而判斷他們對于公司的促銷活動是否滿意，并微調促銷策略。
速度(Velocity)：為了實現價值最大化，團隊對數據進行實時或近似實時的處理。他們成功地根據一個消費者既往的麥片購買記錄，為身處超市麥片專柜的他/她即時發送優惠券，為客戶帶來便利性和驚喜。
透過這一系列的活動，團隊提高了定價的準確度和響應速度，為零售商新增銷售額和利潤數千萬美元。
這個故事跟BCG對大數據的定義也是相當吻合，重點都是放在最終的價值創造。我們對大數據的定義是：“在可控的經濟成本下，企業可獲取、分析并解讀日益龐大且復雜的數據，讓企業在價值創造方面實現跨越式的轉變。”
我們也可以換一個角度來看看大數據的演變，那就是科技進步所推動的數據多樣化和復雜化。
在很久以前，企業只會在他們的企業資源規劃（ERP）系統中記錄公司的采購和訂單數據。 隨著”以客戶為中心“經營理念的日漸興起，客戶關系管理（CRM）系統應運而生，幫助企業收集客戶的采購行為和偏好。此后，互聯網時代的蓬勃發展為網絡活動和網絡交易提供了足夠的動力；互聯網這一新的渠道，為企業帶來了更多元化的客戶數據。現在，隨著移動裝置、社交媒體、云服務以及“物聯網”的大面積發展，又涌現出了越來越多的原始數據和非結構化數據可供收集，包括定位數據、社交數據以及行為數據。可以說，大數據就是交易類、互動類以及觀察類數據的總和。
大數據行業的發展趨勢
目前，大數據行業可謂各類機構眾多，既有基礎設施、數據庫以及分析技術等下游機構，也有應用類、商業情報等上游機構。
估計2012年大數據行業總值預計達100億美元，年均增速約為40%。到2015年，這一市場的規模將擴大至270億美元。硬件在大數據市場仍然占據最大的份額（35%），而軟件企業和實施機構（如：系統集成商）也在快速成長中。
未來，大數據行業將經歷快速整合。大家是否還記得網絡時代（dot-com）各類互聯網咨詢公司層出不窮的盛況？其中九成企業在短短數年內就夭折殆盡。相同的劇情也有可能在所有大數據咨詢機構身上重演。對企業而言，起步較早的機構可以獲取客戶洞察，取得先發優勢。然而，就像是一場軍備競賽 – 用不了多久，大數據能力會成為所有企業的必備能力。這時候，整個行業又將站回到同一條起跑線上。
商機在哪里？
大數據領域的價值創造機會因行業而異。在零售業，先進的分析方法往往與戰略相得益彰，涵蓋促銷增效、定價、門店選址、市場營銷等多個領域。而在能源行業，大數據的價值創造重點更體現在智能電表數據的使用以及對實體資產（如設備和工廠）的優化上。在金融服務業，大數據的應用則往往體現在風險評分、動態定價以及為ATM和分行網點尋找最佳地點等方面。而在保險業，大數據的價值可能體現在防范理賠欺詐、優化保險金給付以及跟蹤駕駛行為等方面。
為了確定大數據對自身的特定價值，我們可以從大數據的三個維度進行分析：
從數據量出發：在數據分析方面，抽樣分析與全面分析有時會呈現完全不同的結果。為了瞄準個體客戶，零售商需要了解某一位客戶的全部購買史，分析該客戶與其他客戶的差異所在。如果只是抽取部分客戶或交易記錄進行分析，那獲得的結果就會比較片面，從而影響到促銷活動的效力。
作為一家成立不久的亞特蘭大軟件公司，Cardlytics幫助零售商對“一人市場”開展銷售。美國十大銀行中已有四家開始運用該項服務，分析每周數以億計的客戶交易，目的就在于幫助零售商在客戶的銀行對帳單上印上有針對性的促銷信息。由于促銷信息是依據每個消費者的購買行為以及購物地點所定制的，所以具有很強的針對性和很高的命中率。這類促銷信息的響應率平均可達15-20%，相比之下大多數傳統促銷活動的響應率往往不超過5%。這是個“多贏”的局面 –消費者獲得理想的折扣；零售商成功促銷；銀行可以坐收額外收入。
從數據多樣性出發：大部分企業都能從傳統關系數據庫的結構化數據，挖掘出客戶洞察。現在的問題是，在出現了越來越多的非結構化數據（如社交網絡發帖）的局面下，我們可以怎樣利用這些新數據？
以電信公司為例，準確預測每個客戶的潛在流失率能為企業帶來巨大的價值。如果公司為一個本來就沒打算離開的客戶提供折扣，那無疑就是在浪費錢。而如果無法準確鎖定目標，就有可能導致企業忽視了那些可能“轉投”對手的客戶。
法國電信-Orange集團旗下的波蘭電信公司Telekomunikacja Polska（TP）正是一家面臨這一挑戰的企業。作為波蘭最大的語音和寬帶固網供應商，公司希望有效的途徑來準確預測并解決客戶流失問題。
他們決定進行客戶細分，方法是構建一張“社交圖譜”- 分析客戶數百萬個電話的數據記錄，特別關注 “誰給誰打了電話”以及“打電話的頻率”兩個方面。“社交圖譜”把公司用戶分成幾大類，如：“聯網型”、“橋梁型”、“領導型”以及“跟隨型”。這樣的關系數據有助電信服務供應商深入洞悉一系列問題，如：哪些人會對可能“棄用”公司服務的客戶產生較大的影響？挽留最有價值客戶的難度有多大？運用這一方法，公司客戶流失預測模型的準確率提升了47%。
從數據時效性（速度）出發：在有些情況下，公司需要獲取最新的實時數據，供決策之用。公司的反應速度越快，銷售的成功率就越高 – 此外，還可以防范客戶“投靠”競爭對手。
例如，好事達（Allstate）等保險公司紛紛推出“按行駛里程收費”的PAYD車險產品；客戶需要在車上，安裝一個傳感器，即可收集實時駕駛行為信息，例如駕駛速度，以及全程駕駛的安全性。要識別高風險客戶，便可利用集中收集以下的信號指針，如急剎車、加速、轉彎以及夜間駕駛里程數和交通高峰期駕駛里程數等。
用戶只需建立個人駕駛行為基準30天以上，就可以在下次繳費時享受折扣優惠。此外，用戶還可以上網跟蹤他們的駕駛表現，這也有助于提高客戶的忠誠度。同樣地，保險公司也可以避免花大力氣來挽留高風險的客戶，同時還可以通過提高客戶保險費率來反映公司所掌握的客戶整體風險概況。
發掘商機的五個途徑
企業若能全面洞察并充分把握大數據所帶來的機遇，就能坐擁先發優勢。在此，我們總結了五個主要的應用機會：形成新的商業洞察；優化核心運營流程；更快更好地決策；充分利用不斷變化的價值鏈；創建新的以數據為中心的業務。上述五項并非適用于所有企業，但大部分公司能從其中多處獲益。若能充分把握這些機會，企業可以獲得的獎勵不僅僅是競爭優勢，而是重塑競爭格局的能力。
1.形成新的業務洞察
大數據分析的戰術側重點，在于利用數據幫助企業決策或解決特定的問題。例如：銀行應該把新網點開在哪里，零售商應該向店內購物者的智能電話推送哪些優惠券等。
以丹麥的維斯塔斯風能系統（Vestas Wind Systems）為例，他們運用大數據，分析出應該在哪里設置渦輪發電機這一風能領域的重大挑戰。在一個風電場20多年的運營過程中，準確的定位能幫助工廠實現能源產出的最大化。為了鎖定最理想的位置，Vestas分析了來自各方面的信息：風力和天氣數據、湍流度、地形圖、公司遍及全球的2.5萬多個受控渦輪機組發回的傳感器數據。正是這樣一套信息處理體系賦予了公司獨特的競爭優勢，成功幫助其客戶實現投資回報的最大化。
另一個大數據創造價值的例子：一家金融機構開展了一個創新項目，圍繞客戶經歷人生大事進行交叉銷售。他們分析客戶的交易數據，由此推算出客戶經歷人生大事的大致結點，比如結婚或找到新工作。這些人生中的重要時刻都能激發客戶對高價值金融產品的購買意向（如：房貸或聯合儲蓄賬戶）。如果一家金融機構能夠識別這些關鍵時刻，就能更好地為客戶定制出最適合的促銷方案。
2. 完善核心運營流程
大數據的應用并不局限于業務或客戶方面。事實上，把它融入日常的工作流程，可完善核心運營流程，讓企業受益匪淺。
以Visa為例：從2011年8月起，Visa開始將各種大數據分析手段整合到公司的防欺詐檢測流程中。截至2013年3月，Visa的防欺詐系統已經識別出價值20億美元的欺詐交易 – 在損失發生前防患于未然。在意大利，一個名為Redditometro的系統運用進階分析手段來尋找逃稅者。系統對來自眾多渠道的數據進行分析 – 銀行記錄、信用卡交易、保險支付、統計調研 – 從中確定每個人大致的支出狀況，判斷其納稅申報單的相符程度。
實踐證明，通過分析數據，企業可以預測即將發生的故障并在問題來襲之前采取干預措施。這樣一來，就可以讓“故障診斷”化被動為主動。透過大數據分析，企業可以結合歷史經驗，總結和摸索出故障發生的征兆。這種方法就曾經幫助我們的一家客戶在故障發生前的1-2個小時成功預測到即將出現的事故，為有效采取干預手段提供了寶貴的時間。由此，讓客戶的重大停機時間降低了50%以上。
3. 更快更好的決策
獲得實時的管理數據對決策制定至關重要。 然而，在大多數企業，這類信息往往散落于組織的不同角落，每個部門都按照自己的“理念和規則”開展工作。更糟糕的是，等到這類信息真正應用到決策中時，往往已經“過期失效”。
毫無疑問，企業信息管理（EIM）是大數據最令人看好的應用領域之一。企業信息管理不只是收集和處理運營數據，還包括以清晰、統一、隨時可讀取的方式將數據呈現給整個組織。觀察發現，理想的EIM系統能夠將來自公司內外部各類渠道的單組數據，用各種直觀的圖形元素呈現（如屏幕儀表板）。由此，就可以實時或近似實時的方式，統一呈現企業的運作狀況，讓公司的各個部門都能用“同一種語言”進行溝通，依據相同的事實進行決策。
4. 充分利用不斷變化的行業價值鏈
大數據正在顛覆傳統的價值鏈，行業之間的分界線變得模糊，讓競爭態勢不斷發生變化。企業若是能緊跟這些變化，及時轉型業務模式，就會看到許多扇新的大門正向他們敞開。
以家用恒溫器市場為例：家用恒溫器行業歷來波瀾不驚，競爭企業數量少而穩定性較高。 一家名為Nest的新進企業向業內老牌企業發起了挑戰，推出一款“善于分析”的恒溫器——它能夠運用各種分析手段，了解客戶的偏好和使用模式，而自行做出相應調節。運用以數據為本的創新業務模式，Nest成功喚醒了這片沉寂已久的土地。
5. 打造全新以數據為核心的業務
目前，BCG正與一家大型國際性銀行合作創建一項全新的數據業務，主要是利用銀行在日常經營過程中采集的各類交易信息，如：信用卡活動。這個項目的基本設想是為不同行業的企業提供信息，讓他們結合自身的實際情況，通過分析這些數據，創造出對本企業發展有用的商業價值。不過這只是一個開始。預計在未來幾年，社交媒體信息等來自外部渠道的數據將在這家銀行的經營發展中扮演更重要的角色，豐富銀行的內部數據并進一步強化該行對其數據客戶的價值定位。
企業應該如何起步？
我們建議企業“3個T“入手，即：團隊(Team)、工具(Tool)和測試(Test)。每一項都能幫助企業從小處做起，為之帶來切實的成效，并逐漸對行之有效的舉措加以推廣。
組建適合的團隊。一個高效分析團隊的每個成員都需要具備綜合性的分析能力、熟悉各類高級分析平臺的技術性問題、有清晰的商業頭腦，并能識別實施上的可行性和挑戰。這一系列要求中，團隊成員不一定在每個領域都要達到世界頂級專家的水平，但他們需要在以上幾個方面均有所見長。很多情況下，團隊內部很難做到技術和經驗兼得。在這種情況下，合作不失為一條捷徑，既能為企業彌補不足，還能為企業帶來切實的價值。
部署適合的工具。接下來，企業應該為這些團隊配備適合的工具，助其成功開展工作。例如，為每個成員配備一臺虛擬機以及龐大的存儲空間，這些設施每年的成本大約在1.5萬美元左右。許多行業標準工具的用戶人均成本僅為5,000-15,000美元。同時可以考慮利用外部豐富的資源，例如R語言開源編程環境可以讓企業免費使用。
進行不斷的測試。最后，建議先開展2-3個月的集中試點，如果收效顯著，就進入全面實施階段。在摸索和嘗試中，如果企業選對了方向，就可以總結成功之道，發現自身的能力所在，明確自己需要哪種類型的基礎設施。在此過程中，你也會發現一系列問題，如：組織內部可能存在的抵觸情緒、哪種數據分析最為有效、如何利用大數據來應對哪些其他挑戰。
英國最大的保險公司Aviva就是在上述三個方面表現俱佳的最好實例。Aviva的數據模型總結了駕駛行為與價格的算式，并基于此開發了智能手機應用。Aviva沒有花費重金購買昂貴的系統，而是進行了最小限度的初創投資，雇傭了幾個程序員。這個團隊在5個月內就為客戶呈現出試用版的應用。在接下來的六個月里，這個團隊結合數千個駕駛旅程生成的豐富數據，對這款應用及客戶體驗作了進一步的完善和改良。期間，軟件歷經數度更新，例如容許客戶在Twitter和Facebook上顯示他們的得分。著重分析一個用戶個體，而不是一群同類客戶的駕駛行為，使得保險評級更為精細化?，F在，Aviva可以為好司機提供更優惠和更具吸引力的產品。目前，這一應用程式已有數千次的下載量，并計劃推廣到英國以外的更多市場。
總結
這是一個有關大數據戰略應用的真實故事。企業高管層在想：“太棒了，我們已經組建了優秀的分析團隊、有了最先進的設備和軟件、還有超強的數據倉庫來存放公司所有的信息。就等著團隊帶來捷報，聽一聽全新精彩的客戶觀點！”?？墒牵齻€月后，分析團隊卻報告說，“對不起，我們一無所獲，因為我們分析的數據不足夠”。問題在哪里呢？
原來情況是這樣的：在分析各家分行的盈利情況時，業績較差的分行半警告半抱怨地說“算法不對，你們分析錯誤”，以及分析團隊選擇了回避。別小看這個個案，分析部門與業務部門的這類對峙局面比比皆是。在實施大數據理念方面，僅僅收集所需要的資源還不夠 – 更重要的是在整個組織內建立起默契，讓各部門理解到企業為何花這么多時間精力在這事上。另外，必須建立統一的流程和機制。實際上，導致大部分企業在大數據領域失利的，并不是缺乏數據或技術，而是忽略了軟性層面的問題 – 組織和人的問題。
大數據的終極目標并不僅僅是改變競爭環境，而是徹底扭轉整個競爭環境，帶來新機遇，企業需要應勢而變。路漫漫其修遠，只有耐得住“短痛考驗”的企業，才能在長期的競爭中成為終極贏家。
京公網安備 11010502049343號