擁有優秀大數據能力的企業，做出正確決策的可能性高出競爭對手3倍、決策速度比競爭對手快5倍。
當某在線視頻網站準備推出自制劇的時候，評論家紛紛嘲笑他們把握觀眾品味的能力。很難有誰會想到，該公司通過分析其積累的多年用戶觀影偏好的大數據，來指導制片人、主演選擇和編劇內容并一炮走紅，幫助其在一個季度內獲取數百萬新增用戶，并在接下來的一兩年內里獲得數倍的股價提升。
打造大數據戰略的四大挑戰
我們正在迎來一個數據爆炸的時代：各類設備和互動產生的數據量正以年均大于50%的速度增長，預計在2020年可能會達到44ZB（44萬億GB）。全球企業越來越關注大數據給自己帶來的機會或者沖擊，貝恩公司的大數據行業調研顯示，北美和歐洲400多家大型企業（年營業額高于5億美元）中，大約60%的企業積極在大數據方面進行投資，希望能夠帶來顯著的收益。（見圖1《全球數據的數量、種類和產生速度正在爆發性增長》）
據調查顯示，擁有優秀大數據能力的企業，它的財務表現排在行業前25分位的可能性是競爭對手的2倍、做出正確決策的可能性高出競爭對手3倍、決策速度比競爭對手快5倍。可見，大數據對于企業乃至整個社會的重要性不言而喻。
大數據之所以“大”，在于數量（Volume）、種類（Variety）和產生速度（Velocity）的特征。Volume：數據體量大，許多企業大數據規模可達數百TB、甚至EB級別（1EB=1024PB、1PB=1024TB、1TB=1024GB）。Variety：數據類型多，包括各種格式與形態。Velocity：大量數據每一秒都在產生，對數據實時收集、處理與分析應用的速度要求很高。
無論數據如何變化，它們是“金礦”還是“垃圾”，取決于企業是否了解自身擁有（或能夠獲得）的數據資產，并以此建立清晰的大數據戰略，從而在戰略、運營和一線層面產生價值。無法持續地產生價值的數據是沒有意義的。
基于貝恩公司的大數據行業調研，企業今天在運用大數據時還面臨不少困難。主要包括戰略、人才、數據資產和工具等四大類挑戰。
◎戰略：僅有約23%的企業擁有明確的大數據相關戰略，決定并知道如何將大數據分析有效地應用于企業運營，并建立相應的組織能力、流程和激勵機制來賦能數據分析以支持決策。
◎人才：僅有約36%的企業擁有專門的數據洞察團隊，并擁有同時具備數據科學專業能力和商業敏感度的人才。
◎數據資產：僅有約19%的企業擁有高質量、一致性較好、易于獲取和應用的大數據。
◎工具：僅有38%的企業正在使用先進的大數據工具，如Hadoop、NoSQL、HPCC和自動數據清洗算法等。
建立大數據戰略與能力的關鍵因素
企業如何建立清晰的大數據戰略和關鍵的大數據能力？貝恩根據與全球客戶合作的大數據相關項目經驗，總結出企業建立大數據戰略與能力的6大關鍵因素。
關鍵成功因素1：發現獨有的“數據資產”。
你拖動某部電影視頻滾動條的時候，視頻網站正在分析整體觀眾的偏好數據并指導下一步劇集的劇情走向；當你在店里購物的時候，零售商正在分析整體客流軌跡數據并指導店面的布局和商品的上下架；當工廠每天使用機器設備的時候，廠商正在分析整體設備的使用習慣并指導下一代產品的設計、維修保養的主動性變動以提升效率……這樣的例子非常多。
作為建立大數據能力的基礎，企業應像對待其他重要資產一樣，發現、評估和管理好并不斷擴充數據資產。
首先，應對企業數據資產現狀開展深入評估，明確目前數據資產的來源、類型與數據準備情況，評估數據是否足夠完整、是否與業務發展直接相關；
其次，根據評估結果以及企業經營戰略目標，應明確目前還有哪些數據資產與目標存在顯著差距，彌補差距的優先級是什么；
然后，對所有可進一步獲取的內外部數據資產進行識別與評估，在深入考慮數據質量、重要性與相關度、獲取成本與時間要求等相關因素之后，選擇獲取數據資產的最佳方式，諸如自行采集整理、對外采購數據、與外部合作伙伴進行交換等；
在獲取新的數據資產后，企業還需建立數據治理機制，對數據進行妥善清洗與存儲，確保數據的可用性與一致性，并明確數據授權和更新制度。
關鍵成功因素2：明確數據資產如何“創造價值”。
在評估企業的數據資產后，需確定如何運用其對企業戰略進行支撐與引領。具體而言，大數據可為企業帶來五方面的價值：
優化企業內部運營流程：例如，某飲料公司運用復雜算法分析社交媒體大數據，識別對于重要議題具有影響力的品牌意見領袖，并對其進行針對性的引領，以提升營銷效果；某連鎖零售公司通過分析大量門店銷售數據，尋找產品之間的未知聯系，以提升捆綁銷售。
優化現有產品與服務：例如，某娛樂公司運用電子公園通行證來采集游客在其主題公園中的活動數據信息，以此來優化游客在公園中的體驗；某汽車安全信息系統服務商使用傳感器來收集車輛駕駛數據，以改進其產品的設計、生產與維修流程。
開發新產品新服務：例如，某保險公司使用插入式設備來收集駕駛行為數據、通過分析司機的駕駛習慣對其保險提供相應折扣，以主動保留駕駛行為較安全的客戶；某在線影片租賃提供商通過分析觀影檔案數據來針對性提升用戶觀影體驗，并提供分析結果給影片投資方以優化影片制作內容。
建立新業務模式：例如，某醫療保險公司通過對病人信息數據的預測性分析，向易患病的人群提供預防性關懷服務，以提高服務此類客戶的利潤率；某理財服務公司免費贈送個人財務軟件給用戶，在用戶使用時分析其消費數據，再向其精準推送相關廣告。
獲取生態系統控制力：例如，某企業級軟件公司通過對渠道伙伴的運營數據開展智能化管理與分析，鑒別渠道商的資質與能力，并對業績進行預測和預警；某電子商務公司數據產品團隊基于其電商平臺沉淀的大量交易數據，為平臺上的賣家開發各類大數據產品，幫助它實現數據化運營和增收，提升電商生態系統對賣家的吸引力。
關鍵成功因素3：識別優先應用場景。
對于公司業務部門（營銷、銷售和服務等部門），大數據可以幫助其創造以上五種戰略價值；對于公司職能部門（研發、供應鏈和人力資源等部門），大數據也可以幫助其優化內部運營流程。為識別公司業務與職能部門具體可能的大數據應用場景，可對標業界大數據應用實踐、基于數據資產現狀評估、剖析業務與職能流程中可能進一步采集的數據與應用方式，運用頭腦風暴和內部研討會列出所有可能的大數據應用。需注意的是，大數據應用場景必須契合業務與職能部門的現實需求，切忌閉門造車、脫離實際。
表：各領域常見大數據應用場景示例
在確定可能的大數據應用之后，可通過價值創造與業務成熟度兩個維度對大數據應用進行評估和優先級排序，以按順序推動相關大數據應用的落地實施。對于價值創造維度，可以用創造價值的多少（如提升運營效率、提升投資回報等）作為評估標準；對于業務成熟度維度，可以將所需數據資產的可獲得性以及所需資源投入和大數據能力支撐（如資金、人才和跨部門合作等）等標準用于評估。
圖2：大數據應用優先級評估與排序框架
關鍵成功因素4：數據→分析→洞察→決策支撐的產品化、常態化。
為將大數據高效應用于企業的日常運營，需要不斷將數據分析能力轉化為內部應用產品，并將數據分析工作常態化。對于數據分析產品化，可通過大數據應用戰略規劃、大數據應用場景設計、分析大數據以獲取洞察這一過程的牽引，不斷推動大數據應用產品的設計、開發與應用，最終實現數據分析產品的可持續運營。而對于分析工作常態化，需要持續維護數據分析產品并監測實際使用效果，為業務與職能部門提供數據分析支持，并對其日常使用中的問題及時進行解答。
以某家電公司為例，其借助于收集存儲了上億用戶數據的大數據平臺，建立了需求預測和用戶活躍度等數據模型。以此為基礎，該公司為營銷及銷售人員開發了具有精準營銷功能的應用軟件，可輔助其面向區域、社區和用戶個體開展精準營銷；此外，還為研發人員開發了具有用戶交互功能的應用軟件，可幫助研發人員更全面地了解用戶痛點、受歡迎的產品特征、用戶興趣分布與可參與交互的活躍用戶。這些大數據產品在日常應用中取得了巨大的成效，在系統運營的近一年里，該公司開展了數百場基于數據挖掘和需求預測的精準營銷活動，轉化的銷售額達60億元。
關鍵成功因素5：通過組織、人才與IT，為大數據提供強力保障與支撐。
大數據戰略的落地離不開組織、人才與IT能力的支持，而這些關鍵要素與能力的建設，需要既能貼近業務一線、又能與戰略保持一致。
對于大數據組織運作方式，由于大數據核心分析能力、工具投資等在各業務部門之間協同效應突出，企業（尤其是大型企業）一般采用集中化運營中心模式。同時，與業務決策、應用相關的權利被授予前線部門，以確保數據分析與業務決策的無縫銜接。無論如何設計大數據組織運作模式，核心原則是根據公司自身情況與需要，確保大數據分析能力能夠最有效地支持一線決策。
此外，大數據組織需要多種具備關鍵能力的人才隊伍，來共同支持大數據組織架構的運營。其需要的人才團隊包括大數據應用業務經理團隊、大數據分析團隊、數據資產管理團隊、技術開發與維護團隊以及風險管理團隊等等。
除了組織與人才之外，大數據的落地還需要強大的IT系統架構作為支撐。企業需要建立強大的大數據分析平臺系統，從不同數據源調取并分析數據，拉通數據基礎分析，以統一服務各部門的大數據應用場景。同時，該數據平臺還需具備對跨數據源數據進行統一清洗和存儲，以確保數據可用性與一致性的能力。除此之外，企業可以建立或優化主數據管理系統，為大數據分析平臺以及各業務大數據應用提供統一、便捷的數據聯機交易服務，以支撐企業大數據運營。
關鍵成功因素6：通過大數據隱私和安全管理，消除法律及消費者認知風險。
大數據帶來機遇與價值的同時，也帶來了一定的商業風險，特別是涉及法律（例如某社交網絡平臺由于違反其隱私政策，遭到美國貿易委員會起訴）與消費者認知的風險（例如某互聯網公司街景項目由于拍攝的很多照片涉及當地居民隱私，遭到后者大規模抗議）。為此，可按數據類型及從數據收集到分析使用各環節來識別不同類型、地域的法規與認知風險，并予以及時應對。
以隱私風險程度較高的數據收集環節為例：對于個人可識別數據（如身份號等），由于法律規定最高級別保護，故若無明確用途不建議采集；對于敏感數據（如交易和信用信息等），數據采集需明確告知用戶并獲得其同意；對于非敏感數據（如產品數據等）可按需采集。
此外，企業應建立統一的國際政策法規團隊，通過基于全球標準的數據流程來管理數據隱私，并在此基礎上根據各國不同法規進行合法的數據隱私本土化管理。同時，還可通過主動披露客戶隱私政策以獲取數據使用分析授權、向用戶提供自身隱私信息控制與刪除權限或將個人隱私數據整合為群體匿名數據進行分析以及獲取第三方隱私風險管理認證等方式，來降低用戶的擔憂。
企業在建立大數據能力過程中，需要專業公司的幫助和支持。貝恩公司的完整大數據方法論可助力企業建立制勝的大數據戰略和能力。
圖3：貝恩可提供的大數據戰略制定、能力建設及決策支持與分析外包服務
大數據的快速發展對于企業既是挑戰，更是機會。企業必須及時抓住大數據帶來的戰略機遇，制定明確的大數據戰略、建立強大的大數據決策支持體系與各方面能力，以充分挖掘大數據時代蘊含的巨大商業價值。
大數據的六種典型應用
1、個性化營銷
《一對一的未來》一書的作者羅杰斯和派柏斯在該書中曾這樣表示，“我們正經歷從工業時代到信息時代史詩般宏偉的轉型。我們也隨之目睹了大眾營業員銷的衰亡，一對一營銷的興起。”事實上，在這場營銷革.命的背后，大數據的應用恰恰是始作俑者。這也是大數據在當前商業方面最典型的一項應用。可以說，由數據驅動的個性化營銷正成為任何企業不容回避的重要趨勢。
伴隨信息過載與消費者異質化，一方面是海量數據和海量信息導致用戶信息饑餓感，用戶對非關聯信息的容忍度與日俱減。同時，用戶興趣數據與日俱增，但用戶甄別信息能力占比與日俱減，消費者呈現長尾化趨勢，這一切，導致了個性化成為大數據的應用方向。
由此個性化的技術被關注和應用，并進而推動企業在生產領域由單純追求成本最優的規模化生產向客戶化定制方向轉變。同時，個性化推薦、移動跨屏推薦成為典型應用。而這些應用的背后，是計算機學、統計學、營銷學的集成。
2、對客戶價值的識別和挖掘
按照科特勒在1995年對客戶終身價值的定義，客戶終身價值是“從一個客戶身上所得到的其生命周期中全部銷售額減少公司用來獲取該客戶和銷售與服務于該客戶所花費的總成本的凈值。”就是公司將從該客戶身上所得到的未來所有現金流的凈現值。
這意味著，以數據為支撐的客戶終身價值的評價和分析將有助于公司建立市場細分的策略，確認哪一類客戶才是值得花費成本來建立客戶關系的，并最終找到自己真正的目標客戶群。同時，它將幫助企業更好地推進客戶關系管理，比如通過數據的挖掘和分析，可以知道究竟百分之多少的銷售額分別來自于現有客戶和新客戶。當然，它還會影響到企業的定價行為，比如降價可以迅速提升老客戶保留比率和新客戶獲取比率，但同時也會降低利潤率。漲價將提高利潤率，但同時也會降低老客戶保留比率和新客戶獲取比率，這意味著企業需要用數據支持決策，最終獲得一個最優化的平衡。
3、客戶流失預警
在用戶即資產的時代，客戶流失預警對企業的戰略制定有著重要意義，流失的是否是目標客戶，這些客戶流失是否代表進攻者的強勢進攻，還是自然選擇的一個過程，哪一類型的客戶，或者滿足哪些條件的用戶更容易流失，而滿足哪些條件的用戶則不易流失等等，通過不同的算法，可以發現最終客戶流失的特殊及其原因，最終幫助企業決定是否需要挽留這些用戶。
4、數據驅動的精準廣告
值得注意的是，在大數據時代，營銷理論正在經歷重要演變，在歷史上，包括產品、價格、渠道、促銷在內的4P理論，由于科特勒的創新變為了6P，加上了權力和公共關系。1990年，美國營銷專家羅伯特·勞特朋教授提出了4G理論，以消費者需求為導向，重新設定了市場營銷組合的四個基本要素，即消費者、成本、便利和溝通。但是大數據出現，尤其是由因果關系向相關關系的轉變，4R理論正變得越來越適時，即關聯、反應、關系和回報。
營銷理論的變遷背后，恰恰是數據驅動的精準廣告時代的來臨，它要求廣告主在投放廣告前要識別目標消費者，在投放中要實現精準定位，投放后要用一系列的數據工具進行廣告效果監控。
5、企業商業決策
如前所述，企業的諸多重要的商業決策已經變得與數據密不可分，在很多企業里，用數據說話，拿數據指路已經成為企業運營過程的必備準則。同樣以蘇寧為例子，其數據部門需要為業務部門提供多重服務。首先就是報表服務，即通過Adhoc的技術，為運營部門提供實時的、豐富的、準確的數據支持，幫助所有的運營部門拿數據說話的問題。比如說你今天做一個活動，你需要直接把流量的數據拿出來。其次，就是引擎服務，引擎的意思就是說，它能夠應用大數據的技術去驅動前臺的業務，它與報表報務的差別在于它已經直接嵌入到企業的生產經營活動中，出來的數據會直接影響到企業的整個業務。
6、庫存管理和物流配送
對于很多電商公司，或者是O2O公司來說，庫存管理和物流配送正成為企業重要的競爭力，它不僅直接關系到企業的成本、利潤，同時還直接關系到用戶體驗。由此，通過數據的分析和挖掘，可以精準測算出不同品類不同規格段商品的庫存水平，同時獲取物流配送的時間效率、最佳用戶體驗與物流整體配送效益的平衡。
作者簡介：
陸原，貝恩公司全球合伙人，中國區高科技業務主席。
申文燮（Moonsup Shin），貝恩公司全球合伙人、大數據及TMT業務領導人之一。
貝恩公司的包銘鋒和岳野亦對本文有貢獻。
京公網安備 11010502049343號