如今的商業世界，已經變成了飄浮在數據海洋上的巨輪。在這樣一個時代，任何人都必須用數據來說話。而那些通過數據能力駛入藍海的企業，將會贏得豐厚的回報——
我們的未來能否被預測？
在澳大利亞被發現之前，生活在十七世紀歐洲的人們都相信一件事：所有的天鵝都是白色的。因為當時所能見到的天鵝的確都是白色的，所以根據經驗，那簡直就是一個真理，至少可以算是一個公理吧。那么，見到黑色天鵝的概率是多少呢？根本無法計算，也沒有人想過要計算。直到1697年，探險家在澳大利亞發現了黑天鵝，人們才知道以前的結論是片面的。
這證明了我們的認知是多么局限：雖然你是在觀察了幾百萬只天鵝之后才得出了“所有的天鵝都是白色的”結論，但只需要另一個發現就能將它徹底推翻——2007年，全球最具影響力的商業思想家塔勒布用一本《黑天鵝》幾乎讓世人絕望：我們總是以為自己知道得很多，能夠預測未來，但一次極端事件，就足以影響整個歷史的走勢。
我們的未來真的不可能被預測嗎？
每一天，我們的電子郵件都保存在電郵供應商的日志文件中;我們的通話記錄都被加上時間標記備份在電話公司的大容量硬盤上;我們何時何地買了什么東西，我們的喜好、品味以及支付能力都被信用卡提供商編目歸檔;我們的所有個人網頁、空間、微博、即時通訊文件，還有博客信息，都被保存在多個服務器上;我們的即時行蹤完全被手機供應商掌握;我們的容貌和穿著打扮都被安裝在各大商場和街角的攝像頭捕捉并記錄……
我們通常不太在意，但我們的生活完全能被這些如雨后春筍般出現的數據庫所記錄的信息串聯起來。馬克·吐溫曾說，歷史不會重演，卻自有其韻律。雖然萬事皆顯出自發偶然之態，但實際上，它遠比你想象中的容易預測。
進而，全球復雜網絡權威巴拉巴西通過研究大膽地認為，93%的人類行為是可以預測的。
這是另一種顛覆性的結論。用巴拉巴西的話來說，當我們將生活數字化、公式化以及模型化的時候，我們會發現其實大家都非常相似。生活如此抵觸隨機運動，渴望朝更安全、更規則的方向發展。人類行為看上去很隨意、很偶然，卻極其容易被預測。
如果真有93%的人類行為可以被預測，這還意味著，我們的商業行為同樣可以進入可掌控的范圍——而這，就是企業數據里的秘密。
綜述：大數據時代的商業規則
胡適說中國人習慣于“差不多先生”，凡事馬馬虎虎、不求精確。歷史學家黃仁宇先生則認為，中國不懂得用數字來管理國家。而現代化社會最明顯的標志就是，它能夠將整個社會用數字管理。
事實上，如今的商業世界，已經變成了飄浮在數據海洋上的巨輪。在這樣一個時代，任何人都必須用數據來說話。而那些通過數據能力駛入藍海的企業，將會贏得豐厚的回報。
數據井噴
5月18日，臉譜網(Facebook)在美IPO上市。在所有交易完成之前，幾乎沒有人敢說自己有把握去預測它上市當天股價的走勢，但一家社交媒體監測平臺卻奇跡般地做到了。
這家監測平臺監測了臉譜IPO當天推特(Twitter)上的情感傾向與臉譜股價波動的關聯。例如，在開盤前推特上的情感逐漸轉向負面，25分鐘之后，臉譜的股價便開始下跌;而當推特上的情感轉向正面時，其股價在8分鐘之后也開始了回彈;當股市接近收盤時，推特上的情感轉向負面，10分鐘后股價又開始下跌。
最終的結論是，推特上每一次情感傾向的轉向都會影響臉譜網股價的波動，延遲情況只有幾分鐘到20多分鐘。
這僅僅只是基于社交網絡產生的大數據進行“預見未來”的眾多案例之一，事實上“大數據”所能帶來的巨大商業價值，已經被人認為將引領一場足以匹敵20世紀計算機革命的巨大變革。
由古至今，從未有一個時代出現過如此大規模的數據爆炸。2010年，全球企業一年新存儲的數據就超過了7000拍字節，全球消費者新存儲的數據約為6000拍字節，這相當于十多萬個美國國會圖書館的藏書量。
而在2006年，全世界的電子數據存儲量還僅為18萬拍字節，如今這個數字已經達到180萬拍字節，短短五六年間就已經增長了一個數量級。根據預測，2015年這個數字甚至會達到天文數字般的800萬拍字節。
就在此時此刻，海量數據正在源源不斷地產生。每一天，無數的數據被搜集，從不停息。“過去3年里產生的數據量，比以往4萬年的總和還要多，大數據時代的來臨已經毋庸置疑。我們即將面臨一場變革，新興大數據將成為企業發展的當務之急，而常規技術已經難以應對拍字節級的大規模數據量。這一變化所帶來的挑戰，是成功的企業在未來發展過程中必須要面對的。只有那些能夠運用這些新數據形態的企業，方能打造可持續的重要競爭優勢。”美國奧巴馬總統委員會的科學技術顧問、天睿(Teradata)公司首席技術官斯蒂芬如此總結。
數據生產力
什么樣的男人更容易找到老婆？
百合網研究規劃部李琦曾經對百合網上海量注冊用戶的頭像信息進行分析，發現那些受歡迎頭像照片不僅與照片主人的長相有關，同時照片上人物的表情、臉部比例、清晰度等因素也在很大程度上決定了照片主人受歡迎的程度。而那些臉部比例占照片1/2、穿著正式、眼神直視沒有多余姿勢的男性，更容易成為婚戀網站上的寵兒。
作為一家婚戀網站，百合網不僅需要經常做一些研究報告，分析注冊用戶的年齡、地域、學歷、經濟收入等數據，即便是每名注冊用戶小小的頭像照片，背后也大有挖掘的價值。
讓我們再放眼世界，全球市值最大的連鎖餐飲企業麥當勞[微博]、零售業中的巨無霸沃爾瑪、在線零售巨頭亞馬遜[微博]，這個時代最炙手可熱的三家企業，如果說它們之間存在著什么相關性的話，會是什么呢？沒錯，數據。
麥當勞的強大在于它賣的不僅僅是漢堡，而是在從事一個精準選址，對數據深入挖掘的“房地產生意”。而另一家早已認識到數據對創造優勢的重要性，而且每年因此獲得了超過預期的增長公司，則是亞馬遜。它能夠利用獨有的客戶交易數據推動定制化產品的銷售和定價決策，而且其產品線的廣度前所未有。這就是亞馬遜一直以來能與無數零售商和電子零售商展開激烈競爭的關鍵優勢所在。
沃爾瑪更是最早通過利用大數據而受益的企業之一。其一度擁有世界上最大的數據倉庫系統，通過對消費者的購物行為等數據進行分析，沃爾瑪成為最了解顧客購物習慣的零售商，并創造了“啤酒與尿布”的經典商業案例。2007年，沃爾瑪建立了一個超大的數據中心，其存儲能力高達4拍字節以上。《經濟學人》在2010年的一篇報道中指出，沃爾瑪的數據量已經是美國國會圖書館的167倍。
而早在1969年，沃爾瑪就開始使用計算機來跟蹤存貨，1974年就將其分銷中心與各家商場運用計算機進行庫存控制。1983年，沃爾瑪所有門店都開始采用條形碼掃描系統。1987年，沃爾瑪完成了公司內部的衛星系統安裝，該系統使得總部、分銷中心和各個商場之間可以實現實時、雙向的數據和聲音傳輸。
采用這些在當時還是小眾和超前的信息技術來搜集運營數據，為沃爾瑪最近20年的崛起打下了堅實的地基。如今，在沃爾瑪全世界最大的數據倉庫中存儲著數千家連鎖店在65周內每一筆銷售的詳細記錄，這使得業務人員可以通過分析購買行為更加了解他們的客戶。
實際上，各個行業都出現了以數據分析為競爭形式的企業。這些企業當中，既有網絡時代的新秀，如谷歌[微博]，也有經營了百年的品牌，如寶潔。它們都在數據分析的基礎上與其他企業展開競爭，同時又都是行業中的佼佼者。這兩個特點是相互聯系的，也就是說，正是因為這些公司大規模地采用了數據分析的方法，它們才成為行業中的領先者。
開啟新商業時代的鑰匙
數據已經如一股“洪流”注入了世界經濟，成為全球各個經濟領域的重要組成部分。麥肯錫公司預計，數據將與企業的固定資產和人力資源一樣，成為生產過程中的基本要素。而在今年年初的瑞士達沃斯論壇上，一份題為《大數據，大影響》的報告同樣認為，數據已經成為一種新的經濟資產類別，就像貨幣或黃金一樣。
這是大數據時代的獨特現象。和其他的生產要素相比，數據無疑又具備更獨特的特點。例如，工業生產過程中的原材料，一般都有排他性，但數據很容易實現共享，而且使用的人越多，其價值越大;數據也不像機器、廠房，會隨著使用次數的增多而貶值，相反，重復使用反而可能使它增值。此外，此數據和彼數據如果能有機地結合到一起，可能就會產生新的信息和知識，并且實現大幅增值。
麥肯錫的報告繼而指出：“已經有越來越多令人信服的證據表明：大數據將成為競爭的關鍵性基礎，并成為下一波生產率提高、創新和為消費者創造價值的支柱。”
顯然，數據的重要性已經提升到競爭性要素的高度。眾所周知，信息時代的競爭，不是勞動生產率的競爭，而是知識生產率的競爭。數據是信息的載體，是知識的源泉，當然也就可以創造價值和利潤。
可以預見，基于知識的競爭，將集中表現為基于數據的競爭。而這種數據競爭，將成為經濟發展的必然。
美國信息經濟領域的著名教授托馬斯·達文波特認為，隨著全球競爭的不斷深化，企業的地理優勢也將淡化，各種國家和地區性的保護措施也將逐步取消，一項專利很快會被模仿、復制、推廣，創新將越來越艱難。但在除去這些要素之外，還有一點可以構成企業競爭的基礎，那就是以“低成本、高效率”的方式來開展公司的業務。這種競爭，要求公司制定流線型的商業過程，各個過程之間必須無縫隙、無摩擦地對接，并保證每一個商業決策明智、正確，在競爭的過程中不犯錯誤。
而要做到這些，企業必須廣泛推行以事實為基礎的決策方法，大量使用數據分析來優化企業的各個運營環節，通過基于數據的優化和對接，把業務流程和覺得過程當中存在的每一分潛在的價值都擠出來，從而節約成本，戰勝對手，在市場上幸存。
達文波特認為，能夠始終保證自己以“數據最優”的方式運營的公司，將會在競爭中堅持到最后。因為，粗放型經營的公司最終將因“高成本”而自動出局。
事實上，這種以數據分析為競爭能力的公司都是各自領域的領袖，他們都把自己的成功歸功于對數據分析的嫻熟應用。全球性的競爭正在變得更加激烈，這加劇了這種需要。而在西方發達國家的公司看來，和中國、印度的競爭對手相比，他們無法在產品成本方面獲得優勢，但其最大優勢就是能在商業過程的優化方面不戰而勝。
案例：會員數據分析
顧客的消費習慣與需求，向來是零售商最重視的信息。如果你比競爭對手更早更準確地捕捉到這些信息，就可能占得先機。
塔吉特：比父親更早知道女兒懷孕
曾經有一位男性顧客到一家塔吉特店中投訴，商店竟然給他還在讀書的女兒寄嬰兒用品的優惠券。這家全美第二大零售商，會搞出如此大的烏龍？但經過這位父親與女兒進一步溝通，才發現自己女兒真的已經懷孕了。
一家零售商是如何比一位女孩的親生父親更早得知其懷孕消息的呢？每位顧客初次到塔吉特刷卡消費時，都會獲得一組顧客識別編號，內含顧客姓名、信用卡卡號及電子郵件等個人資料。日后凡是顧客在塔吉特消費，計算機系統就會自動記錄消費內容、時間等信息。再加上從其他管道取得的統計資料，塔吉特便能形成一個龐大數據庫，運用于分析顧客喜好與需求。
塔吉特的統計師們通過對孕婦的消費習慣進行一次次的測試和數據分析，得出了一些非常有用的結論：孕婦在懷孕頭三個月過后會購買大量無味的潤膚露;有時在頭20周，孕婦會補充如鈣、鎂、鋅等營養素;許多顧客都會購買肥皂和棉球，但當有女性除了購買洗手液和毛巾以外，還突然開始大量采購無味肥皂和特大包裝的棉球時，說明她們的預產期要來了。
在塔吉特的數據庫資料里，統計師們根據顧客內在需求數據，精準地選出其中的25種商品，對這25種商品進行同步分析，基本上可以判斷出哪些顧客是孕婦，甚至還可以進一步估算出她們的預產期，在最恰當的時候給她們寄去最符合她們需要的優惠券，滿足她們最實際的需求。依靠分析消費者數據，塔吉特的年營收從2002年的440億美元擴大到2010年的670億美元。這家成立于1961年的零售商能有今天的成功，數據分析功不可沒。
類似案例
特易購優惠券的秘密
發放優惠券吸引顧客其實已經是很老套的做法了，而且許多的促銷活動實際只是來掠奪公司未來的銷售額。然而，依賴于扎實的數據分析來定向發放優惠券的特易購，卻可以維持每年超過1億英鎊的銷售額增長。
特易購同樣有會員數據庫，通過已有的數據，就能找到那些對價格敏感的客戶，然后在公司可以接受的最低成本水平上，為這類顧客傾向購買的商品確定一個最低價。這樣的好處一是吸引了這部分顧客，二是不必在其他商品上浪費錢降價促銷。
特易購每季會為顧客量身定做6張優惠券。其中4張是客戶經常購買的貨品，而另外2張優惠的內容，雖然該客戶從來沒有買過，則是根據該客戶以往的消費行為數據分析，極有可能在未來會購買的產品。僅在1999年，特易購就送出了145000份面向不同的細分客戶群的購物指南雜志和優惠券組合。
依靠數據分析，特易購通過這樣有目標的降價，從競爭對手那里吸引來更多的顧客。更妙的是，這樣的低價無損公司整體的盈利水平。通過追蹤這些短期優惠券的回籠率，了解到客戶在所有門店的消費情況，特易購還可以精確地計算出投資回報。
潘多拉的數據魔方
美國一家名為潘多拉(Pandora)的在線音樂網站，就特別聘請一些音樂專家，讓他們每個人平均花上20分鐘去分析一首歌曲，并賦予每首歌400種不同的屬性。如果你表示喜歡一首歌，程序會自動尋找跟這首歌“基因”相同的歌曲，猜測你也會喜歡并推薦給你。借助這種人海戰術，潘多拉網站已經分析了74萬首歌曲。2011年6月15日，這家采用推薦引擎技術的網站登陸美國紐約交易所上市。
案例：商業中情局
不是所有的公司都有實力和足夠的時間自己搭建運行一套數據庫用以分析顧客消費行為和需求，為這些公司提供此項服務的數據分析商便找到了空間。
Acxiom：比谷歌更無所不知
比FBI更無孔不入，比Google更無所不知，比Facebook更無處不在……Acxiom就是這樣一個鮮為人知而又舉足輕重的存在。其主要業務是“基于數據的市場營銷”，幫助企業精準定位它的潛在客戶，將服務和產品賣給有需求的客戶。上一個財年，它的利潤達到7726 萬美元，銷售額達到11.3億美元。
在2010 年的投資者演講大會中，Acxiom虛構了一個名為 ScottHughes 的角色，以演示在大量數據的幫助下精準營銷的力量。在演示期間，Hughes登陸了 Facebook 賬號，看到他的朋友剛剛成為電子設備商店Bryce的粉絲。Hunghes也點進了Bryce瀏覽其中的商品，打算購買噴墨打印機。這個行為被Acxiom捕捉到，它會識別消費者的身份，記憶他們的選擇，分辨他們的行為，通過合適的市場營銷來影響他們。
當Hughes再回到Bryce，Acxiom就會通過他在 Facebook 上的活動記錄，向他推薦一款符合他要求的打印機。不過，他注冊了網站，但還是沒有買打印機。然后，Acxiom通過網絡來追蹤 Hughes的去向。
第二天，當Hughes打開 ESPN.com 查看體育新聞，“啪”又出現一個打印機的廣告。到了傍晚，他回到Bryce的網站，然后網站顯示他擁有了10美元返現——這不是隨便顯示的消息。Acxiom 將收集到的和 Hughes 有關的數據進行了分析處理。Hughes被判定為屬于那群喜歡移動設備，屬于中產階級，常用手機轉賬，會參加專業運動聚會，對價格敏感的那群人。于是Acxiom給 Hughs了10美元折扣，成功出售了打印機。
目前，Acxiom 已經擁有美國 1.9 億人，以及 1.26 億個家庭的數據資料。同時，財富100 強的公司中，有 47個是它的客戶。更厲害的是，“9·11”事件過后，它還因協助美國政府提供了19個劫機者中11個人的資料而名聲大振。
類似案例
Splunk
今年4月，成立于 2003 年的數據軟件公司
Splunk 在納斯達克[微博]以 16 億美元的市值上市，給大數據行業打了一針興奮劑。Splunk 提供的軟件產品可以用于監控、分析實時及歷史的機器數據，同時為這些海量數據建立索引，將其整理成可以搜索的鏈接。客戶企業的 IT管理員再也不用在錯誤發生時逐個排查糾錯了。還有游戲公司使用他們的軟件監測游戲功能，確定玩家卡在什么地方，然后游戲公司就可以即時調整游戲，以挽留玩家。
從創立至今，Splunk 的客戶數量已接近 4000 家，遍布全球75個國家，其中一半以上為《財富》100強公司。
潘吉瓦
《商界》曾于2010年10期報道過的潘吉瓦公司，同樣是用數據分析來撬動全球貿易。比如，他們通過41次追蹤《暮光之城》的徽章、襪子的運輸情況，分析在這部電影中主角的服飾對流行趨勢有多大影響率，并將分析結果告知用戶，建議他們對自己的行動作出恰當的調整。
第5頁：用數據構建不一樣的大悅城
案例：讓營銷嗨起來
依托數據分析，營銷有了不一樣的玩法。
用數據構建不一樣的大悅城
北京朝陽大悅城2011年銷售額突破10億元。對于地處非核心商圈的大悅城來說，這是一個不錯的首年成績。朝陽大悅城組建了一個數據團隊，實驗是以數據為驅動打造一個全新購物中心。
數據部員工招聘中，考試題目是“分析米蘭時裝周流行趨勢”。而最有特色的回答則是，某技術宅男編了一個關鍵字搜索器，對所有網上搜到的時裝周圖片說明進行關鍵字抓取，然后排序……最后將一份圖文并茂、數據說話的流行趨勢報告擺在了主考官的桌上，最后成功入選。
這個數據團隊干了些什么事呢？
在大悅城的某處有一個柱子，數據團隊在分析客流量的時候發現，很多消費者走到這兒后只是左右平行的移動，直接錯過了柱子后面的商鋪。于是大悅城在柱子的位置弄了個洞，消費者覺得這兒有一個有意思的洞，就進去看看，從而引導了消費。
團隊還對電梯進行了調整。朝陽大悅城有12層，整個項目里面各種電梯有上百部，怎樣利用電梯把客流輸送到重點商鋪，去提升整個項目的銷售是個問題。數據團隊取消了在南部和北部的兩部電梯，以免破壞整個顧客流動線，對租金測算以后，再把這兩邊進行出租， 400平方米，多了兩家商鋪的租金收入。
日常的數據分析是每天的功課。對朝陽大悅城來說，車流的變化對銷售有非常重要的意義，車流增長快就說明今天客流量的增長會比較快，銷售也會聯動上漲;再比如今天是大風天氣，根據經驗，銷售可能會下降2%，而且集中在零售業態。那么，大悅城會馬上組織“限時搶購”之類的針對性的營銷策略。
去年的一天，朝陽大悅城的銷售和客流突然出現了一個小的峰值，經過種種數據測算和比對，在排除節假日、推廣促銷等因素后，造成銷售額增長的答案竟然是當天是“世紀對稱節”——2011年11月02日。
這個成熟人士不屑一顧的“腦殘”節日，卻受到了年輕人的熱烈追捧。受“對稱節”銷售小高潮的啟發，大悅城已經在為今年的各種稀奇古怪的節日提前做促銷和推廣的準備，比如對號稱今年最值得期待的“金星凌日”天象，大悅城就推出了相關的天文主題活動。如果不是通過數據分析，很難猜測到銷售額產生異動的真正原因，推廣部門也會錯失一系列的活動主題。
數據和推廣最漂亮的一次配合，是2011年的圣誕平安夜。
根據2010年的歷史數據，數據團隊推算出2011年圣誕平安夜的當天銷售額應該在800萬元。而上午的10點～12點、下午2點～4點是客流的低谷期，如果能提高這兩個時段的客流和銷售額，將會對全天的銷售額起到帶動效果。
這兩個時段主要是家長帶孩子來逛，所以推廣部門向家長們推送“買1000返100”的最大幅度優惠。到了晚上9點到12點，平安夜的重頭戲浪漫情侶檔上演，這時候推送的信息變成時尚品牌折上折的“瘋狂三小時”。由于針對全天的不同時段進行差異化營銷，2011年的平安夜，朝陽大悅城的銷售額超過1000萬元人民幣，遠遠超過同行業的增長率。
類似案例
“新”公司耐克：
耐克近期最引人注目的事件是憑借一種名為Nike+的新產品變身為大數據營銷的創新公司。所謂Nike+，是一種以“Nike跑鞋或腕帶+傳感器”的產品，只要運動者穿著Nike+的跑鞋運動，iPod就可以存儲并顯示運動日期，時間、距離、熱量消耗值等數據。用戶上傳數據到耐克社區，就能和同好分享討論。
耐克和Facebook達成協議，用戶上傳的跑步狀態會實時更新到賬戶里，朋友可以評論并點擊一個“鼓掌”按鈕——神奇的是，這樣你在跑步的時候便能夠在音樂中聽到朋友們的鼓掌聲。隨著跑步者不斷上傳自己的跑步路線，
耐克由此掌握了主要城市里最佳跑步路線的數據庫。
有了Nike+，耐克組織的城市跑步活動效果更好。參賽者在規定時間內將自己的跑步數據上傳，看哪個城市累積的距離長。倫敦那次活動的參與者在15天的活動中發起的跑步總距離相當于繞地球半圈：1.25萬英里(相當于2.02萬公里)。
憑借運動者上傳的數據，耐克公司已經成功建立了全球最大的運動網上社區，超過500萬活躍的用戶，每天不停地上傳數據，耐克借此與消費者建立前所未有的牢固關系。海量的數據同時對于耐克了解用戶習慣、改進產品、精準投放和精準營銷又起到了不可替代的作用。因為顧客跑步停下來休息時交流的就是裝備，“什么追蹤得更準，又出了什么更炫的鞋子。”Nike+甚至讓耐克掌握了跑步者最喜歡聽的歌是哪些。
分析師稱，Nike+的會員數在2011年增加了55%。而耐克公司的跑步業務營收增長了30%，達到28億美元，Nike+功不可沒。
用數據為消費者360度畫像的寶潔：
2011年，寶潔與百度[微博]雙方開放了各自優勢資源，著眼于深度研究用戶行為大數據，包括市場研究、商業合作探索和大事件、品牌合作三個部分。百度基于真實的用戶行為數據和多維度研究工具，幫助寶潔進行“品牌探針”、“消費者畫像”
等分析，找到其地域分布、興趣愛好、媒體接觸點等背后隱藏的信息。
以寶潔旗下重點品牌“玉蘭油”為例，百度在幫助其進行受眾分析時發現，很多消費者對玉蘭油產品的年齡定位比較模糊，不同地域對品牌的關注點、興趣點也有明顯不同。據此，寶潔適時地調整了營銷策略，還順勢專門推出了一款針對25歲人群的細分產品，不出所料，這款產品迅速進入熱銷階段，并且大受好評。
案例：生活類應用的數據商機
做數據生意不是只有大公司才需要，或是才玩得轉。在日常生活的方方面面，其實都有數據商機。
為天氣買份保險
遇到過出門旅游、重要戶外路演、舉辦婚禮等重要時刻卻被糟糕的天氣弄壞心情甚至造成經濟損失的情況嗎？全球第一家氣象保險公司“天氣賬單”能為用戶提供各類氣候擔保。
具體做法是，客戶登錄“天氣賬單”公司網站，然后給出在某個特定時間段里不希望遇到的溫度或雨量范圍。“天氣賬單”網站會在100毫秒內查詢出客戶指定地區的天氣預報，以及美國國家氣象局記載的該地區以往30 年的天氣數據。通過計算分析天氣數據，網站會以承保人的身份給出保單的價格。這項服務不僅個人用戶需要，一些公司，比如旅行社，也很樂意參與。
類似案例
堵車預言家
交通流量數據公司Inrix最近又獲得了3700萬美元的投資。依靠分析歷史和實時路況數據，公司能給出及時的路況報告，以幫助司機避開正在堵車的路段，并且幫他們提前規劃好行程。汽車制造商，移動應用開發者，運輸企業以及各類互聯網企業都需要Inrix的路況報告。比如奧迪、福特、日產、微軟[微博]等巨頭都是Inrix的客戶。
跳槽之前找到你
真正的技術人才永遠是各大公司的搶手貨。絕對不要坐等他們向你投簡歷，因為在他們還沒有機會寫簡歷之前很可能已經被其他公司搶走了。在去年7月創立的Entelo公司能替企業家們推薦那些才剛剛萌發跳槽動機的高級技術人才，以便先下手為強。
Entelo的數據庫里目前有3億份簡歷。而如何判斷高級人才的跳槽傾向，Entelo有一套正在申請專利的算法。這套算法有70多個指標用于判定跳槽傾向。某公司的股價下跌、高層大換血、剛被另一大公司收購，這些都會被Entelo看作是導致該公司人才跳槽的可能性因素。于是Entelo就會立刻把該公司里的高級人才的信息推送給訂閱了自己服務的企業家們。
不僅如此，企業家們收到的簡歷跟一般的簡歷還不一樣。Entelo抓取了這些人才在各大社交網絡的信息。這樣企業家們可以了解該人提交過哪些代碼，在網上都回答了些什么樣的問題，在Twitter上都發表的是些什么樣的信息。總之，這些準備“挖角”的企業家能夠看到一個活生生的目標人才站在面前。
數字馴水師
水向來是個不好管理的東西：自來水公司發現某個水壓計出現問題，可能需要花上很長的時間排查共用一個水壓計的若干水管。等找到的時侯，大量水就這么被浪費了。
以色列一家名為Takadu的水系統預警服務公司解決了這個問題。Takadu把埋在地下的自來水管道水壓計、用水量和天氣等檢測數據搜集起來，通過亞馬遜的云服務器傳回Takadu公司的電腦進行算法分析，如果發現城市某處地下自來水管道出現爆水管、滲水以及水壓不足等異常狀況，就會用大約10分鐘完成分析生成一份報告，發回給這片自來水管道的維修部門。報告中，除了提供異常狀況類型以及水管的損壞狀況——每秒漏出多少立方米的水，還能相對精確地標出問題水管具體在哪里。檢測每千米“水路”Takadu的月收費是1萬美元。
醫生導師
以色列的另一家公司Given Imaging發明了一種膠囊，內置攝像頭，患者服用后膠囊能以大約每秒14張照片的頻率拍攝消化道內的情況，并同時傳回外置的圖像接收器，患者病征通過配套的軟件被錄入數據庫。最后，在4小時至6小時內膠囊相機將通過人體排泄離開體外。
一般來說，醫生都是在靠自己的個人經驗進行病征判斷，難免會對一些疑似陰影拿捏不準甚至延誤病人治療。現在通過Given Imaging的數據庫，當醫生發現一個可疑的腫瘤時，雙擊當前圖像后，過去其他醫生拍攝過的類似圖像和他們的診斷結果都會悉數被提取出來。可以說，一個病人的問題不再是一個醫生在看，而是成千上萬個醫生在同時給出意見，并由來自大量其他病人的圖像給出佐證。這樣的數據對比，不但提高了醫生診斷的效率，還提升了準確度。
案例：生產性部門中的數據創新應用
大數據分析不僅限于以客戶為對象的營銷領域，更能被應用于生產性部門的改革上面。
做數據化的柑橘
日本農林水產業在信息技術戰略性應用領域一直步伐緩慢，而如今也已經開始應用大數據分析。如果通過應用信息技術，生產出香甜度更優良的農產品(5.01，0.00，0.00%)，就可以提高產品競爭力，還可以向經濟增長迅猛的新興市場出口產品和進行技術指導，農林水產業的發展前景就會更加廣闊。
位于和歌山縣有田市的農業生產法人“早和果樹園”在果園內配備了傳感器，用以收集氣溫、氣壓、降雨量和光照量等20種數據。這一舉措的目的，是擴大該縣特產柑橘“味一柑橘”的產量。味一柑橘的含糖量在12度以上，去年收獲季節的供貨價格相比普通品種高了6成。早和果樹園為提高在總生產量中味一柑橘所占的比重，引進了信息技術。主管生產的董事松本將輝充滿期待地表示，“希望這成為重新看待依靠多年農業經驗和感覺來進行柑橘栽培的良好契機”。
例如，吸收水分較少的柑橘的含糖量會更高。在柑橘培育過程中，通過傳感器來收集土壤含水量的信息，在收獲之后，分析柑橘含糖量與土壤含水量的關聯性。此外，再給每棵果樹編出號碼，果園員工在巡回檢查時，通過智能手機拍下害蟲等的照片，然后再加以保存。如果能夠得出柑橘培育、水分吸收量、降雨量以及害蟲發生量等等眾多數據之間的相關性，就可以根據這些數據來確定第二年農業生產的日程安排，其中包括何時開始鋪上抑制水分吸收的薄膜。
類似案例
運用大數據集中管理魚類信息
作為日本國內著名漁港，北海道釧路港也將這用大數據分析以推進流通環節改革。通過這項計劃，可以集中管理配送時的溫度、庫存以及接發訂單等數據。與此同時，漁業捕撈業者、流通業者、餐飲店以及消費者都可以確認相關信息，以進行流通環節追溯(生產記錄管理)。此外，這項計劃還將收集微博、推特、臉譜網上的客戶發言、反饋到呼叫中心的消費者心聲以及客戶購買記錄等信息，在此基礎上，結合有關運輸管理和消費者偏好的龐大數據進行分析，并將分析結果用于研發受客戶歡迎的加工食品。
大數據分析的應用正在廣泛領域得到全面展開，其中包括從平常積累的大量數據中發掘新的商機，以及借此推進生產和流通系統改革等內容。
實操：來一場數據時代的生意
你的生意夠數據嗎？你以為電商導購信息是莫名其妙的？你以為買手是靠時尚觸覺的？你以為“爆款”是依賴運氣的？其實都是數據，數據，數據。
然而，也不要被汪洋大海一般的數據量嚇倒了。從專注于相關數據來開始你的數據計劃，而數據來源、數據類型或者格式，你將很快獲得有意義的情報信息，然后再采取行動。
大佬們的數據爭奪戰
圍繞用戶行為數據的爭奪早已展開。2011年10月，京東商城[微博]修改了網站設置，拒絕阿里巴巴[微博]集團旗下的購物搜索引擎一淘網抓取其商品信息以及用戶的點評內容。京東CEO劉強東稱，一淘直接抓取了京東所有的產品評價，而這些產品評價是京東花費了價值過億元的積分激勵用戶寫出來的。隨后蘇寧易購[微博]、當當網[微博]等通過技術手段抵制一淘對其平臺數據的抓取。這被認為是用戶行為數據爭奪戰升級的信號。
事實上，怎樣管理和使用數據，是一件非常重要的事情。任何行業都會有競爭，每一個行業最后勝出的那家公司一定有著完整、優秀的數據戰略。它對數據資產怎么保存，怎么使用，有清晰的規劃和投資。
網絡購物的蓬勃發展一方面給消費者帶來便利，另一方面又讓消費者在海量商品前陷入比較、挑選的焦慮。于是導購電商應運而生。前有美麗說、蘑菇街，后有一淘、拖拉網、逛淘寶等。
說到底，導購就是要讓消費者更快找到想要的東西，減少挑選成本，縮短購物路徑，然后還可以通過“猜你喜歡”推薦相關商品達成關聯銷售。這背后其實涉及到技術活：網站需要自動根據用戶的種種消費習慣和行為進行后臺的技術運算，進行“大數據挖掘”的自動匹配和個性化呈現。
同為導購電商的拖拉網屬于自力更生型。其制作了“明天穿什么”這一應用，在這個應用當中，眾多時裝圈權威人士輸送時裝搭配與風格單品，由用戶任意打分，根據用戶的打分偏好，拖拉網便能猜到明天她們想穿什么，然后為她在數十萬件網購時裝中推薦單品，并且實現直通購買下單。
逛淘寶做得更“徹底”。和其他網站要求消費者注冊成為自家會員不同，逛淘寶的入口沒有單獨注冊，全是由微博、淘寶、豆瓣等各平臺賬號。這樣一是方便，二是可以通過授權抓取更多的用戶特征。即使你是首次使用，沒有任何軌跡的用戶，在進入“我的街”時也會有10道問題，如性別、年齡、網購頻次、喜歡風格等，用戶通過簡單的判斷一旦產生動作，就會一步步迅速適應。
在獲取客戶數據后，后臺分析也是各顯神通。
拖拉網加入了更多變量來考核自己的推薦模式。比如有消費者明天要參加一個聚會，不知道要穿什么風格，也沒有看天氣預報，希望導購網站能幫她把這些場景和自己的信息組合起來，給出一整套的解決方案。于是日期(天氣)、地域、場合、風格，這些都成為穿衣搭配解決方案的變量，經過不斷的組合呈現給用戶，據拖拉網數據，用戶在看到一個比較優質的搭配，并有場景性引導的時候，點擊到最后頁面完成購買的轉化率會比單品推薦高40%。
一淘在導購過程中，則努力用數據分析在消費者、商家和自己間找到一個平衡點。
淘寶本身就有好差評、DSR(如實描述、發貨速度、服務態度)評分等評價體系，一淘做得更有細節。一淘有三個排序維度：首先是產品相關性，其次是產品來源，再次是銷量以及評價。
導購電商面臨的是一個女性消費占絕對優勢的市場，或許是因為時尚類的維度太多，每個人喜歡一件東西的心理原因、場合、偏好、價格等多重因素都不一樣，這對后臺數據挖掘提出了更復雜的要求，也成為已經日漸擁擠的電商導購市場的破局點。
亞馬遜就是一開始就對用戶的購買進行深入的數據挖掘，當讀者購買某書的時候，向讀者精準的推薦相關的讀物;然后再通過圖書業務單點突破，全面擴張，最終才成為了業務內涵豐富的電子零售霸主。
實操一：時尚買手的數據化生存
提起時尚買手，大家總覺得這是個和時裝周、周游世界、華服等關鍵詞搭配在一起的工作。其實真要為這個工作選一個關鍵詞，絕對是和時尚一點扯不上關系的——“數據”。
靠著過人的時尚天賦挑選衣服一類的說法，都是外行人看的“熱鬧”。你當然可以靠“靈敏”的“時尚嗅覺”來進貨，不過滯銷了是要賠的。比如ZARA，要求將滯銷款率控制在6%的范圍內。如果超出了這個比例，買手需要自己掏錢把滯銷的貨品買進。
作為一個時尚買手，在訂貨前需要對比歷史數據，確定下一季整體銷售的指標，包括貨品數量、款式、品種，確認此次購買金額的可行性、月份分配的合理性、預留追單金額等。拿著計劃才能進行款式挑選、擬定訂單數量。因為整個工作流程牽涉到太多方面的數據分析，下面就單獨說說進貨的事兒。
首先預算采購額并不神秘，買手公式是：采購額=(計劃銷售額+預估季末存貨額+預估減價額-預估季初存貨額)×平均拿貨折扣。
比如說，買手的任務是下一季計劃銷售額100萬元，下一季初大概會有上一季沒賣掉的10萬元存貨，下一季的服裝減價額度大概是25萬元，也就是相當于平均每件衣服8折出售，估計在下一季末會有15萬元的存貨，進貨時的平均折扣是4折。那么計劃采購額就應該是：[100萬元(計劃銷售額)+15萬元(預估季末存貨額)+25萬元(預估減價額)-10萬元(預估季初存貨額)] ×40%=52萬元。
這52萬元要采購哪些衣服，又得回到數據分析，這回是考慮歷史銷售數據。以ZARA為例，ZARA買手們會從終端店鋪的銷售數據分析中，確定上一季度的延續產品，占到ZARA每一季度新產品比例的20%。而通過對競爭對手產品的分析，ZARA買手會再使用30%比例的競爭對手的品牌延續款。這樣，在每一季度的新產品開發中，就會有50%左右的延續款產品。延續款開發一直是歐美服飾企業產品開發的重點，因為原有的市場銷售已證明其商業價值，故延續開發能保證其利潤。
基于歷史數據分析出來款式并不能保證通吃。利潤型商品可能因為隨著別的店鋪紛紛跟風而喪失利潤優勢，變成了暢銷型商品。暢銷型商品因為銷量大，即使單價利潤空間不大，總體利潤也比較可觀。但如果訂貨太多，在流行的旋風刮過之后，最后很可能形成大量的庫存。
作為買手，會分析一些店鋪，常常有這種情況：一個季可能有5個款銷量非常好，于是不斷追加那5個款的訂貨量，每個月的銷售額看起來都不差，但到了季末算總賬的時候卻發現店鋪并沒有盈利。導致這種狀況的原因就是銷售過分集中在個別款式上，“死貨”的面積太大，導致占用資金成本大。真正會盈利的店鋪是庫存控制得很好的店，也就是說，店里的貨都能賣，有賣得很好的，有賣得比較差的，但整體庫存比較少。沒有庫存的壓力，商品的平均銷售價格就不會降得很低，這樣就能贏取更大的利潤。
正確地評估一個買手，其實只需要2個數據：一個是庫存周轉率，另外一個就是毛利率。毛利率的高與低，反映的是買手采買商品獲利空間的大與小：越是顧客喜歡的商品，折扣率就會越低，毛利空間也就越大。但是毛利率大并不一定就賺錢。采買成本10元錢，銷售價格100元，毛利率90%，半年只賣出1次，也就賺到90元;同樣采買成本10元錢，銷售價格40元，毛利率只有75%，如果半年賣出4次，卻可以賺到120元……買手如何平衡庫存周轉率與毛利率，是一種藝術。而如何發現問題，進行調整又需要什么參考依據，還是得靠數據分析。
實操二：打造網上商城爆款
“爆款”(銷量很高的人氣商品)是當下最熱的電商詞匯。那么，如何通過數據來打造“爆款”？
我們最先優化的是寶貝標題，以便讓買家更容易找到。方法很簡單，在淘寶首頁的搜索欄里搜索“長袖、T恤、女”，把人氣最高的前10名寶貝標題的關鍵詞進行分解，再放到excel列表里點擊排序，結果看到“年份詞”(如2010、2011)出現9次，“T恤”出現10次，“包郵”詞出現5次， “韓版”出現10次……把出現頻次次數高的關鍵詞和與我們的T恤相匹配的關鍵詞組成一個標題，然后再把沒能放進標題里的關鍵詞(因為寶貝標題有字數限制)再組成另一個標題：
1.包郵、2011新款、韓版女裝、長袖、牛奶絲T恤、圓領、秋冬打底衫;
2.兩件包郵、2010新款女裝、韓版、長袖T恤、低領打底衫、加厚冬裝。
把這兩個標題投放到直通車里進行測試，通過點擊量點擊率來判斷哪個標題是買家更喜歡的標題。標題1勝出。
下一步該優化寶貝的圖片。分析人家的圖片，規律如下：用單人模特的7個 ;展示產品顏色4個 ;中間位置(模特擺放位置)3個;5個 50%(模特擺放位置)左右位置;有背景圖6個 ;黑色T恤(模特T恤顏色)5個。
通過以上數據判斷，優化的結果是：
1.單人模特、穿黑色T恤、站在左側、右側顯示T恤顏色、有背景色;
2.另一張圖片加了“包郵”二字。同樣通過直通車測試，測試的結果是帶有“包郵”字樣的圖片圖片點擊率更高。
第三步是一個核心問題，就是價格。人氣寶貝的價格如圖：
excel的表格顯示的中位數價格分別是：41.3、41.99，平均后的價格是41.6。那么41.6的價格是不是買家喜歡的？把最高、中間、最低三種價格在直通車里進行測試，注意：這時我們要的測試結果不是點擊率，而是轉化率。同時，這時用成交筆數去考核指標偶然性太大，用旺旺的質詢量作為考核指標應該更準確。三個價格的結果出來了：
1.價格88 點擊66 質詢量7 質詢轉化率10.6%;
2.價格41.6 點擊93 質詢量16 質詢轉化率17.2% 成交一筆;
3.價格19.99 點擊97 質詢量3 質詢轉化率3%。于是41.6元就是我們要使用的價格。
第四步是寶貝描述的部分，這是關于你的寶貝是否能夠成交的關鍵。在優化寶貝描述時，還是把上述的10款人氣寶貝的網頁逐個打開，總結出描述頁主要是以下兩種編排：
找三個員工讓他們自己閱讀寶貝描述網頁，三個人的平均閱讀時間是3分鐘，即平均180秒，這樣我們就以180秒的停留時間作為轉化來考核寶貝描述網頁。測試的結果如下：
1.點擊94次 180秒以上的停留時間27人 旺旺質詢19人;
2.點擊87次 180秒以上的停留時間34人 旺旺質詢22人。
顯然第二個數據更能說服買家。為了讓描述頁編排得更合理，更符合買家的瀏覽習慣，單獨把寶貝描述頁2的內容復制了一遍，做成一個獨立網頁，進行多變量測試。最后可以發現，當模特圖片與細節+圖片位置互換，質量和細節圖片放在左側文字在右側時，多變量測試的效果為最佳。
通過以上步驟，優化完成后自然流量的點擊量增加了30%。這樣我們就可以去真正地投放直通車打造我們的爆款了。
制定你的數據計劃
1.專注于相關的數據
數據如此龐大，并且還在迅速增加。這讓很多企業很難跟上數據的步伐。在一項調查中， 31%的受訪者“承認他們沒有適當的數據管理系統，但他們都不愿意停止收集數據”。
需要注意的是，不要陷入數據漩渦之中，企業在開始數據項目時應該采取漸進的易于管理的步驟。首先，應該清楚列明你的數據計劃的目標。需要哪些數據，為什么以及誰能夠使用這些數據。考慮清楚你試圖從這些數據中獲取什么類型的情報或者出于什么目的：增強你的競爭力、通過供應鏈和采購優化來增加銷量，或者通過趨勢分析和預測分析來增加收入。這也將影響需要的數據。
選擇需要的數據往往是一個挑戰。企業應該從確定幾個指標開始，只專注于提供最有價值的數據，這將對未來的數據分析有著重大的影響。
2.提升數據整合能力
你需要訪問各種各樣數據的能力，以及實時訪問的能力。通過實時整合平臺，你可以靈活地定義和更新你需要的數據來源，以及訪問你可以通過網站看到的任何數據。你只需要輕松地轉換數據、對數據執行操作，并自動產生一個結果。
想象這樣一個場景：你可以確定買家的習慣和購買模式，并通過增加吸引特定消費群的產品和產品類別來增加銷量。或者從博客、論壇和社交媒體評論來預測股價。如果你能夠自動訪問這些數據來源，并加載到另一個應用程序、數據庫或者你選擇的其他數據存儲，數據計劃將會對你的業務增長產生重大的影響。
3.付諸行動
只有最終付諸了行動，數據才發揮了其價值。不論你的數據集有多么大，關鍵在于從這些數據中提取情報，然后能夠根據提供的情報來采取行動。
京公網安備 11010502049343號