大數據商業價值突破之路

02-20

提到大數據，甚至是人工智慧，大家耳熟能詳的都是一些面向消費者的應用場景。比如被人民日報批判的今日頭條的個性化推薦（千人前面），電商平台購買商品後推薦的其他商品等。在這個場景的另外一邊是眾多的企業，特別是傳統企業，他們一直想突破「+大數據」的戰略，如何才能像今日頭條，京東，阿里一樣構建自己的數據體系，最終讓大數據為企業帶來真正的商業價值。然而，經過這幾年企業服務市場中對大數據細分的不斷投入，探索，我們看到2018年大數據商業價值的突破才剛剛開始。接下來從數據資產管理，數據價值挖掘，商業應用及運營優化閉環三個方面來回顧一下歷史，同時展望一下未來。

數據資產管理：

互聯網企業天生就是信息化，移動化的，所以諸多的數據資產都早早被收集，或者說相對容易的就可以被收集起來。從最初的線上線下營銷（如廣告投放，活動，促銷運營等）流量數據，到用戶的註冊及檔案信息，到用戶和互聯網產品的各種交互行為或者用戶間的互動，到用戶的購買行為，到後續用戶的再傳播等。

而更多的傳統企業卻往往是可望不可及的狀態，能通過傳統的ERP，CRM，渠道管理，excel等方式積累數據的企業已經算是很不錯的企業了，但是他們是以資金流和商品流的形式在鏈路上採集數據，而互聯網企業天生練就的就是以用戶為中的形式來採集數據。

從數據資產管理的角度來看兩種方式採集數據並沒有任何的優劣之分，因為數據資產管理的基礎是整合數據形成統一的數據基礎。並且都可以最終抽象成一個人（用戶），物(商品），場（場景）的三元結構來存儲，只要數據完整性和關聯性沒有問題，現行方式差異並不大。

這其中看似是差異的部分主要是來自對新技術的支持差異，特別是移動互聯網和IoT的支持。比如在很多傳統企業的經營重點中對客戶和產品交互的忽略，導致了對IoT和互聯網技術的忽視。比如app和網站中可以通過SDK的方式來採集用戶的行為數據，比如線下消費場景中同樣也可以通過wifi，nfc，ibeacon，甚至是視頻分析來做用戶的行為分析等。還有比如之前生產一個溫度計或者凈化器是不會去思考用戶是如何使用的，使用過程中碰到的問題，甚至是使用的環境，但是你看看小米這種互聯網思維的企業生產出來的溫度計和凈化器。IoT和網路技術賦予了企業更多的了解客戶需求，優化用戶體驗的數據來源。

回顧歷史，我們看到市場上企業對於數據資產的重視程度已經很高，同時各種數據採集和整合方案的提供商也不斷增加，企業在構建數據資產平台上面臨的問題也越來越少。2018年我們將看到井噴式的需求，這個時候考驗企業的就是實施交付能力和基於客戶的方案設計能力了。同時產品的健壯性，可擴展性，實施工具等的支持對於提升標準產品通過配置來完成80%的需求之後的完整落地也非常重要。

數據價值挖掘

構建了統一的數據資產管理平台之後，數據的價值如何挖掘就成了數據商家價值變現的核心GAP。傳統的數據挖掘服務，比如企業內的BI系統和數據分析師團隊都是非常重要的，但是隨著從物品和場景的分析擴展到人物場組合下的精細分析需求的增長，分析系統的性能和工作效率都成為了新的瓶頸。另外人才的匱乏也是一個大問題，越來越多的企業需要數據挖掘和分析，並且要做好數據挖掘和分析對於人的要求也不低，他們需要數據敏感度，行業知識，和建模分析能力。

數據價值的挖掘取決於最終的應用場景，從大的方面來看可以基於最終受益者的層次來簡單分為決策層和執行層。而他們需要分析的場景也可以分為探索性分析和驗證性分析。對於驗證性分析來說核心的訴求應該就是需要能自助式而且是實時的得到數據分析的結果（統計數據和預測數據），對於具體的執行層面的優化是基礎。探索性需求的滿足更多的是需要從數據本身，通過對數據分布，關聯性分析，歸因分析等來探索不是那麼顯而易見或者能想到的需要驗證的假設。

回顧歷史，在數據價值挖掘層面上需求強烈的企業目前還是集中在大中型的高單價消費品或者是B2B的企業中。這類企業一般都希望構建自己的數據團隊，而且企業內部對於業務的理解和商業訴求更清楚。基於人員的欠缺等現狀，在數據價值挖掘方向的服務的核心是：可標準化的分析框架+專業的數據分析諮詢，輔助企業開啟數據價值挖掘的第一步，通過具體某個項目的POC來驗證數據的商業價值和ROI的衡量。

商業應用及運營優化

通過挖掘分析之後的數據洞察如何才能高效的產生價值，這是最重要的一環也是最容易被忽略的一環。最常見的情況是輸出的報告形式的數據，期初企業內還是有人關注的，大家也能發現一些問題，然而久而久之因為沒有實行相關的優化策略和應用數據的變化也不大，或者數據一直在惡化，但是大家都無從下手。當然也有好一點的情況，集中關注某一個核心指標通過具體的運營優化最終實現了指標的優化和提升。

商業應用及運營優化的核心在於：首先要有完善的數據流轉和反饋機制，也就是說每個人都能看到自己想看到的數據，而且能夠將相關的數據反映的問題反饋出來；其次是要講數據融入到企業的作業流程中去，通過無縫的對接，讓數據真正成為應用和優化的基礎緯度；最後最重要的是有及時的反饋，每一次基於數據的應用和優化需要有明確的量化的反饋，做之前和之後的差異在哪裡？後續應該如何選擇更好的優化策略，形成相關的知識庫。

然而這一步是第三方企業服務軟體，諮詢公司，顧問，老闆等無法自己完成的一個任務，這個就涉及到企業的數據驅動的文化構建，也取決於企業的DNA。當然隨著信息化，智能化的發展，我們看到有一部分工作其實是可以通過機器來替代完成的，對於這一類工作來通過數據驅動的優化形成閉環，再通過自學習和優化是很好的已選擇。比如目前有些營銷自動化服務商針對一些特殊場景提供的服務，還有後續的智慧交通，物流等都存在巨大的機會。

總體來看，大數據商業價值的挖掘將是2018年企業服務的重點，而且最終的突破一定是在傳統行業爆發，特別是零售，教育，和大健康。在國際市場中的核心服務提供商包括IBM，Adobe，Salesforce等老牌企業。同時也給新興的創業企業巨大的機會比如美國的Looker，Domo，Tableau, Qlik等。

目前國內有大量的公司都在號稱做成中國他們。但是為什麼我們還沒有看到巨頭的出現呢？中國企業的信息化，數據思維不夠？企業服務提供方的專業知識不夠？技術壁壘應該不存在吧，那就是行業理解和落地實操經驗欠缺？中國的企業對效果的要求操之過急？這些問題我們無法回答。但是我們最新推出的壹看板1kanban數據產品中，我們非常明確的幫助企業去解決從數據治理，到數據價值挖掘，到數據應用和運營優化，輔助完成商業價值的閉環。 1）構建數據資產的最後三公里，實現多方數據源的無縫對接，讓數據說話有理有據，站在同一個基礎之上。2）貼心的諮詢服務和專業的POC驗證流程，為企業解決具體的數據驅動問題，系統能夠長期用起來，滾動數據的價值； 3）通過可視化展示降低企業使用門檻，實時的，交互的產看運營效果，及時反饋和優化。