救命啊，大數據

《大數據時代：生活、工作與思維的大變革》一書的作者維克托·邁爾·舍恩伯格相信，未來，數據會成為有價值的資產，它會登堂入室，進入資產負債表。

過去兩年間，大量的資金已經涌向了一些新型“數據工具公司”。根據美國道瓊斯風險資源（Dow Jones VentureSource）的數據，過去兩年，11.7億美元流向了119家數據庫軟件公司。去年，SAP市值已經超過西門子，成為德國市值最高的上市公司，而這樣的業績部分得益于其數據庫軟件HANA的商業化。去年一年，HANA帶給SAP3.92億歐元的收入，增長了142%。

沒有人否認數據革命的到來了。阿里巴巴的馬云將大數據作為戰略方向，百度的李彥宏用“框計算”來謀劃未來。連CBA（中國男子籃球職業聯賽）也學起了NBA（美國男籃職業聯賽）五花八門的數據統計、分析與挖掘。

實際上，已經有不少公司，依靠大數據，正在脫離危機，或是咸魚翻身。

農夫山泉降低成本

上海九亭鎮新華都超市每天都會迎來一名農夫山泉公司業務員的造訪，他會帶走10張照片。這件事從2008年就開始了。

鏡頭對準的是貨架以及農夫山泉的堆頭。根據照片，位于杭州的公司總部將得到的信息有：水怎么擺放、位置有什么變化、高度如何……

每個業務員一天要跑15個點，這樣，其每天會產生的數據量在10M；而農夫山泉在全國有10000個這樣的業務員，這樣，每天的數據量就是100G，每月為3TB。

而當這些圖片如雪片般進入杭州的機房時，這家公司的CIO胡健會有這樣一種感覺：守著一座金山，卻不知道從哪里挖下第一鍬。

實際上，自2011年6月起，SAP公司就在和農夫山泉共同開發一個基于“飲用水”行業運輸環境的“數據場景”。

將自己定位成“大自然搬運工”的農夫山泉，在全國有十多個水源地。農夫山泉把水灌裝、配送、上架，一瓶超市售價2元的550毫升飲用水，其中3毛錢花在了運輸上。在農夫山泉內部，有著“搬上搬下，銀子嘩嘩”的說法。因此，如何根據不同的變量因素來控制自己的物流成本，成為問題的核心。

在沒有數據實時支撐時，農夫山泉在物流領域花了很多冤枉錢。

比如某個小品相的產品（350毫升飲用水），在某個城市的銷量預測不到位時，公司以往通常的做法是通過大區間的調運，來彌補終端貨源的不足。“華北往華南運，運到半道的時候，發現華東實際有富余，從華東調運更便宜。但很快發現對華南的預測有偏差，華北短缺更為嚴重，華東開始往華北運。此時如果太湖突發一次污染事件，很可能華東又出現短缺。”

所以在采購、倉儲、配送這條線上，農夫山泉特別希望大數據能解決一些問題，打通從庫房到銷售末端各個節點的信息、數據的實時交互。

形象地說，就是讓銷售最前端成為一個個神經末梢，它的任何一個痛點，在大腦這里都能快速感知到。

SAP團隊和農夫山泉團隊開始了場景開發，他們將很多數據納入了進來：高速公路的收費、道路等級、天氣、配送中心輻射半徑、季節性變化、不同市場的售價、不同渠道的費用、各地的人力成本，甚至突發性的需求（比如某城市召開一次大型運動會）。

2011年，SAP推出了創新性的數據庫平臺SAP Hana，農夫山泉則成為全球第三個、亞洲第一個上線該系統的企業，并在當年9月宣布系統對接成功。

采用SAP Hana后，同等數據量的計算速度從過去的24小時縮短到了0.67秒，幾乎可以做到實時計算結果—這關鍵的一步讓很多不可能的事情變為了可能。因為當信息的獲知滯后24小時，往往已經失去價值了。

農夫山泉近年以30%～40%的年增長率，在飲用水方面快速超越了原先的三甲：娃哈哈、樂百氏和可口可樂。根據國家統計局公布的數據，飲用水領域的市場份額，農夫山泉、康師傅、娃哈哈、可口可樂的冰露，分別為34.8%、16.1%、14.3%、4.7%，農夫山泉幾乎是另外三家之和。

對于胡健來說，下一步他希望那些業務員搜集來的圖像、視頻資料可以被利用起來。

而SAP將他們在農夫山泉場景中積累的經驗，迅速復制到了神州租車身上。“神州租車車輛使用率在達到一定百分比之后出現瓶頸，這意味著還有相當數量的車輛處于空置狀態，資源尚有優化空間。我們用SAP Hana為他們特制了一個算法，優化租用流程，幫助他們打破瓶頸，將車輛使用率再次提高了15%。”SAP全球執行副總裁孫小群說。

從2008年開始，上海九亭鎮新華都超市每天都會迎來一名農夫山泉業務員的造訪，他會帶走10張堆頭照片。

阿迪達斯優化庫存

看著同行大多仍身陷庫存泥潭，葉向陽慶幸自己選對了合作伙伴。

他的廈門育泰貿易有限公司與阿迪達斯合作已有13年，旗下擁有100多家阿迪達斯門店。他說：“2008年之后，庫存問題確實很嚴重，但我們合作解決問題，生意再次回到了正軌。”

在最初降價、打折等清庫存的“應急措施”結束后，基于外部環境、消費者調研和門店銷售數據的收集、分析，成為了將阿迪達斯和葉向陽們引向正軌的“黃金羅盤”。

現在，葉向陽每天都會收集門店的銷售數據，并將它們上傳至阿迪達斯。收到數據后，阿迪達斯對數據做整合、分析，再用于指導經銷商賣貨。研究這些數據，讓阿迪達斯和經銷商們可以更準確地了解當地消費者對商品顏色、款式、功能的偏好，同時知道什么價位的產品更容易被接受。

阿迪達斯產品線豐富，過去，面對展廳里各式各樣的產品，經銷商很容易按個人偏好下訂單。現在，阿迪達斯會用數據說話，幫助經銷商選擇最適合的產品。首先，從宏觀上看，一、二線城市的消費者對品牌和時尚更為敏感，可以重點投放采用前沿科技的產品、運動經典系列的服裝以及設計師合作產品系列。在三線以下城市，消費者更關注產品的價值與功能，諸如純棉制品這樣高性價比的產品，在這些市場會更受歡迎。其次，阿迪達斯會參照經銷商的終端數據，給予更具體的產品訂購建議。比如，阿迪達斯可能會告訴某三線以下城市市場的經銷商，在其轄區，普通跑步鞋比添加了減震功效的跑鞋更好賣；至于顏色，比起紅色，當地消費者更偏愛藍色。

推動這種訂貨方式，阿迪達斯得到了經銷商們的認可。葉向陽說：“我們一起商定賣哪些產品、什么產品又會熱賣。這樣，將來就不會再遇到庫存問題。”

挖掘大數據，讓阿迪達斯有了許多有趣的發現。

同在中國南部，一部分城市受香港風尚影響非常大；而另一些地方，消費者更愿意追隨韓國潮流。同為一線城市，北京和上海消費趨勢不同，氣候是主要的原因。還有，高線城市消費者的消費品位和習慣更為成熟，當地消費者需要不同風格的服裝以應對不同場合的需要，上班、吃飯、喝咖啡、去夜店，需要不同風格的多套衣服。但在三線以下城市，一位女性往往只要有應對上班、休閑、宴請的3種不同風格的服飾就可以。兩相對比，高線城市，顯然為阿迪達斯提供了更多細分市場的選擇。

實際上，對大數據的運用，也順應了阿迪達斯大中華區戰略轉型的需要。

庫存危機后，阿迪達斯從“批發型”公司轉為“零售驅動型”公司，它從過去只關注把產品賣給經銷商，變成了將產品賣到終端消費者手中的有力推動者。而數據收集分析，恰恰能讓其更好地幫助經銷商提高售罄率。

“我們與經銷商伙伴展開了更加緊密的合作，以統計到更為確切可靠的終端消費數據，有效幫助我們重新定義了產品供給組合，從而使我們在適當的時機，將符合消費者口味的產品投放到相應的區域市場。一方面降低了他們的庫存，另一方面增加了單店銷售率。賣得更多，售罄率更高，也意味著更高的利潤。”阿迪達斯大中華區董事總經理高嘉禮對大數據的應用成果頗為滿意。

《紙牌屋》孤注一擲

奈飛（Netflix）公司的案例，曾是哈佛商學院案例版權里最為暢銷的。這家公司成立于1997年，研發了基于在線服務的DVD租賃商業模式，當然，在后來遭到了視頻點播的沖擊，陷入了窘境。

現在大家知道，它憑借一部自拍電視劇“咸魚翻身”，那就是當下熱播美劇《紙牌屋》。

《紙牌屋》是Netflix網站上有史以來觀看量最大的劇集，也在美國及40多個國家大熱。無論是《紐約時報》、《洛杉磯時報》，還是最近一期的《經濟學人》，嚴肅媒體們都在重要版面研究《紙牌屋》的成功之道。

Netflix成功的武器是大數據。

人們發現，Netflix正是根據數據技術推導出了《紙牌屋》的關鍵要素：喜歡BBC劇、大衛·芬奇和凱文·史派西的用戶存在交集！這是多么酷的一件事。

這種做法與舊傳統是背道而馳的—以美國著名的有線電視網絡媒體公司HBO為例，它對導演強烈的個性抱以完全的信任，全權委任導演去制片、編劇、挑選演員。

Netflix正是根據數據技術推導出了《紙牌屋》的關鍵要素：喜歡BBC劇、大衛·芬奇和凱文·史派西的用戶存在交集！

實際上，Netflix對數據的“記憶”能力早就爐火純青。當一位用戶通過瀏覽器登錄Netflix賬號，Netflix后臺技術就會將用戶位置數據、設備數據悄悄地記錄下來。這些記憶代碼還包括用戶收看過程中所做的收藏、推薦到社交網絡等動作。

每天，用戶在Netflix上將產生高達3000多萬個行為，此外Netflix的訂閱用戶每天還會給出400萬個評分，300萬次搜索請求。這些都被Netflix轉化成代碼，當作內容生產的元素記錄下來。其首席內容官泰德表示，所有這些數據意味著，Netflix公司已經擁有了“可尋址的觀眾”。

Netflix曾利用上述數據提供一項推薦引擎業務。比如說，數千萬用戶能在一個個性化網頁上對影片做出1～5的評級，這些評級構成了一個巨大數據池，如今這個數據池容量已超過近百億條。根據數據池，Netflix使用推薦算法來識別具有相似口味的觀眾，然后對這一群體做出相關內容的精準推薦。

Netflix要將巨大的數據池變為生產力并非易事。為了提高算法精準，它長年持續舉辦大型比賽，來提高自己的數據挖掘能力。2005年底，Netflix曾設立百萬美元的獎金（Netflix prize），征集能夠使其推薦系統性能上升10%的推薦算法和架構。

Netflix也一直在尋找與自身匹配的數據挖掘工具。舉個例子，法國電影《不要告訴任何人》在美國的票房收入慘淡，只有600萬美元。可Netflix的工程師并不相信這個數字，他們通過數據挖掘技術，找到了不易察覺的點擊量，發現了被隱藏的事實。于是2011年時，Netflix決定播放《不要告訴任何人》。如Netflix預測的一樣，這部電影在播放后立即在最受矚目的節目中排到第四位。

然而，投資人之前一直不看好Netflix的這些努力。投資人表面上相信Netflix的數據庫是個大寶藏，但財務報表的數據呢？2012年第三季度，盡管財報中營收和每股收益均超出分析師預期，股價卻依然暴跌。美國知名專欄作家撰文稱“Netflix被收購或許才是投資者最理想的選擇”。

CEO里德·哈斯廷斯終于“爆發”了。他決定做出孤注一擲的姿態，用事實告訴資本市場，數據不是花架子，是地道的生產力。

Netflix花 1億美元買下一部早在1990年就播出的BBC電視劇《紙牌屋》的版權，請來導演大衛·芬奇（David Fi ncher），并由老戲骨凱文·史派西（Kevin Spacey）擔當男主角。

新版《紙牌屋》單集成本約為400萬美元，遠遠高于美國一般電視劇的單集制作成本—150萬至200萬美元。算下來，對于Netflix而言，只有新增100萬一年期合約付費用戶才能收回上述成本。

其實Netflix胸有成竹。這樣做不僅可以帶來新增用戶，更為重要的是它為Netflix開拓了上游市場，走上了自制劇之路。在《紙牌屋》之后，還將有四部自制劇在2013年登陸Netflix。這意味著，Netflix可以逐步降低對版權費用日趨高漲的好萊塢劇的依賴。

中國視頻網站與Netflix所面臨的境遇相似，由于版權價格提升，國內知名的視頻網站們，諸如優酷、土豆、搜狐視頻、樂視網、愛奇藝近兩年也紛紛打造自制劇。

據樂視網高級副總裁高飛透露，從一線衛視購買電視劇，平均購買價格每集幾十萬，意味著買下一整部劇不下千萬。拿下《紙牌屋》中國地區的互聯網獨家播放權的搜狐視頻，2012年的版權采購成本為5000萬美元，2013年這一預算上調到8000萬美元。“但我們拍一個自制劇，成本基本上也就三分之一，甚至不到這個數。”高飛說。

“但真正細致到使用數據來決定導演、演員，中國還沒有哪家公司敢說他們能做到這點。”樂視網副總裁何鳳云說。此外，即便是有了數據能力成熟，中國的付費市場也還尚未成熟，主要依賴廣告盈利，無法完全以用戶需求為中心。

（摘自《中國企業家》2013年第7期，原文標題《徘徊的大數據門前》，有刪減）