善用大數據“資產”

“創新， 究其本質，意味著邁出一大步，做出重大變革……實際上，創新之前最佳的‘做事方式’在創新之后就不再是最佳方式了?！?0世紀著名經濟學家約瑟夫？熊彼德的話，反映出大數據的潛能，它可以創造性地破壞現有的商業模式。世界數據總量的90%是在過去兩年產生的，預計全球商業數據量每1.2年就翻1倍，2020年產生的數據量將是2009年的44倍。

毫無疑問，大數據現在是公司董事會和IT部門專注的議題，許多領先公司已經不僅是紙上談兵了。最近進行的一項IT創新研究顯示， 45%以上的公司在過去兩年中已采取了商業智能或者大數據相關的舉措；90%以上的全球500強企業在一年之內會開展至少一個大數據項目。企業明白，如果能有效地利用這股浪潮，便可以大幅增加收入和利潤。建設這方面的能力不僅有助于改善傳統行業和部門的績效，還可以創造機會提供更多的產品和服務。

然而，只有那些了解大數據將如何變革組織、能力和行業，并對此有一個明確愿景的公司，才得到最大的回報。問題是，幾乎沒有公司能夠完全了解大數據的概念以及它對未來的意義。采取大數據相關舉措的公司也尚在探索階段——目的只是為了試水而不是培養關鍵能力。公司固然不應該錯過大數據帶來的機會，但最難的地方在于，究竟從哪里著手？

“數據資產”的競爭優勢

了解大數據能促進產生哪方面的競爭優勢，對實現其價值至關重要。對許多公司來說，不論是從各種信息源搜集整理數據還是線下搜集信息，一旦掌握了某些有價值的數據以后，公司可以通過新的方式提高收入并改良產品。實際上，從大數據中得出的洞察成果已經使客戶關系、產品創新和運營這三個領域出現了盈利和可持續性的增長。

對電商而言，大數據有助于提供實時的定制化服務。亞馬遜將產品陳列在“購買此產品的顧客還買過”的欄目中，它以這種方式利用大數據已有好幾年歷史。而在線下廣告領域，當今的技術已經超越了模式匹配：Bluefin Labs 利用先進的技術分析視頻和音頻，來了解哪些客戶群偏愛哪種類型的電視節目中的哪種廣告，從而實現廣告精確投放。

并不是所有的大數據都是新數據。過去幾年中產生的大量信息都沒有得到利用——至少沒有得到有效利用。舉一個例子，ZestCash為低收入借貸者提供貸款，當其開始用手機錄音的方式來監測信貸風險時，公司的利潤提高了20%。

大數據催生了眾包以及其他社會產品創新技術，現在可以將數以億計的非結構化數據，轉化成能夠引起消費者共鳴的有關產品和服務的見解。這項工作的核心就是利用復雜的計算機語言來分析公司產品組合和消費者的即時情緒。分析的結果可以指導產品營銷和產品創新戰略的制定。

結果是，數據以及相關的分析方法也逐漸成為了一種獨立的產品。由此產生了一些技術和分析公司，它們從數據中提取出豐富的洞察，比如整理和分析零售商與其供應商之間的交易數據。零售商們可以通過這些數據及其分析方法，改善運營，為顧客提供附加服務，甚至可以代替目前提供附加服務的第三方組織，從而產生全新的收入來源。

甚至，大數據為試驗帶來的潛在發展空間——為了解決一個商業問題或者假設，利用大量數據集進行建模、整合、分析，并且確定方法的可行性，然后優化流程并重新試驗。Facebook每天進行上萬次的試驗， 即讓一組用戶看到與其他用戶所見不同的特征。亞馬遜為不同顧客提供不同的內容以及動態定價，并且做適度的調整。

只有明白數據是一種可以利用的資產的公司才能把握住這樣的機會。讓客戶的信息滯留在存儲區而不加以利用就是在浪費機會。所有數據的價值與其說在于所獲得的信息，不如說是在于如何從客戶的角度看待這些信息。這意味著不僅要考慮信息對利潤的影響，還要考慮顧客偏好的改變如何影響市場形勢。換言之，大數據將客戶置于公司戰略的中心位置。

預測，而不是簡單分析

盡管大數據處理大量多樣化的數據集，并揭示復雜的關系，但其中的關鍵還在于由人來解讀數據和關系并且將其轉化成洞察見解。

隨著公司不斷發展，其數據分析能力也必須要從基礎性分析、推測性分析提高到更加成熟的預測性分析。其中，基礎性分析的方法是回顧業務歷史：做什么業務，在哪里做業務，做了多少業務；推測性分析方法能夠發現獨特的驅動因素、根本原因以及商業元素的敏感性；而預測性分析方法進行業務建模與模擬，以進行預測。

目前，分散式服務、嵌入式共享服務以及獨立式的共享服務模型這三種運營模型，是可以將關注點從數據-信息水平提高到商業洞察和預測水平的有效工具。然而，每一種模型都有其利弊。

在分散式的服務模型中，每個業務單元或職能部門都有自己的數據分析團隊，從而能夠快速地做出決策并且執行。但通常情況下，這一模型缺少專門的人員進行戰略性規劃或者分享最佳實踐，這可能產生重復的資源和設施投入。這種模式提高了專注度，但是缺少全局觀，容易錯失機會。

嵌入式的共享服務模型是一種集中化的模型，在某個現有的職能部門或者業務單元基礎上設置一個數據分析組織，并且服務于整個公司。這種模型可以加速執行與決策的速度，其架構、支持流程以及標準可以提高效率并豐富IT專業技術。但這一模型中，分析組織的角色更像一名消費者而非提供服務的合作伙伴。

獨立式共享服務模型與嵌入式共享服務模型類似，但是分析團隊卻獨立于公司組織的實體或者職能部門。它直接匯報給高管層，并且將數據分析提升成一種核心的能力，而不是支持性的能力。

發揮大數據潛能

盡管在大多數公司中，已經設有開發大數據必不可少的職位，但仍需要更嚴格地定義這些職位的權職范圍、對管理層的可見性以及相應的技術要求。數據科學家是炙手可熱的，因為他們善于分析大型的數據集以識別趨勢，并通過建立預測模型，發現改善業務的機會。他們還掌握處理和分析大型數據集所需要的編程技術。他們善于溝通，具有把商業問題轉變成有意義分析的天賦。

要想發揮大數據的潛能，面臨的挑戰之一是在合理的成本范圍內改變IT系統架構。這需要將舊系統與新系統結合。在所有可行的選擇中，要想做出正確的技術投資（最大化分析回報），就得完全理解什么樣的大數據架構能夠達成公司數據分析的目標。分析回報會隨著數據復雜性的改變而提高——從結構化數據到非結構化數據，從“清晰”的內部數據到“混亂”的外部數據，從單向數據流到與顧客和合作方共享的雙向數據。實現數據分析和大數據的架構必須能夠有效地處理所有類型的數據。

大數據不可能作為一種獨立技術長期存在。由于它融入了更廣闊的分析生態系統中，大數據和傳統數據的界限在慢慢消失——大數據漸漸成為全方位高級分析戰略的一部分。

21世紀的大數據是否等同于工業革命？我們覺得是。越來越多的公司為了獲取短期和長期的利益，都在不斷嘗試并且實施各種方法挖掘大數據的潛能。成功的關鍵因素是首先要把數據看作是資產——作為建立價值主張和商業模式的基礎；其次，努力培養利用大數據潛能的各種能力，或許最重要的是要用創新的方式打破現有的商業模式。

Christian Hagen系科爾尼合伙人、Khalid Khan系科爾尼副總裁，常駐芝加哥辦公室；Marco Ciobo系科爾尼董事，常駐墨爾本辦公室