傳統企業的大數據迷思

本刊記者｜石菲

傳統企業的大數據迷思

本刊記者｜石菲

數據是人了解世界的一種方式，

所以缺乏物理實體的

互聯網企業無疑更具優勢。

而對于傳統企業來說，

數據基礎薄弱，

缺乏數據分析人才，

無法實現精細化管理等問題

都是橫在大數據應用前的鴻溝。

大數據的價值現在已經被普遍認可，互聯網公司擁有海量數據，也慢慢學會了從中獲取商業價值。但急需轉型的傳統企業，一方面向往著互聯網+轉型，一方面又對大數據這個寶藏無可奈何。是什么在影響傳統企業數據掘金的步伐？人才？技術？抑或是體制和理念限制？在面對互聯網的大肆沖擊下，傳統企業該如何開始他們的大數據之旅？

缺乏好奇心的數據科學家

面對互聯網的沖擊，很多企業希望數據科學專業人才可以挖掘新的信息，幫助公司開源節流，甚至找到新的商業模式和路徑。早在2012年，哈佛行業評論就曾預測， “數據科學家將是 21世紀最性感的職業”。在美國，數據科學家的年收入已超過律師和醫生。麥肯錫公司的研究預測稱，到2018年，在“具有深入分析能力的人才”方面，美國可能面臨著14萬到19萬的缺口，而“可以利用大數據分析來做出有效決策的經理和分析師” 缺口則會達到150萬。

盡管企業對數據科學家的需求逐步提升，但企業內部可真正稱之為數據科學家的確實少之又少。數據科學是專門研究如何使數據變成信息進而產生知識以支持判斷和決策的學問。它是一門跨學科的領域，是信息科學、計算機、統計學，與其他自然科學和社會科學專業知識的結合。因此計算機、信息、統計、自然科學、社會科學的學生都可以成為數據科學家。其最重要的能力是三者（信息技術、統計分析、專業知識）兼有。

2010年起，各國大學開始了數據科學人才培養工作。哥倫比亞大學從2011年起開設《數據科學導論》課程，并從2014年起設立碩士學位，2015年起設立博士學位。國內各高校也陸續開設相關專業，復旦大學從2010年開始招收數據科學博士研究生，并從2013年起開設研究生課程《數據科學》，2015年開始正式招收數據科學專業研究生以及本科第二專業學位。2015年10月，復旦大學大數據學院、大數據研究院正式成立。清華大學也于2014年成立數據科學研究院，推出大數據碩士項目。

北京航空航天大學軟件學院杜孝平教授表示，北京航空航天大學軟件學院早已專門開設了云計算大數據方向，大數據分析專業等。并正在建設創新云計算平臺，將全院基礎課程和專業課程都納入平臺之上，包括數據挖掘，高級程序語言的設計等，所有學生可以在線編程、在線編譯，加強學生動手能力。但由于數據科學專業剛開始起步，學生多，老師少，因此目前精力主要集中在理論知識培養上。為此北京航空航天大學和北京永洪商智科技有限公司專門建立了BI聯合大數據實驗室，為學生提供實踐機會。

很多企業都認識到培養人才的重要性，2015年IBM與香港中文大學市場學系對外貿易大學國際商學院、西南交大經濟管理學院等聯合宣布推出“百企大數據A100”計劃。加入該聯盟的高校將向100所擁有B2C數據的企業投放專業的教授、研究生及本科生，幫助企業進行數據庫整合、數據庫挖掘、市場決策支持、產品推薦、社交聆聽等大數據領域的分析和研究。IBM為此計劃提供了全面免費的軟件使用和技術支持，共同建立營銷工程實驗室。目前，西南交通大學、對外經貿大學、東華大學、澳門大學、華中科技大學、重慶郵電大學、浙江大學等多家高校已經加盟該項目。IBM 大中華區大學合作部商學院合作項目負責人周恩昌表示， 2011年IBM開始和香港中文大學嘗試把IBM在大數據分析的一些軟件以免費方式提供給老師和學生，支持他們成立市場工程實驗室。滿足企業將自己的數據放到平臺之上進行測試、孵化、研究的需求，項目完成后在實驗室工作過的學生一部分加入了企業，一部分加入了IBM，也滿足了行業對大數據緊缺人才的需求。

盡管加強了人才的培養，數據科學作為一門新興學科，對人才的培養還不盡完善。會數據分析的并不意味著就可以稱為數據科學家，杜孝平表示，數據科學家要具備營銷、統計、計算機等才能，才能稱之為數據科學家。國外該領域比較注重知識融合，而國內則以計算機知識或者數據分析為主，不太注重其他能力的培養。對于非常重視大數據的企業來說，可以花重金聘請頂尖人才，所以并不會阻礙它們前進的步伐。但這會阻礙大數據爆發式的發展，對于本就缺乏數據基礎的傳統企業而言，人才缺失問題更是一個鴻溝。

百分點數據資源部研發總監蘇海波認為，學校培養的是通才，而社會上需要的是專才。教育和產業化脫節存在于每個行業，只是大數據發展比較快，人才問題得以顯現出來。數據科學家要具有編程能力；對數據加工處理的能力；數據分析建模能力；業務咨詢能力。與此同時，他認為科學就是不斷提出假設，以實驗論證假設，從而達到一個循環。因此好奇心尤為重要。在這一點，百分點數據科學總監杜曉夢和他觀點一致，認為內驅力和好奇心非常重要。她表示，一方面目前中國大數據龍頭企業很多，需求旺盛，本地生源供給不上。一方面國外的教育更加偏重實踐和動手能力，中國則更加注重方法論。這都影響了大數據的落地應用。但技術只是工具，并不是壁壘。她認為數據科學家提出問題的能力是最重要的，企業大數據應用的內驅力由好奇心產生，因此好奇心和想象力最為重要。

除了擁有合適的數據科學家以外，建立一個數據分析團隊也同樣重要。杜曉夢認為目前國內很多企業沒有專門的數據分析團隊，而是將數據分析團隊歸口到業務運營和IT部門之下，這造成企業數據和業務結合的認知比較弱，內驅力不夠，影響了企業對數據的使用。

構建數據文化

數據是人了解世界的一種方法，在這一點上無疑是互聯網企業更具優勢。由于互聯網企業沒有物理實體，無法直接接觸到客戶，所能接觸到的只有數據，數據是互聯網企業唯一能夠觀察到的，只有用數據去了解客戶和業務運作模式。

而很多傳統企業有物理實體，可以直接接觸到客戶，這可能導致他們對數據的重視度不夠。百分點首席架構師、技術副總裁劉譯璟認為大數據應用分為4層，描述性分析；針對性分析；預測性分析；建議性分析。而目前很多國內的企業應用都集中在前2個階段。

而對于目前國內企業的數據分析應用，杜孝平也表示應用還不夠深入，自己也有學生在企業的數據分析部實習，所做的大都是精準化營銷推薦等只需要簡單統計知識就可以完成的工作。

談到國內外差別，他表示，從表面上看國內和國外先進水平的差距在1到2年之間。但在其他支撐系統等方面還存在相當差距，比如在美國數據科學家是一個非常熱門的職位，待遇很高，權威也很高。而在國內數據科學家在社會上的認可度并不高。2013年美國將大數據列為國家戰略，同年中國的計算機協會也成立了大數據工作組。2014年，國內政府層面才開始重視，其后陸續出臺一系列政策支持。

此外，傳統企業的領導層受傳統企業發展模式限制，對數據和信息化的重視力度不夠，缺乏整體規劃，導致企業信息系統零散，信息孤島嚴重，數據的完整性、真實性不夠，缺乏數據分析的基礎。而在人才方面，既能理解企業規劃，又了解數據挖掘技術的人才較少。領導不重視，企業注重眼前利益，長遠規劃缺失，造成企業對大數據整體應用欲望不強。

2015年，萬科企業股份有限公司董事會主席王石就曾經在演講中表示，“我在萬科集團的例會上，非常明確地說，你們之間怎么談我不在乎，但是請你們不要在我面前提‘大數據’三個字。大數據和我們有沒有關系？當然有關系。但是作為傳統行業，數據還不全的時候，我們談什么大數據呢？”

而在工具方面，杜孝平認為目前國內國外也存在差距，國內企業應用在大數據方面采用整體解決方案比較多，缺乏實效專業工具，導致實施效果不理想。因此他表示，企業的數據文化也很重要，如果企業構建了較好的數據文化。從頂層重視IT規劃，保障最后得到數據真實完整，從企業角度，用數據規范企業運營。讓企業人員都能從數據得到好處，營造出用數據說話的范圍。讓企業從數據中受益，則企業的大數據應用落地也會得到加強。

對這個問題，杜曉夢也表示，大數據市場國內外存在巨大差別，主要是完全不一樣的市場氛圍。國外的市場環境更具有契約精神，企業比較信任服務商，可以把所有的數據放在云上共享，而國內企業則對數據環境更加憂慮。此外，國外技術成熟度和產品成熟度高，形成了清晰細分的應用環境，底層平臺、中層可視化工具、上層應用軟件分別有專業的供應商，而國內企業更希望由一個服務商來執行整體方案。■

大數據能否重構制造業

本刊記者｜石菲

隨著經濟環境的不景氣和人力成本的上升，制造業面臨的壓力越來越大，而大數據被當作制造業連接互聯網的命脈，大數據為制造業帶來的價值，正在逐漸被認可。

2016年7月初，在騰訊“云+未來”峰會上，美的集團董事長兼總裁方洪波表示，傳統的制造模式已經跟不上時代變化，傳統制造業企業必須跟上大數據和云平臺的步伐，必須深刻理解什么是基于互聯網應用的智能制造。方洪波說，大數據和云平臺對傳統制造業來說是一場淘汰賽，跟不上步伐就會被淘汰。

降低成本、優化產品結構、創新商業模式、延伸產業鏈，邁入大數據時代的制造企業正在借助數據的力量涅槃重生。

不僅是精細化運營

早在多年前四川長虹就開啟了智能戰略轉型，其新商業模式—“終端+數據+內容+服務”已日漸清晰，其中大數據應用對構建長虹的新商業模式至關重要。在產品設計層面，四川長虹會對消費者行為進行分析，如果數據顯示80%的消費者不需要某一個功能接口，那么就可以在之后的產品設計上去掉這個接口，節省成本。

對于殼牌石油來說，大數據能夠優化運營效率；實施精準營銷；提升商業洞察；保障信息安全；達成生態鏈共贏。

大數據給星期六鞋業增加了一雙眼睛，可以讓企業更加及時快速的看到市場經營當中發生的變化，更清楚的認識客戶，有針對性的組織貨品，有針對性地開展營銷活動。

同時，四川長虹還計劃通過大數據選擇個性化電視廣告植入。比如根據收視節目，就可以分析得出收視行為是男性主導還是女性主導，或者是老年人主導，這個家庭有沒有小孩等信息，使未來的電視廣告可以做到個性化精準投放。如果能夠再與三網融合的數據進行結合，則會產生更大的商業價值。

百分點數據科學總監杜曉夢認為對于制造業來說，由于經濟環境影響，供給大于需求，經營壓力讓智能制造和精細化運營越來越受到重視。在制造業很多環節都可以應用到大數據分析，包括物聯網數據采集，成本節約、智造設計、物流調配、庫存優化、營銷等方面，運營渠道管理、經銷商定價分析、精細化生產、個性組裝、個性化服務等也離不開大數據。大數據不僅能保證企業的精細化運營，還能為制造業帶來新的業務模式。以近年來熱門的定制化生產為例，在德國某些企業已經可以實現消費者上午在網站上定制，工廠流水線提取數據后馬上就可以組配，消費者下午就可以去廠家取貨。

早在多年前四川長虹就開啟了智能戰略轉型，其新商業模式——“終端+數據+內容+服務”已日漸清晰。

大數據增加了一雙眼睛

星期六股份有限公司是國內領先的鞋業品牌運營商，具有很強的產品開發和制造能力。據星期六股份有限公司副總經理劉海金介紹說，在公司剛成立的20多年前，商業模式以批發為主。只要有工廠，生產出產品就能夠有很好的銷路。當零售商興起后，競爭環境變化，公司開始注重在百貨公司開設專賣店，而隨著互聯網的興起，90后已經成為主要購物人群，如何了解客戶的購物習慣和心理就成為星期六的新挑戰。

星期六的大數據戰略非常明確，目標客戶都有誰？不同城市的客戶情況有何不同？為了贏得市場競爭應該采取單品牌戰略還是多品牌戰略？隨著互聯網的火熱，如何在傳統渠道和新興渠道之間獲得平衡？這些目標明確后，就可以將企業信息化戰略貫穿到企業運營和組織架構搭建中。

因此，星期六與IBM合作實施了IBM Predictive Customer Intelligence——預測性客戶洞察解決方案。通過數據分析得出結論，星期六的客戶在一線城市以26歲到30歲為主，而在三線城市則以35歲以上的客戶為主。有了這些數據后，就可以有針對性的進行營銷和產品布局。通過對目標客戶進行維度分析，有針對性地對客戶進行后續營銷活動。

此外，星期六發現在產品評論中經常會出現媽媽、同學、朋友等對鞋子的看法，借助這些數據可以調整產品組合吸引增大顧客范圍。

劉海金還舉了一個例子，根據數據顯示，逛百貨公司的人群以26歲到35歲顧客為主，而在大型購物中心，人群則呈現啞鈴型的狀態。以35歲以上和28歲以下的人群為主。這種情況有可能是全家去購物中心吃飯、看電影，之后順便購物。之前購物中心門店銷售的產品沒有規劃，有什么產品就上架什么。經過數據分析后，星期六發現針對28歲以下的顧客可以推薦輕奢品牌，同時也要有成熟的舒適型產品，優化產品結構。同時，增加一些在購物中心里適合購買的配件，包括眼鏡、化妝品等，并在定價和貨品開發方面都做了針對性調整。取得了非常明顯的效果。“最重要的是我們取得了戰略性的優勢，這是其他品牌一直在摸索的。我們成為購物中心招商引資非常重要的合作對象，大數據縮短了我們摸索的過程。”

劉海金說，“總的來說，大數據項目給我們增加了一雙眼睛，可以讓我們更加快速的看到市場經營當中發生的變化，更清楚的認識我們的客戶，從而有針對性的組織貨品，有針對性開展營銷活動。同時也通過大數據更好地完善和規劃公司未來幾年的戰略規劃。”

大數據的更多價值

有這樣一個故事，在蘇丹有一個地方，很多國際巨頭想在那里開發油井都沒有成功，中國石油經過勘測，發現該地區的地質情況與塔里木盆地非常相似，中國石油利用之前在塔里木的數據成功開發了油井，且每桶油的成本遠遠低于其他公司的成本。講述這個故事的是殼牌石油中國區首席信息官徐斌，在他看來，大數據的價值還體現在更多方面。

以殼牌自身為例，在幫助門店選址上，傳統考察客流量的方式是記錄車輛經過的數量，而現在可以結合運營商的數據，不僅可以得到客流量，還可以分析客流停留頻率。

在實施精準營銷方面，可以利用車聯網數據，收集車況、車主的駕駛習慣、油耗等。在車輛出現在加油站十公里的范圍內就可以明確客戶和車輛信息，直接短信建議車主去對應的加油站加油，短信還會包含走哪條路線可以避免擁堵，目前有哪些促銷活動，甚至進一步分析油耗，推斷出使用殼牌加油站的油，可以降低油耗，一年為車主節省多少費用等。

除了在生產階段和營銷階段使用大數據，大數據還可以應用到延伸生態鏈達成共贏。通過相關性分析，得知殼牌和奧特萊斯的客戶有38%的相關度重合，與沃爾瑪有36%的客戶重合度，與京東有33%的客戶重合度，說明和他們共同促銷會收到很好的效果。通過異業合作伙伴，產生延伸消費也是大數據為企業帶來的優勢。

盡管國內很多企業還沒有踏上精細化管理之路，但未來利用數據做決策會是一件非常普遍的事情。對于轉型需求迫切的制造業企業來說，大數據也許會是幫助他們在互聯網時代重構的最佳方案。■