云消費時代大數據與商業智能的應用

賴陽　李馥佳

云消費時代隨著電子商務的普及與電子身份識別、傳感技術的快速發展，越來越多的經濟行為被記錄下來，例如淘寶網站單日數據產生量超過5萬GB，百度公司每天大約要處理60億次搜索請求，目前數據總量超過10億GB，而一個8M bps的攝像頭一小時就能產生3.6GB的數據，一個城市每月產生的數據則高達上千萬GB。《國際數據公司（IDC）全球大數據研究報告》指出，過去3年人類社會產生的數據總量被以往4萬年還多，到2020年數據量將增長10倍，達到44ZB（ZB：十萬億億字節=1024*1024*1024TB）。這些數據不但在數量上十分龐大，包含的信息類型也越來越繁雜，相較于過去的數據量被稱之為大數據。

一、云消費時代的大數據發展趨勢

1、大數據的技術應用特征

大數據其表現的特征如下：首先是數據來源多，這其中包括企業內部多個應用系統的數據、互聯網和物聯網的興起，帶來了微博、社交網站、傳感器等多種來源：其次是數據類型多，表現為保存在關系數據庫中的結構化數據只占少數，80%以上數據是如圖片、音頻、視頻、模型、連接信息、文檔等非結構化和半結構化數據；以及關聯性強，表現為數據之間頻繁交互，比如游客在旅行途中上傳的圖片和日志，就與游客的位置、行程等信息有了很強的關聯性。

在商業領域，這些信息不僅僅包括交易行為本身，還包括消費者線上交易從搜索、對比、選擇、購買、一直到售后評價等一系列操作數據，以及消費者線下交易通過手機電子標簽、商場的識別裝置等記錄的瀏覽軌跡、停留時間、商品購買頻率等一系列活動數據。這些數據與以往以字段為基本數據單位的結構化數據大不相同，被稱為非結構化數據，而對非結構化讀取、處理的技術，即是大數據技術的重要組成。在小數據時代，依靠傳統商業智能的計算方法以批處理為主，采用離線計算、集中式運行。而在云消費時代，海量數據的查詢、分析與利用所需要的時間從量變到質變，1s響應時間成為臨界點。對于大數據應用而言，必須要在1秒鐘內形成答案，否則處理結果就是過時和無效的。因此支持流計算，能夠實時分析，數據庫采用分布式結構，成為云消費時代商業智能的主流處理方式。而在的計算方式上，傳統數據分析依靠企業報表系統，通過特定數值的比對、增長分析、交叉分析、回歸分析等，數據向算法靠攏，將數據套入到固定的算法當中，對數據進行整合分析與報送。而云消費時代，海量數據處理的最終結果不再僅僅是對一組或幾組數據的趨勢性概況與分析，而是通過更加深入的智能挖掘，算法向數據靠攏，根據數據的形式與結構采用更加靈活也更加復雜的算法，從而將過去的歷史數據報送轉變為對未來與結果的預測。以上就是區別大數據以及云消費時代的商業智能與傳統數據倉庫技術、商業智能技術的關鍵差別。

2、大數據的發展規模與前景

據國際數據公司（IDC）預計，全球大數據技術及服務市場2016年收入將達238億美元，接近1500億元人民幣，中國市場規模未來5年將增長近7倍。據中國產業發展研究網報告，2014年，中國大數據應用市場規模為80.54億元，同比增長3.2%，預計2015年市場規模將增長37.3%，至110.56億元，預計到2020年，中國大數據應用市場規模將增長至5019.58億元。2015-2017年復合增速為87盤%，這也是中國大數據應用市場預計增長最快的三年。

以大數據為核心的變革正在商業領域掀起巨大波瀾，從搜索引擎、社交網絡、電子商務平臺等IT企業，到批發、零售、商業服務等流通領域企業，無不感到變革帶來的巨大機遇與挑戰。大數據與云消費時代的商業智能助力企業優化運營、簡化組織、智能決策以及創造更大的客戶價值，大數據應用越來越成為商業企業創新發展、制勝未來的重要因素。

二、大數據與商業智能改變傳統商業

1、大數據幫助企業優化運營

傳統的企業數據處理與運算模式由于采用批處理為主、離線計算與集中式運行。這使企業在管理過程中由于數據的非實時與非動態而出現管理真空的現象。如連鎖企業總部無法準確、及時地了解各家門店的進、銷、調、存等信息，連鎖總部對于商品的在庫、在途控制都是事后反饋，無法合理制定采購、配送計劃：大量人力、物力浪費在資料的重復輸入和簡單的處理之中：銷售前端關鍵業務信息收集與反饋速度緩慢，一線的促銷與活動信息無法快速反饋到連鎖總部；對于商品的評價與消費的動態研究信息缺乏收集手段：由于信息溝通障礙，對于人員的業績考核無法順利實施等等。

而依靠云消費時代的商業智能，通過采用流計算支持，實時分析、離線計算、分布式運行、計算向數據靠近的處理方式，在商業領域對于商業信息的管理可以實現快速、實時、多點同步。例如沃爾瑪的ECR系統（Efficiency Customer Response，有效客戶反應系統），在商品銷售過程中的任一時刻，商品的經營決策者都可以通過管理信息系統了解和掌握銷售終端系統的經營情況，實現門店庫存商品的實時管理。目前沃爾瑪已與多家供應商中的1800多家實現了電子數據交換，利用更先進的快速反應和聯機系統代替采購指令，真正實現了自動訂貨。海量數據的自動處理與反饋幫助沃爾瑪在云消費時代，縮短周轉時間，提升了對商業伙伴的服務于反應速度。系統利用條形碼掃描和衛星通信系統，與供應商每日交換產品銷售、運輸和訂貨信息，包括商品規格、款式、顏色等，從發出訂單、生產到將貨物送到門店，最快的時候甚至不超過10天。

大數據技術幫助企業優化運營的例子還有亞馬遜的“預測式發貨”。亞馬遜可以通過大數據技術對用戶數據的分析，預測用戶的購物習慣，從而在他們實際下單前便將包裹發出。雖然包裹會提前從亞馬遜發出，但在用戶正式下單前，這些包裹仍會暫存在快遞公司的轉運中心或卡車里。亞馬遜為了決定要運送哪些貨物，亞馬遜可能會參考之前的訂單、商品搜索記錄、愿望清單、購物車，甚至包括用戶的鼠標在某件商品上懸停的時間。這項技術可以縮短發貨時間，因為從下單到收貨之間的時間延遲可能會降低人們的購物意愿，導致他們放棄網上購物。

以及大數據技術幫助“UPS”對運輸車輛實時跟蹤并自動優化線路。UPS最新的大數據來源是安裝在公司4.6萬多輛卡車上的遠程通信傳感器，這些傳感器能夠傳回車速、方向、剎車和動力性能等方面的數據。收集到的數據流不僅能說明車輛的日常性能，還能幫助公司重新設計物流路線。大量的在線地圖數據和優化算法，最終能幫助UPS實時地調配駕駛員的收貨和配送路線。該系統為UPS減少了8500萬英里的物流里程，由此節約了840萬加侖的汽油。

此外北京朝陽大悅城應用大數據技術從五個維度對消費客群進行跟蹤與描述。一是客戶的基本屬性，二是客戶的交易明細，三是客戶的線下行為（通過場內的WIFI系統布局收集），四是客戶的線上行為，五是外部補充數據（通過與大數據公司合作進行數據交換），其中后三個維度都是以非結構化數據為主。利用大數據技術，大悅城可以清晰地了解其核心客戶來自哪里，從購物中心場內WIFI收到百萬級的WAP地址中，抽取20萬客戶，把客戶的家庭地址納入到商圈中，可以實現這一目的。除此之外，通過大數據技術收集消費者的歷史消費數據，進而繪制出生命周期的曲線圖，從而了解某一個項目客戶的新老結構，這個占比直接反映了整個項目對于吸納新客戶的能力如何。企業依靠大數據實現精確管理與項目的精準定位。

2、大數據幫助企業簡化組織

隨著“云消費”時代的到來，越來越多的零售商開始拋棄傳統大企業發展思維，充分借助社會分工，集中力量于核心價值，輕量化運行，實現小團隊創造大業績的奇跡，從大企業化向輕量化轉型。在此過程中首先需要管理者投入大量的時間、精力用于管理信息獲取。越是大型的組織機構，對于信息獲取以及管理溝通的成本也就越高，在此階段中，信息成本逐漸成為交易成本中比重最大的成本。因為數據獲取往往需要大量的終端數據進行累加地復雜運算，而在傳統的信息系統當中，以上來自于不同管理軟件的不同終端數據，單單是進行匯總、整合為一個數據庫，就存在極大的難度。而且由于信息系統不夠優化，在支持企業管理運營時無法有效迅速調出，或者在權限上沒有明確界定，全部數據都作為保密數據，難以被實際權限合適的決策者所利用。而通過大數據技術，企業經營中的各種數據按照數據庫的設置原則自動進行匯集、整理，并按照一定邏輯進行挖掘分析，形成經營結論分類按照使用者權限傳輸給各級管理者，降低信息獲取成本。

此外傳統企業組織架構按照供應鏈設置橫向體系，按照決策鏈設置縱向體系。但企業管理作為一個有機整體，橫向上按照供應鏈進行管理職能與權責分割往往引起多頭管理與權責不清并存的弊病，同時隨著企業的發展與規模擴大，縱向上決策鏈設置的管理層級也越來越多。根據帕金森定律，越是體制束縛多、官僚的組織，越容易患上“大企業病”。而根據崔西定律，任何工作的困難度與其執行步驟的數目平方成正比，過多的企業層級與人浮于事導致企業決策越來越困難，執行越來越困難，企業的基層越來越忙碌，成本越來越高，而客戶卻越來越不滿，龐大的組織架構、繁瑣的運營流程最終成為束縛企業發展的枷鎖。

通過大數據匯集形成的數據流驅動，使企業的組織、管理與決策不再依賴于傳統以管理者為單位框架式的信息傳遞方式，而是通過由大數據技術構成的信息中樞進行驅動，既幫助企業降低管理與溝通成本，又幫助企業實現組織架構扁平化，提升企業管理決策效率。

3、大數據幫助企業智能決策

最典型的智能決策的案例就是“AlphaGo”挑戰韓國名將李世石九段以4：1告勝。“AlphaGo”通過與自動程序以及其他棋手進行對弈，從而完成自動學習，然后通過一系列復雜的算法，在與李世石對弈中實現每一步棋的智能決策，并取得最終勝利。而這種智能決策，有賴于通過大數據技術對于海量的自動分析與處理，以及通過處理過程中形成的經驗累積，從而做出最優決策。

在商業領域例如阿里小貸對億級海量店鋪數據進行自動分析，根據以往的經營數據比對、同業數據比對、銷售數據自動化計算等方式，準確定位每一個商戶的信譽度與資金周轉額度，確定用戶貸款額度與風險等級，幫助授信單位在最全面的因素上來考量授信對象，以做出最準確的授信或判斷，實現高等級風險控制。除風險控制外，阿里小貸還利用大數據分析來改進服務，例如過往每到某個時間節點，某店鋪的營業額就會進入旺季，銷售額就會出現增長，每在這個時段，該客戶所需的貸款周轉額度就會上升，系統就會根據自動分析的結果對商戶的貸款額度等進行調整。

另一個智能決策的成功案例就是小紅書社區。成立之初小紅書以個人海外購物的經歷分享加社區資訊做為主要內容，是專業的海外購論壇。通過大數據的支持，小紅書形成了自己獨特的盈利模式，即通過海外購社區中的數據統計，對于討論最熱門的商品進行集中采購，并通過規模化的物流運輸運至國內。相較于個人海淘或海外代購，小紅書的銷售價格更有競爭力。此外，雖然小紅書相比于阿里、京東的海外購規模要小得多，但通過大數據幫助，小紅書只銷售最熱門的商品，商品數量遠低于前兩者，而單品的銷售數量卻極高，這使得小紅書的毛利相較于大體量的海外購平臺大幅增加。依靠大數據技術，小紅書成為為數不多成功探索出自己的商業模式并實現盈利的購物分享社區。

4、大數據幫助企業創造客戶價值

一切商業活動的基礎在于為目標客戶創造價值。通過大數據技術，幫助企業更好地為客戶服務，為客戶創造價值，而不再是從客戶身上攫取價值。過去大賣場的出現，使顧客能夠輕松地實現一站式購物，并有一定的優惠促銷，這為客戶節約了時間與成本，這是大賣場相對于小鋪創造的核心價值。而當信息時代到來，通過電腦、手機、pad等各種網絡終端都能夠方便地實現足不出戶完成購物，并且比價變得更加方便，價格信息更加透明，因此電商替代了大賣場的核心價值，使大賣場的盈利能力逐年降低。

在“云消費”時代，主流消費方式呈現出強烈的個人化消費特點，即通過商業智能和大數據的支持使為個人定制的個人化服務不再是少數人的特權，每個消費者都能享受獨一無二的商品和服務，享受消費的尊崇感與自豪感。為客戶創造價值的最優方式即為客戶提供獨一無二的專屬化服務。依靠大數據技術，不但能夠準確捕捉消費客群的商業活動，甚至能夠跟蹤消費客群商業活動以外的其他信息，這其中包含大量的消費軌跡、活動軌跡等非結構化數據。之后通過對海量數據的自動分析，就能夠準確描述消費客群的特征、消費偏好、消費習慣乃至潛在的消費傾向，大數據技術使消費者分析與客戶服務不再停留在抽樣預測階段，而是依靠全部數據的自動分析處理，準確了解每一位客戶需求，從而幫助商業企業準確了解消費客群，為消費者創造專屬化服務。

利用大數據服務消費者的先行者就包括亞馬遜網站。在消費者瀏覽網頁時，會顯示出如80%購買商品A的人，還購買了另一商品B，并給出一個同時購買了兩種商品的折扣。或者是當消費者瀏覽一件商品時，網頁會顯示僅30%的人購買此商品，80%的人購買了另一個同類商品。這時消費者就會好奇并瀏覽另一商品。通過瀏覽發現此商品或價格更加劃算，或質量更優，而選擇亞馬遜的推薦。因此亞馬遜的大數據并非只用于關聯銷售而達成更多銷售額，還通過大數據的智能化分析，為顧客提供更滿意的選擇。消費者滿意度更高，自然更加信賴亞馬遜網站并最終為亞馬遜帶來長遠的商業利益。

再如尚品宅配，通過對消費者的年齡、喜好、消費能力的分析，利用后臺的大數據，對同類人群的歷史消費偏好進行自動分析與匹配，通過“云設計”將最容易被此類消費者所接受的設計進行組合，最后形成整體設計方案。因此商品宅配的銷售量越大所積累的客戶選擇偏好大數據量越龐大，通過大數據技術進行“云設計”所得到的結果越接近于消費者滿意設計。

大數據能為企業創造的客戶價值實際上遠不止已經實現的商業嘗試，可以設想當顧客走進以大數據技術為核心的未來餐廳中，進入大門餐廳就會自動識別出會員身份，在手機上顯示該會員的姓名、積分、可獲折扣等相關信息，并自動為其安排最喜愛的餐位；當一個食客用手機掃描菜譜時，可查到該菜包括營養成分、烹制方法，而且還可以看到食物和自身健康的匹配度或者友好度；食客的所有需求將進入到餐館運營的數據庫。數據庫不斷擴大精準定制每一個食客的需求，比食客更了解自己做到精準推薦：餐飲店可以根據后臺數據最大化利益的做到更多方式的經營業態，菜品搭配、菜品推薦、采購物流等環節，通過大數據實現了顧客與餐飲機構雙方各自利益最大化。而在未來餐廳甚至能夠出現這樣的場景，一個無人機送餐。

而利用大數據技術，超市的功能與服務也將大大提升。應用大數據技術構建的典型的未來超市購物將出現如下場景。首先未來超市支持對海量會員生成個性化精準營銷方案。在超市任何時間，任何地點，線上或線下消費，會員都可以得到專屬會員折扣專屬折扣比率和品類由會員在超市全渠道消費記錄自動生成。此外會員通過手機APP或微信平臺，可以經常獲得超市發送的專屬會員優惠券，活動商品可以通過線上消費、到店消費獲得。而在家里有某類生活消費需求的時候，會員也可以通過手機APP或微信平臺，獲得超市發送的專屬商品推薦。超市還能夠針對會員的消費習慣與消費頻次，在會員購物期間，對會員周期購買商品進行補貨提醒，對價格敏感商品進行降價提醒，對關聯興趣產品進行推薦提醒。以及通過精選商品滿足會員現代生活方式需求，通過對海量會員消費數據的分析結論，適時推出創新精選商品，如健康生鮮半成品，向緊張生活的現代消費群體傳遞緊張生活節奏中親自動手快速成餐的生活方式。針對服務社區消費大數據分析排位最高的需求，不斷調整業態組合，完善服務功能，使絕大多數居民生活服務需求都可以在超市得到滿足，使到超市解決生活所需成為一種習慣。

依靠大數據技術，甚至可以解決大賣場過多商品陳列的問題。未來超市中每件商品可以只擺放幾件樣品顧客選購只需要用自己的手機對商品進行掃碼，并加到手機的購物車中，通過手機進行結賬，然后大數據信息系統會自動通過智能停車系統，讀取顧客的停車位置。當顧客設定好離店時間時，超市會按照顧客約定的送貨時間將顧客所購買的商品送到顧客的車位上。這樣將極大地提升超市對顧客的服務能力，并節約大量的土地成本。

三、云消費時代企業信息系統建設實踐

1、云消費時代企業盈利模式發生變化，商業模式亟待變革

在云消費時代，終端消費已突破傳統店鋪的限制，突破商品形態的限制，流通的時間障礙、距離障礙、渠道環節完全突破，呈現出“零時差、零距離、零渠道”之趨勢，即消費者可以在任意時刻、購買任意地方的產品、通過任意渠道實現。傳統依靠信息不對稱以及多道流通環節賺取商業利潤的方式變得越來越困難。而在生產與批發領域，則呈現平臺化整合趨勢，過去企業為降低成本以及擴張規模往往選擇向產業鏈上下游延伸，但在云消費時代，通過依靠信息技術建立的網絡化平臺使“眾包”成為企業新的選擇，而諸如此類的商業變革還在不斷地創新、發展中，企業的盈利模式發生改變，為此企業應構建全新發展戰略，從組織架構、組織流程以及經營管理等方面重構商業模式，并按照全新的商業模式進行信息系統部署與升級。

2、云消費時代信息系統建設存在的問題與方法

（1）主流信息系統簡單改造升級難度大、成本高

目前我國絕大多數商業企業使用的主流商業信息系統，仍采用的是歐美國家在90年代即開發、形成，于2000年前后在我國商業企業當中廣泛流行，紛紛安裝、建設的信息系統。首先系統的流程設計是按照過去的企業組織方式與管理流程進行設置，與云消費時代全新的商業模式不相符，對系統流程改造難度大。同時隨著云消費時代到來，對客戶移動終端訪問、管理與移動辦公的要求越來越高，但傳統客戶端服務器環境使用Windows平臺或依賴Windows平臺，軟件遷移性差，需要重新針對移動端訪問進行終端開發。

其次在系統體系結構行上采用C/S（clients/server，客戶端/服務器）結構為主，在技術實現上以關系型數據庫（Oracle、MS-SQL）為主，程序體量過重、數據源分散、數據結構不系統，尤其是根據現有規模進行編程、封裝后，企業數據規模擴大或系統升級時改造困難、效率低下。

此外開發語言使用上世紀90年代為主流的Powerbuilder、.NET語言，本運行在Windows平臺，效率低、硬件投入較高，并容易通過OllyDebug加載調試被反匯編，系統安全性較差。因此對于目前主流的信息系統通過簡單地修補與改造升級難度大、累加成本高。

（2）信息系統應超前設計架構，動態可擴展

因此云消費時代的信息系統需要超前設計、架構，并動態可擴展。首先在在設計思想上應根據未來的組織架構與業務流程進行設計，即按照企業變革后的商業模式與發展戰略超前設計企業信息系統，滿足未來企業對信息系統的設計需求。

其次在技術上應以全新的非關系型數據庫（No SQL、MongoDB）技術為主，相較于傳統關系型數據庫，讀寫性能高、數據沒有耦合性，易擴展、跨平臺、體量輕、易部署：在系統體系結構上以B/S（browsers/servers，瀏覽器/服務器）作為主導結構，相較于主流C/S結構系統依賴于單一服務器環境，B/S系統建立在廣域網之上，核心內容在服務器端完成，終端瀏覽器只負責上發和下傳，不受系統環境等因素影響，隨時動態擴容，具有較高擴展性、敏捷開發，可跨平臺使用，并且開發周期較短、效率高、對終端硬件要求低，維護成本低，投入產出比高。

此外在系統底層架構上應預留未來的發展空間、一步到位，避免此后由于底層架構限制導致系統難以升級或重新開發的高成本投入。但在應用模塊的構建與數據庫硬件投入上，由于采用以上所述新的技術與體系結構，因此可以實現模塊化開發與逐步添加，是系統應用層可以分步實施，提升系統開發效率與動態可擴展性。

最后在商業智能（BI）上新的信息系統大幅度提升，其本質在于對于大數據的搜集、積累與智能挖掘，使信息系統具備自我學習、自主決策的能力，從而幫助企業提升運營管理效率與客戶服務能力。