大數據對未來商業模式的影響

潘暢

摘 要： 隨著時代的發展，大數據日益成為改變未來商業模式的重要因素。筆者首先描述當前的情況以及大數據的含義，介紹了組織使用數據的方式和提供大數據業務模型分類的區別，考察了大數據在企業中的現狀以及大數據帶來的主要機遇和挑戰。

關鍵詞：大數據；商業模式；影響

大數據日益被視為經濟運行良好的基本要素。許多報告和學術刊物指出，越來越多的經濟部門使用大數據來增強生產力，以實現效率和潛力的潛力生長。認識到數據使用可能在未來幾年變得越來越重要和普遍，因此本文討論如何通過政策和法規來促進大數據方法的最佳化。

大數據的定義

大數據是指由人員、工具和機器創建的動態，主體是大量且不同的數據量。大數據與傳統數據的主要不同是需要通過可創新、可擴展和新的技術來收集，通過分析處理收集到的大量數據，以獲得與消費者、風險、利潤、績效、生產力管理和股東價值增強有關的實時業務洞察信息。大數據主要包括來自社交媒體的信息，來自互聯網設備（包括智能手機和平板電腦）的數據、機器數據、視頻和語音記錄以及持續保存和記錄結構化和非結構化數據。它的典型特征是四個“V”[1]：

容量（Volume）：與傳統數據源相比，創建的數據量很大；種類（Variety）：數據來自不同來源，由機器和人員創建；速度（Velocity）：數據生成速度非常快，過程不會停止；準確性（Veracity）：大數據來自許多不同的地方，因此需要測試數據的準確性。

大數據技術的出現給商業發展帶來了許多機遇和挑戰。下面我們將詳細說明大數據帶來的機遇與挑戰。

大數據帶來的機遇

大數據可以優化商業管理模式

為了從大數據中提取價值，必須及時對其進行處理和分析，并且結果需要能夠實現積極變化或影響業務決策的方式提供。數據的有效性還依賴于一個擁有正確的人員、合理的數據處理流程和技術的組合。通過分析，在數據中發現和傳達有意義的模式。對于企業而言，分析應該被視為數據的廣泛使用、統計和定量分析，使用解釋性和預測性模型來推動基于事實的業務管理決策和動作。分析有助于優化關鍵流程、功能和角色，它可以用來匯總內部和外部數據，使組織能夠滿足利益相關方報告需求，管理海量數據量，創建市場優勢，管理風險，改進控制并最終通過將信息轉化為智能來提高組織績效。另一方面，數據可用性和處理能力的融合正在幫助為大多數行業釋放大數據的潛力。大數據的結果有利于整個組織范圍內的廣泛利益相關者——執行管理層和董事會、業務運營和風險專業人士，包括法律、內部審計、財務和合規以及銷售和市場營銷等面向客戶的部門。關鍵的挑戰是可以有能力解釋從各種來源整理的大量數據。

大數據可以迅速定位目標用戶

大數據技術正在改變我們的日常生活，重塑未來商業模式。利用大數據，構建可集成各種格式海量數據的體系結構，并提供針對整合客戶視圖的實時分析或改進的欺詐檢測和其他類似業務目標已成為可能。數據架構應準備好打破內部孤島，實現整個組織內關鍵數據集的共享，并確保以及時和準確的方式捕獲并傳遞給組織中正確的人員。以電影光盤租賃這一行業為例，在大數據技術出現以前，客戶僅能依據影碟租賃代理的意見選擇其喜歡的電影，然而在大數據技術出現之后，今天的電影租賃公司和內容交付服務可以利用大量的數據點產生推薦。通過分析所查看的內容，分析何時、何種設備（甚至是內容是快速轉發還是暫停）、用戶活動（如互聯網搜索）以及網頁內的瀏覽和滾動，可以為數百萬人量身定制推薦，客戶可以實時獲得其想要的結果。調查顯示，大約75%的領先供應商的觀點受到這些建議的推動。

大數據技術提供了新的數據處理模式

大數據以具有成本效益的方式克服了傳統限制，并為來自外部社交媒體的數據、市場數據、通信，以及通過數字渠道與客戶的互動等新源獲取、存儲和處理數據提供了機會。根據一些估計，更多組織內數據的80%以上是非結構化的，不適合傳統處理。使用大數據可以處理這些非結構化數據并提高系統智能，這些數據可用于提高銷售業績，增加對客戶需求的了解，加強內部風險管理功能，支持營銷舉措并加強欺詐監控。大數據能力使企業能夠在短時間內以較低的工作量整合多個數據源。結合每千兆字節的較低存儲成本，使組織能夠通過將來自各個單獨業務部門的客戶數據轉換為單一基礎架構，然后運行整合分析和報告來構建客戶的聯合視圖。大數據技術通過使組織能夠以最低的細節級別存儲數據，以合理的成本和更少的工作量將傳統的準確性與成本挑戰相結合，從而發布組織。

基于大數據的天氣預測技術目前已經十分成熟。以基于大數據的天氣預報為例[2]，在大數據技術出現之前，天氣是不可預見和不可治理的，強大的天氣預報模型通常需要數十萬個不斷變化的大氣變量。隨著大數據的出現，一些技術公司已經具備了提供歷史氣象數據和更好地預測極端天氣事件的能力。根據過去幾十年的數十億計算和數據點，大數據現在可以提前一個月改進天氣預報。隨著低成本云計算環境和開放數據移動的出現，近年來出現了各種大數據天氣預報企業。其中一些新創公司向企業用戶（如大型農場主、物流公司）提供服務，另一些則直接向零售客戶提供服務。準確的天氣數據對許多組織都有好處，例如，一些公司一直在利用天氣信息來改善從供應鏈計劃到廣告的業務活動。供應鏈管理不僅僅是在暴風雪前儲備更多的鐵鏟，零售商現在可以通過利用新的大數據見解來改善庫存管理，例如，在異常寒冷的天氣過后，某些城市的啤酒銷售量會減少，而其他城市則會增加。而且，通過將當前和歷史氣象數據的實時詳細分析與位置、人口統計數據和購買歷史等個人數據相結合，零售商可以進一步完善和定位他們的廣告，即如果今天是一周低溫后的第一個暖日，消費者購買模式將會改變。

大數據為數據架構帶來了新的范式

過去，數據系統是建立在預定的一組數據要求之上的。在大數據領域，數據存儲平臺不限于預定義的剛性數據模型，數據系統能夠處理各種結構化和非結構化數據。尤其是對于非結構化數據的整合可以改進分析和報告。例如，出于各種原因，跨業務功能和地理位置的客戶資料整合視圖的業務目標很重要，一方面可以使業務決策過程更加智能化，增強對客戶資料的監控（關注或機會問題），使公司能夠為其客戶量身定制，滿足其特定需求的更多相關服務。大數據通過提供集成和分析來自整個組織的各種系統數據的能力，以高效和靈活的方式為此提供解決方案。實時欺詐監控是一項經典的大數據挑戰，要求集成大量不同的結構化和非結構化的高速數據，這些數據需要實時分析以實現收益。一家全球支付技術公司最近表示，通過使用大數據技術授權模式，識別借記交易欺詐和信用卡交易案例成功率分別提高了175%和130%。大數據還提供了額外的功能，例如在商品硬件網格上部署數據存儲、處理能力，具有無限制的可擴展性和靈活性，以適應不斷變化的數據格局。

以一個案例說明大數據技術的優勢[3]：全球十大保險公司之一的某企業投資3億美元用于未來大數據解決方案，旨在為企業提供單一客戶視圖；提供他們的客戶組合的360°視圖并整合客戶互動。在大數據解決方案之前，由于數據量不斷增長、系統不兼、數據不一致以及無法處理非結構化數據，該組織難以在整個產品和業務系統中為客戶創建單一視圖。而他們現在能夠生成一個單一的客戶視圖，可以在整個企業中以一致的方式使用，從而產生有效的銷售建議，定制產品和運營改進。

大數據帶來的挑戰

數據的產權問題

管理者需要學習接受以證據為基礎的決策過程，組織必須重新定義他們對大數據分析結果的“判斷”的理解。一方面，因為數據可能具有很高的價值，因此商業公司在使用大數據結果之前必須考慮所有權和隱私問題。以醫療數據為例，有時并不清楚誰是數據所有者，但在沒有正確的法律基礎或經患者同意的情況下使用數據可能會導致嚴重問題。以社交媒體巨頭“臉書”近期面臨的泄露用戶隱私數據的問題為例，對這些數據使用不當很可能造成企業的信譽風險。

另一方面，大數據可能會導致知識產權問題，例如版權和數據庫權利侵權。因此，確保員工不會在組織外分享不適當的信息或太多數據將是企業面臨的一項重要挑戰。

大數據技術的潛在安全風險

大數據正在引起企業、媒體甚至消費者的強烈關注，在數據分析、云技術、數字渠道和數據可視化等方面發揮著重大作用。這些都是科技大趨勢所創造的當前多元化生態系統的一部分，有些人甚至預示當前趨勢的潛在變革力量可以與互聯網相媲美。然而，在互聯網早期，大數據的潛在收益和相關風險存在不確定性。安永2013年全球信息安全調查結果顯示，雖然大數據的采用和使用尚未普及，但對該技術的信心和熟悉度不斷提高。受訪者認為大數據技術在重要性、熟悉程度和信心水平方面處于“即將到來”的狀態（即那些在一段時間內一直處于組織關注的領域）的平均值，但可能尚未實施或被廣泛采用以解決相關網絡風險，組織通常將這些技術視為提供改善其性能和創造競爭優勢的機會，這是對能力的熟悉和信心今天需要增加的地方，因為這些技術的重要性在不久的將來可能會顯著增長。

大數據技術的合法合規性

持續的監管壓力要求公司遵守各種政策和法律。法規遵從性治理是一個復雜的問題，但如果不符合法規要求，則可能意味著安全風險、嚴重處罰、聲譽損失甚至破產。“大數據”這個詞已經成為技術媒體的主題，但它也越來越多地進入許多合規內部審計和欺詐風險管理相關的討論。在安永2014年全球法庭數據分析調查中，72%的受訪者認為新興的大數據技術可以在欺詐預防和檢測方面發揮關鍵作用。但只有7%的受訪者意識到任何特定的大數據技術，而實際使用這些技術的只有2%。法醫數據分析（FDA）技術可幫助公司跟上日益增長的數據量以及業務和監管復雜性；示例可以包括實時分析處理引擎，這些引擎可以快速做出業務決策，例如停止潛在的不當付款或業務交易，或利用集成了數據可視化，統計分析和文本挖掘功能的反欺詐、反腐敗監控控制。盡管可用，但許多公司沒有擴大數據使用量以利用這些有效的工具，并且可能由于不挖掘更大的數據集以更強有力的監控業務活動而丟失重要的欺詐預防和檢測機會。

大數據的存儲問題

增加數據量會給基礎架構帶來壓力，導致處理緩慢、存儲問題和備份需求。 無法使用非結構化數據會降低分析和報告的質量。大量數據孤島造成數據完整性差、不一致以及高實施和維護預算的風險。在整個組織內整合和移動數據傳統上受到數據存儲平臺（如關系數據庫或批處理文件）的限制，處理大量數據的能力有限，結構復雜或根本沒有結構的數據，或生成、或接收的數據量有很高的速度。組織需要通過不同的渠道開始管理數據，并通過市場上的一系列技術整合其實用性。

然而更多的數據并不意味著更好，更多的數據可能導致數據質量問題的數量增加，以及業務決策中的混淆和缺乏一致性，特別是當存在沖突的信息時。集成的數據架構增加了數據鏈接和匹配算法的挑戰，以區分與數據相關的項目。架構格局越來越復雜，數據量越來越大，這為數據治理和數據隱私帶來了新的挑戰，存在缺乏組織內部和外部的能力，難以跟上快速發展的硬件、軟件技術和實施方法等問題。這些問題都需要引起重視，需要技術的進一步發展來得到解決。

（作者單位：南京師范大學附屬中學）

【參考文獻】

[1]陳曉霞，徐國虎.大數據業務的商業模式探討[J].電子商務，2013（06）.

[2]洪路明.基于“大數據”的商業模式創新探究[J].現代經濟信息，2016（07）.

[3]王和，鞠松霖.基于大數據的保險商業模式[J].中國金融，2014（15）.