“大数据”的根本是为了价值创造

前面什么是“大数据”我就很快的过一下，我们看到了“大数据”的一些想法。更重要的是我们怎么看待“大数据”，怎么影响到业务模式的变革，我们也会提到一些案例，我们看到我们的客户在整个“大数据”的变革中会做一些什么东西。在当中最重要的，刚刚吴老师也提到，不但是获取数据，而是如何用它，不管是组织、流程、能力各方面怎么做很好的准备，怎样去挖掘这样的一个机会。

　　首先刚才大家也提到了，现在进入到了一个“大数据”的时代，如果大家看我们这里做了一个很快的统计，在全球几百个主要的媒体上面，看到在一些标题，或者是在一些主要的段落里面，谈到“大数据”的这个字的话，其实十年前就已经开始有了，但那时候还不是太多。其实在比如说2005、2007年的时候，看最火的字可能是电子商务，看得更加多。2001年时候看到的最多的字是云计算。看最近两三年，“大数据”就突然间增长的非常快了。当然不是说电子商务、云计算已经落后了，这些还是经常看到的自眼，但“大数据”会看到非常高的比例。

　　“大数据”刚才大家都谈到了一些不同的定义，“大数据”是什么东西，刚才也提到了，其实十多年前、二十多年前，我们就已经会挖掘客户的信息了，会做分析了。但是究竟“大数据”和以前有什么不一样?首先在量上面，是海量的数据，是本来一些的方法、工具，这些是分析不了的，是做不了的，这个量是非常多的。给大家一个概念，现在世界上所有的数据，90%是在过去两年产生出来的，所以你会看到，我们的时间再过一年的话，信息量的增长完全是一个爆炸性的增长。比如说另外一个，可能刚才谈到视频分享网站，有人做过一个统计，比如说你现在坐在一个电脑面前一直看这个视频的话，可能需要一两千年才能够看完。这些数据量这么多，当中对你有用的不一定会太多，怎么挖掘海量的数据，这个量是一个很大的重要的一点。

　　除了以外，另外一点就是现在不同种类的数据，以前的话，可能在网上你看到了一些文字的资料，现在找东西的话，你会找图片，会找不同的视频，有时候还会有很多不同的模式，比如说你的PUO这些东西，或者是其他的很多不同的种类的信息，这个也越来越多。

　　其实很多时候，刚才已经提到了，我们要分析，客户分析的数据不但是分析自己的数据，很多时候是要把怎么样和外部的数据结合起来。比如说大家一直可能会谈到沃尔玛，怎么样挖掘沃尔玛自己的客户，他买了什么东西，对未来会买什么东西做一个预期，或者是对未来的什么折扣感兴趣。但是有一个有趣的事情，沃尔玛不但看自己的数据，还会把这些数据和天气的数据放在一起看。比如说下雨的时候哪些货品要多做一点，或者是有台风的时候，客户会来多买什么东西。把不同种类的数据和不同来源的数据做一个很好的分析的话，这个也是“大数据”时代的一个挑战。

　　另外一点，在媒体里面常常谈到的“大数据”是实时，这个是很重要的，不但是量、种类，要实时的应对，比如说十年前客户做调研和客户细分，需要两三个月的时间来做分析，来做出结果怎么服务好客户。但是现在客户的需要已经不一样了，怎么实时给出应对是重要的一点。

　　其实我们对“大数据”的理解也有一定的定义，就刚才提到的，其中首先一点是怎么样收集，怎么样去分析，怎么样去理解这些大数据，这当然是很重要的一部分，这里面很重要的一点，不单单是获取，因为我们常常看到一些客户可能觉得浪费时间，外面有那么多的数据，怎么多拿一点进来，但是更加重要的是你有没有这个能力，怎么用这个数据，这个能力非常重要。

　　这里面提到两个另外的点，一个是“大数据”不是为了获取分析来做，更重要的一点是对于公司价值的创造，如果到最终这个数据你拿到了很多，分析了很多的数据，根本影响不了你的业务的话，这个也没有什么意思，所以价值创造是根本的一点。在这个过程中，我们相信“大数据”对业务的模式是一个很大的变革。所以我们在后面也会提到。

　　这里面我们随便看不同行业里面的经验。今天早上和一些同事聊的时候，大家也在谈，其实“大数据”究竟对什么行业有最大的影响呢?其实我觉得这个问题是很难回答的。因为我们看到很多客户一直问我们“大数据”对他们有什么影响，电子商务对他们有什么影响。这里面不单单是消费者的公司，或者是B2B的公司，或者是医药的种种的公司，主要是看怎么应用“大数据”，一方面是他们的数据量，数据的来源越来越多了。还有就是刚才提到的，就是怎么和外部的数据结合起来，做到对你业务有价值的帮助。现在价值创造往往上上亿美元的收入，或者是成本方面的增长。

　　刚刚提到其实不同的行业里面会有不同的应用，这一页是我们几个月之前做的，这上面可能有一些还没有做“大数据”的公司现在已经开始做了，这个变化是非常快的。举一个例子，一个保险（放心保）方面的，过去可能看不同人的年龄，以前开汽车有没有遇到过意外，然后决定你的保险要付多少钱。现在是有一个仪器放你车里面，看你开车是否安全，这个就可以给不同客户更加个性化的定价。这个就是一个“大数据”的应用。另外一种，我觉得也很有趣的例子，大家知道现在是欧债危机，很多政府都遇到了这样的挑战，比如说意大利政府，意大利政府不但是考虑有没有人逃税，不但是要看报上来的数据，在法律允许的情况下，结合了很多消费的帐单、电话费的帐单，比如说你有没有去外地旅游等等，你没有那么高的收入，为什么可以有这么高的消费，把这些数据和他们报上来的收入比较，发现20%纳税人是高风险的逃税人。这个也是一个“大数据”的应用，不但是在业务里面、商业里面，也在政府里面，很多行业里面都会有不同的应用。

　　这里面谈一下背景，因为很多客户常常问我们，什么叫做商业模式，我们有没有一个好的定义。这个也是我们很多客户比较接受和认可的定义。商业模式，在这里面有两个大的方面，一个是价值主张，比如说从所提供的产品服务究竟是什么东西，目标客户群是谁，收入的模式，比如说定价、商业模式怎么样在里面赚钱的，收入是怎么样来的，这也是一部分，我们叫做价值主张。

　　另外一方面是在运营模式方面，比如说在整个的价值链当中，怎么控制这个价值链，或者我们在价值链的哪个部分去玩，其中组织的架构，也会影响到商业模式，最终也有成本的模型、成本了模式。我们对于商业模式的变革，商业模式的改造里面，定义在这六个模式里面至少有两个是在改变，才叫做商业模式的改变。比如说你只是改变了目标客户群，其他没有什么改的，这个只是客户群的改变，如果只是多了一点服务和产品，在其他方面也没有改的话，这个也不是根本的商业模式的改变。但是我们后面谈到例子中就会看到，很多客户在运用“大数据”的时候，有两方面的改变和影响，这个就是根本上的商业模式的变革。

　　“大数据”如何影响到商业模式的变革。这里面有几个大的方面，首先是数据的来源，根据提到数据越来越多，在中间怎么样影响总体的经济链，或者是总体价值链。右边是结果了，刚才提到，可能是六个方面影响我们的商业模式。但是如果大家看一下左边的数据方面，其实数据来源，或者是量越来越多，这个当然是一个很重要的一点，但是刚才吴老师和殷总也提到，获取数据的成本，或者是储存数据的成本越来越低，这个是使得大家愿意越来越多的使用“大数据”。但是更加重要的是要有越来越先进的分析工具，来帮助大家做这些分析，不然的话，如果还是用十年前，十五年前的工具，虽然数据多了很多很多，但是也做不住很好的结果。比如说我们自己内部，过去5年也建立了一个团队，专门看地理方面的数据，全球不同地方的地理数据，比如说中国国内，什么地方有餐厅，什么地方有零售店，其实现在有很好的数据做分析的，十几年前没有这样的数据库，现在有了，我们也有这样的能力。我们也有团队，比如说看全球零售方面的数据分析。比如说几年前我们用很简单的工具来做分析，因为数据少，很容易做。而现在我们自己的咨询公司也会建立这样的能力。

　　最后当然是客户他们，这些消费者也很愿意的和大家分享这些数据，当然在隐私这些方面可能还是一定的挑战，但是对于他们来说，他们贡献的这种数据，获得了这种便利，比如说在亚马逊上面可以提供书的建议，或者我到沃尔玛里面，有特价的折扣给我，比较个性化，这些是他们比较愿意用他们的数据来换取一些价值。这些种种方面就是为什么现在数据越来越多，怎么样影响到业务模式的变革。

　　在当中，我们一会儿会谈到比较大的一点，就是中间谈到怎么样真正的影响价值链。比如说现在有了那么多的数据，而且流通性那么好的话，大大增加了在交易、客户、产业之间的透明度。其中还谈到了交易成本都有一定的降低。比如说以前一家公司要做针对性的营销的话，以前可能是很难做的，以前做营销，打一个广告，面对很大的受众，但是不一定很有针对性。而现在用比较低的成本，你有了这个能力，有了这个数据，就可以给客户很个性化的优惠和产品。这个以前是不可能发生的。

　　在价值链不同部分的规模变革，或者是客户的期望值，这个也是很重要的部分，为什么这些公司要根本的改善业务模式，很重要的一点是客户的期望值在改变。大家觉得现在有那么多的数据，我只看到竞争对手做了那么多的东西，但是我们对于公司的期望会越来越高。

　　刚才谈到业务模式的六大方面。

　　我在这里面就不多提这些例子了，我后面会比较仔细的谈在企业和“大数据”当中怎么样去竞争。

　　在这个方面，首先我们很多时候当客户在看这个问题的时候，会从几个大的方面看。其中最重要的，就是最上面的，就是整个他们对“大数据”方面的整体的定位，或者是战略是怎么样的。这个是很重要的。刚才也说了，不是为了获取数据而获取数据，不是为了分析数据而分析数据，最终希望你怎么样去使用，这个在你的业务里面是希望达到什么样的效果，这个是很重要的一点。这个整体的方向，高层、领导层方面的一些大力的资源方面的支持之外，下面我们会从几个大的纬度看。

　　第一个，怎么样利用这些数据。这是很重要的部分。数据的用途在哪里。

　　第二个，我们叫做数据的引擎，其实就是数据基础的建设。

　　第三个，生态的系统，整个生态系统怎么样去看。

　　这里面很快把每一点说一下。首先在上面怎么样利用这个数据，我们这里面看到两个大的方面，一个是在机会方面，一个是信任方面。机会方面就是要了解用这些数据会达到什么目的，会有什么样的机会，比如说要挖掘一点对业务方面的洞察，还是希望对整个公司的流程有更加好的完善，更加好的改进呢，还是说你希望给客户提供一些新的产品，以前可能是没有办法提供的，比如说你本来有不同的业务，本来是独立的提供业务，现在不同单元可以分享提供业务，提供新的数据。怎么样利用这些数据，就是要看机会方面，有哪些机会。第二方面叫做信任。这里面其实有两大部分，一个是刚才提到的数据是不是也愿意的提供一些数据给你，就是说让你获得一定的便利，获得一定的优惠，然后客户能够信任你，让你收集这样的数据。另外一部分就是你怎么样建立这个形象，就是在整个的过程中，客户愿意给你，但是慢慢的你要建立一个可信任的形象，就是大家觉得给你这个信息是安全的，就是这个信任。所以怎么样利用和获取信任是很重要的部分。

　　第二个部分是数据的引擎。第一个是在技术方面，怎么样建立这个平台，这个当然很重要。右边是组织的架构，内部的话，你的组织需要什么样的能力，需要什么样的人才，比如说组织架构，比如说刚才殷总提到在一个公司里面有一个CBO，除了这个之外，有一群人在总部，可能对“大数据”分析比较了解。但是在每一个业务单元里面，是不是也要有人确定这些数据怎么用，怎么获取这些数据，日常和客户的沟通过程中，怎么收集和利用这些数据，这也是很重要的一点。这个是第二个部分。

　　第三个部分是数据的生态系统了，其实看到了很多的公司，他们不单单是看自己的数据，他们是很好的怎么样确保和他们整个生态系统，或者是第三方的伙伴，他们怎么样分享这些数据，这个总体来说是非常重要的一部分。所以很多时候，我们在过去好几年做了有上百个不同行业的“大数据”的项目之后，总结出来我们客户常常遇到的问题，可能都是这样，很多时候客户一开始来谈的时候，可能都谈上面的机会，究竟什么是大数据，给我们什么样的机会，但是他们慢慢了解之后，知道了这个还不是最大的问题，有了系统和做分析的人，这些都OK了，但是更多是在组织、流程、生态系统方面是更加的挑战。

　　在其中，我这里准备了两个例子，一个是谷歌，大家也是比较知道的，在运用数据方面是一个比较大、比较领先的公司。在当中会看到我也会从刚才提到的六个方面，怎么样使用数据，里面是怎么样挖掘不同的机会，怎么样得到客户的信任。第二个方面是数据引擎方面、平台方面、组织方面是怎么样做的，最后是怎么样参与生态系统，建立和不同伙伴的关系。

　　谷歌也很有战略，看到了很多大家还没有看到的机会，他们很早的时候就已经先做了，这个也是客户里面现在比较大的改变，现在有很多东西你要尝试的，因果关系你还没有看到很清楚，但是看到了关联性，虽然看不到因果关系，但是看到了就要尝试。谷歌是比较领先的一个。在当中会看到，在数据用途方面，比如说左边这里，他们常常有很多不同的应用，不管是地图，不管是在其他方面，比如说视频种种方面，有很多不同的应用，有上百种不的应用，就一直在试。它的数据库并不一定有很多，可能是有单一的数据库，在这个数据库里面可以让你做很多不一样的东西，这个就是客户在想的，其实更加重要的不是要获取更加多的数据，其实很多时候客户已经有太多的数据了，甚至有时候他们觉得自己的数据不够，一定要到外面找，其实他们没有想清楚自己的数据怎么用，单一的数据库已经可以让你做很多不同的东西出来，让你尝试不同的东西。

　　另外一方面，和客户怎么建立信任，比如说一个方面，客户要慢慢的、很快的感受到他们在这些数据方面里面获得的一些好处在哪里。另外一方面，他们收集了这些数据，谷歌这方面做得挺好的，比如说社会责任、社会形象、捐款，这方面他们做得也是很多的，这是为公司建立起比较正面的形象，这方面让客户觉得和你分享这些数据，你也是比较可信的公司。在怎么获取，怎么使用方面，其实很多客户是会考虑非常清楚的。

　　第二个方面是数据引擎，在整个基础建设方面。首先是技术方面，技术方面我当然不是懂很多。首先是要有统一的自己的数据库，然后在当中扩充性也是比较大的，刚才提到，拿了那么多的数据，怎么把数据库扩充、扩容，这个是非常重要的一点。另外一点是在组织方面，比如说这里面提到，当然你需要一些，我们这里说到数据的工程师，在很多公司里面，这个量不一定很多的，不是一家公司可能有上万人，就要有几百个这样的数据工程师，很多时候有十几个人的小的团队，但是能力都是比较强的，知道怎么进行数据挖掘，怎么把系统建立起来，这个是非常重要的一点。另外一个是在当中右下角，吴老师提到的一点，不是说要根因这方面的东西，其实他们挖掘这个东西的时候，最重要是看关联性，两个动作有一定的关联，然后就知道要去尝试这个东西，然后慢慢的看究竟为什么有这个原因，这个是和传统做一些商业决定是很不一样的。

　　对生态系统，这个也都不用说了，这里面比如说谷歌通过参与不同生态系统里面，和很多第三方伙伴一起来合作。有一些，比如说上面的是整个搜索的生态系统，下面可能地图也有生态系统，不同里面，和不同的很多人在合作，在工作。

　　后面我很快的说另外一个例子，这个是宝洁。也是从刚才的六个纬度看一下，怎么使用这些数据，基础怎么建立起来，最终怎么样建立很好的生态系统。这个是刚才提到的上面的三角形，对于大数据整体的战略和定位是怎么样的，可以看到在过去可能几十年的历程中，很多时候，比如说七八十年代、八九十年代，不但是宝洁，很多公司都在想生产力怎么提升，流程怎么做得更加好，或者是比较根本的业务方面的东西，但是会看到在过去几年，有很多大的投入，都是在“大数据”、运用电子商务的机会等，在公司的高层是有很大的决心要做这个工作。所以你会看到，在数据的用途方面是有很多不同的例子，这里面只是有几个例子而已。第一个是在社交媒体方面，其实有一些不单单是他自己的数据，还有外部的数据，他们进行分析，分析之后看到不同客户群的趋势，客户在看什么品牌。后来看到了一个客户很认同的品牌，买了进来这个品牌，然后客户增加了10倍，这个是很重要的一部分。

　　第二部分是流感方面的药，刚刚第一个是谈到客户端的数据，第二个是在库存上，怎么样提供给零售商足够的库存。这个药可能30%的存货的机会，就是你买这个产品，很多时候是70%的时间是缺货的，但是慢慢经过所有数据的挖掘，就把线下的库存做得更加好了，所以会看到是不同纬度来做“大数据”。第三个方面是怎么挖掘这些“大数据”。每一天收到的电邮，或者是服务中心收到的电话大概是15万个，每天都挖掘这些信息，这些人打电话进来到底是问什么问题，发邮件来到底是问什么东西，把这些理念灌输到不同的业务单元里面。右边也是，要给消费者一个很有信任的感觉，大家才会比较信任的愿意分享和让你使用这些数据。

　　另外总体的引擎，左边谈到了平台，前面谈的比较多的是技术平台方面，但是也很重要的一个，就是在管理的平台上怎么样去做。比如说这里面提到一个例子，首先要有统一的数据展示的方式，每周一全球的经理开会，就是要把统一数据库里面的发现、展示做一定的使用和研究。然后影响力，在大数据的分析等方面都为高层做很透明的信息平台。

　　在右边，就整体的组织方面，首先是很清晰的，在集团领导的层面，他们把重要性放得最高的，刚才听到，过去可能是流程提升、效率优化等，现在“大数据”和电子商务这块最重要，这个是组织方面。

　　刚才也提到，在中央，在集团的层面有一个小的团队，这些可能都是最聪明的PHD、MBA，然后让他们主导在数据方面的战略，是同一时间不但是在集团的层次，在不同业务层面，有专门人谈数据挖掘和谈“大数据”的。

　　最后是生态系统，虽然以为宝洁是很大的公司，他们有很多的资源和数据，但是要看到和外部，不管是零售商还是经销商，有很多方面的配合是他们要做的。内部有很多的合资公司，怎么样把他们的系统、数据和零售商等做一个联系，这是很重要的一点。右边也是有一些，和主要的合作伙伴，比如说谷歌，还有零售终端，比如说沃尔玛等，这些也是要分析的合作的伙伴。整个的生态系统里面，究竟要做什么东西，这个也是很重要的，不是有了数据就可以了，最重要的是要把生态系统打造起来。