数据决策力透析数据价值

文 | 本刊记者 石菲

数据决策力透析数据价值

文 | 本刊记者 石菲

在降库存、提升收入的同时，工业大数据还可以帮助制造企业向智能制造更进一步，甚至可以加速整个产业链的改造。

我们早已进入了数据爆炸的时代，过去几年中，全球的数据量正以每年58%的速度在增长。新兴市场国家将从产生少量数据逐渐发展成大数据的主要提供者。据IDG的《数字宇宙研究报告(Digital Universe)》表明：2005年，全球有48%的数据来自美国和西欧，新兴市场只占不到20%。目前新兴市场的数据份额已经达到36%，2020年将达到62%，中国将贡献其中21%的数据。值得注意的是2014年物联网嵌入式系统占中国数据总量的3%左右，2020年这一数值将接近10%。这或许意味着工业大数据大有可为。

但是，对于传统企业来说，应用大数据的难度似乎变得更大。数据更加碎片化，让企业更难获得完整的数据分析能力。全球化带来的影响也对企业应对外部的变化提出了新的要求。传统企业该如何利用大数据？

发现身边的工业大数据

很多人认为传统企业面临的第一个难关是缺乏数据，但传统企业真的没有数据吗？举一个例子，现在很多房地产企业都在转型进行物业服务。对于开发商来说，他们拥有的正是O2O求之不得的业主数据，只是开发商自己没有意识到罢了。最了解业主消费能力、生活习惯的应该是物业，访客信息、快递数量等数据，对于进行社区电子商务平台的搭建非常有价值。此外，开发商所拥有的资产管理等数据对物业改造、设备安全也非常有利。

百分点集团副总裁梁培明表示，传统企业并不缺乏数据，企业所需要加强的只是对技术的理解。特别是工业企业，随着物联网的发展会拥有更多内部数据。

“所以我不太同意传统企业因为数据匮乏，没有办法去共享大数据。由于很多大数据企业在推广数据营销，而营销恰恰需要互联网外部数据作为补充，所以很多企业会认为自己不仅缺乏外部数据，还需要花费大量人力物力去搭建系统平台。这是很多传统企业没有开展大数据项目的原因。其实，在不局限于营销领域的时候，你会发现数据可能就在我们的身边。”

作为新兴大数据的重要来源，工业大数据也越来越被人们所重视。梁培明认为未来工业自动化的深度融合会带来大量的传感器数据，这些数据可以用于工业优化、全程质量控制、食品安全原材料溯源等领域。

比如很多中国制造企业都在进军国际市场，利用大数据可以轻松获取国外市场的用户评价，从而分析出某一区域的特殊产品需求。而在国内市场，目前华为、OPPO、海尔等企业已经可以通过互联网的口碑获取来决定下一代产品配制和外观设计。

在降库存、提升收入的同时，工业大数据还可以帮助制造企业向智能制造更进一步。以高举定制化大旗的红领西服为例，利用人体大数据定制西装其实并不复杂。一套西装，只需要十八个人体尺寸数据。这些并不复杂的数据，却可以驱动整个产业链的改造。不管是标准化组件，还是C2M，都可以重新定义生产过程，完成从大规模制造到大规模定制的提升。百分点曾为一家智能终端厂商进行客户群体分析，发现该企业的智能终端上有一个转换接口使用率不足5%，去掉该接口可以降低800万成本。大数据在完成营销策略重构的同时完成了产品设计重构。

数据决策力挖掘数据价值

因此，百分点提出了数据决策力概念。简而言之，数据决策力就是基于数据进行科技决策，并产生价值的能力，其价值体现在五个方面呈现。全员与价值链创新。知识已被量化为数据的集合，基于数据的决策可以将决策能力赋予知识密集组织的全体员工，提高知识工作者创新能力，同时还可以借助于数据即服务（DaaS）将数据决策能力赋予整个价值链，最终通过价值链的协调创新推动整个生态系统的发展；密切的客户关系。大数据不仅能够描绘出客户画像，还可以为客户提供个性化服务，根据客户消费行为历史数据分析，为客户推荐其所需的商品和服务，从而提升客户体验；快速的市场反应能力。数据决策不仅能快速响应外界的变化，而且能够将外界变化数据与大量历史数据一起进行深度分析，挖掘出潜在的规律或关联信息并迅速反馈给一线员工，为他们的决策提供支持。还可以让管理者洞察到市场潜在变化，从而在市场营销上做到未雨绸缪，掌握竞争主动权；敏捷的企业运营。大数据采用基于云的基础设施和共享的大数据资源池，使得现有应用的调整和新应用的建立都变得快捷起来，确保企业运营的敏捷；创造新业务和新价值，基于对市场的分析，大数据可以快速建立新应用和业务，并将新应用在现有数据资产池中进行反复验证、调整，避免了传统应用要拿到市场多次试错的时间、资金和人力成本。

根据行业调查显示，虽然有64%的企业在运营决策时会综合运营数据经验，但单纯依据于数据进行的决策比重依然很低。同时只有20%的企业能够局部整合外部数据，并且会将外部数据与内部数据进行关联，外部整合流动状态和价值状态依然占比非常低。企业并没有捋顺数据获取和自身角色决策之间必然的因果关系，看起来企业似乎是依据数据进行了某些决断，但是二者之间却又缺乏必然和明确的联系。

梁培明表示，如果将数据决策力比喻为恒星，每一个应用相当于围绕其运行的一个行星。行星公转与自转的轨迹，构成了数据决策力两大要素——数据决策力建设与数据决策力释放之间的松耦合关系。

组织和企业可以通过“数据决策力评价指标体系”来为企业数据决策力进行全面评估，从而让企业对自身数据决策力产生清晰的认识。在大数据人才建设上，梁培明强调，数据科研团队要与市场营销等业务执行部门形成嵌入式的虚拟团队，并通过基础设施的构建为企业搭建完整的机构能力，由机构能力来加强数据决策核心信念的渗透，形成建设循环。

从局部做起，快速滚动

梁培明表示，以前要说服企业进行局部突破，企业可能会认为服务商没有能力进行整体建设。而现在企业都在要求进行局部突破，快速见效。甚至有些企业会把自己的大数据项目，分成小段。一个小项目完成只需要两个月，投产一、两个月后，再进行其他的小项目。将原来理论上一个六到八个月的项目，切成四段，用更快速的结构滚动起来。这表示企业对大数据的技术认知，已经达到了新的层面，有了更准确的判断。很多企业非常有自己的想法，技术服务商要做的就是利用技术手段，帮助企业快速实现想法。

梁培明认为，企业可以利用一些特定的应用场景先将数据利用起来，不用考虑太多技术架构问题。当企业对于大数据还比较懵懂谨慎的时候，可能会更加注重平台建设。但当平台搭建完毕后，很可能数据策略已经发生了变化。在不进行顶层设计和总体规划的前提下，现在的技术足以支撑从局部应用开始，先培养该应用所需的数据获取能力，之后推送到应用端。

他说，现在大部分企业都会从一个新的部署开始，先解决数据化问题，之后进行分析看能否产生价值，如果有价值再进一步细化应用。这样分成三步来做投入回报周期短，风险代价也大大降低。

而有些企业的驱动力来自于业务场景改造，针对该场景反过来分析需要什么样的数据提供支撑，反过来进行系统搭建。梁培明举例说，有一家房地产商需要针对一个全国性楼盘进行电子营销，这个项目硬件投入成本微乎其微，一个半月的时间就完成了模型的搭建。在完成了客户分析和推送后，企业明确了自己需要什么样的数据，什么样的技术平台更合适自己。项目完成后，企业还考虑将这种模式应用到酒店管理和旅游项目中，完成整体大数据平台的建设。