大数据时代企业竞争力重塑

王 佐

（中国北方工业公司，北京市100053）

大数据时代企业竞争力重塑

王 佐

（中国北方工业公司，北京市100053）

企业经营管理和市场竞争已经进入大数据时代。大数据作为企业有目的经济行为的结果与企业管理的衍生品，借助计算机与互联网技术进步成为企业市场创新重要的战略资源。大数据来源于企业管理精细化、商业模式创新、风险控制要求、预测未来需要、历史过程积累、个人权利让渡以及技术手段抓取。企业大数据管理的目的在于发现行为价值关联，挖掘潜在商业利润，重新配置企业资源，给客户更多选择，进而增强企业竞争优势，扩大市场范围，获取创新利润。大数据分析与挖掘能力是企业竞争的重要软实力，必须围绕企业发展战略、目标设定、竞争策略、基本问题、商业逻辑展开，并遵循成本与效率原则，聚焦企业核心市场、核心业务与核心资源。大数据时代的企业竞争力重塑将是一个从数据的差异化发现到企业的差异化管理，再到市场的差异化竞争优势形成的过程。从知识产品边际效用递增原理出发，在大数据管理下提升企业竞争力最为有效的方法就是大数据共建、共有与共享。重要的是，要致力于开放性大数据管理架构的构建，利用信息技术将大数据管理嵌入企业运营流程并驱动管理决策，同时做好大数据风险管理。大数据管理将为企业提升竞争力提供新支点，成为促进经济繁荣和社会进步的新动能，成为经济学和管理学研究的新领域。

大数据时代；大数据管理；企业竞争力；市场创新；流通

一、前言

随着信息技术的不断创新发展以及互联网与实体经济的快速深度融合，特别是电子商务的爆发式兴起，企业经营管理或市场竞争进入大数据时代。信息系统成为经济社会的基础设施，网络联系成为商业活动的普适价值，大数据管理成为知识和市场创新的战略资源，由大数据驱动的现代供应链已经成为实体经济发展新的增长点，并对企业管理创新提出了挑战。以零售和电商为代表的开放贸易不仅成为深入推进经济全球化的重要力量，也将成为现代流通经济学研究，以至经济学和管理学研究的新领域、新样本。特别是，移动应用逐步成为我们的生活必需品，成为生活方式，大数据已经渗透到我们日常生活的方方面面，并逐步成为生产要素资源。

企业向来是有数据的，并且非常重视数据的应用，因为数据事关企业管理水平和市场竞争力。比如，技术数据、财务数据、销售数据、重要客户档案、市场调查结果、人力资源结构、合格供应商名录以及专利数据、隐性知识、图片影像等。这些数据资料一起，在企业战略指引下，辅助企业产品设计和竞争决策，比如我们熟知的计算机辅助设计（CAD）、企业决策支持系统（DSS）等。

如今，源自于计算机和数据库技术的大数据概念和大数据思维成为社会经济领域的热点，成为一套可以追溯过去、认识当下、预示未来的创新话语体系和商业生态系统的重要组成部分，包括计算机、大数据、互联网、物联网、云计算、云平台、区块链、人工智能、智慧物流等。大数据成为社会治理和企业竞争的新常态。

对大数据的社会热议和市场追捧，正好为理论观察提供了机会，为经济分析提供了场景，为知识洞见提供了依据。美国经济学家戴尔得丽·麦克洛斯基（Deirdre McCloskey）在其新书《资本主义的平等：不是资本或制度，而是观念让世界富了起来》（Bourgeois Equality：How Ideas，Not Capital or Institutions，Enriched the World）中指出，让世界繁荣的力量，既非资本积累，也非法律制度，而是人们的观念或思想，是各种思想观念的交汇、碰撞、融合决定了1 800年以后全球经济的繁荣和社会进步。

幸运的是，计算机和互联网技术与企业管理的深度融合造就了大数据。大数据中所隐含的信息和知识、逻辑和相关、价值和利润、观念和思想正等待着我们去发现，去挖掘。大数据管理必将成为经济繁荣与社会进步的新动能。

不过，我们在竭力追求创新、热情拥抱变革的同时，也要保持理论的自信与观察的定力。既要敏锐地从商业实践中发现创新点与变化轨迹，发挥理论的解释与启示引领作用，发展完善理论体系，也要冷静地在概念炒作中识别真问题以及各种“马甲”，发挥理论的思辨与去伪存真功能，指导商业创新实践；既要防止新概念的过度营销，也要避免老框架的保守僵化。我们身处商业社会，市场营销无处不在，否则就会陷入技术和商业的双重迷思，落入大数据陷阱。

毫无疑问，从市场竞争层面看，大数据管理已经展示出了强大的商业潜力，特别是在消费品零售业。有研究认为，零售业在大数据驱动供应链协同方面已经处于相对领先水平，但从社会管理的层面看，大数据管理则存在民众个人信息泄露与生活被掌控的担忧。对大数据的运用既有正的外部性，也有负的外部性，需要企业和消费者共同自律，需要市场和政府协同治理，需要技术和理念协调发展。

什么是大数据？大数据是从哪里来的？有什么用处？大数据与企业竞争力之间存在何种关系？是直接的来源和驱动，还是间接的支撑和辅助；是必要的因果逻辑，还是充分的相关保证；是企业竞争力重塑的新范式，还是企业管理的衍生品，抑或是企业管理副产品的二次挖掘和再生利用？为提高企业竞争力应该如何管理大数据？很显然，为回答上述问题，不仅需要做实证经济学研究，而且需要做规范经济学研究。

就如同产品设计阶段的决策会影响到其80%的成本一样，一旦我们了解了企业大数据的来源，其他诸如大数据管理、竞争力提升等问题就会变得更加容易理解，就会迎刃而解。

二、大数据的来源

大数据来源于我们对自身行动目标及其评价标准的设定，来源于我们对行动过程的管理和控制以及对下一步行动的预期和计划。大数据来源于我们对理性和非理性行为的观察和认知，来源于我们的经验积累和知识创新。大数据已经成为信息和知识的新载体，并呈现出滚动发展与指数级增长态势。

根据国际商业机器公司（IBM）的研究，目前我们每天生产的数据量已经达到2.5艾字节（1艾等于10的18次方），意味着世界上90%的数据都是近两年产生的。根据中国互联网数据中心（IDC）的预测，2020年全球数据总量将达到44泽字节（1泽等于10的21次方），届时中国的数据量将达到8 060艾字节，占全球数据总量的18%。

大数据已经成为我们认识世界、识别人性、把握商机、促进经济繁荣与社会进步的新能源、新资产。

（一）大数据来源于管理的需要

管理出数据，包括企业管理和社会治理。目标管理之所以能够深入人心，就是因为，人的有目的的行动既是经济学的本源，也是管理学的根基；既是经济发展的动力，也是企业管理的对象。人的行为并非总是能够保持理性，除了逻辑性，还具有相关性；除了眼见为实，还有艺术超然。而所谓的“非理性”，可能在很大程度上源于我们既有的“理性”分析框架解释性不够，包容性不强，发展性不足，或者市场知识天生的分散性和隐蔽性所导致的当前认知的不足或缺失。

正因为我们现有的知识往往建基于不完全样本、不完全数据、不完全信息或者不完全事实，才会有“盲人摸象”的古老寓言警示，才会有“见仁见智”的同情性理解。

当我们能够借助计算机和网络技术几乎可以观察全样本，拥有足够多的大数据，且掌握了正确的大数据分析和挖掘方法时，我们对事物的认知就会更全面、全息、全景，企业对市场和客户的理解就会更全面、真实、人性，并借助大数据能力来构建和完善企业商业生态。

从提升企业竞争力的角度看，大数据资源弥足珍贵，大数据管理能力至关重要。比如，沃尔玛发现啤酒与儿童纸尿裤的销售有关，于是将这两种看似并不相干的商品进行捆绑销售，有效提升了这两种商品的销售额。宜家家居对中国顾客在店里“蹭睡”等表现出了极大的容忍性，而有人却认为这与宜家餐饮部门可因此获得更多营业收入有关。2016年，宜家家居餐饮部门在华销售额高达12亿元，远远超过全球其他地区。

又比如，最近有一项跨国研究发现，医院附近的大学如果能够同时提供管理和医学方面的研究生项目，医院管理层拥有MBA学位的比例就比较高，医院心脏病患者的死亡率就比较低。通常认为，医院在处理急性心脏病上的临床表现可以反映其整体诊疗质量。

再比如，胶片巨头柯达公司最终是被自己发明的具有颠覆性创新意义且极具商业潜力的数码相机打垮的。还有，明明有道路交通规则，有红绿灯警示，甚至有交通协管员值守，然而无视规则、投机抢行的“中国式过马路”现象依旧是城市交通管理的顽疾。诸如此类的事情是很多的。

有关大数据管理的现有研究成果表明，可能更需要探索的还是我们目前尚未掌握的行为价值或利润机会的相关性，而这正是大数据分析和挖掘的魅力与价值所在。

很显然，无论是理性活动还是非理性活动，都需要对其实施某种管理。不能评价的活动是无法管理的，因此需要预设评价指标体系，确定评价标准和方法，分析研究评价结果，并由此产生相应的管理数据。粗放的管理只会产生少量的数据，而精细的管理必然会产生大量的数据。不仅包括绩效评价数据，而且包括过程控制数据；不仅包括问题描述数据，而且包括目标导向数据；不仅包括结构性数据，而且包括非结构性数据。借助传感器、计算机和网络技术的辅助管理和学习能力，企业对市场需求和客户需要的把握愈发精准与个性化，更是会产生海量的管理大数据。

例如，为了使采购成为策略采购或供应管理，就要对供应商资质和能力进行评价和选择。经济全球化背景下，企业在协调逐级供应管理的同时，要能够预见并防范供应链的中断，要对究竟是采用单一供应商还是多渠道供应商、是就近供应还是全球采购进行综合权衡，还要评估重要供应商遭遇不确定因素干扰停产后恢复正常供应的能力。为提升品牌形象，企业必须承担起低碳供应链管理责任，将履行社会责任作为合格供应商的选择标准。比如，美国加州的《供应链透明度法案》就明确要求，企业不得雇用非法劳工和童工。而联合国2015年发布的《全球可持续发展报告》，则从经济、社会、环境三个维度，确认了17个可持续发展理念总目标和169个执行性子目标。

销售成为营销管理，要在市场细分的基础上预测需求，对价格水平和市场规模做出评价，并选择合适的渠道策略。

仓库成为集货和配送中心，用配送管理数据驱动库存水平控制，与供应商协同预测需求变化并及时补货，在满足客户配送服务要求的同时创造供应链协同价值。相应地，盘库可能从一月一次变成以库存管理单元（SKU）为单位的适时盘点，并触发供应商补货指令。众所周知，对于一种商品，既可以件、盒、托盘作为库存管理单位，也可以品牌、型号、配置、等级、单位、价格、生产日期、产地等十多个面向消费者需要的标准进行库存管理分类，甚至精确到单品，实现个性化销售管理，如京东就号称其商品分类接近1亿个SKU。

运输成为货运管理，需要同时对客户（准时、高效、安全、便捷、低价），效率（路径优化、多式联运、甩挂运输、共同配送、在途配货、托盘共用），安全（人身、财产、公共）和环保（节能、减排、降噪）负责。

物流外包可以凸显企业核心竞争力，却对企业物流管理提出了新的要求。首先，需要确定哪些物流运作需要外包，这种决策需要以成本—效率相关数据为支撑；其次，需要建立一套行之有效的第三方物流企业能力水平及其服务质量的评价指标体系和服务采购选择机制；其三，需要对第三方物流服务全过程进行协调管理，因为服务是无法存储的双向互动的过程。

如今，企业生产配套协作体系已经改名为供应链（产业链、价值链、资金链、物流链、服务链、生态链等），分工协作生产方式被称为供应链之间的竞争，企业对供应商关系和客户关系的管理集成为一体化的供应链管理。为提高供应链运营过程的可见性和供应链管理的有效性，射频识别（RFID）技术应用所提供的数据支撑不断拓展并快速增长。根据中国经济信息社江苏中心《2016—2017年中国物联网发展年度报告》，2016年全球制造业、安全访问、零售业等RFID应用市场规模达169亿美元，全球RFID标签出货量达100亿枚。根据InkSure和IDTechEX公司的研究，对具有显著价格优势的无芯片RFID市场而言，其2017年的全球销售量将从2007年的1 500万个增长到4 170亿个，销售收入将从2007年的52万美元增长到21亿美元，占2017年RFID标签全部销售收入的17%。

经济全球化以及相关不确定性的存在，对企业全球供应链风险管理的广度和深度提出了更高、更复杂的要求，涉及商业安全、国土安全、环境保护、外交政策、防灾反恐等各个方面的合规性管理，因此必须实现企业商务数据与政府管控制度以及相关双边或多边协定的无缝对接。比如，美国出台的《集装箱安全倡议》（CSI）、海关—商界反恐合作伙伴计划（C-TPAT）等。美国前总统奥巴马签署的美国《全球供应链安全国家战略》，更是把美国和世界各国的全球供应链系统视为“一项关键的全球资产”，并将巩固和加强全球供应链与维护美国人民的福祉和利益、保障美国的经济繁荣直接联系起来。

传感器、信号处理和互联网技术的进步，极大地提升了设备制造商联合用户对关键设备运行状态进行在线监测与效能管理的能力。一方面，可以提高对关键设备故障停机的预见性，防止生产线突然停摆，避免导致现代供应链中断，进而对设备实施预防维修计划，提高设备管理水平；另一方面，可以通过对设备运行状态监测数据进行分析，改进产品设计和制造工艺，完善备件供应和维修保养解决方案，乃至产品和技术升级等相关增值服务，在帮助客户提高设备使用效率、满足设备全寿命周期费用最低化的同时，实现自身商业利润的最大化。

企业管理活动自身的创新性不仅丰富了大数据，而且需要借助大数据分析获得创新灵感——创新市场机遇、创新资源配置、创新客户价值。但是，2008年波及全球的金融危机着实让我们领教了以大数据能力为支撑、以各种金融衍生品为标志的所谓金融创新的威力，在缺乏有效监管的情况下，对我们的经济和社会造成了多么大的危害。

我们所奉行的目标管理、过程监控、预测未来的商业文化，已经不可逆转地进入了大数据时代。换句话说，我们在经历了工业资本主义、金融资本主义时代之后，即将进入大数据资本主义时代。

（二）大数据来源于创新的需要

创新求变是人的本性。企业管理的每一项决策都是创新求变的过程。正是企业家精神的创新本质在不断改变着市场过程——发现潜在市场、重新配置资源、满足潜在需求、创造新的财富、逼近或打破市场均衡。在企业管理创新过程中，既要使用过去所积累的知识，也要在推进市场创新的过程中创造新的知识。正如伟大的经济学家凯恩斯所说的那样，我们必须根据过去、着眼未来而研究现在，这同样适用于大数据时代。

技术进步或技术创新不仅推动了产品和服务的创新，而且推动了商业模式的创新。随着大数据技术的应用，商业模式创新展现出了极大的市场营销魅力。但归根结底，商业模式创新的本质还是要把产品卖出去——前台附加增值服务，后台重塑供应链。

如今，“中国制造2025”、德国的“工业4.0”、美国的“工业互联网”（Industrial Internet）等制造业转型发展理念均在全球范围内产生了广泛的影响。制造业服务化、智能化成为工业企业转型升级、提质增效的创新趋势，因为在普遍产能过剩的时代，相关服务的捆绑营销可能会变成增值的客户体验，包括将相关服务打包，从销售产品转向产品与服务销售一体化；帮助客户利用历史数据，管理当前数据，以提高机器设备使用效率，保证装备使用效能，从销售有形产品向提供无形服务，乃至按照设备使用时间收费的商业模式转变等。

实际上，唤醒客户数据、挖掘潜在价值已经成为ABB集团、通用电气集团（GE）、国际商业机器公司（IBM）、西门子公司等全球制造业巨头竞争的新战场。曾于2012年提出美国“工业互联网”概念的通用电气前首席执行官（CEO）杰夫·伊梅尔特认为，传统工业设备每天产生大量的数据，如果把这些数据利用工业互联网手段整合起来提供给客户，可能会实现工业设备燃油效率的提升。工业企业如果能够对这些数据进行合理利用，就可以实现自身更加快速的发展，而这实际上就是美国“工业互联网”的基本概念。这似乎有别于德国的“工业4.0”。试想，如果在新老机器设备上均添加大量的传感器，所得到的数据量将出现井喷式增长，其中所蕴含的商机、价值和利润亦是海量，并且是可持续的。

消费品零售业的商业模式创新更是令人目不暇接。零售首先是从实体转向虚拟，即从线下转向线上，然后迅速转向线上与线下融合（O2O），继而又更加迅速地转向所谓全渠道（Omni-Chan⁃nel），再后来则是业界大佬以迅雷不及掩耳之势相继宣称，“未来是线上线下与物流结合在一起的新零售”和“以无界零售为实质，以知人、知货、知场为基础的第四次零售革命”。

人们不禁要问，零售业的本质究竟是什么？大数据时代，零售业的本质确实发生了实质性改变吗？如果说零售业的本质并未发生根本性变化的话，那么当下我们又应当如何定义产品、价格、效率和体验呢？这些问题迫切需要冷静的理论来回答。

产品营销不仅要精准推送，还要利用优惠券引导；不仅要打折，还要提供比价服务；不仅要处理库存积压产品，更要制造购物狂欢节。直到2017年“双11”购物狂欢节，消费者才发现，如果没有相当的语文和数学水平，很可能会根本看不懂商家的促销政策和优惠条款。

支付不仅可以采用一次性付现或通过POS机刷卡，还可以使用分期付款、移动支付、货到付款、消费信贷，甚至不用消费场景的现金贷，无现金购物渐成趋势。一个“优惠”套路就要产生一大批的数据，而一种“折扣”算法又要产生一大批的数据。

电子商务对传统消费品零售模式的根本性变革在于，把购物从一手交钱一手交货变成了交钱与交货相分离。这极大地促进了分工协作经济体系的深化发展，提高了生产效率，扩大了全球贸易，促进了财富增长。于是，产品被按照线上和线下渠道重新分类，分别投放，以防止线上线下价格自相残杀；产品由大包装变成小包装，直至变成单件商品加上运输防护包装，为纸质包装箱等相关包装产业带来了大生意。根据国家邮政局发布的《2017中国快递领域绿色包装发展现状及趋势报告》，2016年我国快递包裹数量超过312.8亿个，仅瓦楞纸箱就用了86亿个，生产纸箱所使用的瓦楞纸达4 600万吨，占全世界消耗量的1/3；胶带使用总量约为3.3亿卷，能够环绕地球赤道425圈。

为降低包装成本，促进环境保护，菜鸟网络开发了智能打包算法，可以根据快递物件的属性、数量、重量、体积等参数，选择最合适的包装箱和装箱方案，但集装箱装载技术历来被认为是港口物流公司或无船承运人重要的服务技能与利润来源，可以借助“装箱大师”之类的应用软件来进行模拟优化；苏宁易购推出共享快递盒，即可以循环使用的可折叠塑料周转箱，不过其随即就会面临需要大量动态数据支撑的周转箱调度管理新课题。

交货由买卖双方当事人的验货确认和寒暄互动变成了由众多第三方参与的多层级分销、配送、调货、路由、定位、收款、自提、退货等活动。不仅可以快递上门，而且可以线下自提（到店面、到自提点、到自提柜以及社区代收点，甚至众包配送）。每种交货方式都需要实施过程管理，每个环节都需要跟踪或追溯，每一步都会产生大量有价值的管控数据。如今，快递、快收已经成为城市的一道风景线，同时也带来了交通、环保、安全等方面的负外部性。

为增加客户黏性，产品+服务、零售即服务的理念不断延伸拓展，预售、预订、安装、支付、调试、指导、维修、贷款、退货、换货、升级等也被作为购物体验的一部分。消费者不仅需要购买，还要评论并分享购物体验，并以体验数据连带朋友圈数据为代价，换取当次购物的礼品馈赠以及下次购物的折扣优惠。

回过头来看，消费者多数情况下的实际体验与其原本购物的最初目的和愿望可能都是不一致的。于是我们经常会买来一大堆无用之物，或者无理由退货，或者上网拍卖，或者发到朋友圈做做微商，或者做慈善捐出去，或者堆在家里闲置。一方面很懊恼，恨不得“剁手”；另一方面又沉溺于网购，乐此不疲，继续为电商的零售大数据裂变提供能量。

为防止人们在网上购物过程中因冲动而过度消费，有人提出在移动支付应用中设置防止过度消费的功能，比如显示账户余额、当月消费总额、下月工资何时到账，设置当月消费上限，超过额度自动报警甚至禁止购买。此举的实际效果尚有待验证，不过商家又可借此采集到一大批个人隐私数据却是确凿无疑的。

从某种程度上来看，大数据已经绑架了我们的生活，让我们的个人信息暴露无遗。那么，谁在看呢？就是商家和快递。于是，商家密集“轰炸”，快递精准“投弹”，而消费者则自己在自己的身上画了“标靶”。

俗话说，“买的不如卖的精”。这才是商业模式创新的真谛，也是古老的生活常识。不过，就是有人会一看到网上购物优惠就将这样的告诫抛到脑后。

但是，不可否认的是，大数据不仅重新定义了产品和市场，改变了市场竞争规则，而且在许多方面提升了企业的管理水平，增强了供应链伙伴的协同能力，提高了民众生活的便利性，促进了经济的繁荣和社会的进步。

（三）大数据来源于风险防控的需要

市场有风险，投资需谨慎，网上交易风险控制对买卖双方而言都是必然要求。如果说商品精准推送是实现交易的必要条件的话，那么支付风险管理就是电商能够完成交易的充分条件。电子商务远距离、跨时空的特点，要求交易双方通过数字技术来证明彼此的身份、信用、支付能力等。不仅可以使用信用卡，还会指定借记卡；不仅要自报，还要提供包括个人征信报告、手机运营商数据等在内的第三方证明；不仅需要购物者本人的信息，而且需要购物者家庭成员的信息。大数据公司、第三方征信已经成为一个新兴产业，如阿里系的芝麻信用与现金贷公司的数据交换合作，大数据在这里已经成为商品和货币的共同载体。

为维护公共安全，政府要求发送快递件必须提供个人真实身份及相关信息。为避免个人信息在快递面单上呈现，快递公司设计了隐私面单，其实际上就是把面单上的数据变成了后台的数据，用虚拟的数据掩盖了真实的数据，结果又制造出了一大批新的数据，并在某种程度上剥夺了消费者的知情权，扩大了消费信息的不对称性，甚至有可能让惊喜变成多少有些尴尬的猜测和寻访。

为保护消费者个人信息，企业要为系统设置防火墙，为员工设置保密等级；为分享数据，需要区分供应链伙伴关系并设置不同权限；为外包数据分析业务，需要对第三方数据分析咨询机构进行评价。这些都需要建立相应的分类评价指标体系与决策选择机制。

为防止数据丢失，企业要对重要的系统和数据进行备份，不过备份有时候也会出现问题。比如，美国达美航空2016年8月8日就因设备故障导致总部断电，而备用系统也同时失效，结果导致该公司全球范围内的电脑系统相继瘫痪，致使451架次航班取消，2 000架次航班延迟，数以万计的乘客被迫在忙碌的星期一困守机场。

为防控商业道德风险，亦要产生大量的数据。比如，为保护地理标志产品，阳澄湖大闸蟹都要扣上防伪标签。按2016年产量2 100吨、平均单体重量0.155千克计算，出货量约为1 355万只，需要使用1 355万个标签。而按照业内人士所估计的市场上9倍的假冒量计算，则需要使用1.355亿个标签。如果小龙虾也要贴上防伪标签自证清白的话，情况又会怎样呢？

企业大数据管理可能也需要借鉴物流管理或供应链管理经验，看一看有多少大数据属于“必要库存”，有多少大数据属于“冗余库存”。如果诚信真正成为全社会共同遵守的基本价值观，企业将能节约多少大数据管理资源呢？

十分吊诡的是，大数据风险管理要依靠大数据技术来解决，大数据成为大数据风控几乎唯一的技术手段。

（四）大数据来源于预测的需要

企业总是想要预测未来，掌握先机，甚至掌握规律，以获得竞争优势。企业借助计算机技术和各种模型算法，预测市场需求、削弱供应链“牛尾效应”、更好地满足消费者需要的愿望和能力越来越强。很显然，样本数据量越大，预测结果置信度越高，企业掌控和创新市场的可能性就越大。因此，企业在推动商业模式创新的同时，格外重视面向未来的数据收集和整理工作（哪怕现在看来是重复和冗余的），并希望通过前瞻性大数据分析，发现潜在商业逻辑、潜在价值关联、潜在利润机会、潜在市场竞争力。

市场抽样调查变成全样本研究。传统分类意义上的市场调查和需求预测变成了对个体消费行为的直接观察与价值相关性推断。比如，京东的客户画像就有27个维度，200多个分类标签。尤其是移动端数据，因具有“人、机、数”高度相关的特点更是具有潜在的商业价值。尽管大众消费行为不具有时间和情境的确定性，但借助计算机系统的学习能力，通过不断试探和引导，就能够以极快的速度完成对消费者个体从行为观察、偏好识别、市场细分、产品定位、精准营销到完成下单的商业过程，并不断提高价值相关性分析的置信水平。在大数据时代，传统市场调查和市场营销的时空关系被极大地简化了。

比如，亚马逊独有的智能物流系统就可以根据对消费者购买行为、客户浏览历史以及相关地理位置数据的分析预测，提前对存货布局进行优化配置，把顾客感兴趣的商品提前调拨到距离消费者最近的运营和配送中心，做到预期购买，先行备货，客未下单，货已在途。亚马逊独有的存货预测式调拨，不仅可以提高消费者货品可得性，而且可以降低物流的总成本。

再比如，迄今为止，工业互联网概念的一个主要应用就是对机器设备进行预测性维护，即运用软件来分析机器设备产生的运行数据，在机器设备出现故障之前就识别出需要修理的早期预警信号，并及时安排维修解决方案。

大数据多多益善。我们既需要预测需求，也需要预测供应；既需要预测市场，也需要预测政府；既需要做逻辑分析，也需要做情境分析；既需要防止“黑天鹅”，也需要控制“灰犀牛”。但一般认为，大数据分析能力处于领先地位的金融、保险、投资等机构，并没有哪一家预测到了2008年波及全球的金融危机的爆发。这不免引人思考，大数据预测真的有用，真的可靠吗？

对大数据预测效用的评价，就如同企业一定是在有限市场动用有限资源，为有限客户提供有限产品和服务，以获得有限利润一样，在有限的资源、产品和消费情境下，应用大数据分析所产生的相关性预测结果，可能对提升企业竞争力更有帮助，也更加可靠。这里，我们一定要记住经济学研究的方法论忠告，那就是总体并不等于部分之和。

（五）大数据来源于历史数据的沉淀

企业在以往的运营管理中已经积累了大量的管理数据，包括企业资源计划（ERP）系统数据、财务管理数据、绩效指标和评价数据、离散化的机器设备运营状态检测数据，以及企业战略调整、制度建设、机构改革、人事变动、重大项目决策、渠道关系、谈判经验、商务函件、专题研究报告、成功或失败案例分析、设备维修记录、图片影像资料等显性或隐性知识。但是，这些历史数据和资料可能并未得到充分利用，也未实现应有的价值，而是成为企业的沉淀资产，其中的精华有待进一步的挖掘和淘洗。实际上，企业知识管理水平已经成为企业市场竞争力的重要来源。

计算机技术在促进知识增长的同时，也在规范知识形态与数据格式，要求我们将以往积累的管理知识数据化，成为电子介质可存储、计算机可识读、互联网可传输、云平台可计算的格式化、标准化数据。通俗地讲，就是将企业管理历史档案数据电子化。

对于沉淀数据，我们迫切需要有效而适用的大数据“过滤器”和“筛分机”，把真正有用或者要用的数据精华提取出来，通过大数据分析钩沉价值关联，提炼企业管理新知识，并做出正确的市场竞争决策。

（六）大数据来源于个人的主动放弃

我们自愿放弃个人隐私，暴露个人生活轨迹，成就了大数据。我们放弃的是个人的自由和权利，或者也可称之为让渡。为了获得形形色色的APP免费应用，我们自愿放弃个人数据去做易货交易，在浏览网页或参与游戏时暴露个人偏好，进而让自己成为精准营销的对象，成为商家发送定向广告的目标。同时，不仅拒绝承认“羊毛出在羊身上”这个简单常识，而且沾沾自喜地认为“羊毛出在猪身上”。

很显然，个人信息乃至个人隐私的泛在化也为形形色色的网络诈骗提供了“精准营销”的可乘之机。

我们欲求和行为的改变将是大数据增长不竭的来源。

（七）大数据来源于几乎无处不在的抓取

技术进步为知情以及不知情的大数据抓取提供了手段，如网站抓取、信用卡追踪、地理定位、卫星图像、移动通信、微信朋友圈、进店轨迹、人脸识别等，而在社会管理方面，大数据抓取的手段就更多了，比如满街都是摄像头，连逛公园都要实名制了。

德意志银行资料显示，全球现有10亿多个网站、10万多亿张单独网页，数据量高达500艾字节（5 000亿个千兆字节）。互联网每年新增逾一亿个网站。根据高德纳公司（Gartner）的估计，2016年每天有550万台互联设备上线，而随着物联网成为现实，到2020年，互联设备的总数将增加至目前的三倍以上，达到208亿台。

三、大数据与企业竞争力

大数据分析与挖掘对企业竞争力提升或企业竞争力重塑的作用和成效，无论在制造业还是在服务业都已经得到了不同程度的证实。比如，基于客户关注与购买行为分析的精准营销，基于设备运行状态监测和诊断的预防性维修保养解决方案，基于位置和路由计算的高效快递，基于信息分享的供应链管理协同和大数据驱动的供应链，以及市场创新、产品创新、管理创新、技术创新、流程优化、风险预测和控制等。

大数据时代已经来临，而企业竞争力分析的基本理论框架并未发生根本改变。比如，波特的企业竞争策略理论（成本领先、差异化、集中化）仍然是有效的企业竞争策略理论，特别是差异化竞争策略更是具有广泛的实践指导性。PEST和SWOT矩阵模型仍然是企业通过竞争环境和优劣势分析来制定企业战略的有效工具，也为企业从市场和客户立场出发评价自身竞争力提供了有效的理论框架。科特勒的市场营销4Ps理论（4Ps指产品、价格、地点、促销），以及在4Ps理论基础上发展起来的市场营销决策拓展要素（包括政治、公关，探查、细分、优先、定位，留住客户、关联销售、口碑营销等），仍然是大数据供应链分析和相应智慧物流体系构建的逻辑起点。只要我们仍然坚持一切从市场和客户出发的商业伦理，现有理论框架就仍然适用，并具有足够的延展性。

当然，市场营销管理核心要素的增加必将导致相关评价数据量的增加、数据分布离散性的增加、数据来源复杂性的增加以及数据分析与挖掘难度的增加，而洞见价值相关性即发现利润机会的概率也同时增加。市场知识的分散性和隐蔽性、人们认知能力的局限性，意味着我们永远都不能实现一次性认知而只能逐步接近事物的全貌和真相。通过创新探索不断接近真理、真相、全貌，不仅是大数据分析的价值追求和目标取向，而且是大数据管理和企业竞争力评价的基本原则。在这里，企业竞争力评价维度和标准的设定至关重要。

实际上，大数据时代，即使智能制造呼之欲出，电子商务风靡全球，金融创新眼花缭乱，智慧物流风起云涌，个人生活日趋透明，但企业竞争力评价仍然是客户的专利，需要客户用钞票“投票”，需要竞争对手比较，而并非企业自己就可以决定的。比如，互联网大数据时代，传统汽车制造商不得不与谷歌等IT企业竞争，并逐渐向IT企业和电机装置制造商转型升级，因为随着人们环保理念的强化和电动车技术的进步，市场将逐步淘汰燃油汽车，而其用近百年时间积累起来的先进燃油发动机技术（不管先前已经投入多少研发费用）已经不再成为其市场竞争力主要评价指标了。企业竞争力是其外在的市场表现，是对消费者的市场争夺，是同业间的商业博弈，是对企业先前投入和管理绩效的最终检验，是市场竞争的结果而不是市场竞争的预备。

企业竞争力的形成的确与企业先前的投资、研发、生产、质量、成本控制等有关，但企业竞争力评价却是对经营结果而非过程的评价。无论企业为实现初始行动目标投入了多少资源，付出了多少努力，企业竞争力评价都与企业过去以投入为主的经济活动无关。这就好比一个学生进入考场，考卷就是其考试的产品。对考试成绩的评价权掌握在阅卷老师手里，老师仅仅需要针对考生交出的考卷进行打分和评价。阅卷打分与考生以往的学习态度、学习能力等无关，而考试分数的高低却决定着考生对下一步行动计划的选择权。企业竞争力就是对企业管理内功之外在表现的市场评价。

企业的产品和服务被推向市场之后，其竞争力的评价权、评价内容、评价标准和方法以及对评价结果的运用，就全部交给了市场和客户。企业所推出的产品和服务成为市场和客户评价的对象，市场和客户仅仅针对企业给出的产品和服务进行评价，而非对企业前期投入活动进行评价。市场和客户通常会采用“用脚投票”即用钞票来选择的方法，对上市的产品和服务进行评价。市场和客户是企业竞争力的终极评价者，因为它们拥有这项权利。大数据时代不仅扩大了这项权利，而且为客户行使这项权利提供了更多通道。很显然，对市场敬畏的企业将从中受益。

尽管不同的企业其竞争力的市场表现各不相同，但归根结底，市场或客户对企业竞争力的认知无非来自产品、价格、服务三个方面的体验，而企业内部与市场竞争力相对应的支撑力量则分别来自技术、成本和管理。对企业而言，产品竞争追求的是“你无我有”的差异化，强调客户对产品的功能识别，为客户提供更多的选择；价格竞争追求的是“你有我优”的差异化，强调客户对运营的效率识别，为客户提供更大的价值；服务竞争追求的是“你有我特”的差异化，强调客户对服务的体验识别，为客户提供更多的延伸服务。至于商贸流通企业的渠道竞争、物流企业的效率竞争、平台型企业的公正性竞争等，均可纳入产品、价格、服务的分析框架。

比如，大数据时代的物流企业竞争力，对外仍然表现为客户可感知的储运服务、时空效用体验竞争，而对内则表现为竞争对手之间大数据管理能力的竞争——品种的、成本的、效率的、安全的。对供应链服务型企业来说，更是表现为跨界的大数据管理能力之争。于是，开始有了商家和快递对数据与接口控制权的争夺。在业界引起轩然大波的菜鸟网络与顺丰速运的数据接口纷争，据说就源于菜鸟网络要求顺丰速运旗下的丰巢科技快递柜系统分享其非淘宝系订单包裹数据而引发的。不过，即便是菜鸟网络想通过其掌握的平台销售数据和“骨干网”存货数据来撬动快递业务亦在情理之中。

在大数据技术与企业管理的共同支撑下，特别是在供应链伙伴之间实现设施联通、系统集成、数据共享、运营协同的情况下，供应链物流运作可实现跨越企业边界的人员、技术、流程的深度数据融合，进而形成具有强大产业支撑与服务能力即企业竞争力的智慧物流系统。智慧物流由大数据驱动，大数据管理成为企业构建智慧物流系统、提升整体竞争力的重要资源和手段。

可以说，无论是制造业的服务化、商贸业的平台化，还是物流业的智慧化，其市场竞争力的表现都有一个共同的特点和趋势，那就是综合各自特色竞争力要素，不断发现新的利润机会，创造新的市场，满足客户尚未被满足的需求或潜在的需求，为客户提供超值体验。实际上，只有差异化竞争策略才是企业提升竞争力的不二法门，而大数据管理恰恰可为此提供新视角、新知识、新机遇。

领先的企业已经为自己插上了大数据的“翅膀”。比如，淘宝可以根据用户投诉、媒体报道、政府部门相关信息等，利用数据可视化技术，绘制假货信息地图，包括假货生产企业主营类目分布图、假货生产企业分布图、售假账户操控人分布图等。结果发现，图中颜色深的地方都是相关产业集中、专业市场多的地方。将此图提交给当地公安与工商部门，就可以帮助政府从源头上打假，彰显负责任企业形象，提高企业竞争力。

大数据分析和挖掘之所以能够帮助企业获得新的竞争优势，就在于其能够发现新的市场价值关联、商业逻辑和利润机会。发现利润机会就是奥地利学派经济学家的企业家精神，就是德鲁克语境下的管理创新与市场创新活动。德鲁克指出，预测未来最好的方法就是创造未来。乔布斯指出，消费者并不知道自己想要什么。因此，在大数据时代，为提升企业竞争力就要学会借助大数据能力来引领市场和创新市场。

比如，亚马逊的A/B测试，就是创建一个与原有页面逻辑和内容有所不同的营销测试页面，然后把这两个页面以随机的方式同时推送给所有用户浏览，并分别统计这两个页面的用户转化率，进而了解上述两种网上营销策略的效果。立邦涂料借助配色软件，在线跟踪消费者对颜色、风格、设计师等的偏好，利用大数据分析发现趋势，然后通过改变产品和服务的设计方案来顺应或引领趋势的变化。

由于算法给出的重复试探反应式营销周期短到几乎可以忽略不计，让人产生了大数据驱动预测和决策的感觉，而实际上则是传统市场营销的时空关系被计算机算法和大数据分析极大地压缩了，并导致市场效率空前提高，进而推动了社会财富在具备高科技能力或大数据能力的企业的迅速积聚。这是一种仍然遵循“马太效应”却快到无法想象的财富积聚模式——赢家通吃。

毋庸置疑，大数据分析和挖掘有助于提升企业管理创新能力。当我们把大数据分析结果作为企业决策参数的时候，就是在利用数据关系对市场需求做出反应。但是，当我们把大数据本身作为企业决策战略资源的时候，情况就会发生改变。是资源就要占有，就要开发利用，就要实现其经济价值，就要获得商业利润，就要保护其安全。于是，大数据分析和挖掘所获得的知识就会成为企业新的战略资产，所发现的利润机会就会成为企业发展新的增长点。于是，大数据管理就成为大数据资源开发利用的必要手段，成为企业竞争力提升的新动能。

事实上，大数据管理已经成为企业日常管理工作的一部分，包括收集、整理、储存、加工、分配、应用、更新、流通，直至发现新的价值关联与利润机会。大数据对提升企业竞争力的重要贡献，并不仅仅在于发现潜在市场，更重要的在于创造新的市场。其中，前者是发现新大陆，后者是发明蒸汽机。

对大数据与企业竞争力关系的认识，实际上应从提升大数据管理能力入手，以企业长远目标与当前问题为导向，以客户大数据为牵引，紧紧围绕技术大数据、成本大数据、管理大数据展开。

但是，我们一定不要忘记，大数据是企业管理精细化的产物，是企业管理的衍生品。在进行大数据分析和应用的时候，一定要记住有关经济学研究常见谬误的告诫：不要颠倒因果关系。

四、企业竞争力重塑

大数据本身并不是企业竞争力，但大数据分析和挖掘有助于提升企业竞争力。如果说企业竞争力需要重塑的话，那么一定指的是在数字经济条件下提升企业大数据管理能力。大数据管理是对企业市场认知与创新能力的管理，大数据管理能力是企业竞争力重要乃至决定性的因素。

很明显，大数据管理能力的提升必须与企业市场定位、发展战略、目标设定、资源配置、运营模式、竞争策略等相匹配、相协调、相一致，必须有助于提升企业差异化竞争优势，有助于企业发现新的蓝海市场。这应该成为企业实施大数据管理的基本原则和目标取向。

同样，大数据分析方法的选择和创新必须以企业发展战略所界定的商业逻辑和价值联系为依据。根据商业逻辑来建立分析模型，用于预测和验证。根据目标函数来选择约束方程，用于改进产品和服务。一切都要从创造客户价值出发，以问题为导向，运用大数据资源，以大数据为驱动，创建可持续的商业生态系统。

比如，工业企业大数据管理应面向设备和设施，注重机器设备的功能和效率；农业企业大数据管理应面向植物和气候，注重农作物的产量和品质；商业企业大数据管理应面向产品和客户，注重产品和服务的组合营销与赢利；物流企业大数据管理应面向运输和仓储，注重客户物料可得性和供应可靠性；冷链企业大数据管理应面向装备和流程，注重流程控制和运营成本；服务企业大数据管理应面向客户和流程，注重客户体验和流程优化；供应链骨干企业大数据管理应面向协作伙伴，注重快速响应和协同运作、能力匹配和稳定关系；等等。

从大数据分析和挖掘的路径来看，将遵循从数据（构造指标体系、设定评价标准）到信息（观察达标水平、获得变量差值），到知识（解释变量差值、发现价值关联），到管理（重新配置资源、优化运营流程），到预设（企业竞争力、商业场景）的过程。数据需要标准去衡量，要遵循商业逻辑；信息需要知识去识别，发现价值关联；管理需要战略去引导，设定行动目标；预设需要资源去界定，面向有限市场；竞争力需要数据去支撑，完成绩效评价。

大数据管理是离散数据知识化、知识产品集聚化的过程，要高度重视企业大数据的积累和汇聚。量变导致质变，当离散的经济行为数据积累到一定程度的时候，借助恰当的大数据分析和挖掘工具，就能够在其中的某些变量之间发现我们先前没有注意到的商业价值——消费者行为与潜在利润的关联性，进而发现新的商机，于是通过重新配置资源，开拓新的市场，获取新的利润。这时，相关性的价值往往大于逻辑性的价值。由于是新发现，因此边际效用最大。而行为经济学的持续拓展和研究成果将为大数据分析提供新的方法和路径。

从知识产品边际效用递增原理出发，在大数据管理下提升企业竞争力最为有效的方法就是大数据的共建、共有和共享，因此企业大数据管理需要开放性架构与态度支持。数据共享可以促进知识增长与管理协同，增强企业大数据管理能力，提高企业和供应链竞争力，具有极强的正外部性。

大数据管理下的企业竞争力重塑将是一个从数据的差异化发现到企业的差异化管理，再到市场的差异化竞争优势形成的过程。要利用计算机和互联网技术将大数据管理嵌入企业运营流程并驱动管理决策，由外而内，由内而外，深化市场与企业、竞争与管理的互动，实现递进发展，增强企业软实力。

开放的大数据管理必将促进开放式创新，并通过开放式创新更加有效地整合企业外部资源，在协同发展过程中提升企业竞争力。

当然，大数据作为企业管理的衍生品，如果对其挖掘、应用不当，即大数据管理不善，就可能与造成2008年全球金融危机的金融衍生品过度创新而监管不到位一样，对企业自身和经济社会带来危害。企业在培育大数据管理能力的时候，一定不要忘记大数据风险管理。大数据创新需要服务，但同样需要适当监管。

五、结论

大数据是企业有目的经济行为的结果，是企业管理的衍生品，目前已经成为企业进行市场创新的重要战略资源。企业大数据管理的目的在于，发现潜在价值关联，挖掘潜在利润机会，重新配置企业资源，给予客户更多选择，进而增强企业竞争优势，扩大市场范围，获取创新利润。企业大数据分析和挖掘必须围绕企业发展战略、目标设定、竞争策略、基本问题、商业逻辑展开，同时也要遵循成本与效率原则，聚焦企业核心市场、核心业务、核心资源。特别重要的是，要致力于构建开放型大数据管理架构，要借助信息技术将大数据管理嵌入企业运营流程并驱动管理决策，要注重大数据风险管理。大数据管理将为企业提升竞争力提供新的支点，并成为促进经济繁荣与社会进步的新动能，大数据管理亦将成为经济学和管理学研究的新领域。

责任编辑：陈诗静

Rebuilding Enterprises’Competitiveness in the Era of Big Data

WANG Zuo

（China North Industries Corporation，Beijing100053，China）

Enterprise operational management and market competition has entered the era of Big Data.Big Data，the fruit of targeted economic behavior of enterprises and the derivatives of enterprise management，has become the important strategic resources with the help of IT.Big data comes from enterprise lean management，innovation in commercial pattern，requirement of risk control，the needs of future expectation，the historical accumulation，individual power conveyance，and the technological seizing.The management of Big Data is to discover behavior value connection，explore potential commercial profit，redistribute enterprise resources and give customers with more choices to enhance enterprise competitiveness，expand market scope，and obtain innovative profit.Capacity for Big Data analysis and mining is the important soft strength for the enterprise to compete with others，which can only be developed based on enterprises’development strategy，target，competitive strategy，basic problem，commercial logic，the principle of cost and efficiency，and enterprises’core market，business and resources.Rebuilding enterprises’competitiveness is the process from differentiated data mining，to differentiated management，and then to forming the differentiated competitive advantages.Based on the rising marginal utility of knowledge products，the most effective method for us to improve enterprises’competitiveness under the background of Big Data is to jointly collect，own and share the Big Data.The most important is to establish the open management structure of Big Data，and imbed Big Data management into enterprises’operational process and make it to be the driving force of management related decision-making with the help of IT.Big Data management will provide enterprises with new supporting point in improving competitiveness，become the new driving force for us to promote economic booming and social progress，and become the new field of economics and management research.

Era of Big Data；Big Data management；enterprises’competitiveness；market innovation；circulation

F270.5

A

1007-8266（2017）12-0003-11

10.14089/j.cnki.cn11-3664/f.2017.12.001

王佐.大数据时代企业竞争力重塑[J].中国流通经济，2017（12）：3-13.

2017-11-21

王佐（1957—），男，江苏省扬州市人，经济学博士，教授级高级工程师，中国北方工业公司高级政研主管，中国物流学会副会长，主要研究方向为企业战略管理、物流和供应链管理。