云消费时代大数据与商业智能的应用

赖阳　李馥佳

云消费时代随着电子商务的普及与电子身份识别、传感技术的快速发展，越来越多的经济行为被记录下来，例如淘宝网站单日数据产生量超过5万GB，百度公司每天大约要处理60亿次搜索请求，目前数据总量超过10亿GB，而一个8M bps的摄像头一小时就能产生3.6GB的数据，一个城市每月产生的数据则高达上千万GB。《国际数据公司（IDC）全球大数据研究报告》指出，过去3年人类社会产生的数据总量被以往4万年还多，到2020年数据量将增长10倍，达到44ZB（ZB：十万亿亿字节=1024*1024*1024TB）。这些数据不但在数量上十分庞大，包含的信息类型也越来越繁杂，相较于过去的数据量被称之为大数据。

一、云消费时代的大数据发展趋势

1、大数据的技术应用特征

大数据其表现的特征如下：首先是数据来源多，这其中包括企业内部多个应用系统的数据、互联网和物联网的兴起，带来了微博、社交网站、传感器等多种来源：其次是数据类型多，表现为保存在关系数据库中的结构化数据只占少数，80%以上数据是如图片、音频、视频、模型、连接信息、文档等非结构化和半结构化数据；以及关联性强，表现为数据之间频繁交互，比如游客在旅行途中上传的图片和日志，就与游客的位置、行程等信息有了很强的关联性。

在商业领域，这些信息不仅仅包括交易行为本身，还包括消费者线上交易从搜索、对比、选择、购买、一直到售后评价等一系列操作数据，以及消费者线下交易通过手机电子标签、商场的识别装置等记录的浏览轨迹、停留时间、商品购买频率等一系列活动数据。这些数据与以往以字段为基本数据单位的结构化数据大不相同，被称为非结构化数据，而对非结构化读取、处理的技术，即是大数据技术的重要组成。在小数据时代，依靠传统商业智能的计算方法以批处理为主，采用离线计算、集中式运行。而在云消费时代，海量数据的查询、分析与利用所需要的时间从量变到质变，1s响应时间成为临界点。对于大数据应用而言，必须要在1秒钟内形成答案，否则处理结果就是过时和无效的。因此支持流计算，能够实时分析，数据库采用分布式结构，成为云消费时代商业智能的主流处理方式。而在的计算方式上，传统数据分析依靠企业报表系统，通过特定数值的比对、增长分析、交叉分析、回归分析等，数据向算法靠拢，将数据套入到固定的算法当中，对数据进行整合分析与报送。而云消费时代，海量数据处理的最终结果不再仅仅是对一组或几组数据的趋势性概况与分析，而是通过更加深入的智能挖掘，算法向数据靠拢，根据数据的形式与结构采用更加灵活也更加复杂的算法，从而将过去的历史数据报送转变为对未来与结果的预测。以上就是区别大数据以及云消费时代的商业智能与传统数据仓库技术、商业智能技术的关键差别。

2、大数据的发展规模与前景

据国际数据公司（IDC）预计，全球大数据技术及服务市场2016年收入将达238亿美元，接近1500亿元人民币，中国市场规模未来5年将增长近7倍。据中国产业发展研究网报告，2014年，中国大数据应用市场规模为80.54亿元，同比增长3.2%，预计2015年市场规模将增长37.3%，至110.56亿元，预计到2020年，中国大数据应用市场规模将增长至5019.58亿元。2015-2017年复合增速为87盘%，这也是中国大数据应用市场预计增长最快的三年。

以大数据为核心的变革正在商业领域掀起巨大波澜，从搜索引擎、社交网络、电子商务平台等IT企业，到批发、零售、商业服务等流通领域企业，无不感到变革带来的巨大机遇与挑战。大数据与云消费时代的商业智能助力企业优化运营、简化组织、智能决策以及创造更大的客户价值，大数据应用越来越成为商业企业创新发展、制胜未来的重要因素。

二、大数据与商业智能改变传统商业

1、大数据帮助企业优化运营

传统的企业数据处理与运算模式由于采用批处理为主、离线计算与集中式运行。这使企业在管理过程中由于数据的非实时与非动态而出现管理真空的现象。如连锁企业总部无法准确、及时地了解各家门店的进、销、调、存等信息，连锁总部对于商品的在库、在途控制都是事后反馈，无法合理制定采购、配送计划：大量人力、物力浪费在资料的重复输入和简单的处理之中：销售前端关键业务信息收集与反馈速度缓慢，一线的促销与活动信息无法快速反馈到连锁总部；对于商品的评价与消费的动态研究信息缺乏收集手段：由于信息沟通障碍，对于人员的业绩考核无法顺利实施等等。

而依靠云消费时代的商业智能，通过采用流计算支持，实时分析、离线计算、分布式运行、计算向数据靠近的处理方式，在商业领域对于商业信息的管理可以实现快速、实时、多点同步。例如沃尔玛的ECR系统（Efficiency Customer Response，有效客户反应系统），在商品銷售过程中的任一时刻，商品的经营决策者都可以通过管理信息系统了解和掌握销售终端系统的经营情况，实现门店库存商品的实时管理。目前沃尔玛已与多家供应商中的1800多家实现了电子数据交换，利用更先进的快速反应和联机系统代替采购指令，真正实现了自动订货。海量数据的自动处理与反馈帮助沃尔玛在云消费时代，缩短周转时间，提升了对商业伙伴的服务于反应速度。系统利用条形码扫描和卫星通信系统，与供应商每日交换产品销售、运输和订货信息，包括商品规格、款式、颜色等，从发出订单、生产到将货物送到门店，最快的时候甚至不超过10天。

大数据技术帮助企业优化运营的例子还有亚马逊的“预测式发货”。亚马逊可以通过大数据技术对用户数据的分析，预测用户的购物习惯，从而在他们实际下单前便将包裹发出。虽然包裹会提前从亚马逊发出，但在用户正式下单前，这些包裹仍会暂存在快递公司的转运中心或卡车里。亚马逊为了决定要运送哪些货物，亚马逊可能会参考之前的订单、商品搜索记录、愿望清单、购物车，甚至包括用户的鼠标在某件商品上悬停的时间。这项技术可以缩短发货时间，因为从下单到收货之间的时间延迟可能会降低人们的购物意愿，导致他们放弃网上购物。

以及大数据技术帮助“UPS”对运输车辆实时跟踪并自动优化线路。UPS最新的大数据来源是安装在公司4.6万多辆卡车上的远程通信传感器，这些传感器能够传回车速、方向、刹车和动力性能等方面的数据。收集到的数据流不仅能说明车辆的日常性能，还能帮助公司重新设计物流路线。大量的在线地图数据和优化算法，最终能帮助UPS实时地调配驾驶员的收货和配送路线。该系统为UPS减少了8500万英里的物流里程，由此节约了840万加仑的汽油。

此外北京朝阳大悦城应用大数据技术从五个维度对消费客群进行跟踪与描述。一是客户的基本属性，二是客户的交易明细，三是客户的线下行为（通过场内的WIFI系统布局收集），四是客户的线上行为，五是外部补充数据（通过与大数据公司合作进行数据交换），其中后三个维度都是以非结构化数据为主。利用大数据技术，大悦城可以清晰地了解其核心客户来自哪里，从购物中心场内WIFI收到百万级的WAP地址中，抽取20万客户，把客户的家庭地址纳入到商圈中，可以实现这一目的。除此之外，通过大数据技术收集消费者的历史消费数据，进而绘制出生命周期的曲线图，从而了解某一个项目客户的新老结构，这个占比直接反映了整个项目对于吸纳新客户的能力如何。企业依靠大数据实现精确管理与项目的精准定位。

2、大数据帮助企业简化组织

随着“云消费”时代的到来，越来越多的零售商开始抛弃传统大企业发展思维，充分借助社会分工，集中力量于核心价值，轻量化运行，实现小团队创造大业绩的奇迹，从大企业化向轻量化转型。在此过程中首先需要管理者投入大量的时间、精力用于管理信息获取。越是大型的组织机构，对于信息获取以及管理沟通的成本也就越高，在此阶段中，信息成本逐渐成为交易成本中比重最大的成本。因为数据获取往往需要大量的终端数据进行累加地复杂运算，而在传统的信息系统当中，以上来自于不同管理软件的不同终端数据，单单是进行汇总、整合为一个数据库，就存在极大的难度。而且由于信息系统不够优化，在支持企业管理运营时无法有效迅速调出，或者在权限上没有明确界定，全部数据都作为保密数据，难以被实际权限合适的决策者所利用。而通过大数据技术，企业经营中的各种数据按照数据库的设置原则自动进行汇集、整理，并按照一定逻辑进行挖掘分析，形成经营结论分类按照使用者权限传输给各级管理者，降低信息获取成本。

此外传统企业组织架构按照供应链设置横向体系，按照决策链设置纵向体系。但企业管理作为一个有机整体，横向上按照供应链进行管理职能与权责分割往往引起多头管理与权责不清并存的弊病，同时随着企业的发展与规模扩大，纵向上决策链设置的管理层级也越来越多。根据帕金森定律，越是体制束缚多、官僚的组织，越容易患上“大企业病”。而根据崔西定律，任何工作的困难度与其执行步骤的数目平方成正比，过多的企业层级与人浮于事导致企业决策越来越困难，执行越来越困难，企业的基层越来越忙碌，成本越来越高，而客户却越来越不满，庞大的组织架构、繁琐的运营流程最终成为束缚企业发展的枷锁。

通过大数据汇集形成的数据流驱动，使企业的组织、管理与决策不再依赖于传统以管理者为单位框架式的信息传递方式，而是通过由大数据技术构成的信息中枢进行驱动，既帮助企业降低管理与沟通成本，又帮助企业实现组织架构扁平化，提升企业管理决策效率。

3、大数据帮助企业智能决策

最典型的智能决策的案例就是“AlphaGo”挑战韩国名将李世石九段以4：1告胜。“AlphaGo”通过与自动程序以及其他棋手进行对弈，从而完成自动学习，然后通过一系列复杂的算法，在与李世石对弈中实现每一步棋的智能决策，并取得最终胜利。而这种智能决策，有赖于通过大数据技术对于海量的自动分析与处理，以及通过处理过程中形成的经验累积，从而做出最优决策。

在商业领域例如阿里小贷对亿级海量店铺数据进行自动分析，根据以往的经营数据比对、同业数据比对、销售数据自动化计算等方式，准确定位每一个商户的信誉度与资金周转额度，确定用户贷款额度与风险等级，帮助授信单位在最全面的因素上来考量授信对象，以做出最准确的授信或判断，实现高等级风险控制。除风险控制外，阿里小贷还利用大数据分析来改进服务，例如过往每到某个时间节点，某店铺的营业额就会进入旺季，销售额就会出现增长，每在这个时段，该客户所需的贷款周转额度就会上升，系统就会根据自动分析的结果对商户的贷款额度等进行调整。

另一个智能决策的成功案例就是小红书社区。成立之初小红书以个人海外购物的经历分享加社区资讯做为主要内容，是专业的海外购论坛。通过大数据的支持，小红书形成了自己独特的盈利模式，即通过海外购社区中的数据统计，对于讨论最热门的商品进行集中采购，并通过规模化的物流运输运至国内。相较于个人海淘或海外代购，小红书的销售价格更有竞争力。此外，虽然小红书相比于阿里、京东的海外购规模要小得多，但通过大数据帮助，小红书只销售最热门的商品，商品数量远低于前两者，而单品的销售数量却极高，这使得小红书的毛利相较于大体量的海外购平台大幅增加。依靠大数据技术，小红书成为为数不多成功探索出自己的商业模式并实现盈利的购物分享社区。

4、大数据帮助企业创造客户价值

一切商业活动的基础在于为目标客戶创造价值。通过大数据技术，帮助企业更好地为客户服务，为客户创造价值，而不再是从客户身上攫取价值。过去大卖场的出现，使顾客能够轻松地实现一站式购物，并有一定的优惠促销，这为客户节约了时间与成本，这是大卖场相对于小铺创造的核心价值。而当信息时代到来，通过电脑、手机、pad等各种网络终端都能够方便地实现足不出户完成购物，并且比价变得更加方便，价格信息更加透明，因此电商替代了大卖场的核心价值，使大卖场的盈利能力逐年降低。

在“云消费”时代，主流消费方式呈现出强烈的个人化消费特点，即通过商业智能和大数据的支持使为个人定制的个人化服务不再是少数人的特权，每个消费者都能享受独一无二的商品和服务，享受消费的尊崇感与自豪感。为客户创造价值的最优方式即为客户提供独一无二的专属化服务。依靠大数据技术，不但能够准确捕捉消费客群的商业活动，甚至能够跟踪消费客群商业活动以外的其他信息，这其中包含大量的消费轨迹、活动轨迹等非结构化数据。之后通过对海量数据的自动分析，就能够准确描述消费客群的特征、消费偏好、消费习惯乃至潜在的消费倾向，大数据技术使消费者分析与客户服务不再停留在抽样预测阶段，而是依靠全部数据的自动分析处理，准确了解每一位客户需求，从而帮助商业企业准确了解消费客群，为消费者创造专属化服务。

利用大数据服务消费者的先行者就包括亚马逊网站。在消费者浏览网页时，会显示出如80%购买商品A的人，还购买了另一商品B，并给出一个同时购买了两种商品的折扣。或者是当消费者浏览一件商品时，网页会显示仅30%的人购买此商品，80%的人购买了另一个同类商品。这时消费者就会好奇并浏览另一商品。通过浏览发现此商品或价格更加划算，或质量更优，而选择亚马逊的推荐。因此亚马逊的大数据并非只用于关联销售而达成更多销售额，还通过大数据的智能化分析，为顾客提供更满意的选择。消费者满意度更高，自然更加信赖亚马逊网站并最终为亚马逊带来长远的商业利益。

再如尚品宅配，通过对消费者的年龄、喜好、消费能力的分析，利用后台的大数据，对同类人群的历史消费偏好进行自动分析与匹配，通过“云设计”将最容易被此类消费者所接受的设计进行组合，最后形成整体设计方案。因此商品宅配的销售量越大所积累的客户选择偏好大数据量越庞大，通过大数据技术进行“云设计”所得到的结果越接近于消费者满意设计。

大数据能为企业创造的客户价值实际上远不止已经实现的商业尝试，可以设想当顾客走进以大数据技术为核心的未来餐厅中，进入大门餐厅就会自动识别出会员身份，在手机上显示该会员的姓名、积分、可获折扣等相关信息，并自动为其安排最喜爱的餐位；当一个食客用手机扫描菜谱时，可查到该菜包括营养成分、烹制方法，而且还可以看到食物和自身健康的匹配度或者友好度；食客的所有需求将进入到餐馆运营的数据库。数据库不断扩大精准定制每一个食客的需求，比食客更了解自己做到精准推荐：餐饮店可以根据后台数据最大化利益的做到更多方式的经营业态，菜品搭配、菜品推荐、采购物流等环节，通过大数据实现了顾客与餐饮机构双方各自利益最大化。而在未来餐厅甚至能够出现这样的场景，一个无人机送餐。

而利用大数据技术，超市的功能与服务也将大大提升。应用大数据技术构建的典型的未来超市购物将出现如下场景。首先未来超市支持对海量会员生成个性化精准营销方案。在超市任何时间，任何地点，线上或线下消费，会员都可以得到专属会员折扣专属折扣比率和品类由会员在超市全渠道消费记录自动生成。此外会员通过手机APP或微信平台，可以经常获得超市发送的专属会员优惠券，活动商品可以通过线上消费、到店消费获得。而在家里有某类生活消费需求的时候，会员也可以通过手机APP或微信平台，获得超市发送的专属商品推荐。超市还能够针对会员的消费习惯与消费频次，在会员购物期间，对会员周期购买商品进行补货提醒，对价格敏感商品进行降价提醒，对关联兴趣产品进行推荐提醒。以及通过精选商品满足会员现代生活方式需求，通过对海量会员消费数据的分析结论，适时推出创新精选商品，如健康生鲜半成品，向紧张生活的现代消费群体传递紧张生活节奏中亲自动手快速成餐的生活方式。针对服务社区消费大数据分析排位最高的需求，不断调整业态组合，完善服务功能，使绝大多数居民生活服务需求都可以在超市得到满足，使到超市解决生活所需成为一种习惯。

依靠大数据技术，甚至可以解决大卖场过多商品陈列的问题。未来超市中每件商品可以只摆放几件样品顾客选购只需要用自己的手机对商品进行扫码，并加到手机的购物车中，通过手机进行结账，然后大数据信息系统会自动通过智能停车系统，读取顾客的停车位置。当顾客设定好离店时间时，超市会按照顾客约定的送货时间将顾客所购买的商品送到顾客的车位上。这样将极大地提升超市对顾客的服务能力，并节约大量的土地成本。

三、云消费时代企业信息系统建设实践

1、云消费时代企业盈利模式发生变化，商业模式亟待变革

在云消费时代，终端消费已突破传统店铺的限制，突破商品形态的限制，流通的时间障碍、距离障碍、渠道环节完全突破，呈现出“零时差、零距离、零渠道”之趋势，即消费者可以在任意时刻、购买任意地方的产品、通过任意渠道实现。传统依靠信息不对称以及多道流通环节赚取商业利润的方式变得越来越困难。而在生产与批发领域，则呈现平台化整合趋势，过去企业为降低成本以及扩张规模往往选择向产业链上下游延伸，但在云消费时代，通过依靠信息技术建立的网络化平台使“众包”成为企业新的选择，而诸如此类的商业变革还在不断地创新、发展中，企业的盈利模式发生改变，为此企业应构建全新发展战略，从组织架构、组织流程以及经营管理等方面重构商业模式，并按照全新的商业模式进行信息系统部署与升级。

2、云消费时代信息系统建设存在的问题与方法

（1）主流信息系统简单改造升级难度大、成本高

目前我国绝大多数商业企业使用的主流商业信息系统，仍采用的是欧美国家在90年代即开发、形成，于2000年前后在我国商业企业当中广泛流行，纷纷安装、建设的信息系统。首先系统的流程设计是按照过去的企业组织方式与管理流程进行设置，与云消费时代全新的商业模式不相符，对系统流程改造难度大。同时随着云消费时代到来，对客户移动终端访问、管理与移动办公的要求越来越高，但传统客户端服务器环境使用Windows平台或依赖Windows平台，软件迁移性差，需要重新针对移动端访问进行终端开发。

其次在系统体系结构行上采用C/S（clients/server，客户端/服务器）结构为主，在技术实现上以关系型数据库（Oracle、MS-SQL）为主，程序体量过重、数据源分散、数据结构不系统，尤其是根据现有规模进行编程、封装后，企业数据规模扩大或系统升级时改造困难、效率低下。

此外开发语言使用上世纪90年代为主流的Powerbuilder、.NET语言，本运行在Windows平台，效率低、硬件投入较高，并容易通过OllyDebug加载调试被反汇编，系统安全性较差。因此对于目前主流的信息系统通过简单地修补与改造升级难度大、累加成本高。

（2）信息系统应超前设计架构，动态可扩展

因此云消費时代的信息系统需要超前设计、架构，并动态可扩展。首先在在设计思想上应根据未来的组织架构与业务流程进行设计，即按照企业变革后的商业模式与发展战略超前设计企业信息系统，满足未来企业对信息系统的设计需求。

其次在技术上应以全新的非关系型数据库（No SQL、MongoDB）技术为主，相较于传统关系型数据库，读写性能高、数据没有耦合性，易扩展、跨平台、体量轻、易部署：在系统体系结构上以B/S（browsers/servers，浏览器/服务器）作为主导结构，相较于主流C/S结构系统依赖于单一服务器环境，B/S系统建立在广域网之上，核心内容在服务器端完成，终端浏览器只负责上发和下传，不受系统环境等因素影响，随时动态扩容，具有较高扩展性、敏捷开发，可跨平台使用，并且开发周期较短、效率高、对终端硬件要求低，维护成本低，投入产出比高。

此外在系统底层架构上应预留未来的发展空间、一步到位，避免此后由于底层架构限制导致系统难以升级或重新开发的高成本投入。但在应用模块的构建与数据库硬件投入上，由于采用以上所述新的技术与体系结构，因此可以实现模块化开发与逐步添加，是系统应用层可以分步实施，提升系统开发效率与动态可扩展性。

最后在商业智能（BI）上新的信息系统大幅度提升，其本质在于对于大数据的搜集、积累与智能挖掘，使信息系统具备自我学习、自主决策的能力，从而帮助企业提升运营管理效率与客户服务能力。