时间: 2021-08-03 10:21:17 人气: 9 评论: 0
大数据走过了2015年集体爆发的元年，正在进入值得期待的2016年。在意识层面上，已经经历了数据价值的萌芽期，国家、企业、个人正在重视数据价值，畅想着数据对企业发展和经济提升的推动作用。数据商业敏感度和数据应用场景是数据商业化过程中重要的两个方面，也是企业进行数据变革的原动力。我们先回忆一下2015大数据产业的一些热点，然后期望2016年大数据产业的一些变化。
大数据产业在国家和资本的推动下进入了爆发的元年，2015年宣称自己是大数据企业的大概有将近400家，其中典型的大数据企业有200多家。拿到融资的大概有五十多家，整体融资额**过50亿元，其中拿到亿元融资以上的企业有17家，最高融资额为7以人民币，估值**过三十亿元人民币的有十家以上，初创一年之内的大数据企业的起始估值大概在10亿元人民币左右。
几乎没有大数据企业对外公布经过审计的销售额和利润总额，绝大多数大数据企业仍然处于创业期，没有实现盈利，仍处于资本投入期。80%大数据企业销售额低于亿元，同质化开始，竞争逐渐远离蓝海。讲故事的大数据企业过多，概念多于实际的商业价值。
企业的大数据投资主要集中在存储、计算、分析平台，数据同业务结合的案例太少，数据带来商业价值的案例太少。这些都是大数据产业发展过程中出现的发烧症状，也是产业发展必须经历的进程。任何一个新兴产业发展必然要经历从不理智到理智到阶段，只有经过百花齐放，大浪淘沙之后，优质的企业才能够生存下来，成为行业的领导者。2000年的互联网泡沫和2010年左右的电商和百团大战，都是产业发展必须经历的阶段。
拨开泡沫，我们也看到了大数据企业发展理智的一面，大多数大数据企业都获得了资本市场都青睐。资本的眼光是毒辣的，没有商业价值的企业，其是不**主动投资的。2015年，50%以上大数据企业的业绩增长**过了几倍以上，人员增长**过了50%。大数据论坛和**议上，大数据企业不再谈技术和概念，谈的是商业案例和数据价值。越来越多的数据案例被挖掘出来，正在成为企业效仿的对象。企业也主动邀请大数据企业前来洽谈，寻找合作机**，共同寻找数据应用场景。过去是大数据企业给企业洗脑，提升数据意识，但是2015年很多企业主动接触大数据企业，提出业务需求，探讨如何利用数据分析和外部数据，来寻找新的商业机**。
数据技术和价值的应用正在帮助企业提升业务运营水平，从商业价值出发，数据帮助企业做了过去企业都在做的事情，开源和节流（增加业务收入，降低运营成本）。
典型的大数据企业分为三类，
企业在实施数据商业应用中，**面对三个方面的数据，自身的经营数据，政府数据，第三方数据。其中企业自身数据最有商业价值，是企业数据商业化应用的一个巨大金矿。
对企业最有价值的数据是其客户和业务产生的数据，这些数据同企业的经营相关度很高，数据里面蕴藏了丰富的商业价值。经过数据挖掘和分析之后，其产生的商业价值对企业影响最大。美国典型的数据商业应用案例，沃尔玛的啤酒和尿布，Target 发现16岁少女怀孕，IBM沃森（Was ton）在医疗行业应用等，都是利用了企业内部自身数据来发现商业价值的。企业自身的经营数据最重要，商业价值最大，是数据商业化应用的切入点和最大宝藏。
企业进行数据商业应用最重要的一个环节是领导重视。另外一个重要环节是找对人，这个人不需要是**人，但需要熟悉业务需求和技术，具有开放的心态，具有高度的数据商业敏感度，具有数据场景应用的能力。
政府数据也是一个大金矿，可以很大程度解决企业信息不对称的问题，其中天气的数据，可以应用于农业和工业规划；税务、工商、公安司法数据可以用于征信和信贷风控；土地和人口数据可以用于规划和地产；运营商数据可以用于客户画像和洞察，也可以用于个人征信和反欺诈；经济统计数据可以用于企业经营决策和政府规划等。政府的数据的优势是全和多，劣势是分散和质量一般。另外和企业一样，政府自身数据思维和数据人才也是一个瓶颈。
第三方数据是数据应用的一个热点，其中银联的数据、运营商的数据应用较多，数据质量也很好，数据应用场景也不少，但是弊端在于其不是市场化运作的公司，对数据商业敏感度和数据应用能力较差。数据价值挖掘不大，还是停留在源数据应用阶段。数据流通和数据衍生的商业价值都没有得到体现，更不要说具有高度商业价值的数据产品了。通过网络爬虫和under table取得的数据也是主流，但是其商业价值正在降低，具有垄断数据源和数据分析能力的数据公司，未来市场前景**越来越好。
企业选择大数据公司时，在采购数据时**看三个方面，第一是数据的覆盖率，一般在行业覆盖率**过50%的数据公司**得到企业的青睐。第二个方面是数据的匹配度（查得率），企业数据同外部数据匹配度**过30%才有商业价值。企业拿了1万条数据，如果从数据公司哪里能够到匹配3000条以上，在某一个纬度可以补充企业30%以上的数据，这样的数据才有应用价值。低于30%的匹配度，就没有数据应用价值。第三个方面是数据同商业需求的相关度，这个最重要。如果数据同企业的业务需求相关度低于50%，则没有商业价值。例如征信应用，如果这个数据同征信判断的相关度低于50%，也就是50%以上的误判率，这个数据就没有数据商业应用价值。
企业选择大数据技术和服务公司时，最看中的是其案例和人员能力。企业都不愿意当白老鼠，如果缺少同行业案例，或者案例时间少于一年，对于企业都有较大的风险。另外大数据公司实施人员的经验和能力也较重要，如果缺少行业经验和技术背景，其数据商业敏感度将**降低，无法帮助企业利用数据来提升业务。
市场上最有前途的大数据公司应该是踏踏实实做事情、认真做技术、不断迭代做产品的公司；这些公司在数据源或数据分析能力上，可以帮助企业提升业务。有实力的大数据公司不讲故事，能够帮助企业实现数据的商业价值，帮助企业开源和节流。
在数据分析方面，大数据公司既要了解业务又要了解数据；在数据源方面，大数据公司的数在覆盖率、匹配率和相关度需要满足企业需求。客观的说，如果这样的大数据企业越来越多，中国的大数据产业就有前途了，他们可以帮助企业实现数字化运营，利用数据实现业务收入的提升，甚至商业模式的转型。
大数据被炒作的过于神奇，本质上其不过是一个辅助分析的工具，其不能代替企业商业决策，只能提供科学决策支持。大数据代表的是行业数据，是宏观数据，是统计分析的结果。大数据的应用场景多是宏观决策，例如产业布局、城市规划、战略布局、行业发展、风险控制等。大数据在政府和大企业应用较多，价值巨大，对经济发展影响也较大。大数据商业价值多应用在于国家和社**，对于企业也很有帮助。但企业的数字化之路应该从小数据开始。
小数据是围绕客户产生的数据，是客户浏览行为和消费行为分析的数据，在互联网企业特别是电商企业应用较广。小数据对企业业务运营非常重要，也是目前数据商业应用最重要的数据。未来企业将以经营用户为中心，用户需求分析将是小数据应用的重要领域。小数据代表了用户的行为轨迹，代表了用户的需求和偏好，可以帮助企业了解客户，为目标客户设计产品或将产品推荐给目标客户。经营客户的数据就是小数据，其商业价值据巨大。
典型的小数据应用案例有嘀嘀打车，其数据分析和应用团队有300多人，设计了不同的数据模型，依据客户和司机的位置为客户推荐出租车或专车，依据司机抢单情况来给司机安排客户，依据客户订单多少提升客户等级和订车优先权。另外一个小数据应用的典型公司是今日头条，其推荐算法团队也有几百人，依据客户浏览习惯，为客户提供内容，包含新闻、财经、视频、专栏等。公司仅有1000人，2015年广告收入将**过10亿元人民币，完全是靠数据分析优势成长的公司，未来将成为移动互联网的门户网站。
金融行业、互联网金融行业、地产行业、零售行业、媒体行业、航空业、旅游、酒店、耐用消费品等行业将成为小数据应用的主要产业。
企业越来越重视数据价值，但很多企业却没有从中收益，中国整体数据的商业应用还是处于成长阶段，远没有达到成熟阶段。
数据思维和数据场景成为企业数据商业应用的一个障碍。其中领导层起到了很大的作用，可谓成也萧何，败也萧何。很多企业领导的固有的商业思维方式、惯性思维模式、对年轻一代客户的不了解，对短期利益对看重等多种因素造成了数字思维（或者说数据商业敏感度）的落后。
一个领导的决策和意识往往误导了企业商业化进程，某些领导不开放的心态和落后的思维方式阻碍了企业的数字化进程。特别是国有大型企业包括金融行业，部分中层领导的数字化思维落后于整个行业的发展，被传统IT厂商和外包商影响的思维正在严重影响其数字化进程。在数字化思维方面，国有企业落后于股份制企业，北方落后于南方，经济不发达地区落后经济发达地区。
数字化思维是数据场景应用的基础，数字思维**提升企业的数据商业敏感度，帮助企业从数据中发现价值，也可以引导企业选择正确的数字化商业进程。客观地说，数字化商业进程未来是所有企业必须经历的阶段，也是企业发展的未来。
数字化商业是逐渐进化的过程，不能一促即成，需要不断的进行尝试，可能也需要不断试错。这个过程既不能空想一天建成，投入巨大财力和人力，进行大规模建设。像某个企业，投入千人，两年未有结果。也不能像另外一个企业，裹布不前，不断调研，一年下来没有任何变化。就像**说的，这是个抢钱的时代，当你还在想商业模式时，别人已经跑马圈地，走在了时代的前沿，剩下的只有后悔和遗憾了。
数据场景应用其实并不复杂，业务需求同数据相结合，数据应用场景即刻就**呈现。国外同行的案例告诉我们，数据场景的应用往往建立在数据分析和业务分析之上。从商业应用场景出发，很容易找到数据应用场景。例如Climate收集的天气数据可以帮助农民规划植物种植和病虫防止，花旗银行信用卡直接利用乘客头等舱乘坐记录来给客户寄送白金卡；某银行利用物业费缴费情况，直接找到高端财富人群；某保险公司利用社交传播，直接吸引了高端保险客户；某互联网金融公司利用外部数据，提高了30%左右恶意欺诈用户识别率；国外某互联网银行其运营成本仅是传统银行四分之一；手机短信可以揭示客户收入水平等，这些都是很典型的数据应用场景。
数据场景应用来源于业务人员对数据的商业敏感度，同时也来源于数据分析人员对业务场景对了解，另外对外部数据应用案例和外部数据源的了解，也**帮助企业提高数据场景应用能力。数据的流通、数据案例的分享、数据场景的交流、同行人员的头脑风暴都**帮助企业找到数据应用场景。过去行业里熟知的大数据案例多来源于美国，希望未来典型的数据应用案例可以来源于中国企业。
总之，2016年希望大数据产业可以持续高速发展，更多具有商业价值的案例出现。在工业大数据、数字化营销、数字化运营、大数据风控、客户洞察和业务分析等领域，涌现出更多的典型案例。企业实现数字化思维的转型，找到更多的数据应用场景，也希望企业的领导层和管理者转化思维方式，开放心态，多了解外部数据环境，主动接触数据公司，从上向下推动企业的数字化转型。
本文由 @鲍忠铁（微信公众号：bankinnovation） 授权发布于人人都是产品经理 ，未经许可，禁止转载。
