企业大数据战略指引

1、企业大数据战略指南企业大数据战略指南当莫在线视频网站准备推由自制剧的时候，评论家纷纷嘲笑他们把握观众品味的能力。很难有谁会想到，该公司通过分析其积累的多年用户观 影偏好的大数据，来指导制片人、主演选择和编剧内容并一 炮走红，帮助其在一个季度内获取数百万新增用户，并在接 下来的一两年内里获得数倍的股价提升O打造大数据战略的四大挑战我们正在迎来一个数据爆炸的时代各类设备和互动产生的数据量正以年均大于50的速度增长，预计在 2020年可能会达到44ZB （44万亿GB）。全球企业越来越关注大数据给自己带来的机会或者冲击，大数据行业调研显示， 北美和欧洲400多家大型企业（年 营业额高于5亿美元）中，

2、大约 60的企业积极在大数据方 面进行投资，希望能够带来显著的收益。据调查显示，拥有优秀大数据能力的企业，它的财务表 现排在行业前25分位的可能性是竞争对手的2倍、做由正确决策的可能性高由竞争对手 3倍、决策速度比竞争对手快 5倍。可见，大数据对于企业乃至整个社会的重要性不言而喻。大数据之所以 失”，在于数量（Volume）、种类（Variety） 和产生速度（Velocity）的特征。TB、Volume数据体量大，许多企业大数据规模可达数百甚至 EB 级另I(1EB1024PB、1PB1024TB、1TB1024GB)。Variety数据类型多，包括各种格式与形态。Velocity大量数据每

3、一秒都在产生，对数据实时收集、处 理与分析应用的速度要求很高。无论数据如何变化，它们是 金矿"还是 垃圾”，取决于 企业是否了解自身拥有(或能够获得)的数据资产，并以此 建立清晰的大数据战略，从而在战略、运营和一线层面产生 价值。无法持续地产生价值的数据是没有意义的。基于大数据行业调研，企业今天在运用大数据时还面临 不少困难。主要包括战略、人才、数据资产和工具等四大类挑战。战略仅有约23的企业拥有明确的大数据相关战略，决 定并知道如何将大数据分析有效地应用于企业运营，并建立 相应的组织能力、流程和激励机制来赋能数据分析以支持决 策。人才仅有约36的企业拥有专门的数据洞察团队，并拥 有

4、同时具备数据科学专业能力和商业敏感度的人才。数据资产仅有约 19的企业拥有高质量、一致性较好、 易于获取和应用的大数据。工具仅有 38的企业正在使用先进的大数据工具，如Hadoop、NoSQL、HPCC和自动数据清洗算法等建立大数据战略与能力的关键因素企业如何建立清晰的大数据战略和关键的大数据能力贝恩根据与全球客户合 作的大数据相关项目经验，总结由企业建立大数据战略与能 力的6大关键因素。关键成功因素1发现独有的 数据资产你拖动莫部电影视频滚动条的时候，视频网站正在分析 整体观众的偏好数据并指导下一步剧集的剧情走向；当你在 店里购物的时候，零售商正在分析整体客流轨迹数据并指导 店面的布局和商品

5、的上下架；当工厂每天使用机器设备的时 候，厂商正在分析整体设备的使用习惯并指导下一代产品的 设计、维修保养的主动性变动以提升效率这样的例子非常 多。作为建立大数据能力的基础，企业应像对待其他重要资 产一样，发现、评估和管理好并不断扩充数据资产。首先，应对企业数据资产现状开展深入评估，明确目前 数据资产的来源、类型与数据准备情况，评估数据是否足够 完整、是否与业务发展直接相关；其次，根据评估结果以及企业经营战略目标，应明确目前还有哪些数据资产与目标 存在显著差距，弥补差距的优先级是什么；然后，对所有可进一步获取的内外部数据资产进行识别与评估，在深入考 虑数据质量、重要性与相关度、获取成本与时间要

6、求等相关 因素之后，选择获取数据资产的最佳方式，诸如自行采集整理、对外采购数据、与外部合作伙伴进行交换等；在获取新的数据资产后，企业还需建立数据治理机制，对数据进行 妥善清洗与存储，确保数据的可用性与一致性，并明确数据 授权和更新制度。关键成功因素2明确数据资产如何创造价值”。在评估企业的数据资产后，需确定如何运用其对企业战 略进行支撑与引领。具体而言，大数据可为企业带来五方面的价值优化企业内部运营流程例如，奥饮料公司运用复杂算法分析社交媒体 大数据，识别对于重要议题具有影响力的品牌意见领袖，并 对其进行针对性的引领，以提升营销效果；莫连锁零售公司 通过分析大量门店销售数据，寻找产品之间的未知

7、联系，以 提升捆绑销售。优化现有产品与服务例如，奥娱乐公司运用电子公园通 行证来采集游客在其主题公园中的活动数据信息，以此来优 化游客在公园中的体验；奥汽车安全信息系统服务商使用传 感器来收集车辆驾驶数据，以改进其产品的设计、生产与维 修流程。开发新产品新服务例如，奥保险公司使用插入式设备来 收集驾驶行为数据、通过分析司机的驾驶习惯对其保险提供 相应折扣，以主动保留驾驶行为较安全的客户；奥在线影片 租赁提供商通过分析观影档案数据来针对性提升用户观影体验，并提供分析结果给影片投资方以优化影片制作内容。建立新业务模式例如，奥医疗保险公司通过对病人信息 数据的预测性分析，向易患病的人群提供预防性关怀

8、服务， 以提高服务此类客户的利润率；奥理财服务公司免费赠送个 人财务软件给用户，在用户使用时分析其消费数据，再向其 精准推送相关广告。获取生态系统控制力例如，奥企业级软件公司通过对渠 道伙伴的运营数据开展智能化管理与分析，鉴别渠道商的资 质与能力，并对业绩进行预测和预警；奥电子商务公司数据 产品团队基于其电商平台沉淀的大量交易数据，为平台上的 卖家开发各类大数据产品，帮助它实现数据化运营和增收， 提升电商生态系统对卖家的吸引力。关键成功因素3识别优先应用场景。对于公司业务部门（营销、销售和服务等部门），大数据可以帮助其创造以上五种战略价值；对于公司职能部门（研发、供应链和人力资源等部门），大数

9、据也可以帮助其优化内部运营流程。为识别公司业务与职能部门具体可能的大数据应用场 景，可对标业界大数据应用实践、基于数据资产现状评估、 剖析业务与职能流程中可能进一步采集的数据与应用方式， 运用头脑风暴和内部研讨会列由所有可能的大数据应用。需注意的是，大数据应用场景必须契合业务与职能部门 的现实需求，切忌闭门造车、脱离实际。营销用户画像数字化精准营销社交媒体营销分析销售 销售团队决策支持 经销商智能化管理 促销员智能导 购 服务 用户反馈分析 客户关系管理维护 用户流失分析 预测研发 用户功能偏好洞察 行业研发趋势洞察 供应链 供应链运营优化 产品复杂度降低 人力资源 人才识别与招 聘 人才培养

10、与保留 在确定可能的大数据应用之后，可通过 价值创造与业务成熟度两个维度对大数据应用进行评估和 优先级排序，以按顺序推动相关大数据应用的落地实施。对于价值创造维度，可以用创造价值的多少（如提升运 营效率、提升投资回报等）作为评估标准；对于业务成熟度 维度，可以将所需数据资产的可获得性以及所需资源投入和 大数据能力支撑（如资金、人才和跨部门合作等）等标准用 于评估。关键成功因素 4数据-分析-洞察-决策支撑的产品 化、常态化。为将大数据高效应用于企业的日常运营，需要不断将数 据分析能力转化为内部应用产品，并将数据分析工作常态 化。对于数据分析产品化，可通过大数据应用战略规划、大 数据应用场景设计

11、、分析大数据以获取洞察这一过程的牵 引，不断推动大数据应用产品的设计、开发与应用，最终实现数据分析产品的可持续运营而对于分析工作常态化，需要持续维护数据分析产品并 监测实际使用效果，为业务与职能部门提供数据分析支持， 并对其日常使用中的问题及时进行解答。以莫家电公司为例，其借助于收集存储了上亿用户数据 的大数据平台，建立了需求预测和用户活跃度等数据模型。以此为基础，该公司为营销及销售人员开发了具有精准 营销功能的应用软件，可辅助其面向区域、社区和用户个体 开展精准营销；止匕外，还为研发人员开发了具有用户交互功 能的应用软件，可帮助研发人员更全面地了解用户痛点、受 欢迎的产品特征、用户兴趣分布与

12、可参与交互的活跃用户。这些大数据产品在日常应用中取得了巨大的成效，在系 统运营的近一年里，该公司开展了数百场基于数据挖掘和需 求预测的精准营销活动，转化的销售额达 60亿元。关键成功因素5通过组织、人才与IT,为大数据提供强 力保障与支撑。大数据战略的落地离不开组织、人才与IT能力的支持,而这些关键要素与能力的建设，需要既能贴近业务一线、又 能与战略保持一致。对于大数据组织运作方式，由于大数据核心分析能力、 工具投资等在各业务部门之间协同效应突生，企业（尤其是 大型企业）一般采用集中化运营中心模式。同时，与业务决策、应用相关的权利被授予前线部门，以确保数据分析与业务决策的无缝衔接。无论如何设计

13、大数据组织运作模式，核心原则是根据公 司自身情况与需要，确保大数据分析能力能够最有效地支持一线决策。止匕外，大数据组织需要多种具备关键能力的人才队伍， 来共同支持大数据组织架构的运营。其需要的人才团队包括大数据应用业务经理团队、大数 据分析团队、数据资产管理团队、技术开发与维护团队以及 风险管理团队等等。除了组织与人才之外，大数据的落地还需要强大的IT系统架构作为支撑。企业需要建立强大的大数据分析平台系统，从不同数据 源调取并分析数据，拉通数据基础分析，以统一服务各部门 的大数据应用场景。同时，该数据平台还需具备对跨数据源数据进行统一清 洗和存储，以确保数据可用性与一致性的能力。除此之外，企业

14、可以建立或优化主数据管理系统，为大 数据分析平台以及各业务大数据应用提供统一、便捷的数据联机交易服务，以支撑企业大数据运营。关键成功因素6通过大数据隐私和安全管理，消除法律及消费者认知风险大数据带来机遇与价值的同时，也带来了一定的商业风 险，特别是涉及法律（例如莫社交网络平台由于违反其隐私 政策，遭到美国贸易委员会起诉）与消费者认知的风险（例 如莫互联网公司街景项目由于拍摄的很多照片涉及当地居 民隐私，遭到后者大规模抗议）。为此，可按数据类型及从数据收集到分析使用各环节来 识别不同类型、地域的法规与认知风险，并予以及时应对。以隐私风险程度较高的数据收集环节为例对于个人可 识别数据（如身份号等）

15、，由于法律规定最高级别保护，故 若无明确用途不建议采集；对于敏感数据（如交易和信用信 息等），数据采集需明确告知用户并获得其同意；对于非敏 感数据（如产品数据等）可按需采集。止匕外，企业应建立统一的国际政策法规团队，通过基于 全球标准的数据流程来管理数据隐私，并在此基础上根据各 国不同法规进行合法的数据隐私本土化管理。同时，还可通过主动披露客户隐私政策以获取数据使用 分析授权、向用户提供自身隐私信息控制与删除权限或将个 人隐私数据整合为群体匿名数据进行分析以及获取第三方 隐私风险管理认证等方式，来降低用户的担忧。企业在建立大数据能力过程中，需要专业公司的帮助和 支持。贝恩公司的完整大数据方法论

16、可助力企业建立制胜的大数据战略和能力。大数据的快速发展对于企业既是挑战，更是机会。企业必须及时抓住大数据带来的战略机遇，制定明确的 大数据战略、建立强大的大数据决策支持体系与各方面能 力，以充分挖掘大数据时代蕴含的巨大商业价值。大数据的六种典型应用 1、个性化营销一对一的未来 一书的作者罗杰斯和派柏斯在该书中曾这样表示，我们正经历从工业时代到信息时代史诗般宏伟的转型。我们也随之目睹了大众营业员销的衰亡，一对一营销的兴起。”事实上，在这场营销革.命的背后，大数据的应用恰恰是 始作俑者。这也是大数据在当前商业方面最典型的一项应用。可以说，由数据驱动的个性化营销正成为任何企业不容回避的重要趋势。伴随

17、信息过载与消费者异质化，一方面是海量数据和海 量信息导致用户信息饥饿感，用户对非关联信息的容忍度与 日俱减。同时，用户兴趣数据与日俱增，但用户甄别信息能力占 比与日俱减，消费者呈现长尾化趋势，这一切，导致了个性 化成为大数据的应用方向。由此个性化的技术被关注和应用，并进而推动企业在生产领域由单纯追求成本最优的规模化生产向客户化定制方 向转变。同时，个性化推荐、移动跨屏推荐成为典型应用。而这些应用的背后，是计算机学、统计学、营销学的集 成。2、对客户价值的识别和挖掘按照科特勒在1995年对客户终身价值的定义，客户终身价值是 从一个客户身上所得 到的其生命周期中全部销售额减少公司用来获取该客户和

18、销售与服务于该客户所花费的总成本的净值。”就是公司将从该客户身上所得到的未来所有现金流的净 现值。这意味着，以数据为支撑的客户终身价值的评价和分析 将有助于公司建立市场细分的策略，确认哪一类客户才是值 得花费成本来建立客户关系的，并最终找到自己真正的目标 客户群。同时，它将帮助企业更好地推进客户关系管理，比如通 过数据的挖掘和分析，可以知道究竟百分之多少的销售额分 别来自于现有客户和新客户。当然，它还会影响到企业的定价行为，比如降价可以迅 速提升老客户保留比率和新客户获取比率，但同时也会降低 利润率。涨价将提高利润率，但同时也会降低老客户保留比率和新客户获取比率，这意味着企业需要用数据支持决策

19、，最终 获得一个最优化的平衡。3、客户流失预警 在用户即资产的时代，客户流失预警 对企业的战略制定有着重要意义，流失的是否是目标客户， 这些客户流失是否代表进攻者的强势进攻，还是自然选择的 一个过程，哪一类型的客户，或者满足哪些条件的用户更容 易流失，而满足哪些条件的用户则不易流失等等，通过不同 的算法，可以发现最终客户流失的特殊及其原因，最终帮助 企业决定是否需要挽留这些用户。4、数据驱动的精准广告 值得注意的是，在大数据时代， 营销理论正在经历重要演变，在历史上，包括产品、价格、 渠道、促销在内的4P理论，由于科特勒的创新变为了6P,加上了权力和公共关系。1990年，美国营销专家罗伯特 劳特朋教授提由了 4G理 论，以消费者需求为导向，重新设定了市场营销组合的四个 基本要素，即消