大數據時代,中小企業如何借力成長

普化永道於2014年10月發布了中國大數據現狀和趨勢分析報告,報告研究了大數據應用在中國的現狀和企業的關注點。報告顯示,中國企業正越來越多地在制定決策時使用大數據,但調研同時表明,很多企業,尤其是中小企業在大數據應用上存在這一些誤區。那麼大數據影響企業決策的重要趨勢是什麼,中小企業又將如何應對挑戰呢?
大數據決策影響的趨勢
企業對大數據的應用主要可分成三個階段。在2010年到2012年之間的第一階段,大數據應用關注數據和機器的關係,局限於傳統的IT思維,只不過在很多小數據應用上貼上了大數據標籤;從2013年開始的第二階段關注數據與人的關係,可視化和預測應用成為了市場的寵兒; 2014年之後,大數據應用的重點已經轉向分析數據和數據之間的關係,這要求對企業大數據應用進行開放式的創新:從數據的開放,共享和交易,到基礎處理和分析平台的開放,再到價值提取能力的開放。

普華永道此次的調研亦表明,大數據對企業決策最重要的影響,不是大數據本身,而是數據和數據之間的關係。大數據價值的實現,在於數據與數據間的連接。
以谷歌的一項數據處理功能為例谷歌做了一件驚人的事情 。能在不懂某個網頁語言的情況下,知道網頁所講的內容是什麼試想一下,如果你懂俄語,看出俄語網頁裡在講什麼當然很簡單。但是,如果你不懂俄語,僅僅通過看字詞的排列和網站的分類,就知道網頁的內容,這是不是很令人驚嘆?這就是一種利用數據間的聯繫建立起來的知識圖譜,知識圖譜並不是數據,但它產生的結果要比單純的數據蒐集有價值得多。

除此之外,大數據對企業決策的影響還表現在以下三個層面:

第一,企業在重視獲取大數據的同時,開始意識到要抓住大數據的機會並從中獲取商業價值,需要使用先進的分析方法。從前我們通過對市場,行業和業務洞見來分析市場形勢,傳統的BI方案(商業智能方案)也能給我們提供解決方案。然而,大數據分析是全量數據和多數據類型,相對抽樣研究,能更能精準體現數據價值。因此,我們需要引入新的技術來提升解讀數據價值的能力,比如機器學習和預測能力。此外,數據探索,捕捉實時流動的大數據並把新的大數據來源與原來的企業數據相整合等,也將幫助企業攫取大數據的商業價值。

第二,在應用大數據的同時關注小數據。小數據強調的是定性和定量分析。大數據強調的是趨勢和融合分析。小數據的分析往往是面對一個業務主題,而不是行業趨勢或熱點。小數據在做數據取樣和驗證結果時能對大量的,宏觀的數據分析進行補充。當然,最終我們要獲得的是數據價值本身,而不僅僅是把它分為不同類型的數據。所以,無論是大數據還是小數據,都需要我們把所有類型的數據碎片化後,運用先進的關聯手段來建立其價值鏈,通過定制價值路徑讓數據的價值快速推送到商業應用中。這也是為什麼越來越多的企業開始關注企業知識庫建設的原因 – 實現企業數據價值的變現。

第三,在數據的蒐集和處理過程中,建立數據屬性標籤。我們常把數據屬性標籤比喻成臉譜勾畫,通過數據屬性標籤我們可以更容易識別數據的不同特徵。數據標籤的屬性是指在使用數據前,企業要了解數據的場景以及數據是如何進入這個場景的。因此,數據屬性管理的層級化和維度化就變得十分必要,而在將數據屬性標籤化之前,就說數據如何起了作用也是不現實的。

建立大數據思維

在很多企業,尤其是中小型企業,大數據應用無法落地的原因是企業沒有大數據思維。擁有大數據思維,並不是指任何決策都參考數據,也不是要求所有問題都足夠精準,更不是花巨資打造大數據系統或平台。大數據思維是“數據借力”。首先讓我們了解一下建立大數據思維通常面對的幾個挑戰:

第一,大數據應用和商業回報間的矛盾。未來的大數據應用一定是可定制的,可在雲上打包的服務,即將業務,數據,分析能力多面定制,一起打包。企業需要可快速部署和有明確ROI回報的應用,這涉及到數據的質量和豐富度及業務人員對數據的依賴度。這需要企業內各個部門的有效協作,並規避無法確定的風險,比如分析結果的不確定性,業務場景的複雜性,人員的能力缺失等。
傳統手段,比如通過社交媒體,郵件,網絡文本等獲得的數據量非常龐大,但解破這些數據的關係和價值卻給企業帶來巨大挑戰。企業希望成為數據的主人,但在辨析數據的有效性,能帶來哪些商業回報,以及如何幫助決策等方面卻缺乏有效工具。

第二,海量數據與核心數據間的矛盾。要做大數據,首先要了解自己的企業,或者企業所在的行業的核心是什麼。調研中我們發現,有很多企業在競爭過程中,最終不是被現有競爭對手打敗,而是被很多潛在未知的競爭對手打敗的。舉例來說,大部分人都認為亞馬遜是做電商的,但其實亞馬遜現在最主要的收入來自雲服務,也就意味著亞馬遜的核心數據(價值)是雲服務。只有在此基礎上,亞馬遜建立的大數據才是有效的,服務於戰略的。

第三:內部數據與外圍數據間的矛盾企業所獲取的數據,很大一部分是內部數據,這讓企業面對另一個挑戰,如何讓內部數據與外圍相關數據產生聯繫並使之成長只有。讓內外部數據的交融在用戶場景中,才能為業務用戶描繪更精準的業務發展空間。

第四:規律發現和規律失效間的矛盾普華永道的調研顯示,從大數據應用總結出的規律來看,建立失效預警是特別必要的當企業通過大數據分析發現一個規律,並在現實中應用時,必須要設立一些預警指標。當指標達到一定程度,既表明之前發現的規律已經失效,必須發現新的規律,建立新相關指標,這稱為數據價值的有效性。沒有根據實際應用場景的變化而及時更新的數據,挖掘得再多都是無謂的浪費,熟練應用失效預警,企業才能培養起團隊對數據真實有效的敏感性。

中小企業的數據借力之道

對中小企業而言,購買大數據,僱傭專業團隊成本偏高,建立大數據思維,理智對待大數據應用的熱潮才能將數據對企業決策的影響最優化。應對以上建立大數據思維的四種挑戰,中小企業“數據借力”可以嘗試以下幾種方法:
第一,做好數據價值調研。企業在購買搜索關鍵字,投放DSP(精準定位人群)的廣告等大數據業務前,要先做調研,對數據是否能帶來期望的商業回報做到心中有數。比如,可以考察行業內是否有較多成功案例再做決定。若成功案例不多,必然有一些難以跨越的障礙,購買前就需要三思。
第二,確認核心數據屬性,建立海量數據與核心數據;內部數據與外部數據間的關聯標準在此方面企業可遵循以下步驟:

第一步,確立核心數據標準。比如,CRM和客戶營銷數據一定是核心數據。
第二步,歸檔外圍數據。比如,將線上線下舉辦的推廣活動中收集的消費者的信息,歸納入CRM的系統。
第三步,擴展常規上下游渠道的數據。比如,做快銷行業的企業,就可以盡量獲取沃爾瑪,家樂福的數據,並與自己的CRM結合,為企業下一步做市場營銷,推廣,產品創新等建立指導。
第四步,與社會化媒體數據建立聯繫。社會化媒體產生的數據是外圍數據的一個重要來源,對於中小企業而言,它們在客戶的獲取和營銷上沒有強大的運營平台,因此社會化媒體產生的數據,對它們來說尤為重要。但如果只蒐集而沒有跟這些數據的發布者建立聯繫,那麼這些數據就毫無價值。

第三,用虛擬人脈交換來獲取數據。對中小企業而言,數據的缺失是一種常態。它們可以通過擴展人脈,來加強對數據的獲取能力。比較常見的做法是建立企業自媒體。傳統的虛擬人脈的建立主要基於社交媒體上的互粉,互相介紹,而企業自媒體的人脈互相交換,則能更好地實現各取所需,在不同行業領域的交換。企業還可以通過線下人脈尋找優質的高端群體用戶。優質用戶雖然人數不多,但通過收集其詳細資料,分析其行為愛好,將相關分析存儲到自己的系統中,就能形成優質的大數據資源。
第四,在關注大數據的同時要關注好小數據。企業的大數據起步,要從小數據開始,從核心數據開始。以業務為主導做好小數據,有助於企業做好企業內部的精細化管理,對市場的觀察,以及未來發展方向的規劃。

第五,賦予高管更多的權力。做好大數據應用需要企業內部建立大數據文化,比如,更靈活的部門間協作的機制,管理人員使用數據分析模型的習慣養成等。這要求企業賦予高管更多的決策權,以幫助高管突破制度限制,協調資源,協同合作,並積極應對大數據挑戰。
大數據不是大企業所擁有的特權。通過各種手段因地制宜的打造企業在數據獲取和分析上的能力,所有企業能面對新經濟環境的挑戰。
姚遠是普華永道中國諮詢分析服務總監。

資料來源:哈佛商業評論
http://www.hbrchina.org/2014-12-05/2607.html

發表迴響

你的電子郵件位址並不會被公開。 必要欄位標記為 *