《大数据：从概念到运营》｜如何对大数据资源进行高效运营？

您收听的内容是我们对知识的提炼与再加工，如果你想全面了解书中内容，可以购买此书原版。与本书相关部分书籍的音频链接在文章的尾部，如有兴趣，敬请点击收听。

核心书摘

《大数据：从概念到运营》向我们阐述了这样一个概念：大数据的出现将迫使众多企业进行升级转型，而运营好大数据，则能帮助企业在大数据时代重塑核心竞争力。充分了解大数据成熟度模型，企业便可以判断出目前所处的位置，并且可以通过大数据来规划出赢利机遇的新线路。

适合谁读

· 企业管理人员

· 移动互联网从业人员

· 企业运营人员

关于作者

比尔·施玛泽，易安信公司首席技术官，负责公司大数据战略的制定，被尊称为“大数据院长”。他在大数据领域拥有超过20年的从业经历，曾担任雅虎公司广告分析副总裁，在数据存储、商业智能和数据分析利用方面有着独到的见解。作为易安信公司的大数据“传教士”，比尔在全球就大数据问题发表过多次演讲。

学什么？如何将大数据成熟度模型运用在企业经营当中

自从大数据的概念被提出以来，我们的科技水平似乎又上升了一个维度。经过精密统计的大数据，让人们对自己所生活的环境有了更好的了解，商人对未来公司的走向有了更合理的规划。

不过尽管大多数企业对大数据这个概念已经并不陌生，但真正通过对大数据相关业务的有效运营，获得业绩增长的企业却少之又少。

那么，企业要如何扭转这种局面呢？“院长”告诫我们，只有充分了解大数据成熟度模型，并将其合理的运用到经营当中，企业才能在变幻莫测的市场中始终获利。

你还会发现：

· 韩信是如何运用“数据采集和分析方法”的；

· 百思买盈利的秘密是什么；

· 沃尔玛的业务转型是靠什么实现的。

一、业务监督

业务监督也被称为经营绩效管理。在这个阶段，企业可以使用基础的分析方法将低于或高于一般业绩水平的经营区域做上标记，这样即便发生状况，也可以随时随地自动向各个部门发送带有相关信息的警报。

企业可以利用以下5种基础分析方法来识别需要进一步研究的经营区域，分别是：

趋势分析，例如时间序列法、季节性分析。

数据对比分析，与以往的时间段（周、月等）、事件或者活动进行比较。

标准比较分析，以往时段、以往活动的参考标准和行业标准进行比较。

指数分析，例如品牌发展、客户满意度、产品业绩和财务方面的指数分析。

份额分析，例如市场占有率、广告占有率等。

业务监督阶段是大数据成熟度模型的第一步，企业可以通过对数据库技术和智能运算的投资，提高数据采集和归纳分析的水平。

例如著名在线旅游点评网站Trip Advisor能通过专用工具采集旅行者对酒店、餐馆和景点的评价信息，向酒店经营者提供一个数据可视化仪表盘，用于分析客户趋势。

为开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台Kaggle曾经举办过一次“汽车索赔预测大赛”，比赛的方法是由厂家提供一组本厂汽车的数据，参赛者分别设计一个大数据分析程序，对该品牌汽车可能遭遇的事故机率进行模拟运算，结果是这些只懂计算机代码，对汽车完全外行的参赛者，仅仅依靠厂商提供的有限的数据，和自己设计的数据分析程序，对不同品牌汽车的事故几率的预测结果的准确性比厂商自己的预测几乎高了340%。

有个歇后语叫“韩信点兵，多多益善”，讲的却是一个真实的故事。秦朝末年，楚汉相争，韩信带领1500士兵与楚军大将李锋交战，苦战一场，楚军不敌退回城内，汉军也是伤亡不小，韩信只好带兵后撤。

队伍行进不远，忽有探子来报，楚军从后面追杀上来了，韩信闻听，立即指挥军马跑上附近一个小山包，回首一看，只见远处尘烟一片，喊杀声震天，韩信手下的汉军此时是人困马乏，一看这阵势，顿时大惊失色，有人就建议韩信快跑。

韩信毕竟是名将啊，他再次凝目看向追兵，已经估算出敌兵只有500,于是，他说，“且慢惊慌，众军兵列阵！”汉军于是开始列队，副官报告说，站3人一排，多出2人；站5人一排，多出4人；站7人一排，多出6人。

韩信一听，面对众汉军说到，“敌军追兵只有500,而我们现在实有1049名勇士，我们以二打一，又占有地势之利，何惧之有，且随我击杀楚军！”手下兵士一听，以二打一又有什么可怕的，勇气和信心又上来了，结果正如韩信所说，汉军以双倍于敌的实力把楚军打得大败。

当时情况危急，一个个点名显然来不及，汉军又急需鼓舞士气，于是韩信以列阵点兵之法迅速计算出自己军队的数量，然后再进行敌我双方的力量对比，既看清了优势，又鼓舞了士气，果断出击取得胜利。由此可见，科学严谨的数据采集和分析方法的强大力量。

二、业务洞察

在这一阶段，企业使用统计分析、预测分析及数据挖掘等手段，来达成重大的、显著的、有执行意义的业务洞察，并将业务洞察集成到现有业务流程中。

业务洞察意味着，系统提供的数据不再是冰冷的表格或图表，而是“智能”报表或“智能”仪表盘，它能够对一些重大事件做出预测，同时给出特定的、可执行的行动推荐，并对特定业务领域提出行动改善建议。

这个阶段有一个更直观的定义，就是“告诉我哪些是我需要知道的”。

经常去宜家的消费者都知道，宜家的商品种类十分齐全，而且商品的陈列和搭配是让消费者感觉最舒服的地方。其实宜家的这种商品摆放设计背后，正是经过了强大的数据分析，经过层层改进之后的结果。

宜家的卖场内安装有很多摄像头，消费者在宜家内的每一个购买动作，甚至在考虑这项物品的瞬间，都会被天花板上的各种设备记录得清清楚楚，这些都是以后宜家更高效地销售商品的依据。

从这些数据中，宜家可以分析出消费者的购物特点，也能分析出他们下一步购物需求在哪里。这些数据不仅能够帮助宜家制定更为高效的销售策略，还能有效压缩成本，使得产品的利润最大化，宜家的成功很大的原因是对用户行为数据的科学分析和洞察。

其实大数据分析方法并不是现代的专利，以前我们讲过孙膑围魏救赵，以减灶之法迷惑魏国大将庞涓，在自己行军的路上故布疑阵，留下虚假信息，引诱庞涓一步步走进自己布设的陷阱，最终大败魏军，庞涓也自刎于乱军之中的故事。

这个故事充分说明了对于大数据洞察的重要性，没有足够的洞察力，不能分辨数据的真实性，以一些错误的数据为基础进行决策，再科学合理的分析都会引发出一个错误的结果。

三、业务优化

发展到大数据成熟度的第三阶段，也就是业务优化阶段，企业已经有能力将分析技术嵌入到业务运营之中，并能实现业务流程的自动优化和提升。

著名家用电器和电子产品零售商“百思买”(Best Buy)经营的产品总数达到3万多种，由于产品种类繁多，成本和价格变化也相当频繁，一年之中，平均每种产品的价格至少要变动四次，也就是说，“百思买”每年的调价次数高达12万次，这还不算不定期开展的各种促销活动对价格的调整。

为优化企业的价格变动机制，公司组成了一个11人的团队，希望透过分析消费者的购买记录和相关信息，提高定价的准确度和响应速度。

随后这11人的定价团队便分别围绕三个关键维度，即数量、多样性和速度进行了数据化统计和分析。

首先，他们采集了上千万的消费者购买记录，从以上三个关键维度对客户购买行为进行分析，了解客户对每种产品的最高接受能力，从而找出产品的最佳价位。

其次，他们除了分析购买记录这种结构化的数据外，还对该用户在社交媒体发帖内容这种新型的非结构化数据进行了多样性数据统计，并利用情感分析公式来分析消费者的情绪，从而判断他们对于公司的促销活动是否满意，并针对性微调促销策略。

最后，团队对用户意见的反馈速度进行了优化，使数据可以达到实时或近似实时的处理。

经过这三个步骤的优化，“百思买”已经可以做到针对某一个具体的用户，进行自动的实时推送。比如你是一个经常在“百思买”上购买胶囊咖啡的用户，自动化系统就会根据你既往的购买记录和消费频次，向你即时发送咖啡促销优惠券，你最常购买的品牌或口味咖啡的最新价格动态等。通过这一系列的优化，“百思买”的定价准确度和响应速度极大提高，销售额和利润率也获得了大幅度增长。

四、数据货币化

数据货币化是大数据使用的变现阶段。这个阶段的大数据已经成为企业的核心竞争力，企业可以基于这些大数据创造出更多的智能型产品，衍生出新的业务方向，甚至有些企业还把自己的大数据进行细分后与行业数据结合，成为一个数据产品包进行销售。

例如西班牙电信开发的“Smart Steps（智慧足迹）”产品，就是基于某一商圈周围的人流特征、消费特征和客户标签，帮助零售商科学选址、聪明开店的数据包。

美国第二大移动运营商AT&T推出的Adworks，则利用大数据来实现精确的广告推送，覆盖电视、邮件、手机和电脑，这和我们经常使用的今日头条有些类似，根据用户的浏览记录分析出用户的兴趣爱好，精准推送用户感兴趣的内容。

对于像谷歌、Facebook（脸书）、Twitter(推特)、知乎这样的数字媒体公司而言，掌握数据货币化流程显得更为重要，因为它们的业务模式就是建立在数据货币化之上的。

这些公司的产品实际上是“关系和连接”或者本质上说，就是数据，通过处理数据来创造服务。那么，这些数字媒体公司为了实现数据资产货币化需要经过哪些流程呢？

首先，企业需要明确自己的目标客户，以及他们在做市场决策时需要怎样的信息，以及他们是在什么样的情境下、根据怎样的用户体验做出决策的。当这些问题都得到解决之后，公司就可以将目标客户进行锁定。

其次，公司需要对自身的数据资产的广度、深度和质量进行评估，包括用户的自然数据、行为数据和态度数据。这些数据要细化到用户的每一次点击，比如他们浏览一个页面，鼠标滑过一个广告，点击广告，进入关键字搜索，以及使用频率、最近浏览的时间、按照什么顺序点击等等。

最后，将数据转换、丰富和重新包装为目标客户想要购买的方案。比如，公司可以把自己的用户信息分为这样几个类别：

地理信息，例如国家、州、城市、街道、邮政编码。

人口信息，例如性别、年龄、收入、社会阶层、宗教信仰、种族以及家族平均寿命。

心理统计信息，例如生活方式、性格和价值观。

行为特征信息，例如消费行为、生活方式、购物及使用模式、消费观和时间观念。

社会影响信息，比如兴趣、爱好、社团和社交关系等。

有了这些信息，公司才能依靠数据处理能力和先进的分析技术，将用户进行概括剖析、打包归类，使他们变成广告商和广告代理人想要花钱拥有的受众。也就是实现了数据的产品化，这个产品如何转化为货币？还需要另外一个步骤。

这最后一步，就是根据目标用户的需求，运用数据聚合、数据转换、数据分析等方法，将实现客户优化业绩、简化工作流程等需求的洞见和分析方法打包提供给客户。

如此，企业才算是真正把自己所拥有的大数据转化为产品，进而实现了数据的货币化。

五、业务转型

新经济条件下，各行各业都在面临着一场结构升级、产业转型的革命，而大数据正是这场革命中的核心要素。

在大数据管理被引入之前的组织，采用的市场策略大多是“回溯性”的后视镜视角，也就是利用过往数据，采用部分聚合或分批抽样的调查方法来监控商业运作，这种做法的弊病就是决策的滞后性和经验主义；而引入大数据分析、转型后的组织，贯彻的是向前看的预见性运营思路，利用所有可得到的数据，包括可能存在于组织外部的结构化和非结构化数据，对未来进行有根据的合理预测，从而实现先发优势。

想要通过大数据实现快速转型的组织最重要的工作是发掘和释放深埋在交易系统和操作系统中的数据，并将其与组织外部的数据进行整合，要把数据作为一项战略资产来培育，认为数据需要被获取、清洗、转换、丰富以及分析，这样才能帮助它们获得可操作的洞见。

沃尔玛的成功在很大程度上是因为利用数据实现了业务转型。

沃尔玛的经营思想是“帮顾客节省每一分钱”，于是，他们绕过中间商，直接与制造商联系，压低价格，通过这种方法拿到低价的商品。山姆•沃尔顿在接班人戴维·格拉斯的强烈建议下，重金投入，开发了大数据采集和分析系统，这套系统能够实时地根据超市收银台扫到的通用产品代码信息追踪客户的行为，这使得沃尔顿“低价买进、大批量码放、低价卖出”的想法得以实现。

通过这套大数据分析系统，沃尔玛与供应商建立了合作伙伴关系，他们可以共享顾客的实时数据，这些数据督促制造商改进生产并提高效率。随着沃尔玛的影响力不断扩大，在这种与供应商的合作伙伴关系中，沃尔玛的主导能力也在上升，最后几乎能够控制商品的价格、进货量、配送、包装以及供应商提供的产品的质量。

沃尔玛彻底颠覆了快速消费品制造商与零售商在价值链上的势力均衡。在得到POS机产生的具体数据之前，快消品制造商，如宝洁、联合利华、金百利等，决定了零售商能够卖多少商品，以怎样的价格、通过怎样的促销方式来卖一般也由供应商来定。

但是现在根据沃尔码的系统产生的数据，零售商能更多地了解客户的行为，知道他们买了什么商品，愿意付多少钱，什么促销方式最有效，在同一个购物区中他们更倾向于买什么商品。贵宾卡的出现使零售商能具体地了解针对什么客户要用什么促销方式，他们愿意在什么样的价格水平购买什么样的商品。

这个时候，零售商与制造商间的主次关系发生了逆转：零售商开始向制造商提出条件——它们想要出售多少商品、以怎样的价位、采取什么促销方式。其中一些零售商甚至盘算着如何将POS机的数据卖给制造商来赚钱。

例如，沃尔玛向制造商伙伴提供一种叫“零售链接”的数据服务，该服务能够向制造商提供它们在沃尔玛销售的商品的销售数据和清单。而制造商则可以根据这份数据调整某款产品的生产数量、包装设计和促销方案。依据这一理念，沃尔玛与宝洁公司共同开发了“持续补货系统”,并进一步形成了如今广为应用的“供应链”系统

总结

大数据是当前的热点话题，并且会成为企业未来必须掌握的技术之一。大数据将企业从一个回顾型、批量处理、有数据约束的监督型商业环境，转为预测型、实时、渴求数据、追求最优化的商业环境。

接下来我们再回顾一下本书为我们展示的大数据成熟度模型的五个阶段。

1.业务监督：也被称为经营绩效管理，企业使用预警手段监控运行状态。

2.业务洞察：使用分析、挖掘方法，在特定领域做出有意义的决策。

3.业务优化：企业将大数据集成到业务运行中，使业务在运行中不断优化、完善。

4.数据货币化：大数据使用的变现阶段，如大数据与企业数据打包销售、利用大数据创造智能型产品等。

5.业务转型：组织利用获得的对客户使用模式、产品性能以及整个市场的发展趋势的深入性见解来转变业务模式，为新的市场提供新的服务。

这本书告诉我们，使用大数据并不是为了均分业务或追赶潮流。大数据将重塑企业的价值创造过程、优化企业关键业务计划并发掘新的赢利机会。本书的核心观点就是：大数据是用于赚钱的，企业要学会利用所有关于客户、产品和运营的独特的、可操作的见解为企业赚钱。

恭喜你，与今今乐道读书会一起读完了生命中的第 644 本书，希望今天的内容能给你有益的启发。（拆书人：若然）

《大数据：从概念到运营》金句：对大数据资源进行高效运营，是每个企业必须掌握的技能

当信息时代的大数据引爆了整个资本市场，几乎每一家企业都想分一杯羹。然而能否通过大数据来为企业谋取利益，许多时候都取决于企业能否认识到大数据成熟度模型对于企业运营的重要性。

点击右下方“分享”按钮，将如何把大数据成熟度模型运用在企业经营当中的方法送给需要的朋友，带他一起笑傲大数据时代！

相关内容：

《恶血》｜用一连串谎言堆积起来的商业帝国，迟早有覆灭的一天。

上次推送内容：

本次推送：

《改变》|对面问题，常规的解决思路失效时，该怎么办？

【严选好书】相处舒服，就十分美好。

《因为是医生》｜仁术之外还需仁心。

【中美时刻】打压中科企，就是对中国科技的“极度害怕”。

《大数据：从概念到运营》｜如何对大数据资源进行高效运营？

下次推送：

《中央帝国的财政密码》｜如何以财政解读王朝兴衰？

【严选好书】成年人的苦熬，才能度过至暗时刻。

《职场基本功》｜你为何只是看起来很忙？

《向内创新》｜八个突破性问题开启企业内向创新之门。

2019年国庆阅兵人员方队

2019国庆阅兵装备方队（值得收藏）

2019国庆阅兵空中方队

（语音、文字、图片部分来自今今乐道APP和网络，老农整理）