中小企业怎样借力大数据

大数据不是大企业的特权，在很多企业尤其是中小型企业，大数据应用无法落地的原因是企业没有大数据思维

普华永道最近研究了大数据应用在中国的现状和企业的关注点。研究结果表明，中国企业在做决策时越来越多地使用大数据;但调研同时表明，很多企业，尤其是中小企业在大数据应用上存在着一些误区。那么大数据影响企业决策的重要趋势是什么，中小企业又将如何应对挑战呢?

大数据的开放

大数据的价值评估，需要从社会效益、企业效益、个人效益和产品效益来综合评价。比如，金融数据和电商数据碰撞在一起，就会产生像小微贷款那样的互联网金融;电信数据和政府数据相遇，可以产生人口统计学方面的价值，帮助城市规划人们居住、工作、娱乐的场所;金融数据和医学数据在一起，可以发现骗保;物流数据和电商数据凑在一起，可以了解各个经济子领域的运行情况等。可见，只有将数据开放，即让不同领域的数据真正流动起来、融合起来，才能最大程度释放大数据的价值。

数据的开放主要有三个维度。一是狭义数据的开放。狭义的数据主体是政府和科研机构，即把非涉密的政府数据以及科研数据公开。但是数据开放不等于信息公开。数据不等于信息，信息是从数据里面提炼出来的内涵，而且数据开放应该是一种主动和免费的开放，而不是经常被探讨的“申请信息公开”。二是大数据基础设施的开放。有了大数据思维，企业就会希望加快建设平台，投资相关的硬件和软件。但如何储存，处理并结合云对企业是个挑战。因此基础设施的开放对很多无力建设自己平台的中小企业来说就非常重要。一些拥有庞大平台的企业，如谷歌、亚马逊已经开始积极尝试，比如提供基础数据处理和分析平台。三是价值挖掘能力的开放。当我们在挖掘数据的时候，最主要的是在业务中体现其价值。但大数据具有非常明显的两面性，某些大数据是十分重要且有价值的，但绝大部分离散的数据是无用的。这让挖掘大数据一方面可以产生高价值，但也可能给企业带来沉重的成本负担。所以开放价值挖掘能力对降低数据应用的门槛非常重要，要让数据价值平民化和市场化。

大数据如何影响企业决策

企业对大数据的应用主要可分成三个阶段。在2010年到2012年之间的第一阶段，大数据应用关注数据和机器的关系，局限于传统的IT思维，只不过在很多小数据应用上贴上了大数据标签;从2013年开始的第二阶段关注数据与人的关系，可视化和预测应用成为了市场的宠儿;2014年之后，大数据应用的重点已经转向分析数据和数据之间的关系，这要求对企业大数据应用进行开放式的创新：从数据的开放、共享和交易，到基础处理和分析平台的开放，再到价值提取能力的开放。

研究还表明，大数据对企业决策最重要的影响，不是大数据本身，而是数据和数据之间的关系。大数据价值的实现，在于数据与数据间的连接。

以谷歌的一项数据处理功能为例。谷歌做了一件惊人的事情——能在不懂某个网页语言的情况下，知道网页所讲的内容是什么。试想一下，如果你懂俄语，看出俄语网页里在讲什么当然很简单。但是，如果你不懂俄语，仅仅通过看字词的排列和网站的分类，就知道网页的内容，这是不是很令人惊叹?这就是一种利用数据间的联系建立起来的知识图谱。知识图谱并不是数据，但它产生的结果要比单纯的数据搜集有价值得多。

除此之外，大数据对企业决策的影响还表现在以下三个层面：

第一，企业在重视获取大数据的同时，开始意识到要抓住大数据的机会并从中获取商业价值，需要使用先进的分析方法。从前我们通过对市场、行业和业务洞见来分析市场形势，传统的BI方案(商业智能方案)也能给我们提供解决方案。然而，大数据分析是全量数据和多数据类型，相对抽样研究，能更精准地体现数据价值。因此，我们需要引入新的技术来提升解读数据价值的能力，比如机器学习和预测能力。此外，数据探索、捕捉实时流动的大数据并把新的大数据来源与原来的企业数据相整合等，也将帮助企业攫取大数据的商业价值。

第二，在应用大数据的同时关注小数据。小数据强调的是定性和定量分析。大数据强调的是趋势和融合分析。小数据的分析往往是面对一个业务主题，而不是行业趋势或热点。小数据在做数据取样和验证结果时能对大量的、宏观的数据分析进行补充。当然，最终我们要获得的是数据价值本身，而不仅仅是把它分为不同类型的数据。所以，无论是大数据还是小数据，都需要我们把所有类型的数据碎片化后，运用先进的关联手段来建立其价值链，通过定制价值路径让数据的价值快速推送到商业应用中。这也是为什么越来越多的企业开始关注企业知识库建设的原因，它们藉此实现企业数据价值的变现。

第三，在数据的搜集和处理过程中，建立数据属性标签。我们常把数据属性标签比喻成脸谱勾画，通过数据属性标签可以更容易识别数据的不同特征。数据标签的属性是指在使用数据前，企业要了解数据的场景以及数据是如何进入这个场景的。因此，数据属性管理的层级化和维度化就变得十分必要，而在将数据属性标签化之前，就说数据如何起了作用是不现实的。

树立大数据思维

在很多企业，尤其是对中小型企业来说，大数据应用无法落地的原因是企业没有大数据思维。拥有大数据思维，并不是指任何决策都参考数据，也不是要求所有问题都足够精准，更不是花巨资打造大数据系统或平台。大数据思维是“数据借力”。

首先让我们了解一下建立大数据思维通常面对的几个挑战：

第一，大数据应用和商业回报间的矛盾。未来的大数据应用一定是可定制的、可在云上打包的服务，即将业务、数据、分析能力多面定制，一起打包。企业需要可快速部署和有明确投资回报的应用，这涉及到数据的质量和丰富度及业务人员对数据的依赖度。这需要企业内各个部门的有效协作，并规避无法确定的风险，比如分析结果的不确定性，业务场景的复杂性，人员的能力缺失等。

传统手段，比如通过社交媒体、邮件、网络文本等获得的数据量非常庞大，但解破这些数据的关系和价值却给企业带来巨大挑战。企业希望成为数据的主人，但往往在辨析数据的有效性、能带来哪些商业回报，以及如何帮助决策等方面却缺乏有效工具。

第二，海量数据与核心数据间的矛盾。要做大数据，首先要了解自己的企业，或者企业所在的行业的核心是什么。调研中我们发现，有很多企业在竞争过程中，最终不是被现有竞争对手打败，而是被很多潜在未知的竞争对手打败的。举例来说，大部分人都认为亚马逊是做电商的，但其实亚马逊现在最主要的收入来自云服务，也就意味着亚马逊的核心数据(价值)是云服务。只有在此基础上，亚马逊建立的大数据才是有效的、服务于战略的。

第三，内部数据与外围数据间的矛盾。企业所获取的数据，很大一部分是内部数据，这让企业面对另一个挑战，即如何让内部数据与外围相关数据产生联系并使之成长。只有让内外部数据的交融在用户场景中，才能为业务用户描绘更精准的业务发展空间。

第四，规律发现和规律失效间的矛盾。我们的调研显示，从大数据应用总结出的规律来看，建立失效预警是特别必要的。当企业通过大数据分析发现一个规律，并在现实中应用时，必须要设立一些预警指标。当指标达到一定水平，即表明之前发现的规律已经失效，必须发现新的规律、建立新相关指标，这称为数据价值的有效性。

没有根据实际应用场景的变化而及时更新，挖掘再多数据都是无谓的浪费。熟练应用失效预警，企业才能培养起整个团队对数据真实有效的敏感性。

中小企业的“数据借力”之道

对中小企业而言，购买大数据，雇佣专业团队成本偏高，建立大数据思维、理智对待大数据应用的热潮才能将数据对企业决策的影响最优化。应对以上建立大数据思维的四种挑战，中小企业“数据借力”可以尝试以下几种方法：

第一，做好数据价值调研。企业在购买搜索关键字、投放DSP(精准定位人群)的广告等大数据业务前，要先做调研，对数据是否能带来期望的商业回报做到心中有数。比如，可以考察行业内是否有较多成功案例再做决定。若成功案例不多，必然有一些难以跨越的障碍，购买前就需要三思。

第二，确认核心数据属性，建立海量数据与核心数据以及内部数据与外部数据间的关联标准。在此方面企业可遵循以下步骤：第一步，确立核心数据标准。比如，CRM(客户关系管理)和客户营销数据一定是核心数据。第二步，归档外围数据。比如，将线上线下举办的推广活动中收集的消费者的信息，归纳入CRM的系统。第三步，扩展常规上下游渠道的数据。比如，做快销行业的企业，就可以尽量获取沃尔玛、家乐福的数据，并与自己的CRM结合，为企业下一步做市场营销、推广、产品创新等建立指导。第四步，与社会化媒体数据建立联系。社会化媒体产生的数据是外围数据的一个重要来源，对于中小企业而言，它们在客户的获取和营销上没有强大的运营平台，因此社会化媒体产生的数据，对它们来说尤为重要。但如果只搜集而没有跟这些数据的发布者建立联系，那么这些数据就毫无价值。

第三，用虚拟人脉交换来获取数据。对中小企业而言，数据的缺失是一种常态，但它们可以通过扩展人脉，来加强对数据的获取能力。比较常见的做法是建立企业自媒体。传统的虚拟人脉的建立主要基于社交媒体上的互粉、互相介绍，而企业自媒体的人脉互相交换，则能更好地各取所需，在不同行业领域交换。企业还可以通过线下人脉寻找优质的高端群体用户。优质用户虽然人数不多，但通过收集其详细资料、分析其行为爱好，将相关分析存储到自己的系统中，就能形成优质的大数据资源。

第四，在关注大数据的同时要关注好小数据。企业的大数据起步，要从小数据开始，从核心数据开始。以业务为主导做好小数据，有助于企业做好企业内部的精细化管理、对市场的观察，以及未来发展方向的规划。

第五，赋予高管更多的权力。做好大数据应用需要企业内部建立大数据文化，比如，灵活的部门间协作机制，管理人员使用数据分析模型的习惯养成等。这就要求企业赋予高管更多的决策权，以帮助其突破制度限制、协调资源、协同合作，更积极主动地应对大数据挑战。

大数据不是大企业所拥有的特权。所有企业都可以通过各种手段因地制宜地打造自身在数据获取和分析上的能力，以面对新经济环境的挑战。