数据驱动的企业，大数据资产的挖掘与利用

————畅享IT讲堂演讲实录

大家下午好，今天的演讲主题是数据驱动的企业，企业大数据资产的挖掘与利用，我们现在听到大数据概念的时候无非是两方面，一是讲大数据的技术,无论是hadoop也好、分布式存储也好亦或是基于互联网技术的计算，其实更多的是在讲技术，如果去存储、利用，或是用什么算法分析这些数据,另一类比较极端的是看到,我们要是想国外大数据的挖据场景，针对中国国内的一些企业，基于信息化现状、行业现状、管理现状,真正的传统企业在大数据时代的时候,该如何去收集数据、分析数据、利用数据，把数据作为一种资产,其实我们需要一个指明方向的东西,今天我更多地是从这个角度讲讲企业的数据资产如何去分析与利用?

目前所谓大数据这个时代,其实移动互联网已经让大数据大数据的时代来的更快,首先我们可以看看身边的一些东西手机,智能手机上我们每个人都会安装很多的APP，可能有携程、12306、滴滴打车、地铁路线查询，我们每天都在利用这样的服务来为我们的日常出行提供辅助和便利,对于提供这样服务的企业,无论是快的也好、滴滴也好,实际上他们在大量积累着我们在使用服务终端的人群定位和出行信息，这个数据是海量的。我们再换一个角度，我们每天可能去不同的商场去购物，或是用大众点评、团购等等这样的APP买东西、订餐、订做，包括我们去订酒店、唱K、各种优惠券等,这些每一个APP也在记录着我们的生活。我们无论是去商场买衣服还是线上，电商平台或O2O也在记录每一个消费者的消费数据,行为数据以及流量数据,亦或者说我们看下当下到底数据有多大?从2011年的时候,全球数据增量就达到了1.8ZB(即1.8万亿GB)，相当于全世界每个人产生200GB以上的数据。不管你是否在意，大数据时代早已经到来!我们每个人都在产生数据,企业作为数据资产的所有者,我们如何去收集、运用数据非常关键。

今天我们要探讨的几个问题是:1.企业的数据资产是什么?企业有什么数据,怎么去分类?2.数据为何能驱动企业发展变革?3.企业的数据资产如何应用?在这里面我会再举一个消费品行业的例子来详细讲一下数据在这个行业有哪些场景可以去挖掘?

首先，我们看下到底企业有哪些数据资产?传统企业往往已经构建了大量信息化的系统,马云提到现在是从IT到DT，数据正在成为企业的资产，在以前我们的企业更多的想构建内部管理的信息化，通过管理的信息化沉淀数据，我们可能会做一些管理决策、管理价值仓分析运用等等。过去无论是决策还是分析运用，过去的主流思想是：IT是为管理而服务的。管理是以流程为核心的，这样对于我们企业的信息化建设，更多是梳理流程，把规范和商业模式定下来，然后通过信息化的技术手段固化到信息系统里面，这是过去，这里面如果有些企业在信息化的建设过程中没有做好的时候，就是我们很多时候可能会构建很多大量的业务系统。数据或者信息是一个孤岛的状态,信息分散,不利于管理、决策的。到了现在是一个DT的时代，是一个数据管理的时代，无论是运营还是产品设计,还是技术研发等等各方面越来越多需要数据来支撑，对于过去由于很多行业,比如消费品行业，过去是做计划经济到市场经济一个开放的阶段，很多企业都会遇到黄金的时代，也就是闭着眼也可以赚钱的时代，这个时更多是为企业的管理而服务，而这些数据并不重要，也就是很多的判断是由我们的管理者、运营者甚至是老板靠对市场的经验而决定的。现在不一样了,是一个讲究体验的时代，这个时候针对每个客户的行为，每个数据的分析都可以给企业的管理、运营提供帮助，所以说数据资产已经成为继财务资产、人力资产、知识产权资产之后，企业的第四种资产，是有一定价值的资产。可以被交易、管理，未来所有的企业都是一个数据的企业，没有数据就很难去做管理。当然数据有大、有小，所以有大数据、小数据，但无论大小数据都可以作为企业运营、决策的支撑。

那么对于企业来说，到底有哪些数据资产?下面我分为几个管理域，1.经营管理数据域， 企业战略及预算管理数据、财务数据、人力资本数据、资产数据、内控及风险数据、管理流程及运作数据，这个数据量一般不会很大，但是是企业的核心数据。2.生产运营数据域，企业生产及供应链数据、项目管理数据、设备运行及工况采集数据、交易或计费系统数据、产品运行及采集数据、市场营销数据，这类数据是结合企业的实际运营的，可大、可小。3.客户触点数据域，客户基本信息数据、客户行为数据，如社交行为、交易行为等(第三方社交、交易平台)、客户营销响应数据，这类数据有很大的价值。4.企业外部数据域，竞争企业数据，企业品牌及舆情数据，宏观经济及行业趋势数据，气象信息数据，地理信息数据。

“大数据” 我们更应该关注什么?大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。数据获取，新的信息技术，让我们能获得更多的数据，传感、测控以及到移动端的各种APP，可穿戴设备，都可以收集从前未曾拥有的数据，目前数据的增长速度超过了人类的认知速度;数据资产，数据本身成为可变现的资产，从基本的统计分析、发现事物的规律，到挖掘新的商机，改变商业模式及规则，数据成为了可以撬动一个行业的杠杆;数据利用，数据的一切价值来自于对其不断的加工、分析、挖掘与综合利用，需要在组织与技术层面保持对其不断的投入;数据融合，数据是流动的，仅限制于一个领域、企业、行业，数据固然有价值，但是与不同领域的数据交叉、分析、利用，将会发现更本质的规律，成为变革行业的支撑点;举例：个人大数据的爆发–互联网+时代–客户行为触点数据的收集，在电商平台上,可以知道客户的一些信息，性别、收入、活跃度如何?如果我是做消费品行业,有APP终端，也可以知道客户的一些数据，把他标签化价值是不可估量的。还有象前面说的运营、生产一样，我们如何收集这些数据把它利用起来。

刚才我们说的是企业有什么数据?数据资产包含几个象限、几个领域，那数据为何能驱动企业变革?我现在就讲几个数据驱动企业的行业方向，现在我们提的最多的是工业4.0、大数据、移动互联网，对于一个工业企业来说，我们的设备数据以及医疗采集的数据，环境监测数据以及对设备的维修，能耗、监控数据、日常操作数据都是非常有价值的，有很多做化工的、水泥的，最后的产品质量跟我们前面的工艺、前面的数据有什么样的关联、关系。我们的工艺配方能不能优化?这些都可以算作是工业大数据领域。实际上对于以前的很多企业生产上是盲目的，数据有没有真正的对我们的设备保养维修、降低运营成本来说有没有利用的上。产品如何改进，质量如何提升?工艺流程、外部环境：通过对设备、工况数据的监控如何提升产品质量?如何提升生产效能?设备如何稳定运行?如何维护?如何避免停车带来的损失,这些是需要考虑的。

对于企业内部来说，设计到采购、生产、仓储及物流、门店零售需要有一个非常长的链条，我们经常会去看企业的效率如何?往往对于很多企业来说，有50人或100人的时候企业效率还可以，但是有1000人的时候，1万人或更多人的时候就会出现效率问题，很多企业构建了ERP、OA协同办公系统，这时候我们就要去思考这些数据可不可以去优化业务流程、真正为我们的基层人员提供支撑，其实我们再说大数据的时候，都不会去考虑企业的ERP、OA、CRM这些，我们可以想想用的比较多的OA系统是不是一个大数据的系统?这个可以给大家一个思考。如果单从界面来看不算一个大数据系统，但企业员工何时登陆了系统、审批了哪些流程、做了哪些请示，OA里面都有企业每一个员工他的日常办公习惯，如果从系统日志的角度来看，实际上OA也是一个大数据系统，只是很少会有人会拿OA系统来分析企业内部员工的一些行为，因为现在很多企业还没有这么严格的管理,但实际上这个系统记录着每一个人员它的办公习惯，我们能不能基于这些行为做绩效评价，当然这些数据都是有帮助的。

我们再谈一下消费与客户相关的，消费大数据驱动企业变革，我们都知道沃尔玛的尿不湿的故事,周末美国男人买尿不湿的时候顺便捎了一打啤酒，就从这个购物篮里面分析到真实不真实且不去判断，已经有很多年的历史了,当然从这个消费习惯的分享从过去的十几年中更多地分析客户的交易型数据，对于现在移动互联网时代我们采集、获得的数据往往要更加丰富了很多，这个时候对个人信息的采集，浏览行为、互动行为、评价行为，都会对企业进行优化。管理汇聚，基于品牌、城市公司、门店的细化经营指标：销量、销售收入、利润、库存周转、人效、坪效;数据汇聚，线上电商交易、流量、客户数据，行业竞争对手数据，宏观经济数据，舆情及评价数据;营销优化，店铺选址与商圈分析，商品选品，商品定价，促销策略;主动营销，客户画像、客户标签，RFM模型、客户关怀，客户分群，关联销售与向上销售;网络营销，潜客网络营销及效果，粉丝互动与效果，事件营销及效果。销售数据：购物袋的秘密;客户如何分群、他们有什么样的标签?如何精准营销?如何做关联销售、销售预测?定价优化?如何做促销活动?我们的客户如何响应营销?

消费大数据：消费行为的跟踪，动线、离线的规划-wifi/视频跟踪;人流聚集风险?铺位、货架的摆放如何才是最优?大家可以想下有没有去过宜家这样的地方进行购物，我们进去最大的一个感受就是商品的琳琅满目、价廉物美，实际上在用户整个交易的过程中，或者说每个客户在看到物品的时候，体验都是设计过的。一方面通过经验判断，一方面通过交易数据的判断，货架的摆放、产品的设计，以前对消费品行业，连锁零售这样的企业来说，更多的感受是客户禁了店我们不知道有多少人进来，进来1000、路过1万个，是需要信息采集员采集，像一些做4s店的还好一点，大型的商场我们根本不知道有多少人进来，只知道有多少人在这儿产生了交易，对于现在这个时代来说与我们的采集手段更加丰富，可以通过视频、WIFI各种方式跟踪我们消费者的行为数据，这样我们就可以把我们的消费者数据掌握的更全面些。无论是你的交易数据、非交易数据还是个人信息数据都是比较好的。

我们刚才提到工业大数据，对行为数据的采集，还有一个非常关键的是企业的数据融合，工业与消费数据的融合其实我们现在说的是C2B，我们通过消费数据、交易数据来重新指导我们的设计，定制化的数据驱动，客户需求数据反馈的产品设计。气象(第三方数据)与零售数据的关联应用，根据地理及气象预测，季节性销售的商品如何备货?极端天气下，零售业态如何应对?之前我去过一个做鞋业的这样一个企业，员工就跟我讲每天在做定价、补货、发货的时候，尤其是一些新品上新的时候，会参考各地的天气情况，例如冬天来了，我先发东北的货物，再发华北、华南的，根据我的经验去判断，这些货发出去了，店面什么时候上新、什么时候陈列实际上也非常关键，例如说温度降到15度的时候，那些服装可能会是最热卖的，哪些一上来可能销量就比较好，应季的哪些服装可能最热销，这些都是需要跟第三方去融合的。所以说对于企业来说无论是做工业品还是消费品等等行业，数据都是可以去驱动我们企业的业务转型、提升、变革。

企业的数据资产如何去应用呢?我大概会划分为5个环节，第一个是企业的监测，当企业收集了大量的数据之后，首先我要监测企业的运行状况如何?是不是通过数据主动的预警企业的风险。第二个是业务洞察，就是当我们获得比较宏观的KPI数据之后，真正的是拿着经营的KPI问题溯源，去分析到底我企业的经营过程中产生了哪些问题?第三种叫业务优化，就是说我们得到了这些问题之后，知道了企业在运营过程中销量又下降了，库存又增高了、客户经营有问题了，这个时候我们可能就要进行优化，怎么去优化业务，降本增效，甚至是说我们做一些嵌入式的分析，就是说把我们的业务和分析两者合二为一，我们不在是分析什么数据，更多的是把分析数据和过程中的决策合在一起，我们在做营销策划，这个时候更多的是优化业务，做决策。还有一个是数据盈利，就是说把我们的数据产品化，把产品数据化，就是在我们企业中建立数据产品经理，他去结合业务，挖掘业务场景，把这些数据更多的变成产品、服务，给到企业的各个业务部门，运营岗位，让所有人使用这个数据，在一个是产品服务数据化，我们的客户运营、产品、客户的接触点不断地产生数据，基于这个数据不断分析、利用。第五部是业务重塑，新市场新服务开拓，共享数据，改变经营模式，别人也可以用我们数据，或者说我们可以通过数据进行设计。

具体这几个方面我们来看下以前我们做过的一些案例，比如说业务监控：创美工业，创美以降低成本、提高效益为出发点，以“协同”和“敏捷”为重点手段，大数据帮助创美实现了向智能制造的跨越。通过数字化技术建立一个跨企业、跨软硬件的生产网络，横向实现客户、供应商的生产协同，纵向实现管理层、执行层、设备层的互联互通。业务洞察：上海医药，关键指标分析、业务问题溯源分析。业务优化：乌海能源，煤-电-化工和煤-焦-化工的产业链，如何最大盈利?数据化产品：红狮水泥–通过移动端重塑与经销商的协同效率，将红狮水泥企业级数据仓库中有关经销商信用，应付账款、就近红狮水泥长库存情况等数据公开给经销商，实现供应链数据共享的初步试验。业务重塑：红领集团C2M商业模式，实现C2M业务转变，通过定制，收集客户数据，以客户需求为导向，重塑供应链及生产体系，最大化优化库存及周转效率。给客户提供定制化、优质化服务。

企业如何“玩”大数据的步骤，我总结了五点，收、存、用、融、场1.收数据,建立数据的采集点、收集更多的数据2.存数据、储备海量数据存储、计算、分析的能力3.用数据，建立合理的数据模型，使用数据，挖掘价值4.融合数据，融合更多第三方数据，变革行业5.场景驱动，利用数据解决企业实际运营过程中的问题。

构建大数据平台–推动企业进入数据时代，这里包括对数据质量的管理是非常关键的。今天我就以消费品行业为例，看传统企业如何构建并利用数据资产。那么传统品牌商面临的问题1.商业模式单一：盈利模式不再限于商品售卖，基于平台模式、利润递延等形式，如通过广告营销收入等;主业不盈利，通过海量客户带来收益;2.营销媒介单一：传统视频媒体、纸媒时代已经过去，用户碎片化的信息获取方式，需要企业实现跨屏、多屏的品牌露出与营销推广，以及社会化的营销模式;3.品牌老化：由于企业已有的品牌形象，以及品牌定位，品牌聚焦在70后、80后，随着时间的推移，受众人群向30、40、50岁迁移，且不断流失，品牌形象老化不再具有活力;4.没有数据意识：数据在企业中没有起到应得的作用，企业还在“靠天吃饭”;5.不能触达客户：与客户中间永远隔着经销商、门店，不能第一时间获得客户、了解客户，了解客户的购买行为，不能提升客户对品牌的忠诚;也不能基于客户的需求，来设计、重定位产品;6.销售渠道单一：传统经销商、订货会，依靠自营或大量的加盟门店形式的销售渠道已经失去竞争优势，高昂的租赁成本、人力成本、商场扣点、营销费用，在不断蚕食利润，而电商、微商等渠道不能被有效利用，往往指作为库存清理通道被使用。第二个问题是：客户画像可以更丰富，但是我们对客户的了解依然匮乏。

还有一个问题是：缺乏对客户购买体验与决策过程的全方位跟踪与优化.对于线上品牌商,流量来源数据：通过互联网广告、社交媒体、搜索等引流，了解不同用户进入网店的流量数据及后续的转化数据;浏览行为数据：知道客户在成交前，浏览了哪些商品，哪些看了又看，哪些收藏在犹豫，哪些咨询有问题，知道客户最纠结什么;掌握大量潜在客户的浏览行为数据;交易订单数据：订单与客户挂钩，知道每个客户购买商品的详细信息记录;售前、后服务数据：交易前后的的服务，通过在线客户，可以了解每个客户在成交前后的咨询数据，以及服务过程数据;购买记录数据：清晰的记录所有客户购买记录(时间、商品、频次、金额)，并记录客户对营销活动的响应和活跃情况;对于传统品牌商:客户来源数据：无，很难了解客户是从哪些渠道了解企业品牌、商品，传统更多采用调研的方式，来评估市场效果再优化;每天进店多少人?行为轨迹数据：无，不知道客户进店后，在哪款商品前停留时间最久，不知道客户试穿、试用、咨询了哪些商品，只有依靠店员的经验;交易订单数据：大部分成交的订单并不是会员所带来，(只占20%以下)售前、后服务数据：有售后流程，但是很少积累数据;购买记录数据：只记录会员客户的购买记录(时间、商品、频次、金额)，很难跟踪促销活动对客户的触达情况、响应情况;从蓝海到红海，竞争让企业更关注哪些问题?各种各样的问题：销售业绩如何，管理层是否能随时掌握;库存多少是合理的?怎么优化?不同渠道、门店怎么分配?新什么时间最好?怎么拉动客户?价格怎么定?促销折扣力度多少合适?应该推送给哪些客户?哪些客户是我们的忠实客户?他们在哪?哪些客户要流失?;在哪新开门店，门店怎么定位?客户画像是什么样的? 客户分几个群体? 是对价格敏感还是质量敏感，我们应该设计什么样的商品和营销活动推送给他们?

现状：企业的数据是分散的，无论线上、线下数据整合不到一起。多平台、跨系统、复杂业务及流程，造成传统消费品企业不能集中数据资源进行利用。把我们的业务联系起来和整个业务的梳理,从数据角度来说数据的探查理顺理清。每个环节都会产生数据，这些数据是在线上、线下还是个人，我们是不是要收集。第一个是KPI分析，可以体现数据的健康状态，第二个是经营数据分析主题，数据域，形成一些业务优化模型。

今天我就结合几个点，如何去做分析、决策，数据优化。传统零售行业我们从客户、商店、门店三个角度来说说数据能帮助企业做什么事情，首先我们要知道客户是谁，客户画像：跟踪客户全网消费行为，补全客户完整画像，了解客户消费能力、兴趣爱好，定位优质用户群体;潜在客户：寻找企业的目标潜在客户，精准触达客户;客户忠诚：分析客户的忠诚度如何，有效提升，不断激活客户，降低流失率;主动销售：根据客户消费周期，对商品的喜好、偏好、结合产品特点主动推送，引导客户到店消费。第二个是商品，设计选品：根据当前搜索热点、过往热销产品，以及消费趋势，提供未来一至三个月的流行趋势报告，指导部分产品设计与买手选品;关联销售：根据销售历史，鞋品搭配销售记录分析，哪些可连带销售，给门店导购业务指导意见;定价模型：根据产品成本、利润要求以及网销同类商品竞争对手价格，分析合理定价区间，测算利润最大化;根据各地域的竞争情况、销售情况，测算折扣价格区间。商品补货：结合销售情况、商品上市周期、地域情况、库存情况，结合补货周期，定制分析模型，给出合理补货建议，降低滞销概率;最后是门店,商圈分析：根据电商数据，分析3~5公里范围内商圈的人群特征，消费倾向、品牌喜好等数据，为店铺选址、营销策略制定提供参考依据;客流分析：使用wifi、视频等设备，跟踪客流进店情况、进店时段，后头率情况，分析店铺对客户的吸引力(独立店铺);这些都是可以做数据优化的。

从客户洞察的角度就需要购买大量的数据，购买记录、客户信息、购买记录、促销记录、社交分享、全网行为等都是数据手机来源;第二个就是非常关键的客户分群，细分价值客户群体;客户流失预测;通过优质客户的“孪生姐妹”，寻找相同的消费基因;全网营销，通过结合海量的精准数据，支撑全营销的初始化决策，通过第三方的DMP平台，寻找优质的人群客户。把我们不同平台的资源，跨平台、手机端的资源利用起来，我们如何通过这些新的平台引流我们的客户。可以通过O2O或在线去引这部分客户的流量,找到我们的潜在客户。再一个就是对产品设计、选品、关联销售、定价方面，我们可以通过互联网数据得到很多信息。热点趋势，热点搜索、网络销售趋势，与销售数据关联分析未来一至三个月的流行趋势;产品属性，往季经典销售款，长期畅销产品分析，寻找经典产品基因;客户偏好，根据客户分群，确定不同类型，客户消费倾向;竞争对手，竞争对手热销产品，价格情况。为客户群体设计产品：通过清晰的客户画像，针对性的产品设计，提供热点趋势的分析报告，为产品设计提供参考依据，通过试销、预售等多种方式，针对性的分析销售情况。针对商品，提供未来一至三个月的热点趋势及行业销售预测报告，针对区域，挖掘地理消费特征，为订货选品提供参考依据。挖掘已有订单信息，分析各商品间关联习惯，提高客件数、客单价，根据商品本身属性，及成本价格，寻找竞争对手价格区间，合理测算利润最大化，结合销售情况、商品上市周期、地域情况、库存情况，结合补货周期，定制分析模型，给出合理补货建议，降低滞销概率。

例如说,我们先前一个客户的案例，做鞋的一个企业,当时他就把销售数据、库存数据，所有消费会员的数据，进行了收集，我们做了分析，什么样的产品是热销的，预测哪些款式是经典款、热销款，通过系统自动分配库存、调拨，对客户有针对性服务/商品推荐/促销设计,海量的推销，增加了成本，我们要找到真正有需求的客户，把对应的商品推给他，商品对应针对性客户的推荐。门店商圈分析，电商数据，分析3~5公里范围内商圈的人群特征，消费倾向、品牌喜好等数据，为店铺选址、营销策略制定提供参考依据;门店客流分析，使用路由等设备，跟踪客流进店情况、进店时段，后头率情况，分析店铺对客户的吸引力(独立店铺),以上说的是人、货、场三个理论我们帮企业做分析。

其实我今天更多的是用抛砖引玉的方式希望大家去思考，对于一个企业来说，我们的数据分析可以做什么，无论是收集、存储、优化我们能做什么?对我们企业有什么帮助，希望引起大家思考，数据是一种资产,无论是做营销、客户运营还是最高层决策者，数据的利用是非常关键的。让大家认识到，未来的企业皆是数据化的企业，数据可以驱动企业得到管理甚至业务变革，数据是将是未来企业的核心资产与生产原料，是可以直接带来收入和利润的，直接降低我们的成本，真正的降本增效数据是可以做到的。谢谢大家!