01

大数据的业务机遇

新的数据源不时地冒出来，它们有可能改变组织产生或引导商业价值的方式。在20世纪80年代，POS（销售终端）扫描产生的数据改变了日用消费品制造商（如宝洁、联合利华、菲多利和卡夫）与零售商（如沃尔玛、乐购和冯氏）之间的势力平衡。与产品销售以及客户忠诚度相关的具体的数据源的出现，使零售商能够洞察关于产品销售、客户购买行为以及整体市场趋势的信息，这是处于制造—零售价值链上的任意一方之前都不具备的能力。新的数据源着实改变了很多公司的业务模式。

紧接着在20世纪90年代后期，互联网成为新的知识货币，网络零售商比开实体店的同行们获得了更显著的竞争优势。隐藏在网站日志里的具体信息能够使网络零售商对于产品销售和客户购买行为拥有更深入的了解。网络零售商能够利用客户以往的记录，通过推荐引擎这样的工具，影响客户的购买选择以及他们放入电子购物车中的商品。企业不得不改变自身的商业模式生存下去。

如今，我们正处在另一场由数据驱动的商业改革之中。新一波来自社交媒体、手机以及传感器，或机器生成的数据源，可能重新布局组织的价值创造过程。来自社交媒体的数据使销售业者可以深入了解客户的兴趣、爱好、背景以及社交关系，从而优化客户管理的流程。由机器或传感器产生的实时数据提供了最小粒度级别的细节，使得预见性维护、产品性能推荐以及网络优化成为可能。另外，移动装备能够给客户提供基于位置的信息，从而驱使客户参与实时互动。这样实体店的卖家就能够直接与网络卖家展开竞争，看谁能给客户提供更加完善、更有魅力的购物体验。

数据的超大容量（TB级或PB级）、多样性以及复杂性已经快要逼近现有技术叠加的能力极限。传统的数据仓库和商业智能模型无法实时地处理PB级的结构化和非结构化数据，这就对信息技术和商业组织造成了如下挑战：

• 僵硬的商业智能、数据仓库和数据管理模型阻碍了组织识别并利用稍纵即逝的业务机遇。

• 分批使用聚合数据的回顾性报告无法利用新的分析能力给出能够指导商业决策的预见性的推荐方案。

• 在一个实时用户体验即将成为常态的世界里，我们无法及时地从社交媒体、手机或机器生成的数据中获得洞见。

• 数据聚合和数据抽样掩盖了数据中有价值的细微差别，而这些细微差别正是发掘新客户、新产品，以及发掘运营和市场新洞见的关键所在。

这场新数据的“闪电战”使技术创新成为必需，也推动了技术创新的发展，包括谷歌、雅虎和脸谱网在内的数字媒体公司，以及像斯坦福、加州大学欧文分校和麻省理工学院等大学的开放源代码项目支持了技术创新。如果商业组织想等这场技术革命尘埃落定后再前进，大数据的发展很可能只会使它们瘫痪。对于那些选择等待的组织，只会有糟糕的事情发生：

• 竞争对手创新的速度更快，而且它们能够感受到强有力的成本结构优势。

• 利润和利润率下降，因为竞争对手能够识别、获得并留住最有价值的客户。

• 市场份额下降，因为不能在对的时间向对的客户提供对的产品。

• 错过商机，因为竞争对手配备了实时的监控设备，能得到并抓住所有实时的客户意见与想法、产品性能问题以及转瞬即逝的赢利机遇。

现在就是行动的时候了，因为不采取行动将有毁灭性的风险。

业务转型势在必行

大数据运动正刺激着一场商业转型。接纳大数据并将其作为业务转型要素的公司正在经历一场变革：原先组织采用的是回溯性的后视镜视角，利用部分聚合或分批抽样的数据来监控商业运作；转型后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，从而实时地优化业绩（如表1–1）。

表1–1 大数据驱动商业转型

所有的一切都是关于数据的。渴求获得洞见的组织将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（例如来自社交媒体、手机、服务供应商的数据以及公开可获得的数据）。这些组织发现数据以及藏在数据中的核心洞见，能够改变组织对其客户、合作伙伴、供应商、产品、运作方式以及市场的理解方式。在这个过程中，领先的组织正在改变它们对数据的认识：它们原来将数据看作一项需要最小化的运营成本，调整心态后，它们将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。归根结底，组织试图在整个价值创造过程中获得更多能够利用的数据。

沃尔玛的案例分析

数据能够使公司和行业转型。沃尔玛因利用数据实现了业务模式的转变而闻名。

山姆·沃尔顿（Sam Walton）的公司获得的成功，根本上要归功于他将商品尽可能按最低的价格卖出。他绕过中间商，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。沃尔顿在接班人戴维·格拉斯（David Glass）的强烈建议下，重金投资了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行为的软件，“低价买进、大批量码放、低价卖出”的想法也在很大程度上成为一种可持续的业务模式。

他与供应商分享了获得的实时数据，建立了合作伙伴关系，从而向制造商施加了必要的压力以督促它们改进生产并提高效率。随着沃尔玛的影响力不断扩大，它的主导能力也在上升，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。沃尔玛颠覆了传统供应商与零售商之间的关系。

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，快速消费品制造商（如宝洁、联合利华、金百利和通用磨坊）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。但是现在根据POS机产生的数据，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，在同一个购物篮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。很快，零售商开始向制造商提出条件——它们想要出售多少商品（基于需求的预测）、以怎样的价位（基于收益与价格的优化）、采取什么促销方式（基于促销的有效性）。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。

纵观所有组织，我们看到许许多多将数据与高级分析相结合，从而改变关键的组织性业务流程的例子，例如：

• 采购：找到在保证及时送货和不损坏商品的前提下最划算的供应商。

• 产品开发：挖掘对于产品使用情况的深入见解，加快产品的开发进程，提高新产品发布的效率。

• 制造：标注可能造成质量问题的机械和流程差异。

• 发布：量化最优存货等级，根据例如天气、节假日和经济环境等外部因素优化供应链活动。

• 市场营销：识别出在提高客流量、销售额方面最有效的营销方式和活动，或者在考虑市场目标、客户行为和渠道行为的基础上，使用归因分析优化营销组合。

• 价格与收益管理：优化“容易变质的”商品的价格，例如食品杂货、航班座位、演唱会门票和时髦商品。

• 促销：根据当下的购买情况、存货级别和从社交媒体数据中了解的产品受欢迎程度，制订最佳的商品促销方案。

• 销售：优化销售资源分配、产品组合、佣金模型和账户分配。

• 仓储管理：充分考虑可预见的客户购买情况、当地人口特征、天气和事件数据，优化存货仓储等级。

• 人力资源：辨认出最成功、最有效率的员工应该具备的特征和行为。

大数据业务模型成熟度索引

客户经常问我：

• 从商业的角度来说，大数据能带我们走多远？

• 最后的终结点会是怎样？

• 与其他同样将大数据作为业务助手的组织相比，我对大数据的利用状况如何？

• 大数据能在多大程度上推动甚至改变组织的价值创造过程？

为了帮助人们回答这些类型的问题，我构建了大数据业务模型成熟度索引。这项索引为组织提供了一个当它们着眼于大数据将会带来的商机时，衡量自己的基准。组织可以利用这一索引：

• 清楚了解在利用大数据和高级分析来推动价值创造过程和业务模式的发展这一方面，自己处在什么阶段（目前的状态）。

• 确定自己在未来的定位（渴望的状态）。

就利用大数据和高级分析为自身创造竞争性优势这方面来说，不同组织的步调也不尽相同。有的组织进行得非常谨慎，因为它们并不清楚应该从哪里开始，怎么开始。它们也不知道在这些创新技术中有哪一项可以被用来开启它们的大数据之旅。其他的组织则更加大胆地将大数据和高级分析与现有的业务流程进行整合，以提高组织的决策能力。

只有少数人拥有更长远的眼光，他们不满足于只用大数据改进现有的业务流程，正迫切地寻找并开拓新的数据货币化的机会。也就是说，他们在寻找商机，或将自己的数据（包含分析性洞见）卖给其他人，把高级分析融入产品，创造出“智能”产品；或利用从大数据中获得的洞见来改变客户关系和用户体验。

让我们用图1–1中描述的大数据业务模型成熟度索引来搭建一个框架，这样一来，你不仅能够利用这个框架来衡量组织现在所处的位置，也能了解到大数据带来的机遇能推动组织走多远。

图1–1 大数据业务模型成熟度索引

业务监督

在业务监督这一阶段，你将利用商业智能和传统数据仓库能力来监督或汇报目前的经营绩效。业务监督有时也被称为经营绩效管理，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，无论什么时候出现状况，都会自动向有关各方发送带有相关信息的警报。业务监督阶段利用以下基础分析方法识别需要进一步研究的经营区域：

• 趋势分析，例如时间序列法、移动平均法或季节性分析。

• 与以往的时间段（周、月等）、事件或者活动（例如返校活动）进行比较。

• 以往时段、以往活动的参考标准和行业标准。

• 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、广告占有率和钱包份额 ^[1] 。

业务监督阶段是大数据之旅的重要起点，因为你已经通过对数据仓库技术和商业智能的投资确认了核心业务流程，捕捉了支持这些主要业务流程的关键业绩指标、维度、参数指标、报告和仪表盘。

业务洞见

业务洞见阶段在业务监督的基础上又进了一步，综合利用新的非结构化数据、先进的统计方法、预测性分析、数据挖掘以及实时的数据反馈，识别实质性的、重要的、能够被整合进核心业务流程的可执行的业务洞见。这一阶段的目标是将业务洞见融入现有的运营和管理系统。我们把它看作智能仪表盘，除了显示数据和图表，它进一步挖掘出掩藏在具体数据下的材料和相关洞见，提出有针对性的可行性建议，要求对某一具体业务领域进行观察，采取行动以改善经营业绩。有一位客户将这一阶段称为“告诉我哪些是我需要知道的”阶段。有以下这些例子：

• 在市场销售方面，能够发现某些正在进行的活动或促销方式比其他方法更有效，会给出具体建议，告诉你还需要投入多少经费才能转换为更有效的营销方式。

• 在制造方面，能够发现某些生产机器的运行超出了正常的控制范围（例如高于或低于临界值），会提供经过优先级排序的维修计划，针对每一台有问题的机器，对需要进行替换的零部件给出建议。

• 在客户支持方面，能够发现某些金卡会员购买和参与活动的活跃度已经低于某一个正常活动的范围，会建议通过电子邮件给这些会员赠送优惠券。

接下来这几步将使你的组织从业务监督阶段走向业务洞见阶段。

1. 花时间去了解用户是如何利用现有的报告和仪表盘来识别问题和机遇的。查找用户会将报告打印出来，并且在报告的旁边写注解的情况。发现用Excel或者Access下载报告的用户，看看他们下载报告后用这些数据做了什么。了解你的用户如何处理现有的报告及下载的文件非常关键，它能够让你认识到高级分析和实时数据能够在哪些领域对业务发展产生影响。

2. 了解下游成员，也就是那些在第一步中被分析的用户，了解他们是如何使用数据并做出决策的。思考这些问题：他们会如何利用分析得到的结果？他们将采取什么行动？根据分析得到的结果，推断他们会做出怎样的决定。

3. 推出模型或试验项目，将具体的交易数据、新的非结构化数据源和实时数据以及预测性分析方法整合在一起，自动地发掘出被掩藏在数据（洞见）中的潜在问题和未来机遇，提出可行性建议。

业务优化

业务优化阶段是指组织能够运用嵌入式分析自动优化业务流程中的某些部分。对许多组织来说这是一个必杀技——它们能够将业务运营中的某些部分交给由分析驱动的应用程序，并由应用程序自动优化所选择的业务计划。业务优化的案例包括：

• 基于正在进行的活动或促销的业绩，制订营销费用分配方案。

• 基于购买历史、购买行为、当地天气以及大事件，制订资源调度方案。

• 基于当下以及可预测的未来的购买模式、当地人口情况、天气以及事件数据，制订分配及存货清单优化方案。

• 基于目前的购买情况、存货等级以及从社交媒体数据中得到的产品受欢迎程度，制订产品定价方案。

• 金融服务业的算法交易。

下面的步骤将带领你的组织从业务洞见阶段迈入业务优化阶段：

1. 在业务洞见阶段，你已经开发了多个领域并提出了建议。以此为出发点，列出可以进行优化的候选领域。根据业务或财务影响、成功的可行性以及相关的建议带来的业绩或效果，对这些建议进行评估。

2. 针对每一个可以进行优化的候选领域，识别其支持性业务问题和决策流程（分析流程）。你还需要识别所需要的数据源和数据的延迟性（取决于决策的频率和延迟性）、分析模型的要求、运营系统和用户体验的要求。

3. 给出价值评估的证据，或者开发一个首选优化候选领域的模型来验证这个业务案例，核实它的财务能力（投资回报率）和性能分析。

你应该考虑创造一个正式的分析管控流程，能够让人类问题专家定期审计并评估得到的优化模型的有效性和相关性。正如任何一个好的数据科学家都会告诉你的那样，就在你建立自己的分析模型的那一刻，它已经过时了，因为周围的现实世界正在不断变化着。

数据货币化

在数据货币化阶段，组织利用大数据来寻找新的赢利机会。尽管不是非常详尽，下面列举了一些有相关性的提议：

• 将客户、产品以及对市场的洞见打包后卖给其他组织。

• 将分析方法直接融入产品，创造智能产品。

• 利用基于客户行为和倾向分析得到的可执行的洞见和个性化的推荐意见升级客户关系，颠覆性地重新思考用户体验。

第一项提议的例子是一款智能手机应用程序，将关于客户行为、产品性能以及市场趋势的数据和深度解读卖给市场营销人员和制造商。比如MapMyRun可以从客户的智能手机应用中了解到客户的使用情况，将这些情况和对客户和产品的洞见一起打包卖给运动服饰制造商、运动商品零售商、保险公司以及医疗保健供应商。

第二项提议的例子是组织利用新的大数据资源（传感器数据、用户点击或选择行为）和高级分析打造智能产品，例如：

• 智能汽车，了解你的驾驶模式和习惯，利用数据调节座椅、后视镜、刹车踏板、仪表盘显示器等来配合你的驾驶风格。

• 智能电视和录像机，了解你喜欢看什么类型的节目和电影，利用数据从各种频道搜索类似的节目并自动录像。

• 智能烤箱，了解你喜欢如何烹饪，利用数据自动地按照这种方法料理食物，推荐其他你喜欢的食物和料理方法。

第三项提议的例子是组织利用可执行的洞见和推荐意见升级客户关系，颠覆性地重新思考用户体验，例如：

• 中小企业主从网络市场了解行情，将目前仓库存货级别与客户购买行为特征比较，提出销售规划和定价建议。

• 投资者对投资目标、目前的收入级别以及金融投资组合进行评估，提出有针对性的资产分配方案。

以下步骤将对你的组织向数据货币化转型有帮助：

1. 选定你的目标客户以及他们想要的解决方案。集中精力找出能够改善客户经营业绩并帮助他们赚钱的方案。在这一过程中，你还需要详细了解经济决策者的角色特征。花时间追踪这些决策者，了解他们正试图以怎样的频率、在什么样的情况下做出怎样的决定；集中精力试着了解他们在做什么，收集相关的详细资料，弄清楚他们要完成什么。

2. 盘点你现有的数据资产。获取你目前能够掌握的数据，并且确认哪些数据是你努力就能得到的。这就需要你查看源数据的获取方式；探索其他的衡量策略以获取更多数据；搜寻其他的外部数据资源，将外部数据与组织的内部数据相结合，综合分析后得出对你的客户、产品、运营以及市场的新认识。

3. 决定在将数据资产转变为目标客户想要的解决方案这一过程中，必要的分析方法、数据丰富以及数据转换的流程。你应该确认以下几个方面：

（1）你的目标客户想要问的业务问题、想要做出的商业决策。

（2）为了给出相关方案来解决目标客户在业务上的难题并帮助他们做出决策，你所需要的高级分析（算法和模型），数据的增长、转换以及丰富的过程。

（3）你的目标用户对用户体验的要求，包括他们目前的工作环境以及你将如何利用新的移动技术和数据可视化技术改善那些体验。

业务转型

业务转型对于某些组织来说是终极目标，这些组织想要利用它们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。例如：

• 能源公司逐渐转为家庭能源优化服务供应商，向客户建议何时更换家用电器（基于预见性维修），甚至在综合比较客户的使用模式、当地天气以及诸如当地水质状况和能源成本这样的环境因素后，根据不同电器的性能建议客户购买某一个品牌的家用电器。

• 农具器械制造商转为耕种优化服务供应商，根据气候和土壤的情况了解作物的收成，并且在种子、肥料、农药以及灌溉这些方面给出建议。

• 零售商转为购物优化服务供应商，将一个客户目前的购物模式与其他类似的客户进行比较，向客户推荐有针对性的产品，甚至会推荐某些自己的商店中没有的商品。

• 航空公司转变为快乐旅行服务供应商，不只根据客户在旅行时的行为和偏好向客户提供机票优惠，还会在客户的目的地搜索并推荐住宿的酒店、租车服务、体育或音乐活动、当地景观、表演以及购物场所。

为了到达业务转型这一阶段，组织需要考虑的是摆脱原先以产品为中心的业务模式，转而打造一种更多地以平台或者说以生态环境为主的业务模式。

在我们学习如何进入这一阶段前，要先了解一段历史知识。北美的电子游戏机市场在1985年处于大规模萧条期，1983年的市场收入曾经达到过峰值32亿美元，但是在1985年跌至1亿美元，下降了近97%。这场暴跌几乎摧毁了当时刚刚兴起的电子游戏机产业并导致好几家公司的破产，其中就包括Atari公司。许多商业分析师怀疑电子游戏机产业的长期生存能力。

造成这场暴跌的原因是多方面的。硬件制造商失去了在平台上提供游戏的独家控制权，导致制造商无法保证玩具商店不会积压产品。但主要的原因是市场上充斥着低质量的游戏。例如Chase the Chuck Wagon（给狗喂食的游戏，出资方是狗粮公司Purina）这样的劣质游戏使客户彻底丧失兴趣。

伴随着任天堂娱乐系统的成功，电子游戏机产业在1987年开始恢复生机。为了保证商业生态系统的成功，任天堂采取了严格的措施来保证电子游戏的高质量：对整个行业的游戏产品的存货数量进行严格控制，实施了安全锁定系统，只允许有资格证明的游戏在任天堂平台上运行。在这个过程中，任天堂保证了第三方开发商拥有一个准备妥当的、可赢利的市场。

当组织考虑通过大数据进行业务模式转型时，首先需要明白要如何利用数据和产生的分析性洞见实现组织的业务转型，进而实现从以产品为中心的业务模式转变为以平台为中心的业务模式。就像任天堂公司教给我们的：你要达到这个目标，就要打造一个“市集”，让其他组织——例如应用程序开发商、合作商、增值经销商、第三方解决方案供应商能够在你的平台赚钱。

让我们扩展之前那家转型为提供家庭能源优化服务的能源公司的案例。这家公司能够获知用户的家庭能源及家用电器使用模式，并将这些转换成业务洞见和建议。例如，有了家庭能源使用的相关信息，公司就可以建议客户应该在什么时间运转像洗衣机和烘干机这样的高耗能家电。能源公司也可以针对洗衣机、烘干机等高耗能家电提供自动操控服务，比如在凌晨3点能源价格较低的时候，自动开启洗衣机和烘干机。

在拥有了所有的使用信息后，在预测某家电何时可能需要维修（比如利用六西格玛控制图来标识超出正常范围的运作问题，以此来监督家电的使用模式）这方面公司也占据了有利地位。能源公司可以给家庭用户提供家电的预见性维修建议，甚至可以给出三四家当地服务供应商的名称以及它们在Yelp点评网上的评级。

等等，还有更进一步的！有了所有的产品性能和维修数据，能源公司也就具备了得天独厚的优势，可以在综合分析客户使用模式和当地能源价格后，向客户推荐最好的产品。它们可以成为家电及其他家用或商业设备的消费者报告中心，通过比较客户的使用模式、当地气候、环境因素和能源价格，评估不同家电的性能，从而建议消费者应该买什么品牌的家电。

能源公司可以将所有的产品性能数据和相关的维修经验打包，然后将这些数据和分析性洞见返售给那些想知道自己的产品在特定的使用情景下性能如何，与核心竞争者相比又如何的制造商。

与单个组织在合理情况下能提供的服务相比，在这种情景下商业组织拥有提供更多应用和服务的机会。这为组织向以平台为主的业务模式转型打开了一扇门，通过打造一个平台或者生态系统，使第三方开发商能够在这个平台上提供产品和服务。当然，平台供应商也就能够借此在这个过程中分得一杯羹，比如收取会员费、租金、交易费以及介绍费。

就像任天堂和它们的第三方电子游戏，苹果、谷歌和它们各自的应用程序商店一样，打造平台不仅能使你的客户受益，使他们能够以更加及时的方式接触到更多种类的优质的应用程序，而且可以使平台供应商受益，让客户高度依赖你的平台（例如提高转换成本）。

试图以一己之力完成一切的大公司最终将会举步维艰，因为它们要挣扎着跟上那些规模更小、需求更迫切的组织的反应和创新速度，这些组织能更快地辨认出市场机遇并且行动起来。与其和这些组织竞争，不如给它们提供一个平台，帮助它们快速地建立市场，支持它们的应用程序和解决方案。

那么，如何让你的公司从一个生产单一产品的组织向一个平台或生态系统型公司转变呢？一般包括以下三步：

1. 花时间去搜索并追踪你的客户，弄清楚他们想要的解决方案。关注他们想要得到什么，而不是他们在做什么。更全面地考虑他们的整体需要，例如：

• 家庭饮食，不只是烹饪、买食材和去餐馆。

• 个人交通，不只是买车或租车、预约保养和加油。

• 个人娱乐，不只是去剧场、买DVD（数据多功能光盘）和下载电影。

1. 理解生态系统的潜在玩家（例如开发商），思考他们将如何通过你的平台赚钱。与他们见面，进行头脑风暴，将他们利用数据赚钱的各种想法排出优先次序。

• 厘清、确认并清理这些生态系统玩家的商业案例。

• 识别平台上允许生态系统玩家们简单地安装设备，获取并分析得到关于客户的使用模式和产品性能的深刻认识，并对此采取行动的要求。

1. 作为平台供应商，关注产品开发、市场营销以及合作伙伴的努力，以保证该平台：

• 便于进行开发工作，完美地支持应用程序开发商的营销、销售和相应支持（比如程序升级、新产品发布、新服务添加）。

• 在有效性、可靠性、可延展性、数据存储和分析处理能力方面具有可测性和可靠性。

• 拥有所有的工具、数据处理能力、分析能力（例如推荐引擎）和移动能力，能够支持现代应用开发。

• 提高符合条件的第三方在合约、条款和条件、支付款项以及缴税等方面赢利的便利度。

• 使开发方能够简单地获得并分析客户的使用模式和产品的性能数据，以便改善用户体验，帮助开发方优化业务运营（例如定价、促销和存货管理）。

这一步包括构造用户体验的实物模型和技术原型，这样你就可以精确地了解客户与平台之间的互动是否成功（例如，哪里的界面处理最常给客户造成困扰，或者客户在哪方面花费了异常多的时间）。实物模型对基于网络或者智能手机的应用程序来说是十分理想的选择，但是为了改善用户体验，不要不敢用有着不同试验用户群体的不同界面进行试验。像脸谱网这样的公司已经使用现场试验的方法来快速地反复进行试验，以改善用户体验。用仪器重复测试或标记每一个用户体验的环节，这样你就能看到用户使用模式以及用户将来在与界面互动时可能会遇到的潜在的瓶颈和令人感到挫败的地方。

随着你的组织沿着大数据业务模型成熟度索引不断上升，你会看到三个关键的文化或组织上的改变。

• 数据日渐成为一项需要开发的公司财富，而不再是需要缩减的业务成本。你的组织开始意识到数据是有价值的，而且你掌握的数据越多、详细程度越高，你就能从数据中挖掘到越多有深度的见解。

• 分析方法以及相关的支持性的分析算法和模型日渐成为公司需要被管理、培养，有时甚至需要用法律进行维护的知识产权。那些剖析、细分客户类别并获得客户的模型，那些你用来衡量活动效果或医疗方案的效果的模型，那些你用于设备预见性维修的模型都是能够在市场中被利用的潜在差别因素，它们可以体现业务价值的差异，而且可能需要法律保护。

• 你的组织日渐习惯基于数据和分析做决策。业务用户和业务管理对数据越来越有信心，开始相信数据告诉他们的业务信息。原本的决策方法完全依赖组织中拿最高工资的人的意见，而现在这种决策方法已经让步于另一种组织文化，这种组织文化更注重基于数据和分析所显示的信息做出决策。

大数据业务模型成熟度观察报告

第一份观察报告发现，大数据业务模型成熟度索引的前三个阶段集中在组织内部——优化一个组织内部的业务流程（如图1–2所示）。这部分成熟度索引利用了组织对数据仓库和商业智能的投资，特别是关注组织的关键业务流程获得的关键业绩指标、数据转换算法、数据模型、报告和仪表盘。组织可以利用以下4种大数据能力来加强内部的业务流程，这也是成熟过程的一部分：

• 以最低的详细程度挖掘出所有的事务性数据，由于数据仓库的成本问题，很多数据目前并没有被分析，我们将其称为组织的暗数据。

• 将非结构化数据和具体的结构化数据（事务性数据）进行整合，提供新的用来监管并优化核心业务流程的指标和维度。

• 利用实时数据（或者低延迟性数据），促使组织以更快的速度识别商机并且更及时地应对市场机遇。

• 将预测性分析融入核心业务流程，以便挖掘出淹没在大量具体的结构化和非结构化数据中的洞见（提示：在处理GB级数据时，业务用户将数据分解以挖掘洞见，这是行得通的，但是在处理TB级和PB级数据时这种方法却并不奏效）。

图1–2 大数据业务模型成熟度索引：内部流程优化

第二份观察报告发现，大数据业务模型成熟度索引的后两个阶段主要集中在组织外部——根据前三个阶段得到的关于客户、产品以及市场的洞见，创造新的赢利机会（如图1–3所示）。这是大数据之旅中最吸引组织注意力的一个部分：有机会利用从内部业务流程的优化中获得的洞见，创造新的赢利机会。我们将大数据业务模型成熟度索引的这部分称为大数据的4个M：让我赚更多的钱（Make Me More Money）！

图1–3 大数据商业模型成熟度索引：外部的客户货币化

小结

本章介绍了大数据运动背后的业务驱动因子。我谈到了一系列新的可获得的数据源，包括结构化数据、半结构化数据（比如由传感器生成的日志文件）、非结构化数据（例如文档文件、社交媒体上发布的帖子、医嘱、服务日志、消费者评价）。我也谈到了在组织之外日渐增多的公共数据源。

本章还简要地提到了为什么传统的数据仓库和商业智能技术越来越无法应对目前庞大的数据容量、多样的新型非结构化数据源以及会缩短一个数据从出现到能够被分析利用的间隔的高速数据。

最重要的是你知道了领先的组织是如何利用大数据进行业务转型的——从原先的回顾型的商业视角出发，利用分批的片面性数据来监控经营业绩，到现在能够将高级分析和实时数据进行整合，利用所有可得到的数据来优化业务流程。

最后，我介绍了大数据业务模型成熟度索引这个概念。作为一种工具，它能够帮助你判断组织目前所处的处置，并规划出组织在利用大数据挖掘新的赢利机遇和业务转型机会方面能取得什么样的进展。本章还包括几个“如何做”的指导，帮助你的组织顺着成熟度索引一步步走下去。

[1] 钱包份额是一种在绩效管理中常用的调查方法，帮助管理者理解公司从某些特定的客户处获得的交易额。——编者注