大数据时代，传统企业路在何方?
大数据即每天通过互联网传输的大量数字信息。大数据流动迅速，其来源是数据库统计数字、视频、音频、图像、文字、格式多式多样。大多数企业、公司所面临的挑战是：如何筛选、利用大数据，广州最好的运营-金铅笔找到可以帮助企业、公司更好地适应变化，并做出更明智的决策。
茑屋书店如何成功利用大数据？
坐落在东京代官山的茑屋书店虽然作为全球最美书店被刷屏，但是对于茑屋书店及其CCC株式社会来讲，这其实是利用大数据分析后对中老年客群的定位和设计，只不过在升级攻略中无意间成为打卡标配。
回顾茑屋书店的发展历程，曾田宗昭的每一次创新，都是利用大数据能力完成意义覆盖。1983年茑屋书店意义覆盖了传统书店，提供的是更为完整的内容消费方案。2011年的复合型文化空间覆盖了过去的书店，围绕用户体验以内容提案的方式创新构思，体现新零售的定义。2015年茑屋书店是更彻底的意义覆盖，从“内容”到“生活方式”，代表着基于内容连接的全新体验形式。
在CCC 株式社会组织构构架中，以T-CARD 会员体系和T-POINT积分体系运营管理为核心的大数据提案部门，大数据提案部门作为市场部，不仅支持茑屋、娱乐事业部、设计部等三个部门的业务，本身也是重要的盈利单元，同时还会以数据分析能力推动新产品的迭代和研发。
意义覆盖不是线性的技术更新，其本质是用户心智变量的迭代式升级，如何挖掘用户心智变量？答案当然是围绕大数据能力所生的提案能力。
企业如何挖掘大数据？
大数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素。而人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。现今的企业可以调用各种数据，如移动网络数据、社交媒体网络数据，商业交易数据等内部与外部的大数据，这些数据体现了千千万万个用户的活动。
外部数据源
企业、公司组织外部产生的数据量越发庞大，广州最好的运营-金铅笔认为这些数据对企业的作用日益重要。
互联网家+数据
社交媒体、官方媒体、第三方媒体、行业媒体、视频、音频、图像 、文字等，这类渠道以及内容都能被我们利用监测软件或者本身后台监测了用户触发的PV、UV、IP、用户属性、用户图像轮廓、用户特征、用户需求等多方面的数据记录。
公开数据为共享资源，来源各大平台搜集而来共享的庞大数据组，往往具有实时性。数据可能来自各大电子商务网站（淘宝、天猫、京东、阿里巴巴等）、搜索引擎（百度、360、搜狗、UC、谷歌等）
内部数据源
内部数据来自企业、公司的各个部门。它被发送到大数据存储库中，在那里，数据被追踪并记录下来，形成一个通用数据库。
每个客户的花销、客户流量、访问时间、员工工种工资、电脑价格、办公用品价格等多方面追踪记录下来的数据。
安排工作所用到面对面沟通、印象笔记、邮件通知、PC端微信、QQ等多种方式的记录、统计。
内部所用硬件
电脑（品牌、型号、内存、台式/笔记本、有线鼠标/无线鼠标等）
对比往年的变化
对比往年的变化：开销的数据变化、人员工资的数据变化、人员人数的数据变化等多方面数据的统计、分析。
利用大数据分析的价值在哪里？
从各种各样类型的数据中，快速获得有价值信息的能力，就是大数据技术。以下几点就是促使众多企业重视大数据的原因。
1)对大量消费者提供产品或服务的企业可以利用大数据进行精准营销。
2)做小而美模式的中长尾企业可以利用大数据做服务转型。
3)面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值。
4)企业组织利用相关数据和分析可以帮助它们降低成本、提高效率、开发新产品、做出更明智的业务决策。
大数据本身不是新零售形态，但它是构建新零售商业最为重要的基础设施，也必将成为新零售生态系统的终极意义和生存方式。
责任编辑：
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。
今日搜狐热点企业大数据战略规划,看这一篇文章就够了!1608_百度文库
赠送免券下载特权
10W篇文档免费专享
部分付费文档8折起
每天抽奖多种福利
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
企业大数据战略规划,看这一篇文章就够了!1608
AMT（上海企源科技股份有限公司）创立于199...|
总评分0.0|
阅读已结束，下载本文需要
想免费下载本文？
定制HR最喜欢的简历
你可能喜欢360傅志华：企业如何有效的实施大数据战略
来源：数据猿 作者：傅志华
日，由数据猿、中欧商学院、腾讯直播共同举办的《中欧微论坛|数据猿·超声波》活动在中欧商学院北京校区圆满落幕。此次活动大咖云集，共吸引了600+人报名，并最终筛选出300+观众莅临现场，更有超过20000名观众收看了在线直播，开启了一场、人工智能领域的头脑风暴，台上台下、线上线下共同畅想科技引领下的商业未来！
作为数据猿推出的主题为《的2016，我的—2017年度大型策划活动的一部分，在2016年底征稿期，活动就受到了100+领域内知名企业的高度关注，收到了36位业内领袖的投稿，并入驻成为数据猿专栏专家。
— 视频版 —
以下是“360中心副总经理傅志华”的精彩文字版演讲内容：
今天主要跟大家分享我十几年来在数据行业中踩过的那些坑，希望能够带给大家一些新的启发，在日后可以少走弯路。我们先从实际生活中的一个案例开始：
生活中的人工智能－多能看家能手
这是我们家的人工智能，为什么要装这个呢？因为有一天的凌晨三四点，我们家的红外线报警器突然报警了，虽然我练过武术，但还是有点害怕。然后我就拿着双节棍去每个房间和客厅包括院子里检查。虽然说艺高人胆大，但实际上这样做还是有点危险的。后来也没找到陌生人，我猜应该是小猫小狗把红外线报警器触发了，我就把角度稍微调了调。但这也不是办法，能不能让我的报警器变得聪明点？
这个问题怎么解呢？首先得让它有看得见的能力，至少得让它看得见，我用手机也可以看得见，这样就不用拿着双节棍到院子里检查。所以我就加上了360公司的智能摄像头。
生活中的人工智能－看家报警示例
加上以后，有一天我上班的时候它也报警了，收到一条信息，说我家里的门窗被打开了，我心里面也是有点害怕。看了摄像头传来的照片，最上面一张确实阳台的玻璃门打开了，有点紧张了。再一看，原来是老爸去晒衣服时把玻璃门打开了，所以还好。
又有一天报警器又报警，原来是客厅里的妈妈和孩子在活动时触发报警了，大家感觉是不是有点报警过度，还是不太聪明。怎么让它更加聪明呢？这个问题又怎么解？所以这就是接下来要谈的和人工智能，我们需要这个摄像头每天采集我们家里所有跟人相关的图片。
单单只是采集还远远不够，这一点大家要了解人工智能现在做到什么程度了？比如给它很多图片，但分不清谁是谁？你需要给它标记，比如这张照片是妈妈，这张照片是爸爸，这张照片是孩子，标记的越多，它的训练集就会越大，它识别图像里面的特征就会越准确。然后就可以去区分家里面的家人，其他遇到一些非家人的照片，它就认为陌生人，这时候报警就会更加准确。这是现实中已经发生在实际生活中的人工智能案例。
我希望通过以上的案例让大家了解到，人工智能是怎么工作的？需要什么样的材料？
除此之外，我再举一个洗衣机的案例，未来的洗衣机会很聪明，它会用对话的方式跟你交流：
洗衣机：主人，我肚子里面已经有黑色的裤子，白色衬衣尽量不要放在一起洗。
主人：好的，请帮我分开洗涤。
洗衣机：没问题。
上面的场景用到了什么技术？图像识别、语音识别和语意理解。
我们再看一个场景：
洗衣机：主人，现在是秋天，而且明天阳光充足，建议您不要选择烘干啊，可以省省电哦。
主人：好的（在南方很多人都会选择烘干洗，因为衣服不太好干）
这里面用到什么技术？数据打通很重要。因为洗衣机把天气预测的数据打通了，如果洗衣机没有这个信息，它就不会那么聪明。
我们再看下一个场景：
洗衣机：主人，您这件衣服今年已经洗了100次了，最近这个品牌在打折，您是否考虑买一件新的?
主人：呵呵哒，可以有……
这就是产生新的商业模式，这个将来肯定会发生在我们身边。
洗衣机：主人，您平常洗衣服的时候一般都会看《康熙来了》，电视马上要开始了，我帮您打开电视吧
它为什么有这个动作，因为它知道你这个习惯。因为这个企业把洗衣机的数据和电视的数据关联打通了，它才能够分析出这个习惯出来，所以这就是打通的魅力。当然这里面也有图象识别的技术，有可能它会滞后，如果你数据库更新的不及时，你会发现原来《康熙来了》已经停播了，这是数据没打通好。
主人：好啊，你太聪明了！
洗衣机：跟主人比我可是差太远了，您可是人工智能的博士呢！
大数据和人工智能的关键技术
它为什么知道你是人工智能的博士啊？这就需要大数据来做用户画像，才会有你的信息。所以从这个生活的案例，大家应该有一些感觉，大数据在实际应用中需要什么样的技术？
我们看右下角，这是我们刚才提到的人工智能博士，包括你看电视的行为，洗衣服和看电视是并发的。然后我们会看到上面这些动作分析的技术，包括图像识别、语音识别、语意理解、深度学习等等，由于时间关系这里我就不展开讨论了。
在实施过程中的三个误区和发展策略
今天跟大家重点强调的是，在这些技术实施的过程中你可能会陷入三个误区，而且是也最常见的。（我做这么多年，也被坑过很多次）
第一，业务部门没有清晰的需求和规划。业务部门不知道大数据有什么用？更不知道具体在什么场景里能用到大数据？所以技术团队、大数据团队就很难办了，它只能去学习、研究、探索，但是产出有可能会不明显。
第二，企业内部数据孤岛非常严重。咱们回去看看企业不同业务部门的数据库都是独立工作的，跨部门想看个数据都非常难。
第三，组织架构未能有效支撑大数据实施。这三个最常见也是最难的问题怎么解？
我们有两点建议：第一做好数据的业务规划，第二调优组织架构。
具体怎么做呢？先看第一点，我们先找到应用场景来解决这个问题。举一个反面例子，这个反面例子有可能会导致企业在实施的过程中会失败。比如你挖一个大数据领域的牛人组建大数据团队，你就会发现，老板会说你们自己去研究吧，反正你很牛，你去研究，看看如何能帮助企业成长？往往这种情况就会失败。
因为企业做了一年发现，等你报产出的时候，发现老板也听不懂，也很难衡量你的产出。你跟他讲一些你在深度学习上的探索和研究，包括图象识别的准确率，语音识别的准确率提升等等，他会疑惑，这对我的业务有什么帮助？
为了避免这种情况，所以我们应该反过来做，先从结果出发，从应用场景来看，大数据能帮我做什么？这个是需要企业的领导人、业务的负责人和三方去认真的探讨和规划。需要基于企业的现状和企业未来两到三年的发展规划，在这个大框架底下去看，大数据在哪些应用上对我的发展规划是有帮助的？要么提高效率，要么提升业绩，就这两方面。
规划完，确定应用场景之后，再去看数据模型怎么建？产品怎么建？再看基于我这些应用场景，需要做什么样的数据？如果数据不够，再去看和外面合作或者交易什么样的数据？是这个思路，否则就会陷入误区。
企业应用场景的金字塔模型
既然应用场景那么重要，在企业里面应用场景都有什么？我们可以看一下，这是我总结的目前比较常用的大数据在企业里面的金字塔，应用的金字塔。
最底层，就是我刚才说的数据基础平台，这个数据基础平台大家要理解，非常重要。是把客户的数据形成客户画像存在公司级的数据仓库里面。就像前面说的，只有做了这个工作，洗衣机才会知道你是人工智能的博士。所以要先把这个基础打好，跟炒菜一样，先把料准备好。
再来看应用层，第一层包括产品研发，一方面可以提升产品研发效率，另外是现在比较热的个性化的产品研发，通过规模化的手段实现个性化的定制，个性化和规模化貌似是相对的，在做个性化生产和个性化产品时候，我的生产似乎是不能够规模化的，但是现在可以做，有案例。
第二方面，通过监控异动，比如大家最关心的KPI，互联网企业可能每天都关注。假设你的KPI下滑了之后，你能不能快速发现，发现以后要定位，问题出在哪里，这是要努力的方向。这样做决策就足够简单了，我通过看一个可视化的图，就知道原来这个点出问题了。如果你不能快速知道，几个月才发现这个问题，有可能会导致很多的损失。
再上面，怎么做客户体验的优化，智能客服，包括精准营销、战略分析、市场分析等等很多方面，如果全展开讲，估计两到三天才能讲完。时间关系，今天就不展开了。
应用场景示例：客户生命周期的六个阶段
我再说一个大家可能都关心的话题——客户管理。企业就通过客户的收入支撑着企业的运转，我的客户管理怎么通过支撑？在这我跟大家介绍了是基于大数据的客户生命周期管理，这个方法要解决两个方面的问题：
第一个问题，客户价值的计算和预测，能不能通过的手段去精确的计算每个客户的价值，现在的价值和未来的价值，这样你才有一个很好的基础做客户的VIP管理，这是基础。
第二个问题，能不能做客户生命周期的识别、分类和预测。我问一个问题，大家可以举手表示。你们回到企业里面，随便挑一个客户出来，能不能清晰的看到这个客户的状态？状态的意思是说有可能这个客户过两天就跑掉了，但现在还在，你能看到吗？能看到举手，好像不到1%。
然后就是，你能不能看到你这个客户处于磨合期，他现在磨合的不爽，你要引导他，可能不知道。或者说你知道这个客户现在处于成长期，他特别兴奋，跟谈恋爱一样，属于蜜月期，能不能趁热打铁多卖几个产品？那就是交叉销售，能不能通过他的行为、爱好做精准的关联推荐和个性化推荐等等，这是要解决这个问题。所以这是我举例的，怎么通过做客户生命周期管理的缩影。
合理的组织架构和团队
刚才说的解决方案是组织架构的问题，这个是非技术的问题，但是它很重要。这里面有两个负面案例，估计现在很多企业都是这种架构的。
第一个是什么呢？上面这个组织架构一，每个事业部里面，或者每个部门里面都有数据团队，大家觉得很自然，没什么问题，它的问题在于什么呢？数据各自为政，可能不同部门的数据仓库标准都是不一样的，没法做关联，数据资产就流失了，因为没关联在一起。
第二种案例是什么呢？所有数据都放在一个中央级的数据部门里面，进行集中化管理。这种结构有什么问题？距离不能产生美吧，业务部门觉得你这些数据部门高高在上，也不了解业务，你们天天就是一个存储部门，数据就变成存储部门，发挥不了价值，所以这两个组织架构是最常见的。如果你真的要实施，组织架构至少需要一些微调。
首先要设立一个中央级的数据部门，第二是每个事业部里面都有数据团队，他们分工是有差异的。中央级的定位更多是数据的整合、公司级数据产品的建设、平台的建设、计算能力的建设等等。事业部门更多考虑，公司级资产怎么在业务部门怎么快速响应业务需求，推动业务的发展。
当然还有一个很重要的角色是CDO，他管这个部门，能够向老板汇报，这样一方面可以让大数据在决策层发挥威力。第二方面，刚才我说了大数据整合有很多部门层，如果level不够高的话，很难推动。这是我十几年来的工作感悟，用20分钟的时间给大家汇报一下。
最后，快速的跟大家总结一下我们的建议：
第一个，尽可能获取相关的数据，越多越好。
第二，从战略上做好规划，切入有利于业绩提升的场景，做助手而不是取代人，它的定位是助手。
第三，集中+分布式的策略。
谢谢各位！
本次活动其他演讲嘉宾：
中欧国际工商学院经济学与决策科学教授 方跃
京东万象总经理杜宇甫
TalkingData首席布道师 鲍忠铁
天云CEO 雷涛
商汤科技联合创始人 徐冰
注：以上所有内容由数据猿编辑整理并发布，更多内容请关注数据猿获取实时动态。
获取演讲嘉宾干货PPT请关注数据猿微信公众号【datayuancn】并回复关键词“傅志华”即可
— 活动宣传片欣赏 —
推荐阅读：
责任编辑：
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。
今日搜狐热点