对于众多企业管理者来说，

是一个熟悉又陌生的概念。 在互联网行业蒸蒸日上的时代， 传统企业和互联网企业的管理者对海量的数据规模和其爆炸性的增速毫不陌生，但却对不同来源数据交叉形成的“大数据” 具有巨大的潜在价值这一事实将信将疑。 事实上， 大数据所积蓄的附加价值不仅超乎企业管理者的想象， 更将掀起一场在商业模式和决策上的管理变革。

什么是大数据？数十年来， 信息产生、 组织和流通方式革命性的变化， 其中个人用户第一次成为信息产生和流通的主体。QQ/MSN 聊天、 网络购物、 信用卡支付、 发微博等一切人们日常生活中的这些行为都将转化为数据存储在世界的各个角落。不论是产生的信息量， 可以获取的信息量，还是流通交换的信息量， 都一直呈指数增长。 数据规模巨大且持续保持高速增长是大数据的第一个特征。 然而， 在数据规模爆炸性增长的同时， 数据产生的附加价值却似乎没有与之同步增长。 我们认为， 这种滞后情况的症结在于缺乏从海量数据中挖掘价值的高效算法和技术人员。 对于真正的大数据， 其价值的增长应该正比于规模的增长， 甚至快于规模的增长。 我们要找到并实现数据之间一加一远大于二的价值， 其间最关键的问题要发挥数据的外部性， 譬如国家电网智能电表的数据可以用于估计房屋空置率， 淘宝销售数据可以用来判断经济走势……以用户为中心， 结合用户在不同系统留下的数据， 充分利用个性化的数据挖掘技术，是实现通过数据交叉而产生巨大价值的最可行的途径之一。

综上， 大数据要求数据能充分发挥其外部性并通过与某些相关数据交叉融合产生远大于简单加和的巨大价值。 大数据时代营销变革 在大数据时代， 个性化将颠覆一切传统商业模式， 成为未来商业发展的终极方向和新驱动力。 大数据为个性化商业应用提供了充足的养分和可持续发展的沃土， 如基于交叉融合后的可流转性数据、 全息可见的消费者个体行为与偏好数据等等， 未来的商业可以通过研究分析这些数据精准挖掘每一位消费者不同的兴趣与偏好， 从而为他们提供专属的个性化产品和服务。

然而，纵观整个中国互联网， 我们拥有海量规模的大数据却与个体消费者针对性需求存在着巨大的鸿沟。 现今， 每一个企业对其用户的了解都是片面的或者单个维度的。 例如， 卖运动装的网站 A、 卖休闲装的网站B 和卖包的网站 C， 都了解用户在自己网站的偏好， 但却无法了解用户在自己网站外的行为和偏好。 试想一下， 如果网站 A 能够了解它的用户在网站 B 和 C 上的兴趣（比如非常喜欢紫色的休闲衣服和包） ， 就可以更加精准地为该用户提供 TA 可能也会喜欢的运动装。 这不仅能增强了网站的转化率， 也可大幅改善了用户体验。 一旦打通消费者在多个领域内（比如购物、资讯、 交友、 娱乐等） 的数据， 就可以通过大数据构挖掘建消费者全面的兴趣图谱。 实现这样的营销变革首先就需要解决大数据的信息” 孤岛” 问题， 从海量数据中分析与挖掘出最贴近用户需求的特性参数， 从而提供基于大数据的个性化推荐服务， 促进用户消费。对于大数据这个专业领域， 国外相关的研究已较为成熟， 但在中国基本却是一片空白。

成立于 2009 年 7 月的百分点公司的业务模式类似于硅谷的 RichRelevance、 Baynote、 Choice Stream、 eXelate、 Brilig、 Bluekai 和欧洲的 Strands， 它很好地解决了以上所说的大数据的信息“孤岛” 问题。 百分点公司的客户数量达到 550 家以上， 包括 450 家电商和 100 家媒体及社交网站， 同时还拥有 1. 5 亿独立用户。 企业通过百分点产品获得了 客户、 用户以及增值服务商三方的信息资源时， 也获得多个终端的消费者偏好数据与营销数据的集中化管理，实现了跨网站、 跨渠道、 跨终端的信息融合与综合利用。 大数据时代管理挑战 使用大数据并非要求企业掌握更多更好的数据， 而是要求企业能够有足够的领导力， 清晰地定义对数据的需求。 这也对企业管理提出了 5 点挑战。 定义清晰数据需求的领导力。 有些人认为大数据时代意味着不需要人们的经验、 直觉和视野。 恰恰相反， 大数据时代所需要的商业领袖是那些能够发现商机、 开拓市场、 有敏锐创新思维并说服员工投入其全新想法的领导者。未来十年确保企业成功的重要因素是有一个这样的领导者， 并且能针对企业的众多管理决策做出变革。

对处理大数据技术的理解。 处理大规模、 多形式数据的技术和工具在近年来发生了很大的变革。 普遍来说， 这些技术和工具并非昂贵到让人望人生却， 而且不少团建都是开放性的(open source) 。 最常用的是

一个在大型、 廉价的硬件设备上提供运行应用程序的框架 ， 也在其平台上提供分析数据的工具。 这些新的技术和工具对大部分企业的科技部门提出了新的要求， 特别是对内部和外部数据的整合。 虽然数据技术并不是大数据战略中最重要的部分， 但是确实却不可少的。 对数据技术人员的管理。当数据变得更加便宜的时候， 数据技术人员的价值就更为凸显。其中最重要的是能够处理大数据的“数据科学家” 。 对于数据科学家来说， 统计技术是必不可少的， 但是处理大数据的核心技巧并不能在传统统计课程中学到。 比统计技术更重要的是清理和组织大型数据的能力， 因为大数据时代的数据格式往往是非结构化的。 最好的数据科学家是那些能够懂得“商业语言” ， 帮助领导者从数据的角度理解企业所面临的挑战， 这样的人才无疑是千金难求的。

数据如何满足不同部门的决策需求？一个高效的企业需要把信息和决策分配给不同的部门。 大数据时代面临的挑战是， 信息被创造出来后， 不知道该用在哪个部门。 一个有领导艺术的领袖会创造一个灵活的组织架构， 以最大化企业跨职能的合作。 领导者需要为各部门进行决策的人提供合适的数据和懂得相关技术的专家。 避免迷信数据的企业文化。 一个迷信数据的企业总是问“我们有什么数据” ， 而不是“我们存在什么问题” 。 这既需要企业避免“拍脑袋” 和依靠直觉的决策方式， 也需要迷信数据的坏习惯。我们经常看到企业高管的报告中使用各种数据支持他们已经拍脑袋决定的事情。

注:图片和视频均来自网络