京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据变现?传统企业发展大数据勿舍本逐末
在互联网、移动互联网行业,数据变现高大上一些的定义,就是通过数据驱动某种业务模式,比如互联网金融,再或者O2O,企业级的如B2B电商。在这种商业模式里,数据是核心。
那么传统企业呢?再造一个商业模式,或者是直接卖数据?这两个思路恐怕都有问题。
根据测算,一个省级电信运营商,数据变现带来的收入一年约5000万元,这对于该省级运营商来说可以“忽略不计”。因此,一个省级电信运营商这么大的数据量,其变现产生的价值只是千万级别,对于其他传统企业来说,就更难通过变现赚钱了,能否cover成本还是问题。
思路决定出路。“传统企业建设大数据,进行数据资产管理,首当其冲的目标恐怕不是变现,而是企业内部的增值,怎么通过大数据的技术手段,为企业发展战略服务。”新炬网络董事EVP程永新建议。
这是传统企业发展大数据的“本”。也就是说,以数据驱动业务及企业战略的实现,从而为传统商业模式赋予新的生机。
事实上,笔者以为,企业IT建设的目的,从来就不是为了变现数据,而是为了更好地实现业务战略与企业战略。对内,就体现为强化增值的能力,包括风险管控,决策支持,优化成本等等各个方面。
共享:打通数据连接通道
对内增值,存在路径的选择。程永新认为,企业无论大小,最好的办法是业务驱动,而不是开始就做一个大的规划。因为如果没有很好的业务驱动,在增值的实现上,投入与产出的数据是不会好看的,“应该是需求驱动,慢慢做”。
对于企业增值来说,是重新定义企业的用户和产品视角。原来的用户是什么?原来的产品是什么?产品与用户是否是最佳匹配?应该如何重构他们,这些商业逻辑需要再思考。
数据增值,一种是把别人的数据买过来,但绝不是为了驱动企业主营业务,而应该进行跨界数据补全,比如企业做市场营销时数据可能不够,通过补全让用户画像更精准;或者是进行渠道商业分析,确定哪个渠道更适合企业的产品或服务。因此,构建企业数据管理平台的目的,是为了驱动企业的主营业务的成长。
过去20年,随着中国企业信息化建设的深入,数据逐渐成为企业重要的资产。如CRM系统,计费系统,ERP系统,以及各种应用系统的建设,在提升企业的业务与管理水平的同时,也逐渐积累了大量的业务、产品、服务、管理数据。这些数据收集后,企业开始在一定范围和深度上用于营销预测,财务分析,风险管控等各方面。
但是,“这些数据对企业的价值真正发挥出来了吗?我认为没有。”程永新认为,“很多时候,企业的数据仅仅分布在不同的系统里,企业缺少企业级数据中心,缺少企业级的核心应用,更不要说跨越企业边界。”
多年的烟囱式的信息系统建设,使数据沉淀在不同的应用系统及平台上,数据流动与共享艰难。但实际上,从资产的角度,数据资产具有传统资产所不具备的特质,那就是“分享产生价值”。
比如,传统的企业资产在某种意义上是独享的,但是数据资产可以共享,共享之后价值不仅不会降低,反而是上升的,如用户交易数据数据共享后,可能会产生新的场景新的应用。
当前,“连接”成为热词,但是最根本的连接是什么?是数据的连接!只有企业把内部数据的连接打通之后,数据才能发挥真正的价值,才是真正的数据资产。
然而问题来了,一方面企业要与外界广泛连接,一方面还要进行数据共享,另一方面又要保护消费者隐私,保护最终用户的隐私,保护企业的隐私,怎么解决这些矛盾?成为数据共享之路上必须解决的障碍。
从IT治理开始
新炬网络提出了数据资产管理的五星模型,据程永新介绍,分别是五个维度:数据架构驱动,数据治理,数据共享,数据资产增值以及场景变现。
笔者在此重点描述一下程永新介绍的五个维度涉及的IT治理问题。
第一个问题,专人负责数据。
一般来说,传统企业IT架构包括很多内容,有技术的,数据的,应用的,业务的,但是,企业真正投入在数据架构层面的,恐怕不多,不用说企业设有CDO的角色,恐怕连数据架构师都没有。无人对整个企业的数据负责,也无人对企业数据的安全性、一致性、完整性负责。
所谓数据架构驱动维度,就是用数据架构来驱动企业的IT治理的成熟度,首先需要从组织开始。一个强大的数据架构,需要一个强大的组织作为支撑,这就意味着要有专门的人来负责数据,把不同业务部门,不同系统的数据打通。
尤其重要的是,传统企业的IT的建设周期,从设计,开发,上线,运营,整个过程都有人管理。根据数据驱动的原则,在这个过程中,需要有专人把数据的规划,开发,集成,运营,管理起来。不是等到数据没地方放了,系统都运行十几年了,才去管理这些数据。
很多时候,IT开发是交付什么就是什么,应用建设成什么样就是什么样,应用建设是一竿子到底的,这是有问题的。比如互联网,为什么架构的弹性那么好,因为有人员的配比,基本上,开发人员与数据管控人员(DBA或数据架构师)是4:1,所以才能做到SaaS层与底层的PaaS层的数据分离。如果在这个环节没有人员的投入,很难保证有效性,如果所有的业务系统都是开发人员保证的,可以认为在数据架构层基本上是失控的。
第二个问题,数据的沼泽化。
数据怎么共享?所有共享来自于信任,对于企业来说,信任的基础是有一个共享的平台。程永新认为,数据共享会带来另外一个问题,也是当前国际数据治理领域比较关注的问题,就是随着数据量越来越大,会带来数据的沼泽化。
这涉及到数据质量失控、数据存在安全问题等等,也就是说,单纯的数据集中,可能只是第一步。因此,有CIO会发现一个数据共享中心的建设和运营成本会远远大于其带来的价值。
场景变现:跨界合作价更高
事实上,当企业的数据管理达到了一定的水平,数据已经具有了较高的价值时,变现依然是必要的。但是,也绝不是简单的卖数据。
对于绝大多数传统企业来说,跨界合作恐怕是最佳的途径。因为没有竞争关系的企业之间的数据打通与共享是比较容易实现的,但是如果几十数百家企业全部贯通,这就非常难。“就像今天我们推动自贸区建设,而不是全球化,为什么?因为全球化的愿景很美好,但是落地非常困难,因为不同国家的利益很难在全球范围得到平衡,而区域联盟比全球化更加务实。”
“所以,传统企业大数据的变现之路,就是跨界合作,就像区域合作一样。比如,如果把东方航空、太平洋保险、中国移动这三家企业撮合在一起,三家打通,数据的价值就已经非常大了,根本不需要打通几十家或更多,没有必要。而且最关键的是安全可控。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27