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
在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07