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
在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07