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
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21