作为数据从业者,有时候也会被大数据所“迷惑”。究竟何为大数据,数据的价值体现在何处,有哪些值得借鉴的成功模式? 恰逢最近在看《大数据管理——企业转型升级与竞争力重塑之道》一书,文章从大数据驱动决策、大数据优化管理、大数据智慧营销、大数据发现创新、大数据推动转型、大数据保障安全六个维度全面分析了大数据对传统企业的应用价值。提供可借鉴的案例和深度有格局的思考,内容深入浅出、通俗易懂,值得推荐。
维度一:大数据驱动决策(敲黑板:重点!) 数据对决策的指导意义。多维度和大数据的数据来保证数据的质量,让数据模型的数据基础坚固牢靠;大数据帮助C端消费者快速决策,帮助企业决策者拿到的数据分析更全面可靠。
数据支持决策的六大内容。实现数据驱动决策的基础在于建立数据文化,在企业自上而下地建立起“决策要通过数据来说话的文化”。具体哪六大内容,数据支持决策,在企业中的核心内容就是数据管理投资决策、数据驱动效率提升、数据驱动营销管理、数据驱动安全管理、数据管理员工绩效、数据管理价值链。 企业决策机制变革。如何理解大数据引起的变革。因为大数据可以帮助企业了解自身运营状况,大数据提供决策支持的能力远超传统的基于经验的决策模式,大数据可以客观衡量业务发展、风险控制。大数据如何支持不同类型决策要求?一是通过静态描述性数据反映企业状态;二是通过静态的诊断性数据发现和判断运营中的问题、机会出现的原因;三是通过动态的预测性数据对运营进行预测;四是使用动态指导性数据,解决企业应该做什么的问题。(就是彼得·德鲁克所说的“做正确的事”) 其实大数据驱动决策最终还是需要有落地的方案和系统。比如以下的几个方案,方案细节不做描述,只展现成果,欢迎探讨。
维度二:大数据优化管理(敲黑板:重重点!) 数据对企业管理的影响力。企业管理主观范畴内,大数据可促进企业的战略管理;企业管理客观范畴内,大数据可优化营销、研发、供应链、人力资源、财务、信息技术、法务等管理。例如大数据可实现精准营销;缩短新药研发周期,提高新药研发成功率;提高招聘过程的严格性、绩效考评的客观性、薪酬管理的科学性;优化会计管理、成本核算、预算管理和企业数据资产估值;优化IT设备的使用,提升设备对企业、用户的价值;提高企业财务反腐的高效性和可控性,增强IP(知识产权)保护的可操作性以及发掘出法务部门新的业务点:业务经营产生的数据的所有权。 从信息化到自动化。先后四次工业革命(第四次是2013年开始的工业4.0),生产方式四次大转变。工业革命、互联网革命、工业互联网这三波互联网浪潮依次来临,我们正处于工业互联网大浪潮之中,前所未有的机遇与挑战并存。Sensor(传感器)、Embedded System(嵌入式系统)、PLC(可编程控逻辑制器)、DCS(分布式控制系统)、SCADA(监视控制和数据采集系统)、DNC(分布式数字控制)、MES(制造执行系统)有巨大的潜力,他们本身可以产生大量的数据。工业互联网促使这些历史沉淀下来的设备重新被部署成网络,联合起来干大事。
两化融合,企业数字化。把握大数据动向:一纵一横一汇聚,企业纵向充分集成——产品生命周期的环节之间、部门之间、下级单位之间、系统之间、虚拟世界和物理世界之间,横向也充分集成——企业与用户、供应商、合作伙伴之间,数据在所有环节都畅通无阻,始终被高效使用。 管理者常见问题。企业管理者自身也要思考,什么才是自己的大数据,这些大数据怎么产生,怎么维护,怎么使用,带来什么价值。企业数字化,管理者多多思考是必要的。 维度三:大数据智慧营销 收集大数据,了解用户。通过搜集、整理我(第一方)、你(第二方)、他(第三方)三方企业的数据,建立精准的用户画像,为精准的市场营销奠定基础。 利用大数据,精准营销。利用大数据大数据,通过锁定人群精准引流、按需转化、跨界营销四步走进行精准营销,将潜在客户群扩大并转化为真正用户。 丰富大数据,长期联系。利用大数据,通过招募会员、互动深知、多次转化持续手机用户相关资料和用户互动数据,减少成本和提高转化率。 大数据与物联网结合。物联网把新一代IT技术充分运用在各行各业,大大地拉近产品服务商与用户的距离。为B2C和B2C领域正在提供着个性化的精准服务,开创更加精准的数据智慧营销新天地。 维度四:大数据发现创新 大数据引导产品创新。大数据正在驱动保险产品创新、医药产品创新、创意创新、人工智能创新。 定制个性化产品。大数据推动着个性化服务、个性化产品和3D打印,大数据+物联网是标准化产品有个性化体验。 驱动生产供应链创新。一直以来,供应链的管理都是一门非常复杂的学科,从销量的预估到原材料的采购、生产计划的制定、生产线的管理、产品质量的监控、库存的管理、用户订单的处理、仓储运输的计划运营,一环紧套一环,紧密相连,互相影响因素非常多。对于这种复杂的流程,人工管理已经很难做到优化了。而利用大数据及现金的数据模型来分析、控制、监测、优化供应链则变成了最有效的方法。 1、利用大数据精确地预测需求,权衡采购和生产计划。需求预测是整个供应链的源头,其决定了整个供应链的计划,包括采购计划、生产计划、调货计划,也直接影响到库存策略、生产安排以及对终端用户的订单交付率。企业需要通过有效的定性和定量的预测分析手段,运用大数据将过去的历史需求数据和现在的市场有关因素相结合,对将来的需求作出准确预测。很多企业用大数据和多个数学模型试图解决这个问题,用多个“What IF”的预测模型来计算不同的突变因素对整个生产链、供应链的影响,以寻求最佳平衡点。 2、利用大数据优化库存,提高仓储运输效率。除了生产成本以外,库存成本、仓储运输成本通常是企业的成本大头。库存成本不仅影响仓储费用,还极大程度地决定了现金流和新产品上市的速度。不断优化库存、完善补货和库存协调机制,可以减少过量库存,降低库存持有成本。利用大数据分析来做库存管理,确保货品先进先出,通过改变仓库设计来减少产品报废、提高收货提货效率。利用大数据分析,还可以通过做SKU(品类优化)来给出产品停产建议,也可以通过提高运输效率,变革运输模式来达到零库存。 3、利用大数据提高生产质量,降低生产风险,提供及时检修。在农业生产、食品加工、生产流水线上应用大数据来控制生产经营,通过大数据分析预测,可以自动预测出产品质量、监控产品生产过程,大大提高产品的质量。在互联网和大数据推动下,不光在生产线上的设备维护可以预测,出售后的设备也可以通过远程数据采集、云计算来做维护的预测。生产厂家通过对数据进行采集分析,就可以提前预知哪些设备需要维护,及时维修。既增加了厂商维护收入,又提高了用户满意度和忠诚度。 4、利用大数据整体优化供应链。供应链是链条,环环相扣;供应链也是张网,错综复杂。大数据可以挖掘出供应链各因素之间的相关性和相关程度,给管理人员能提供实时数据和预测,帮助管理人员作出正确的决策;通过数据实时监控,作出实时的自动决策,指挥机器设备自动调节、工人工作指令优化;阶段性地利用大数据作绩效评估,找到薄弱环节,做流程改善或设备升级。 关于这个大数据驱动供应链创新,这里举俩“栗子”。
维度五:大数据推动转型 智慧制造(协同制造、个性化定制与产品服务化)。如何打通企业自身的信息化系统和产业链上下游不同企业的环节呢?一靠网络,二靠数据。网络就是互联网,通过互联网将人与人、物与物、人与物相连,构建生态系统;数据就是大数据,通过大数据的顺畅流动,交互升华完成生态系统的整合。 现代农业(精准农业、农业电商、农产品全程追溯)。工业的今天就是农业的明天,随着农业的关注点从农产品生产环节逐步扩展到流通、消费环节,农业势必会向智能化、移动化、个性化、服务化和精细化的方向发展。农业大数据的可靠来源(手工方式以外),是管理信息化与成产自动化背后的各类系统和设备。农业的管理信息化和生产自动化需要依靠互联网相连接。互联网与大数据打通工业、农业全产业链,推动两化融合,推动农业向精准农业方向转型,走农业电商之路,实现农产品全程可追溯。
智慧能源(预测性维护、能源互联网与消费端大数据挖掘)。大数据广泛存在于能源行业的各个环节。大数据推动以油气和店里为代表的能源行业向节能、高效、智能、互联方向转型。
智慧医疗(就医体验优化、诊疗水平提升与设备智能化)。大数据通过对医疗机构、医药、医疗设备、医疗报销的数据分析支撑,优化就医体验,提升诊疗水平,提高设备智能化水平,推动医疗保险普及。 维度六:大数据保障安全 通过大数据来预测并提前避免安全事件的发生,强化社会安全管理;通过大数据来完善人身安全保证,实现预测性维修,促进企业安全管理;通过大数据技术监控用户操作行为,发现潜在攻击,提前预警安全风险,促进企业从被动防御性的管理向主动监控、快速响应的模式转变,完成企业信息安全管理体系变革;银行、政府、第三方消费平台等,利用大数据技术来判断用户行为的合法性,甄别网络诈骗和可以汇款,保证个人大数据安全;尽管在处理安全问题上,大数据分析应用程序的效果很显著,但大数据的发展也带来了管理安全的挑战,需要我们不断努力,保护大数据安全。 大数据实施框架性建议 关于企业实施大数据,本书作者给出了几条大数据的实施建议。一是建立企业数据文化;二是建立企业数据战略;三是建立企业数据组织能力;四是选择合适的技术平台;五是建设节奏要切入点有效,小步快走;六是大数据建设心态要平和,不断进步。 遗憾的是,本书直至最后也未明确列出一个详细的大数据方案,确实,如今多数企业仍旧在摸索阶段,对于大数据无论是技术、方案、商业模型借鉴有待思考和推敲。 纵观全书,关于企业和大数据,我一直认为数据没有大小之分,关键在于利用,商业价值大了即是所谓的大,利用小了也未必称之为小。关于企业的数据实施的方案,读者们可以翻翻看专栏中的其他文章或者与我留言,欢迎与我探讨。
文|Captain
本文出自帆软数据应用研究院
— 帆软数据应用研究院 — 帆软数据应用研究院专注于企业的数据应用研究,致力于让数据成为生产力。主要分享行业趋势、市场动态、理论观点以及企业的数据应用实践案例。
|