大數據價值主張

⑴ 大數據發展趨勢推動渠道未來技術和服務

大數據發展趨勢推動渠道未來技術和服務
在大數據時代，最受渠道歡迎的兩大技術就是存儲和備份，包括產品和服務。企業利用這些設備和技術可確保在需要的時候完成關鍵任務，歸檔和數據非結構化處理。但這些技術存在的問題是，他們中保存的數據是無益的。
換句話說：存儲數據使企業花錢且徒勞。
進入大數據時代，很多供應商充分利用大數據趨勢將競爭產品和服務推向市場。有人說，大數據只是一個重新包裝的數據挖掘和商業智能分析，在一定程度上，這是真的。這也反映出企業不能再承受閑置數據的成本。
處理數據已經是一門大生意。根據德勤數據顯示，企業軟體銷售總額今年將超過270億美元，大約有四分之一來自於大數據，企業資源管理和商業智能。
大數據的目標相對簡單：充分利用存儲數據中被閑置的、非收益性質的數據來預測業務發展趨勢，發掘新的機遇，並推動更高水平的銷售。此外，大數據是更多是降低風險，同時使企業管理者更好地了解他們的經營環境以做出更明智准確的業務決策。
解決方案供應商可能會認為大數據是專向大型企業，學術機構和政府機構的。在今天，這個假設可能是正確的。然而，供應商，包括IBM,甲骨文公司和微軟公司都在用裝置和應用程序推動商業分析和大數據進一步下沉市場，使處理數據和大量生產可操作情報成為一項簡單工作。
大數據即大商機。如今占據市場領先端位的是「大數據波」,它的影響力范圍和潛力甚至會超過雲計算。在渠道方面，大數據的產品銷售，專業服務和價值主張將產生深遠的影響。以下五個大數據的發展趨勢，將對渠道在未來十年的技術和服務銷售形成推動：
1、數據整合，重組和清理手段
任何人在處理數據和分析數據之前，他們必須有正確的數據且知其所在。聽起來很合理的，對不對？不幸的是，存儲的數據看起來像成堆的報紙和空箱子上一集「囤積」的構造。所以大數據銷售始於幫助企業識別數據，消除冗餘，優化文件系統，並確保可分析在哪裡可以找到信息。如果沒有數據，將沒有分析。
2、硬體銷售將渠道導向大數據
看上去似乎大數據在最初推動更多的將是硬體銷售。對大容量的非結構化數據進行分析是處理力，存儲容量和I / O速度的一個因素。解決方案供應商可能會發現企業 - 尤其是大企業–對可以處理大數據負載的高性能設備或集群伺服器求之若渴。即使大數據作為雲服務提供，這也將需要在大量新的硬體上運行所有分析工作的負載。
3、存儲和商業智能將合並
存儲和備份供應商通常愛討論其性能，對信息的保護和利用力。存儲是關於容量和管理效率，畢竟，存儲和備份供應商及雲文件共享服務正在發展存儲行業以達成合作或提供大數據產品和服務。他們認識到單憑數據不再能坐的穩牢，開始計劃鞏固並提升他們目前作為大型數據存儲庫供應商的地位，使現有存儲業成為誕生新一代大數據的基礎。這將極大地改變存儲廠商性質和他們的渠道架構。
4、對安全的需求將拉動大數據的增長
在當今的雲和分布式企業時代，真正的大數據需要開放的數據存儲以適應越來越多的內部組成，應用程序，託管資源和第三方專家。隨著越來越多的人和自動化資源接觸到數據，那麼安全風險和漏洞將會激增，則與大數據相關的安全需求將同步增長，提供訪問控制，身份認證，數據加密，入侵預防，審計和調整等服務。目前，安全技術的需求已隨雲計算的成長在增加。未來幾年內，大數據亦將成為促進安全技術及專業支持的催化劑，預計這將在安全市場上有100萬美元以上的空間。
5、商業管理「成為一種服務」
大數據是關乎商業，更具體地說，是關乎管理 - 前GE CEO傑克@韋爾奇有一段著名的引述說，「不可測量則不能管理」.大數據則有著超越測量，且完成預測分析的更佳表現。大企業的通過自己進行這類業務來展示技術和能力是受限的。在今天，他們對分析師和定量專家進行投資；明天，他們將由對技術和分析的需求轉向IT解決方案供應商。那麼，解決方案的供應商通過其提供大數據預測分析，降低經營風險的專業服務，在未來十年中將開拓一個利潤豐厚的市場。

⑵ 大數據時代下的傳統企業互聯網化

大數據時代下的傳統企業互聯網化
繼烏鎮世界互聯網大會後，《2015中國互聯網經濟論壇》在北京如期舉辦，大會圍繞「企業的價值主張」，邀請業內領袖人物和資深專家，深入探究互聯網新業態下，公司的創新理念、模式及其理想、願景，兼論互聯網的技術化、工具化、普遍化、人文化與證券化。同時，就目前行業普遍關注的人工智慧化、不同產業間的合並和整合、轉型階段的驅動力等問題給予解答。瑞金麟集團聯合創始人、雲像數字CEO 安士輝受邀出席，在主論壇現場分享《大數據時代下的傳統企業互聯網化探索》的主題演講。
中國傳統經濟和互聯網的結合，在過去兩三年發生了根本性的變化。特別從2013年開始大數據的興起發生了根本性的變化。2013年之前互聯網在中國更多的體現是以信息，以人的互聯互通為核心。從2013年開始互聯網更多的體現就是跟傳統結合，這里產生了互聯網醫療、互聯網金融、互聯網地產、互聯網出行等，跨界之間的融合開始加速，實際上邊界已經開始消失。對行業現狀的剖析，安士輝歸納為三個關鍵點：1、2014年後傳統力量崛起，產業互聯網和金融結合的創新模式越發緊密;2、創新速度加快，各行業窗口期再縮短，以天衡量創新速度; 3、企業互聯網化結合最大的難點不是商業模式和技術手段，而是業務管理更迭、組織裂變和人才自發光的匹配性，因為這是動刀子，職業經理人也不願意去冒險。
「基於這些，我們認為目前傳統企業跟互聯網結合最大的幾個點，更多的是消費的場景，從線上線下開始融合，然後跟碎片化和場景化結合在一起。在盈利模式上，企業需要從製造利潤向服務利潤，從服務利潤向數據利潤，向平台利潤轉型。」安士輝表示，傳統商業模式已不再適用，需要重新定義企業的資產和商業模式。在顛覆的時代下跟互聯網結合，形成跨界的團隊，最終通過三個步驟進行互聯網化路徑的延伸：一是傳統企業內部價值鏈的碎片化，就是數據化，企業可以用信息流、物流、資金流，可以用數據完全進行延伸;二是在數據的基礎上跟企業價值融合，形成片斷化的優化;三是在此基礎之上，有些傳統企業升級為平台化企業。
關於傳統企業如何快速地適應、轉型數字化，安士輝認為，傳統企業互聯網化的改造，最難的不是方法論，最難的不是技術支撐，最難的其實是來自於企業內部。沒有傳統的產業，只有傳統企業，沒有傳統的企業，只有傳統的老闆。「我們公司做六年多的時間，我們幾乎每周快速的更迭和創新，如何利用大數據來支撐你的業務創新，創新和變化是永恆的主題，最大的不變就是變化。」 安士輝分享道。
在過去的一年中，安士輝帶領雲像數字利用自身技術，將零散的信息充分整合，推動了企業商業模式的創新和產業鏈的升級，為我國互聯網企業與傳統企業互利共贏做出貢獻。

⑶ 京東時尚最大返點力度有多大

京東時尚日前宣布推出首個商家分層與激勵方案，在女裝和童裝品類試運行。同時，京東時尚還推出了商家激勵政策，商家通過倍返廣告費來獲得廣告費折扣，最大返點力度可達到1折，有60%以上的優質商家可以獲得獎勵，並且可以實現每月以虛擬金的方式充值至京准通賬戶。

在發布會上，京東提出了第三方平台生態的三大價值主張：1、時效優先和站外流量優先的平台流量價值主張。2、大數據與平台共同篩選和品質認證公開透明化的平台品質價值主張。3、重點提升店鋪綜合服務能力的平台服務價值主張。

同時，京東正式宣布成立京東時尚科技研究院，綜合AI平台與研究部、大數據平台、平台ARVR業務部三大核心技術板塊賦能時尚品牌商。據稱，京東AI時尚大賽已經正式開始，正在報名中。

胡勝利表示，希望京東能夠為美麗的時尚產業提供更加健康的面向未來的成長平台，讓每個時尚品牌都能夠在京東平台上「各美其美，美人之美，美美與共，天下大同」。

⑷ 大數據和人工智慧在互聯網金融領域有哪些應用

大
數據從四個方面改變了金融機構傳統的數據運作方式，從而實現了巨大的商業價值。這四個方面（「四個C」）包括：數據質量的兼容性
（Compatibility）、數據運用的關聯性（Connectedness）、數據分析的成本（Cost）以及數據價值的轉化
（Capitalization）。


大數據在金融業的應用場景正在逐步拓展。在海外，大數據已經在金融行業的風險控制、運營管理、銷售支持和商業模式創新等領域得到了全面嘗試。在國內，金
融機構對大數據的應用還基本處於起步階段。數據整合和部門協調等關鍵環節的挑戰仍是阻礙金融機構將數據轉化為價值的主要瓶頸。


數據技術與數據經濟的發展是持續實現大數據價值的支撐。深度應用正在將傳統IT從「後端」不斷推向「前台」，而存量架構與創新模塊的有效整合是傳統金融
機構在技術層面所面臨的主要挑戰。此外，數據生態的發展演進有其顯著的社會特徵。作為其中的一員，金融機構在促進數據經濟的發展上任重道遠。

為了駕馭大數據，國內金融機構要在技術的基礎上著重引入以價值為導向的管理視角，最終形成自上而下的內嵌式變革。其中的三個關鍵點（「TMT」）包括：團隊（Team）、機制（Mechanism）和思維（Thinking）。

1.價值導向與內嵌式變革—BCG對大數據的理解

「讓數據發聲！」—隨著大數據時代的來臨，這個聲音正在變得日益響亮。為了在喧囂背後探尋本質，我們的討論將從大數據的定義開始。

1.1成就大數據的「第四個V」

大數據是什麼？在這個問題上，國內目前常用的是「3V」定義，即數量（Volume）、速度（Velocity）和種類（Variety）。


雖然有著這樣的定義，但人們從未停止討論什麼才是成就大數據的「關鍵節點」。人們熱議的焦點之一是「到底多大才算是大數據？」其實這個問題在「量」的層
面上並沒有絕對的標准，因為「量」的大小是相對於特定時期的技術處理和分析能力而言的。在上個世紀90年代，10GB的數據需要當時計算能力一流的計算機
處理幾個小時，而這個量現在只是一台普通智能手機存儲量的一半而已。在這個層面上頗具影響力的說法是，當「全量數據」取代了「樣本數據」時，人們就擁有了
大數據。


另外一個成為討論焦點的問題是，今天的海量數據都來源於何處。在商業環境中，企業過去最關注的是ERP（Enterprise Resource
Planning）和CRM（Customer Relationship
Management）系統中的數據。這些數據的共性在於，它們都是由一個機構有意識、有目的地收集到的數據，而且基本上都是結構化數據。隨著互聯網的深
入普及，特別是移動互聯網的爆發式增長，人機互動所產生的數據已經成為了另一個重要的數據來源，比如人們在互聯網世界中留下的各種「數據足跡」。但所有這
些都還不是構成「大量數據」的主體。機器之間交互處理時沉澱下來的數據才是使數據量級實現跨越式增長的主要原因。「物聯網」是當前人們將現實世界數據化的
最時髦的代名詞。海量的數據就是以這樣的方式源源不斷地產生和積累。

「3V」的定義專注於對數據本身的特徵進行描述。然而，是否是量級龐大、實時傳輸、格式多樣的數據就是大數據？

BCG認為，成就大數據的關鍵點在於「第四個V」，即價值（Value）。當量級龐大、實時傳輸、格式多樣的全量數據通過某種手段得到利用並創造出商業價值，而且能夠進一步推動商業模式的變革時，大數據才真正誕生。

1.2變革中的數據運作與數據推動的內嵌式變革

多元化格式的數據已呈海量爆發，人類分析、利用數據的能力也日益精進，我們已經能夠從大數據中創造出不同於傳統數據挖掘的價值。那麼，大數據帶來的「大價值」究竟是如何產生的？


無論是在金融企業還是非金融企業中，數據應用及業務創新的生命周期都包含五個階段：業務定義需求；IT部門獲取並整合數據；數據科學家構建並完善演算法與
模型；IT發布新洞察；業務應用並衡量洞察的實際成效。在今天的大數據環境下，生命周期仍維持原樣，而唯一變化的是「數據科學家」在生命周期中所扮演的角
色。大數據將允許其運用各種新的演算法與技術手段，幫助IT不斷挖掘新的關聯洞察，更好地滿足業務需求。


因此，BCG認為，大數據改變的並不是傳統數據的生命周期，而是具體的運作模式。在傳統的數據基礎和技術環境下，這樣的周期可能要經歷一年乃至更長的時
間。但是有了現在的數據量和技術，機構可能只需幾周甚至更短的時間就能走完這個生命周期。新的數據運作模式使快速、低成本的試錯成為可能。這樣，商業機構
就有條件關注過去由於種種原因而被忽略的大量「小機會」，並將這些「小機會」累積形成「大價值」。

具體而言，與傳統的數據應用相比，大數據在四個方面（「4C」）改變了傳統數據的運作模式，為機構帶來了新的價值。

1.2.1數據質量的兼容性（Compatibility）：大數據通過「量」提升了數據分析對「質」的寬容度


在「小數據」時代，數據的獲取門檻相對較高，這就導致「樣本思維」占據統治地位。人們大多是通過抽樣和截取的方式來捕獲數據。同時，人們分析數據的手段
和能力也相對有限。為了保證分析結果的准確性，人們通常會有意識地收集可量化的、清潔的、准確的數據，對數據的「質」提出了很高的要求。而在大數據時代，
「全量思維」得到了用武之地，人們有條件去獲取多維度、全過程的數據。但在海量數據出現後，數據的清洗與驗證幾乎成為了不可能的事。正是這樣的困境催生了
數據應用的新視角與新方法。類似於分布式技術的新演算法使數據的「量」可以彌補「質」的不足，從而大大提升了數據分析對於數據質量的兼容能力。

1.2.2數據運用的關聯性（Connectedness）：大數據使技術與演算法從「靜態」走向「持續」


在大數據時代，對「全量」的追求使「實時」變得異常重要，而這一點也不僅僅只體現在數據採集階段。在雲計算、流處理和內存分析等技術的支撐下，一系列新
的演算法使實時分析成為可能。人們還可以通過使用持續的增量數據來優化分析結果。在這些因素的共同作用下，人們一貫以來對「因果關系」的追求開始松動，而
「相關關系」正在逐步獲得一席之地。

1.2.3數據分析的成本（Cost）：大數據降低了數據分析的成本門檻


大數據改變了數據處理資源稀缺的局面。過去，數據挖掘往往意味著不菲的投入。因此，企業希望能夠從數據中發掘出「大機會」，或是將有限的數據處理資源投
入到有可能產生大機會的「大客戶、大項目」中去，以此獲得健康的投入產出比。而在大數據時代，數據處理的成本不斷下降，數據中大量存在的「小機會」得見天
日。每個機會本身帶來的商業價值可能並不可觀，但是累積起來就會實現質的飛躍。所以，大數據往往並非意味著「大機會」，而是「大量機會」。

1.2.4數據價值的轉化（Capitalization）：大數據實現了從數據到價值的高效轉化


在《互聯網金融生態系統2020：新動力、新格局、新戰略》報告中，我們探討了傳統金融機構在大變革時代所需採取的新戰略思考框架，即適應型戰略。採取
適應型戰略有助於企業構築以下五大優勢：試錯優勢、觸角優勢、組織優勢、系統優勢和社會優勢，而大數據將為金融機構建立這些優勢提供新的工具和動力。從數
據到價值的轉化與機構的整體轉型相輔相成，「內嵌式變革」由此而生。


例如，金融機構傳統做法中按部就班的長周期模式（從規劃、立項、收集數據到分析、試點、落地、總結）不再適用。快速試錯、寬進嚴出成為了實現大數據價值
的關鍵：以低成本的方式大量嘗試大數據中蘊藏的海量機會，一旦發現某些有價值的規律，馬上進行商業化推廣，否則果斷退出。此外，大數據為金融機構打造「觸
角優勢」提供了新的工具，使其能夠更加靈敏地感知商業環境，更加順暢地搭建反饋閉環。此外，數據的聚合與共享為金融機構搭建生態系統提供了新的場景與動
力。

2.應用場景與基礎設施—縱覽海內外金融機構的大數據發展實踐


金融行業在發展大數據能力方面具有天然優勢：受行業特性影響，金融機構在開展業務的過程中積累了海量的高價值數據，其中包括客戶身份、資產負債情況、資
金收付交易等數據。以銀行業為例，其數據強度高踞各行業之首—銀行業每創收100萬美元，平均就會產生820GB的數據。

2.1大數據的金融應用場景正在逐步拓展

大數據發出的聲音已經在金融行業全面響起。作為行業中的「巨無霸」，銀行業與保險業對大數據的應用尤其可圈可點。

2.1.1海外實踐：全面嘗試

2.1.1.1銀行是金融行業中發展大數據能力的「領軍者」


在發展大數據能力方面，銀行業堪稱是「領軍者」。縱觀銀行業的六個主要業務板塊（零售銀行、公司銀行、資本市場、交易銀行、資產管理、財富管理），每個
業務板塊都可以藉助大數據來更深入地了解客戶，並為其制定更具針對性的價值主張，同時提升風險管理能力。其中，大數據在零售銀行和交易銀行業務板塊中的應
用潛力尤為可觀。


BCG通過研究發現，海外銀行在大數據能力的發展方面基本處於三個階段：大約三分之一的銀行還處在思考大數據、理解大數據、制定大數據戰略及實施路徑的
起點階段。還有三分之一的銀行向前發展到了嘗試階段，也就是按照規劃出的路徑和方案，通過試點項目進行測驗，甄選出許多有價值的小機會，並且不停地進行試
錯和調整。而另外三分之一左右的銀行則已經跨越了嘗試階段。基於多年的試錯經驗，他們已經識別出幾個較大的機會，並且已經成功地將這些機會轉化為可持續的
商業價值。而且這些銀行已經將匹配大數據的工作方式嵌入到組織當中。他們正在成熟運用先進的分析手段，並且不斷獲得新的商業洞察。


銀行業應用舉例1：將大數據技術應用到信貸風險控制領域。在美國，一家互聯網信用評估機構已成為多家銀行在個人信貸風險評估方面的好幫手。該機構通過分
析客戶在各個社交平台（如Facebook和Twitter）留下的數據，對銀行的信貸申請客戶進行風險評估，並將結果賣給銀行。銀行將這家機構的評估結
果與內部評估相結合，從而形成更完善更准確的違約評估。這樣的做法既幫助銀行降低了風險成本，同時也為銀行帶來了風險定價方面的競爭優勢。


相較於零售銀行業務，公司銀行業務對大數據的應用似乎缺乏亮點。但實際上，大數據在公司銀行業務的風險領域正在發揮著前所未有的作用。在傳統方法中，銀
行對企業客戶的違約風險評估多是基於過往的營業數據和信用信息。這種方式的最大弊端就是缺少前瞻性，因為影響企業違約的重要因素並不僅僅只是企業自身的經
營狀況，還包括行業的整體發展狀況，正所謂「覆巢之下，焉有完卵」。但要進行這樣的分析往往需要大量的資源投入，因此在數據處理資源稀缺的環境下無法得到
廣泛應用，而大數據手段則大幅減少了此類分析對資源的需求。西班牙一家大型銀行正是利用大數據來為企業客戶提供全面深入的信用風險分析。該行首先識別出影
響行業發展的主要因素，然後對這些因素一一進行模擬，以測試各種事件對其客戶業務發展的潛在影響，並綜合評判每個企業客戶的違約風險。這樣的做法不僅成本
低，而且對風險評估的速度快，同時顯著提升了評估的准確性。


銀行業應用舉例2：用大數據為客戶制定差異化產品和營銷方案。在零售銀行業務中，通過數據分析來判斷客戶行為並匹配營銷手段並不是一件新鮮事。但大數據
為精準營銷提供了廣闊的創新空間。例如，海外銀行開始圍繞客戶的「人生大事」進行交叉銷售。這些銀行對客戶的交易數據進行分析，由此推算出客戶經歷「人生
大事」的大致節點。人生中的這些重要時刻往往能夠激發客戶對高價值金融產品的購買意願。一家澳大利亞銀行通過大數據分析發現，家中即將有嬰兒誕生的客戶對
壽險產品的潛在需求最大。通過對客戶的銀行卡交易數據進行分析，銀行很容易識別出即將添丁的家庭：在這樣的家庭中，准媽媽會開始購買某些葯品，而嬰兒相關
產品的消費會不斷出現。該行面向這一人群推出定製化的營銷活動，獲得了客戶的積極響應，從而大幅提高了交叉銷售的成功率。


客戶細分早已在銀行業得到廣泛應用，但細分維度往往大同小異，包括收入水平、年齡、職業等等。自從開始嘗試大數據手段之後，銀行的客戶細分維度出現了突
破。例如，西班牙的一家銀行從Facebook和Twitter等社交平台上直接抓取數據來分析客戶的業余愛好。該行把客戶細分為常旅客、足球愛好者、高
爾夫愛好者等類別。通過分析，該行發現高爾夫球愛好者對銀行的利潤度貢獻最高，而足球愛好者對銀行的忠誠度最高。此外，通過分析，該行還發現了另外一個小
客群：「敗家族」，即財富水平不高、但消費行為奢侈的人群。這個客群由於人數不多，而且當前的財富水平尚未超越貴賓客戶的門檻，因此往往被銀行所忽略。但
分析顯示這一人群能夠為銀行帶來可觀的利潤，而且頗具成長潛力，因此該行決定將這些客戶升級為貴賓客戶，深入挖掘其潛在價值。


在對公業務中，銀行同樣可以藉助大數據形成更有價值的客戶細分。例如，在BCG與一家加拿大銀行的合作項目中，項目組利用大數據分析技術將所有公司客戶
按照行業和企業規模進行細分，一共建立了上百個細分客戶群。不難想像，如果沒有大數據的支持，這樣深入的細分是很難實現的。然後，項目組在每個細分群中找
出標桿企業，分析其銀行產品組合，並將該細分群中其他客戶的銀行產品組合與標桿企業進行比對，從而識別出差距和潛在的營銷機會。項目組將這些分析結果與該
行的對公客戶經理進行分享，幫助他們利用這些發現來制定更具針對性的銷售計劃和話術，並取得了良好的效果。客戶對這種新的銷售方式也十分歡迎，因為他們可
以從中了解到同行的財務狀況和金融安排，有助於對自身的行業地位與發展空間進行判斷。


銀行業應用舉例3：用大數據為優化銀行運營提供決策基礎。大數據不僅能在前台與中台大顯身手，也能惠及後台運營領域。在互聯網金融風生水起的當
下，「O2O」（OnlineToOffline）成為了銀行的熱點話題。哪些客戶適合線上渠道？哪些客戶不願「觸網」？BCG曾幫助西班牙一家銀行通過
大數據技術應用對這些問題進行了解答。項目組對16個既可以在網點也可以在網路與移動渠道上完成的關鍵運營活動展開分析，建立了12個月的時間回溯深度，
把客戶群體和運營活動按照網點使用強度以及非網點渠道使用潛力進行細分。分析結果顯示，大約66%的交易活動對網點的使用強度較高，但同時對非網點渠道的
使用潛力也很高，因此可以從網點遷移到網路或移動渠道。項目組在客戶細分中發現，年輕客戶、老年客戶以及高端客戶在運營活動遷移方面潛力最大，可以優先作
為渠道遷徙的對象。通過這樣的運營調整，大數據幫助銀行在引導客戶轉移、減輕網點壓力的同時保障了客戶體驗。


BCG還曾利用專有的大數據分析工具NetworkMax，幫助一家澳大利亞銀行優化網點布局。雖然銀行客戶的線上活動日漸增多，但金融業的鐵律在互聯
網時代依然適用，也就是說在客戶身邊設立實體網點仍然是金融機構的競爭優勢。然而，網點的運營成本往往不菲，如何實現網點資源的價值最大化成為了每家銀行
面臨的問題。在該項目中，項目組結合銀行的內部數據（包括現有的網點分布和業績狀況等）和外部數據（如各個地區的人口數量、人口結構、收入水平等），對
350多個區域進行了評估，並按照主要產品系列為每個區域制定市場份額預測。項目組還通過對市場份額的驅動因素進行模擬，得出在現有網點數量不變的情況下
該行網點的理想布局圖。該行根據項目組的建議對網點布局進行了調整，並取得了良好的成效。這個案例可以為許多銀行帶來啟示：首先，銀行十分清楚自身的網點
布局，有關網點的經營業績和地址的信息全量存在於銀行的資料庫中。其次，有關一個地區的人口數量、人口結構、收入水平等數據都是可以公開獲取的數據。通過
應用大數據技術來把這兩組數據結合在一起，就可以幫助銀行實現網點布局的優化。BCG基於大數據技術而研發的Network
Max正是用來解決類似問題的工具。


銀行業應用舉例4：創新商業模式，用大數據拓展中間收入。過去，坐擁海量數據的銀行考慮的是如何使用數據來服務其核心業務。而如今，很多銀行已經走得更
遠。他們開始考慮如何把數據直接變成新產品並用來實現商業模式，進而直接創造收入。例如，澳大利亞一家大型銀行通過分析支付數據來了解其零售客戶的「消費
路徑」，即客戶進行日常消費時的典型順序，包括客戶的購物地點、購買內容和購物順序，並對其中的關聯進行分析。該銀行將這些分析結果銷售給公司客戶（比如
零售業客戶），幫助客戶更准確地判斷合適的產品廣告投放地點以及適合在該地點進行推廣的產品。這些公司客戶過去往往需要花費大量金錢向市場調研公司購買此
類數據，但如今他們可以花少得多的錢向自己的銀行購買這些分析結果，而且銀行所提供的此類數據也要可靠得多。銀行通過這種方式獲得了傳統業務之外的收入。
更重要的是，銀行通過這樣的創新為客戶提供了增值服務，從而大大增強了客戶粘性。

⑸ 關於京東白條

「京東白條」，是京東推出的一種「先消費，後付款」的全新支付方式，在京東網站使用白條進行付款，可以享有最長30天的延後付款期或最長24期的分期付款方式，是業內第一款互聯網消費金融產品。 [1-2]
此後，「白條」還打通了京東體系內的O2O(京東到家)、全球購、產品眾籌，後來又逐步覆蓋了租房、旅遊、裝修、教育、婚慶等領域，從賒購服務延伸到提供信用消費貸款，覆蓋更多消費場景，為更多消費者提供信用消費服務。 [1-7]
中文名 京東白條 分 類 貸款 推 出 京東 性 質 一款互聯網消費金融產品
目錄
1 定義
2 進程
3 規模
4 涉足業務
5 申請條件
6 還款形式
7 爭議事件
定義編輯
作為消費金融行業領先品牌，2014年2月，白條在京東商城上線，為用戶在購物時提供「先消費，後付款」、「30天免息，隨心分期」服務，成為行業創新典範。
2015年，白條開始走出京東，以開放合作的姿態融入更多場景，為用戶提供信用消費貸款。目前包括與銀行攜手打造的白條聯名信用卡；與第三方商戶合作提供打「白條」分期旅遊、租房、裝修、購車、教育等服務，並設有專門為校園和鄉村人群提供的消費金融支持。 [5-7]
以用戶需求為出發的白條系列產品將會一如既往的不斷創新，通過信用增值服務，嵌入多元的消費場景，讓用戶的消費體驗更加便捷、流暢，讓未來現在就來 。
2016年白條開始去京東化策略，升級品牌並獨立域名。九月底正式推出線上線下均能任性使用的「白條閃付」產品。只要是在可以支持閃付的pos機商戶，將已開通白條閃付功能的白條添加到apple pay、華為pay、小米pay等手機錢包里，即可在全國千萬家商戶使用，吃喝玩樂線上線下，有白條的地方就有更好地生活。 [2-4] [8-9]
進程編輯
公開資料顯示，2014年2月，京東白條正式上線，為京東商城提供賒購服務。此後，京東消費金融風控體系一步步搭建，2014年9月，京東金融副總裁許凌提出了「風控驅動」、「場景驅動」的觀點。
2015年4月，白條開始走出京東商城，覆蓋了眾多線下消費場景，並被統稱為「白條+」。從2015年8月份開始，京東金融方面已經在考慮統一「白條」和「白條+」產品，並啟動白條品牌化的戰略。
2016年3月，京東金融發布了消費金融品牌戰略，宣布其消費金融業務將圍繞著「白條」品牌進一步走出京東，向更廣闊的消費場景拓展；同時，向全行業輸出白條核心能力，包括風控能力、系統性產品能力、品牌服務能力，從而進一步降低行業成本，提升全行業服務效
率。
許凌表示，「白條」的用戶定位為「奮斗的年輕人」，提倡「年輕不留白」的價值主張，旨在滿足用戶在不同人生階段和不同場景下的需求。未來將向全行業輸出白條核心能力，包括風控能力，系統性產品能力，品牌服務能力，從而進一步降低行業成本，提升全行業服務效率。
為拓寬融資渠道，擴大業務規模，陸續有互聯網消費金融機構和消費金融公司選擇ABS作為新的融資突破口。京東白條ABS產品，是用戶用白條先購物、後付款，京東再將白條分期債券重新組合後，打包出售給金融機構，從而提前獲得流動性。
目前白條ABS產品已經掛牌發行了四期，額度分別為8億、12億、20億、15億。同時白條ABS的發行流程也首次從過去的審批制改為備案制，這意味著未來白條ABS的資金流動速度將加快。
業內人士指出，新風控下的信貸能力是金融科技重要的表現，而資產證券化恰好是能體現這種信貸能力的最好表現方式。 [2-7] [10-14]
規模編輯
北京市政府組織的「供給側結構性改革、促消費穩增長」座談會上，劉強東透露，京東的消費信貸產品「白條」對於拉動消費效果明顯。北京地區白條用戶使用分期消費後，月消費金額提升97%。2015年北京地區的京東白條用戶累計透支消費30億元，預計帶來超過10億元的消費增量。
在京東2016京東周年慶典促銷中，京東金融也表示，80%的白條訂單進行了分期，白條用戶平均客單價是其他用戶的兩倍。2016年6月份，京東白條交易額同比增長600%，消費金融用戶同比增加700%，月均訂單提升52%，月均消費金額增長97%。
分析人士指出，未來幾年我國消費信貸市場規模將會維持20%以上的年復合增長率，到2020年消費信貸規模將超過35萬億元，巨大的蛋糕吸引了眾多巨頭加入消費金融行業。作為擁有大數據資源的互聯網企業，京東已經完成了在消費金融領域的布局，或將率先嘗到消費金融的甜頭。
在電商消費中，「白條」分期購物的習慣逐漸養成，更多的85後人群願意嘗試旅遊、教育、裝修等消費信貸分期。在用戶年齡方面， 85後佔比近70%，仍是主流；從收入看，月收入5000元以上的用戶佔比超50%，這意味著，「白條」已經成為中等收入群體的日常支付工具和消費生活方式。 [2-7] [14-17]
涉足業務編輯
作為業內第一款互聯網消費金融產品，起初「白條」僅提供給京東商城上的用戶購物使用，實際上是依託京東商城為用戶提供賒購服務。 2015年4月，「白條」打通了京東體系內的O2O(京東到家)、全球購、產品眾籌，後來又逐步覆蓋了租房、旅遊、裝修、教育等領域，從賒購服務延伸到提供信用貸款，覆蓋更多消費場景，同時為更多消費者提供服務。
2016年3月，京東金融推出了首款現金借貸產品京東金條，即為信用良好的白條用戶量身定製的現金借貸服務，是白條信用在現金消費場景下的延伸。
京東金條採用差異化授信和利率定價方式，提供最高授信額度20萬元、最長分期12個月的現金借貸服務，按天計息，日利率不超過0.05%。
2016年8月，白條並入京東錢包。白條作為京東錢包的一個重要頻道入口，從線上走向了移動端的更多場景，如北京地區崇光百貨、燕莎商城、京客隆超市等。
此外，白條還與中信銀行、光大銀行合作，推出聯名信用卡，又名「小白卡」。這是一款「互聯網+」信用卡，受到90後年輕人追捧，也是眾多年輕人的第一張信用卡，而這張卡進一步體現了白條在互聯網與銀行、線上與線下的信用連接器作用，專享銀行+互聯網的組合權益。 [2-7] [18]
申請條件編輯
京
東白條是業內第一款互聯網消費金融產品。「先消費，後付款」，享受最長30天的免息期、最長24期的分期付款。登陸tiao官網，或者京東金融APP-白條，都可以進入頁面自主申請激活。京東商城的用戶都有激活用於商城消費的「白條」的資格。 [14]
京東金融消費金融事業部風控相關負責人透露，消費金融業務沒有一筆授信需要人工審批，都是通過風控大數據模型來識別用戶。後台風控系統會根據購物習慣、信用狀況、收貨地址穩定程度等等，結合多種因素和數據去「識別」用戶，然後迅速給出「白條」是否可激活的評定結果。
大數據模型的評估基礎是用戶數據的累積，並且數據需要實時動態更新。所以，隨著大數據建模更加精準，用戶「白條」激活概率也會提升。目前，京東消費金融已經對接近2億用戶完成了信用評分。
關於白條提額問題，可以定期領取提額包，還有不定期的白條提額活動。保持良好的消費還款記錄，也可以獲得提額獎勵。 [2-7] [18]
還款形式編輯
如果不分期，京東白條可以30天後延期付款，不會產生費率。分期服務可選擇分3期、6期、12期、24期。費率標準是0.5%-1.2%，違約金費率為0.05%/日起。
可通過手機京東金融PC端和客戶端、京東錢包客戶端，tiao官網進行還款。 [14]
爭議事件編輯
關於京東白條的真實身份，長期關注互聯網金融的北京志霖律師事務所律師趙佔領認為京東白條和虛擬信用卡之間是有區別的，畢竟信用卡的發卡方對於消費者所購買的商品既沒有處置權，也沒有所有權，本質就是消費金融。但是京東白條與其不同。
消費者在京東商城購物，京東對於貨物本身是擁有所有權的和處置權的，可以選擇提供分期還款或者是30天還款。它實際上就是一種應收賬款，賣方就有權選擇用晚30天去付款，這個是他的權利。」
北京大學金融法研究中心孫天馳也表示，1.0白條雖然沒有提供金融貸款，但並不意味著它有理由脫離監管；在白條2.0情況下，消費者相當於無需去百貨商場的收銀台付現金，只需要跟收銀員打個白條就可以直接從商鋪處拿走商品，此時白條獲得的是一種瞬時的應收賬款請求權，即消費者應當向收銀台付款，白條2.0下的權利來自應收賬款請求權；3.0時代的白條已經脫離了京東平台環境，而是作為一款獨立的消費信用產品直接接入旅遊、裝修等各種消費場景。
平心而論，白條問世兩年來並未見重大風險，不管是白是黑，白條這只野貓都抓了不少老鼠。面對白條應當秉持開放包容的態度，不用帶著「唯牌照論」的有色眼鏡看白條，而是從交易結構本質和保護金融消費者權益的角度出發，規范、引導白條等新型消費金融產品健康發展。
銀率金融研究中心信用卡組分析師華明也曾指出，銀行之所以會叫停信用卡還京東白條，除了風險防護方面的考量外，互聯網金融對傳統銀行的沖擊也是原因之一。
而談及金融科技公司和傳統金融機構的關系時，京東金融CEO陳生強表示前者並不是一定要繞過傳統金融體系，更不是在「挑戰」傳統機構。金融科技公司一方面可以幫助傳統金融機構更好地服務現有用戶；另一方面，自己獲得用戶之後，再輸出給傳統金融機構，共同提供服務。 [2-7]

⑹ 大數據與更好的零售

大數據與更好的零售

敘說起來零售歷史經歷了幾個比較穩定的時期，但當中穿插了一些拐點或者說是——顛覆性改變。這些改變的核心無一例外都是數據：

首先，上世紀七八十年代EPOS的出現在品類管理發展中扮演了重要角色；

其次，在隨後的90年代零售商的忠誠度計劃或會員卡計劃創造了一個完全基於顧客洞察更好決策的營銷行業，美國的克羅格（Kroger）和英國的樂購（Tesco）在這方面引領全球零售行業；

第三，也是最近，電子商務革命為零售商提供了以前不可能獲得的數據及洞察——是關於顧客決策方面的。通過使用點擊流數據（Clickstream），在大多數時候，顧客是可以識別的，那麼品類就能了解當我買了產品C，我其實也看了產品A和產品B——這對銷售周期慢的行業來說是巨大的突破。另外，全渠道零售及社交媒體開辟了一個新的時代，讓顧客能夠佔有大量的信息去比較產品、服務及價格——即使他們可能最終還是在實體店購買。再一次，一個完全的行業出現了——通過顧客再定向（retargeting）技術及推薦引擎——電子商務可以做出實時的商業決策。

在21世紀的前幾年，大數據這個術語被用來描述整套新概念，比如很多的記錄（長數據）、很多的維度（寬數據）、文本或圖片（非結構化的數據）、實時或准實時（near real-time）。科技及社交媒體發展引發的大數據爆炸為零售商及品牌商提供了更多與顧客保持高度鏈接與做大生意的方式與方法。

所有零售的核心是為顧客創造更好的價值主張：無論它是為顧客省錢提供更低的定價，還是更與顧客相關的選品，更好的顧客服務，更有效的促銷，或者是更有效率的運營及配送等。

正因為有太多的新技術產生數據，有太多的新數據源，所以零售商必須要有一個框架去理解這些數據：購物之旅模型（the Shopping Trip Model）。購物之旅模型定義了產生數據的所有顧客觸點（touch point）以及觸點發生的場景（比如搜索、到訪/逛店、貨架取貨、支付、使用等等）。這樣，任何新的數據概念都會被理解為某些觸點的一個函數，有很多的觸點並且每一個觸點都會產生多種數據集。

舉例來說：

模型中的逛店（線上或線下）——就是指顧客在網站、在APP或者在實體店瀏覽的那些時刻里發生的行為。特別地，若是在實體門店，新興科技可以讓零售商了解顧客在門店裡怎樣逛，以及他們如何最終找到他們想找的商品。機場、酒店及餐館的WIFI應用相當普遍，在中國，門店裡WIFI 的應用也開始逐漸普及。這卻可能改變—最終的勝者可能是這樣一些數據收集技術——可能是beacon或其他基於藍牙技術的解決方案。無論誰將在技術上獲得統治地位，數據的機會依然一樣——只要具備了解顧客逗留時間及路徑的能力。如果能將逛店洞察通過顧客唯一識別碼（customer identifiable token）（如同自動登錄的APP）與取貨及支付等行為鏈接並分析，這將為零售商帶來真正的商業轉型。

那麼，這些數據到底怎樣落地並幫助零售商呢？以往的做法通常是，零售商給顧客打各種各樣的標簽（推斷或直接收集描述個人財富狀況、家庭狀況、購物行為等的數據）。然而，這只是管中窺豹。要讓數據能被實時使用，有必要在時間、地點及商品或品類等方面進行加強。

顧客可能對豆子價格敏感但卻願意花很多錢在護膚品上。一個上海的顧客可能周一到周五都在快節奏地工作但到周末會帶家人去購物中心度個休閑的周末，喜歡從容不迫地購物，所以，該顧客應該在那天受到特別對待。想想你該如何告訴門店導購使用顧客洞察。

未來五年，使用多種數據源來多維度了解顧客將會是零售業的標准實踐。那些取得大數據競爭優勢的公司將會是那些能在各種場景下准確描述顧客的公司。一旦擁有數據，差異化和個性化的可能性就只能是受制於該公司的想像力及基於顧客洞察的執行力。

千店千面或門店差異化（提供不同的促銷、個性化的定價、差異化的商品組合或者品牌體驗等等）給物流和運營帶來巨大的挑戰。未來幾年，會有零售商因為擁有數據能力從而可以為顧客提供個性化的購物體驗，但是卻缺乏運營能力來實施數據分析建議作出的改變。實際上，哪怕在今天，很多門店都知道調整一下晚上的選品就會有更好的銷售——商品調整的實施限制不在於能指導調整的數據洞察，而是在於貨架、場地空間或庫存控制等運營因素。與投資於數據同樣重要的是需要將門店智能化——讓門店能實時了解庫存狀況（可能是通過RFID）、物理屬性（溫度、照明、濕度等等）、門店員工（位置、語言、專長等）以及更為重要的到店顧客（畫像、購物偏好等等）。通過數據把「人（顧客）」和「場（門店）」鏈接就能為顧客提供個性化的購物體驗，從而差異化門店，無論是線上還是線下。

以上是小編為大家分享的關於大數據與更好的零售的相關內容，更多信息可以關注環球青藤分享更多干貨

⑺ 「大數據」的根本是為了價值創造

「大數據」的根本是為了價值創造

前面什麼是「大數據」我就很快的過一下，我們看到了「大數據」的一些想法。更重要的是我們怎麼看待「大數據」，怎麼影響到業務模式的變革，我們也會提到一些案例，我們看到我們的客戶在整個「大數據」的變革中會做一些什麼東西。在當中最重要的，剛剛吳老師也提到，不但是獲取數據，而是如何用它，不管是組織、流程、能力各方面怎麼做很好的准備，怎樣去挖掘這樣的一個機會。
首先剛才大家也提到了，現在進入到了一個「大數據」的時代，如果大家看我們這里做了一個很快的統計，在全球幾百個主要的媒體上面，看到在一些標題，或者是在一些主要的段落裡面，談到「大數據」的這個字的話，其實十年前就已經開始有了，但那時候還不是太多。其實在比如說2005、2007年的時候，看最火的字可能是電子商務，看得更加多。2001年時候看到的最多的字是雲計算。看最近兩三年，「大數據」就突然間增長的非常快了。當然不是說電子商務、雲計算已經落後了，這些還是經常看到的自眼，但「大數據」會看到非常高的比例。
「大數據」剛才大家都談到了一些不同的定義，「大數據」是什麼東西，剛才也提到了，其實十多年前、二十多年前，我們就已經會挖掘客戶的信息了，會做分析了。但是究竟「大數據」和以前有什麼不一樣?首先在量上面，是海量的數據，是本來一些的方法、工具，這些是分析不了的，是做不了的，這個量是非常多的。給大家一個概念，現在世界上所有的數據，90%是在過去兩年產生出來的，所以你會看到，我們的時間再過一年的話，信息量的增長完全是一個爆炸性的增長。比如說另外一個，可能剛才談到視頻分享網站，有人做過一個統計，比如說你現在坐在一個電腦面前一直看這個視頻的話，可能需要一兩千年才能夠看完。這些數據量這么多，當中對你有用的不一定會太多，怎麼挖掘海量的數據，這個量是一個很大的重要的一點。
除了以外，另外一點就是現在不同種類的數據，以前的話，可能在網上你看到了一些文字的資料，現在找東西的話，你會找圖片，會找不同的視頻，有時候還會有很多不同的模式，比如說你的PUO這些東西，或者是其他的很多不同的種類的信息，這個也越來越多。
其實很多時候，剛才已經提到了，我們要分析，客戶分析的數據不但是分析自己的數據，很多時候是要把怎麼樣和外部的數據結合起來。比如說大家一直可能會談到沃爾瑪，怎麼樣挖掘沃爾瑪自己的客戶，他買了什麼東西，對未來會買什麼東西做一個預期，或者是對未來的什麼折扣感興趣。但是有一個有趣的事情，沃爾瑪不但看自己的數據，還會把這些數據和天氣的數據放在一起看。比如說下雨的時候哪些貨品要多做一點，或者是有台風的時候，客戶會來多買什麼東西。把不同種類的數據和不同來源的數據做一個很好的分析的話，這個也是「大數據」時代的一個挑戰。
另外一點，在媒體裡面常常談到的「大數據」是實時，這個是很重要的，不但是量、種類，要實時的應對，比如說十年前客戶做調研和客戶細分，需要兩三個月的時間來做分析，來做出結果怎麼服務好客戶。但是現在客戶的需要已經不一樣了，怎麼實時給出應對是重要的一點。
其實我們對「大數據」的理解也有一定的定義，就剛才提到的，其中首先一點是怎麼樣收集，怎麼樣去分析，怎麼樣去理解這些大數據，這當然是很重要的一部分，這裡面很重要的一點，不單單是獲取，因為我們常常看到一些客戶可能覺得浪費時間，外面有那麼多的數據，怎麼多拿一點進來，但是更加重要的是你有沒有這個能力，怎麼用這個數據，這個能力非常重要。
這裡面提到兩個另外的點，一個是「大數據」不是為了獲取分析來做，更重要的一點是對於公司價值的創造，如果到最終這個數據你拿到了很多，分析了很多的數據，根本影響不了你的業務的話，這個也沒有什麼意思，所以價值創造是根本的一點。在這個過程中，我們相信「大數據」對業務的模式是一個很大的變革。所以我們在後面也會提到。
這裡面我們隨便看不同行業裡面的經驗。今天早上和一些同事聊的時候，大家也在談，其實「大數據」究竟對什麼行業有最大的影響呢?其實我覺得這個問題是很難回答的。因為我們看到很多客戶一直問我們「大數據」對他們有什麼影響，電子商務對他們有什麼影響。這裡面不單單是消費者的公司，或者是B2B的公司，或者是醫葯的種種的公司，主要是看怎麼應用「大數據」，一方面是他們的數據量，數據的來源越來越多了。還有就是剛才提到的，就是怎麼和外部的數據結合起來，做到對你業務有價值的幫助。現在價值創造往往上上億美元的收入，或者是成本方面的增長。
剛剛提到其實不同的行業裡面會有不同的應用，這一頁是我們幾個月之前做的，這上面可能有一些還沒有做「大數據」的公司現在已經開始做了，這個變化是非常快的。舉一個例子，一個保險（放心保）方面的，過去可能看不同人的年齡，以前開汽車有沒有遇到過意外，然後決定你的保險要付多少錢。現在是有一個儀器放你車裡面，看你開車是否安全，這個就可以給不同客戶更加個性化的定價。這個就是一個「大數據」的應用。另外一種，我覺得也很有趣的例子，大家知道現在是歐債危機，很多政府都遇到了這樣的挑戰，比如說義大利政府，義大利政府不但是考慮有沒有人逃稅，不但是要看報上來的數據，在法律允許的情況下，結合了很多消費的帳單、電話費的帳單，比如說你有沒有去外地旅遊等等，你沒有那麼高的收入，為什麼可以有這么高的消費，把這些數據和他們報上來的收入比較，發現20%納稅人是高風險的逃稅人。這個也是一個「大數據」的應用，不但是在業務裡面、商業裡面，也在政府裡面，很多行業裡面都會有不同的應用。
這裡面談一下背景，因為很多客戶常常問我們，什麼叫做商業模式，我們有沒有一個好的定義。這個也是我們很多客戶比較接受和認可的定義。商業模式，在這裡面有兩個大的方面，一個是價值主張，比如說從所提供的產品服務究竟是什麼東西，目標客戶群是誰，收入的模式，比如說定價、商業模式怎麼樣在裡面賺錢的，收入是怎麼樣來的，這也是一部分，我們叫做價值主張。
另外一方面是在運營模式方面，比如說在整個的價值鏈當中，怎麼控制這個價值鏈，或者我們在價值鏈的哪個部分去玩，其中組織的架構，也會影響到商業模式，最終也有成本的模型、成本了模式。我們對於商業模式的變革，商業模式的改造裡面，定義在這六個模式裡面至少有兩個是在改變，才叫做商業模式的改變。比如說你只是改變了目標客戶群，其他沒有什麼改的，這個只是客戶群的改變，如果只是多了一點服務和產品，在其他方面也沒有改的話，這個也不是根本的商業模式的改變。但是我們後面談到例子中就會看到，很多客戶在運用「大數據」的時候，有兩方面的改變和影響，這個就是根本上的商業模式的變革。
「大數據」如何影響到商業模式的變革。這裡面有幾個大的方面，首先是數據的來源，根據提到數據越來越多，在中間怎麼樣影響總體的經濟鏈，或者是總體價值鏈。右邊是結果了，剛才提到，可能是六個方面影響我們的商業模式。但是如果大家看一下左邊的數據方面，其實數據來源，或者是量越來越多，這個當然是一個很重要的一點，但是剛才吳老師和殷總也提到，獲取數據的成本，或者是儲存數據的成本越來越低，這個是使得大家願意越來越多的使用「大數據」。但是更加重要的是要有越來越先進的分析工具，來幫助大家做這些分析，不然的話，如果還是用十年前，十五年前的工具，雖然數據多了很多很多，但是也做不住很好的結果。比如說我們自己內部，過去5年也建立了一個團隊，專門看地理方面的數據，全球不同地方的地理數據，比如說中國國內，什麼地方有餐廳，什麼地方有零售店，其實現在有很好的數據做分析的，十幾年前沒有這樣的資料庫，現在有了，我們也有這樣的能力。我們也有團隊，比如說看全球零售方面的數據分析。比如說幾年前我們用很簡單的工具來做分析，因為數據少，很容易做。而現在我們自己的咨詢公司也會建立這樣的能力。
最後當然是客戶他們，這些消費者也很願意的和大家分享這些數據，當然在隱私這些方面可能還是一定的挑戰，但是對於他們來說，他們貢獻的這種數據，獲得了這種便利，比如說在亞馬遜上面可以提供書的建議，或者我到沃爾瑪裡面，有特價的折扣給我，比較個性化，這些是他們比較願意用他們的數據來換取一些價值。這些種種方面就是為什麼現在數據越來越多，怎麼樣影響到業務模式的變革。
在當中，我們一會兒會談到比較大的一點，就是中間談到怎麼樣真正的影響價值鏈。比如說現在有了那麼多的數據，而且流通性那麼好的話，大大增加了在交易、客戶、產業之間的透明度。其中還談到了交易成本都有一定的降低。比如說以前一家公司要做針對性的營銷的話，以前可能是很難做的，以前做營銷，打一個廣告，面對很大的受眾，但是不一定很有針對性。而現在用比較低的成本，你有了這個能力，有了這個數據，就可以給客戶很個性化的優惠和產品。這個以前是不可能發生的。
在價值鏈不同部分的規模變革，或者是客戶的期望值，這個也是很重要的部分，為什麼這些公司要根本的改善業務模式，很重要的一點是客戶的期望值在改變。大家覺得現在有那麼多的數據，我只看到競爭對手做了那麼多的東西，但是我們對於公司的期望會越來越高。
剛才談到業務模式的六大方面。
我在這裡面就不多提這些例子了，我後面會比較仔細的談在企業和「大數據」當中怎麼樣去競爭。
在這個方面，首先我們很多時候當客戶在看這個問題的時候，會從幾個大的方面看。其中最重要的，就是最上面的，就是整個他們對「大數據」方面的整體的定位，或者是戰略是怎麼樣的。這個是很重要的。剛才也說了，不是為了獲取數據而獲取數據，不是為了分析數據而分析數據，最終希望你怎麼樣去使用，這個在你的業務裡面是希望達到什麼樣的效果，這個是很重要的一點。這個整體的方向，高層、領導層方面的一些大力的資源方面的支持之外，下面我們會從幾個大的緯度看。
第一個，怎麼樣利用這些數據。這是很重要的部分。數據的用途在哪裡。
第二個，我們叫做數據的引擎，其實就是數據基礎的建設。
第三個，生態的系統，整個生態系統怎麼樣去看。
這裡面很快把每一點說一下。首先在上面怎麼樣利用這個數據，我們這裡面看到兩個大的方面，一個是在機會方面，一個是信任方面。機會方面就是要了解用這些數據會達到什麼目的，會有什麼樣的機會，比如說要挖掘一點對業務方面的洞察，還是希望對整個公司的流程有更加好的完善，更加好的改進呢，還是說你希望給客戶提供一些新的產品，以前可能是沒有辦法提供的，比如說你本來有不同的業務，本來是獨立的提供業務，現在不同單元可以分享提供業務，提供新的數據。怎麼樣利用這些數據，就是要看機會方面，有哪些機會。第二方面叫做信任。這裡面其實有兩大部分，一個是剛才提到的數據是不是也願意的提供一些數據給你，就是說讓你獲得一定的便利，獲得一定的優惠，然後客戶能夠信任你，讓你收集這樣的數據。另外一部分就是你怎麼樣建立這個形象，就是在整個的過程中，客戶願意給你，但是慢慢的你要建立一個可信任的形象，就是大家覺得給你這個信息是安全的，就是這個信任。所以怎麼樣利用和獲取信任是很重要的部分。
第二個部分是數據的引擎。第一個是在技術方面，怎麼樣建立這個平台，這個當然很重要。右邊是組織的架構，內部的話，你的組織需要什麼樣的能力，需要什麼樣的人才，比如說組織架構，比如說剛才殷總提到在一個公司裡面有一個CBO，除了這個之外，有一群人在總部，可能對「大數據」分析比較了解。但是在每一個業務單元裡面，是不是也要有人確定這些數據怎麼用，怎麼獲取這些數據，日常和客戶的溝通過程中，怎麼收集和利用這些數據，這也是很重要的一點。這個是第二個部分。
第三個部分是數據的生態系統了，其實看到了很多的公司，他們不單單是看自己的數據，他們是很好的怎麼樣確保和他們整個生態系統，或者是第三方的夥伴，他們怎麼樣分享這些數據，這個總體來說是非常重要的一部分。所以很多時候，我們在過去好幾年做了有上百個不同行業的「大數據」的項目之後，總結出來我們客戶常常遇到的問題，可能都是這樣，很多時候客戶一開始來談的時候，可能都談上面的機會，究竟什麼是大數據，給我們什麼樣的機會，但是他們慢慢了解之後，知道了這個還不是最大的問題，有了系統和做分析的人，這些都OK了，但是更多是在組織、流程、生態系統方面是更加的挑戰。
在其中，我這里准備了兩個例子，一個是谷歌，大家也是比較知道的，在運用數據方面是一個比較大、比較領先的公司。在當中會看到我也會從剛才提到的六個方面，怎麼樣使用數據，裡面是怎麼樣挖掘不同的機會，怎麼樣得到客戶的信任。第二個方面是數據引擎方面、平台方面、組織方面是怎麼樣做的，最後是怎麼樣參與生態系統，建立和不同夥伴的關系。
谷歌也很有戰略，看到了很多大家還沒有看到的機會，他們很早的時候就已經先做了，這個也是客戶裡面現在比較大的改變，現在有很多東西你要嘗試的，因果關系你還沒有看到很清楚，但是看到了關聯性，雖然看不到因果關系，但是看到了就要嘗試。谷歌是比較領先的一個。在當中會看到，在數據用途方面，比如說左邊這里，他們常常有很多不同的應用，不管是地圖，不管是在其他方面，比如說視頻種種方面，有很多不同的應用，有上百種不的應用，就一直在試。它的資料庫並不一定有很多，可能是有單一的資料庫，在這個資料庫裡面可以讓你做很多不一樣的東西，這個就是客戶在想的，其實更加重要的不是要獲取更加多的數據，其實很多時候客戶已經有太多的數據了，甚至有時候他們覺得自己的數據不夠，一定要到外面找，其實他們沒有想清楚自己的數據怎麼用，單一的資料庫已經可以讓你做很多不同的東西出來，讓你嘗試不同的東西。
另外一方面，和客戶怎麼建立信任，比如說一個方面，客戶要慢慢的、很快的感受到他們在這些數據方面裡面獲得的一些好處在哪裡。另外一方面，他們收集了這些數據，谷歌這方面做得挺好的，比如說社會責任、社會形象、捐款，這方面他們做得也是很多的，這是為公司建立起比較正面的形象，這方面讓客戶覺得和你分享這些數據，你也是比較可信的公司。在怎麼獲取，怎麼使用方面，其實很多客戶是會考慮非常清楚的。
第二個方面是數據引擎，在整個基礎建設方面。首先是技術方面，技術方面我當然不是懂很多。首先是要有統一的自己的資料庫，然後在當中擴充性也是比較大的，剛才提到，拿了那麼多的數據，怎麼把資料庫擴充、擴容，這個是非常重要的一點。另外一點是在組織方面，比如說這裡面提到，當然你需要一些，我們這里說到數據的工程師，在很多公司裡面，這個量不一定很多的，不是一家公司可能有上萬人，就要有幾百個這樣的數據工程師，很多時候有十幾個人的小的團隊，但是能力都是比較強的，知道怎麼進行數據挖掘，怎麼把系統建立起來，這個是非常重要的一點。另外一個是在當中右下角，吳老師提到的一點，不是說要根因這方面的東西，其實他們挖掘這個東西的時候，最重要是看關聯性，兩個動作有一定的關聯，然後就知道要去嘗試這個東西，然後慢慢的看究竟為什麼有這個原因，這個是和傳統做一些商業決定是很不一樣的。
對生態系統，這個也都不用說了，這裡面比如說谷歌通過參與不同生態系統裡面，和很多第三方夥伴一起來合作。有一些，比如說上面的是整個搜索的生態系統，下面可能地圖也有生態系統，不同裡面，和不同的很多人在合作，在工作。
後面我很快的說另外一個例子，這個是寶潔。也是從剛才的六個緯度看一下，怎麼使用這些數據，基礎怎麼建立起來，最終怎麼樣建立很好的生態系統。這個是剛才提到的上面的三角形，對於大數據整體的戰略和定位是怎麼樣的，可以看到在過去可能幾十年的歷程中，很多時候，比如說七八十年代、八九十年代，不但是寶潔，很多公司都在想生產力怎麼提升，流程怎麼做得更加好，或者是比較根本的業務方面的東西，但是會看到在過去幾年，有很多大的投入，都是在「大數據」、運用電子商務的機會等，在公司的高層是有很大的決心要做這個工作。所以你會看到，在數據的用途方面是有很多不同的例子，這裡面只是有幾個例子而已。第一個是在社交媒體方面，其實有一些不單單是他自己的數據，還有外部的數據，他們進行分析，分析之後看到不同客戶群的趨勢，客戶在看什麼品牌。後來看到了一個客戶很認同的品牌，買了進來這個品牌，然後客戶增加了10倍，這個是很重要的一部分。
第二部分是流感方面的葯，剛剛第一個是談到客戶端的數據，第二個是在庫存上，怎麼樣提供給零售商足夠的庫存。這個葯可能30%的存貨的機會，就是你買這個產品，很多時候是70%的時間是缺貨的，但是慢慢經過所有數據的挖掘，就把線下的庫存做得更加好了，所以會看到是不同緯度來做「大數據」。第三個方面是怎麼挖掘這些「大數據」。每一天收到的電郵，或者是服務中心收到的電話大概是15萬個，每天都挖掘這些信息，這些人打電話進來到底是問什麼問題，發郵件來到底是問什麼東西，把這些理念灌輸到不同的業務單元裡面。右邊也是，要給消費者一個很有信任的感覺，大家才會比較信任的願意分享和讓你使用這些數據。
另外總體的引擎，左邊談到了平台，前面談的比較多的是技術平台方面，但是也很重要的一個，就是在管理的平台上怎麼樣去做。比如說這裡面提到一個例子，首先要有統一的數據展示的方式，每周一全球的經理開會，就是要把統一資料庫裡面的發現、展示做一定的使用和研究。然後影響力，在大數據的分析等方面都為高層做很透明的信息平台。
在右邊，就整體的組織方面，首先是很清晰的，在集團領導的層面，他們把重要性放得最高的，剛才聽到，過去可能是流程提升、效率優化等，現在「大數據」和電子商務這塊最重要，這個是組織方面。
剛才也提到，在中央，在集團的層面有一個小的團隊，這些可能都是最聰明的PHD、MBA，然後讓他們主導在數據方面的戰略，是同一時間不但是在集團的層次，在不同業務層面，有專門人談數據挖掘和談「大數據」的。
最後是生態系統，雖然以為寶潔是很大的公司，他們有很多的資源和數據，但是要看到和外部，不管是零售商還是經銷商，有很多方面的配合是他們要做的。內部有很多的合資公司，怎麼樣把他們的系統、數據和零售商等做一個聯系，這是很重要的一點。右邊也是有一些，和主要的合作夥伴，比如說谷歌，還有零售終端，比如說沃爾瑪等，這些也是要分析的合作的夥伴。整個的生態系統裡面，究竟要做什麼東西，這個也是很重要的，不是有了數據就可以了，最重要的是要把生態系統打造起來。

⑻ 一畝田價值主張需要哪些關鍵資源

⑼ EBC是如何實現數據化價值主張，滿足企業戰略升級的

長江後浪推前浪，EBC被譽為是新一代的企業ERP，專家預測，EBC將引領企業業務能力管理的全新時代。智能化、服務化和消費化是EBC的全新價值主張。倡導的是戰略導向、IT控制，更多的是一種控制手段，保證企業的戰略、業務朝著計劃的方向走。