大数据价值主张

⑴ 大数据发展趋势推动渠道未来技术和服务

大数据发展趋势推动渠道未来技术和服务
在大数据时代，最受渠道欢迎的两大技术就是存储和备份，包括产品和服务。企业利用这些设备和技术可确保在需要的时候完成关键任务，归档和数据非结构化处理。但这些技术存在的问题是，他们中保存的数据是无益的。
换句话说：存储数据使企业花钱且徒劳。
进入大数据时代，很多供应商充分利用大数据趋势将竞争产品和服务推向市场。有人说，大数据只是一个重新包装的数据挖掘和商业智能分析，在一定程度上，这是真的。这也反映出企业不能再承受闲置数据的成本。
处理数据已经是一门大生意。根据德勤数据显示，企业软件销售总额今年将超过270亿美元，大约有四分之一来自于大数据，企业资源管理和商业智能。
大数据的目标相对简单：充分利用存储数据中被闲置的、非收益性质的数据来预测业务发展趋势，发掘新的机遇，并推动更高水平的销售。此外，大数据是更多是降低风险，同时使企业管理者更好地了解他们的经营环境以做出更明智准确的业务决策。
解决方案供应商可能会认为大数据是专向大型企业，学术机构和政府机构的。在今天，这个假设可能是正确的。然而，供应商，包括IBM,甲骨文公司和微软公司都在用装置和应用程序推动商业分析和大数据进一步下沉市场，使处理数据和大量生产可操作情报成为一项简单工作。
大数据即大商机。如今占据市场领先端位的是“大数据波”,它的影响力范围和潜力甚至会超过云计算。在渠道方面，大数据的产品销售，专业服务和价值主张将产生深远的影响。以下五个大数据的发展趋势，将对渠道在未来十年的技术和服务销售形成推动：
1、数据整合，重组和清理手段
任何人在处理数据和分析数据之前，他们必须有正确的数据且知其所在。听起来很合理的，对不对？不幸的是，存储的数据看起来像成堆的报纸和空箱子上一集“囤积”的构造。所以大数据销售始于帮助企业识别数据，消除冗余，优化文件系统，并确保可分析在哪里可以找到信息。如果没有数据，将没有分析。
2、硬件销售将渠道导向大数据
看上去似乎大数据在最初推动更多的将是硬件销售。对大容量的非结构化数据进行分析是处理力，存储容量和I / O速度的一个因素。解决方案供应商可能会发现企业 - 尤其是大企业–对可以处理大数据负载的高性能设备或集群服务器求之若渴。即使大数据作为云服务提供，这也将需要在大量新的硬件上运行所有分析工作的负载。
3、存储和商业智能将合并
存储和备份供应商通常爱讨论其性能，对信息的保护和利用力。存储是关于容量和管理效率，毕竟，存储和备份供应商及云文件共享服务正在发展存储行业以达成合作或提供大数据产品和服务。他们认识到单凭数据不再能坐的稳牢，开始计划巩固并提升他们目前作为大型数据存储库供应商的地位，使现有存储业成为诞生新一代大数据的基础。这将极大地改变存储厂商性质和他们的渠道架构。
4、对安全的需求将拉动大数据的增长
在当今的云和分布式企业时代，真正的大数据需要开放的数据存储以适应越来越多的内部组成，应用程序，托管资源和第三方专家。随着越来越多的人和自动化资源接触到数据，那么安全风险和漏洞将会激增，则与大数据相关的安全需求将同步增长，提供访问控制，身份认证，数据加密，入侵预防，审计和调整等服务。目前，安全技术的需求已随云计算的成长在增加。未来几年内，大数据亦将成为促进安全技术及专业支持的催化剂，预计这将在安全市场上有100万美元以上的空间。
5、商业管理“成为一种服务”
大数据是关乎商业，更具体地说，是关乎管理 - 前GE CEO杰克@韦尔奇有一段着名的引述说，“不可测量则不能管理”.大数据则有着超越测量，且完成预测分析的更佳表现。大企业的通过自己进行这类业务来展示技术和能力是受限的。在今天，他们对分析师和定量专家进行投资；明天，他们将由对技术和分析的需求转向IT解决方案供应商。那么，解决方案的供应商通过其提供大数据预测分析，降低经营风险的专业服务，在未来十年中将开拓一个利润丰厚的市场。

⑵ 大数据时代下的传统企业互联网化

大数据时代下的传统企业互联网化
继乌镇世界互联网大会后，《2015中国互联网经济论坛》在北京如期举办，大会围绕“企业的价值主张”，邀请业内领袖人物和资深专家，深入探究互联网新业态下，公司的创新理念、模式及其理想、愿景，兼论互联网的技术化、工具化、普遍化、人文化与证券化。同时，就目前行业普遍关注的人工智能化、不同产业间的合并和整合、转型阶段的驱动力等问题给予解答。瑞金麟集团联合创始人、云像数字CEO 安士辉受邀出席，在主论坛现场分享《大数据时代下的传统企业互联网化探索》的主题演讲。
中国传统经济和互联网的结合，在过去两三年发生了根本性的变化。特别从2013年开始大数据的兴起发生了根本性的变化。2013年之前互联网在中国更多的体现是以信息，以人的互联互通为核心。从2013年开始互联网更多的体现就是跟传统结合，这里产生了互联网医疗、互联网金融、互联网地产、互联网出行等，跨界之间的融合开始加速，实际上边界已经开始消失。对行业现状的剖析，安士辉归纳为三个关键点：1、2014年后传统力量崛起，产业互联网和金融结合的创新模式越发紧密;2、创新速度加快，各行业窗口期再缩短，以天衡量创新速度; 3、企业互联网化结合最大的难点不是商业模式和技术手段，而是业务管理更迭、组织裂变和人才自发光的匹配性，因为这是动刀子，职业经理人也不愿意去冒险。
“基于这些，我们认为目前传统企业跟互联网结合最大的几个点，更多的是消费的场景，从线上线下开始融合，然后跟碎片化和场景化结合在一起。在盈利模式上，企业需要从制造利润向服务利润，从服务利润向数据利润，向平台利润转型。”安士辉表示，传统商业模式已不再适用，需要重新定义企业的资产和商业模式。在颠覆的时代下跟互联网结合，形成跨界的团队，最终通过三个步骤进行互联网化路径的延伸：一是传统企业内部价值链的碎片化，就是数据化，企业可以用信息流、物流、资金流，可以用数据完全进行延伸;二是在数据的基础上跟企业价值融合，形成片断化的优化;三是在此基础之上，有些传统企业升级为平台化企业。
关于传统企业如何快速地适应、转型数字化，安士辉认为，传统企业互联网化的改造，最难的不是方法论，最难的不是技术支撑，最难的其实是来自于企业内部。没有传统的产业，只有传统企业，没有传统的企业，只有传统的老板。“我们公司做六年多的时间，我们几乎每周快速的更迭和创新，如何利用大数据来支撑你的业务创新，创新和变化是永恒的主题，最大的不变就是变化。” 安士辉分享道。
在过去的一年中，安士辉带领云像数字利用自身技术，将零散的信息充分整合，推动了企业商业模式的创新和产业链的升级，为我国互联网企业与传统企业互利共赢做出贡献。

⑶ 京东时尚最大返点力度有多大

京东时尚日前宣布推出首个商家分层与激励方案，在女装和童装品类试运行。同时，京东时尚还推出了商家激励政策，商家通过倍返广告费来获得广告费折扣，最大返点力度可达到1折，有60%以上的优质商家可以获得奖励，并且可以实现每月以虚拟金的方式充值至京准通账户。

在发布会上，京东提出了第三方平台生态的三大价值主张：1、时效优先和站外流量优先的平台流量价值主张。2、大数据与平台共同筛选和品质认证公开透明化的平台品质价值主张。3、重点提升店铺综合服务能力的平台服务价值主张。

同时，京东正式宣布成立京东时尚科技研究院，综合AI平台与研究部、大数据平台、平台ARVR业务部三大核心技术板块赋能时尚品牌商。据称，京东AI时尚大赛已经正式开始，正在报名中。

胡胜利表示，希望京东能够为美丽的时尚产业提供更加健康的面向未来的成长平台，让每个时尚品牌都能够在京东平台上“各美其美，美人之美，美美与共，天下大同”。

⑷ 大数据和人工智能在互联网金融领域有哪些应用

大
数据从四个方面改变了金融机构传统的数据运作方式，从而实现了巨大的商业价值。这四个方面（“四个C”）包括：数据质量的兼容性
（Compatibility）、数据运用的关联性（Connectedness）、数据分析的成本（Cost）以及数据价值的转化
（Capitalization）。


大数据在金融业的应用场景正在逐步拓展。在海外，大数据已经在金融行业的风险控制、运营管理、销售支持和商业模式创新等领域得到了全面尝试。在国内，金
融机构对大数据的应用还基本处于起步阶段。数据整合和部门协调等关键环节的挑战仍是阻碍金融机构将数据转化为价值的主要瓶颈。


数据技术与数据经济的发展是持续实现大数据价值的支撑。深度应用正在将传统IT从“后端”不断推向“前台”，而存量架构与创新模块的有效整合是传统金融
机构在技术层面所面临的主要挑战。此外，数据生态的发展演进有其显著的社会特征。作为其中的一员，金融机构在促进数据经济的发展上任重道远。

为了驾驭大数据，国内金融机构要在技术的基础上着重引入以价值为导向的管理视角，最终形成自上而下的内嵌式变革。其中的三个关键点（“TMT”）包括：团队（Team）、机制（Mechanism）和思维（Thinking）。

1.价值导向与内嵌式变革—BCG对大数据的理解

“让数据发声！”—随着大数据时代的来临，这个声音正在变得日益响亮。为了在喧嚣背后探寻本质，我们的讨论将从大数据的定义开始。

1.1成就大数据的“第四个V”

大数据是什么？在这个问题上，国内目前常用的是“3V”定义，即数量（Volume）、速度（Velocity）和种类（Variety）。


虽然有着这样的定义，但人们从未停止讨论什么才是成就大数据的“关键节点”。人们热议的焦点之一是“到底多大才算是大数据？”其实这个问题在“量”的层
面上并没有绝对的标准，因为“量”的大小是相对于特定时期的技术处理和分析能力而言的。在上个世纪90年代，10GB的数据需要当时计算能力一流的计算机
处理几个小时，而这个量现在只是一台普通智能手机存储量的一半而已。在这个层面上颇具影响力的说法是，当“全量数据”取代了“样本数据”时，人们就拥有了
大数据。


另外一个成为讨论焦点的问题是，今天的海量数据都来源于何处。在商业环境中，企业过去最关注的是ERP（Enterprise Resource
Planning）和CRM（Customer Relationship
Management）系统中的数据。这些数据的共性在于，它们都是由一个机构有意识、有目的地收集到的数据，而且基本上都是结构化数据。随着互联网的深
入普及，特别是移动互联网的爆发式增长，人机互动所产生的数据已经成为了另一个重要的数据来源，比如人们在互联网世界中留下的各种“数据足迹”。但所有这
些都还不是构成“大量数据”的主体。机器之间交互处理时沉淀下来的数据才是使数据量级实现跨越式增长的主要原因。“物联网”是当前人们将现实世界数据化的
最时髦的代名词。海量的数据就是以这样的方式源源不断地产生和积累。

“3V”的定义专注于对数据本身的特征进行描述。然而，是否是量级庞大、实时传输、格式多样的数据就是大数据？

BCG认为，成就大数据的关键点在于“第四个V”，即价值（Value）。当量级庞大、实时传输、格式多样的全量数据通过某种手段得到利用并创造出商业价值，而且能够进一步推动商业模式的变革时，大数据才真正诞生。

1.2变革中的数据运作与数据推动的内嵌式变革

多元化格式的数据已呈海量爆发，人类分析、利用数据的能力也日益精进，我们已经能够从大数据中创造出不同于传统数据挖掘的价值。那么，大数据带来的“大价值”究竟是如何产生的？


无论是在金融企业还是非金融企业中，数据应用及业务创新的生命周期都包含五个阶段：业务定义需求；IT部门获取并整合数据；数据科学家构建并完善算法与
模型；IT发布新洞察；业务应用并衡量洞察的实际成效。在今天的大数据环境下，生命周期仍维持原样，而唯一变化的是“数据科学家”在生命周期中所扮演的角
色。大数据将允许其运用各种新的算法与技术手段，帮助IT不断挖掘新的关联洞察，更好地满足业务需求。


因此，BCG认为，大数据改变的并不是传统数据的生命周期，而是具体的运作模式。在传统的数据基础和技术环境下，这样的周期可能要经历一年乃至更长的时
间。但是有了现在的数据量和技术，机构可能只需几周甚至更短的时间就能走完这个生命周期。新的数据运作模式使快速、低成本的试错成为可能。这样，商业机构
就有条件关注过去由于种种原因而被忽略的大量“小机会”，并将这些“小机会”累积形成“大价值”。

具体而言，与传统的数据应用相比，大数据在四个方面（“4C”）改变了传统数据的运作模式，为机构带来了新的价值。

1.2.1数据质量的兼容性（Compatibility）：大数据通过“量”提升了数据分析对“质”的宽容度


在“小数据”时代，数据的获取门槛相对较高，这就导致“样本思维”占据统治地位。人们大多是通过抽样和截取的方式来捕获数据。同时，人们分析数据的手段
和能力也相对有限。为了保证分析结果的准确性，人们通常会有意识地收集可量化的、清洁的、准确的数据，对数据的“质”提出了很高的要求。而在大数据时代，
“全量思维”得到了用武之地，人们有条件去获取多维度、全过程的数据。但在海量数据出现后，数据的清洗与验证几乎成为了不可能的事。正是这样的困境催生了
数据应用的新视角与新方法。类似于分布式技术的新算法使数据的“量”可以弥补“质”的不足，从而大大提升了数据分析对于数据质量的兼容能力。

1.2.2数据运用的关联性（Connectedness）：大数据使技术与算法从“静态”走向“持续”


在大数据时代，对“全量”的追求使“实时”变得异常重要，而这一点也不仅仅只体现在数据采集阶段。在云计算、流处理和内存分析等技术的支撑下，一系列新
的算法使实时分析成为可能。人们还可以通过使用持续的增量数据来优化分析结果。在这些因素的共同作用下，人们一贯以来对“因果关系”的追求开始松动，而
“相关关系”正在逐步获得一席之地。

1.2.3数据分析的成本（Cost）：大数据降低了数据分析的成本门槛


大数据改变了数据处理资源稀缺的局面。过去，数据挖掘往往意味着不菲的投入。因此，企业希望能够从数据中发掘出“大机会”，或是将有限的数据处理资源投
入到有可能产生大机会的“大客户、大项目”中去，以此获得健康的投入产出比。而在大数据时代，数据处理的成本不断下降，数据中大量存在的“小机会”得见天
日。每个机会本身带来的商业价值可能并不可观，但是累积起来就会实现质的飞跃。所以，大数据往往并非意味着“大机会”，而是“大量机会”。

1.2.4数据价值的转化（Capitalization）：大数据实现了从数据到价值的高效转化


在《互联网金融生态系统2020：新动力、新格局、新战略》报告中，我们探讨了传统金融机构在大变革时代所需采取的新战略思考框架，即适应型战略。采取
适应型战略有助于企业构筑以下五大优势：试错优势、触角优势、组织优势、系统优势和社会优势，而大数据将为金融机构建立这些优势提供新的工具和动力。从数
据到价值的转化与机构的整体转型相辅相成，“内嵌式变革”由此而生。


例如，金融机构传统做法中按部就班的长周期模式（从规划、立项、收集数据到分析、试点、落地、总结）不再适用。快速试错、宽进严出成为了实现大数据价值
的关键：以低成本的方式大量尝试大数据中蕴藏的海量机会，一旦发现某些有价值的规律，马上进行商业化推广，否则果断退出。此外，大数据为金融机构打造“触
角优势”提供了新的工具，使其能够更加灵敏地感知商业环境，更加顺畅地搭建反馈闭环。此外，数据的聚合与共享为金融机构搭建生态系统提供了新的场景与动
力。

2.应用场景与基础设施—纵览海内外金融机构的大数据发展实践


金融行业在发展大数据能力方面具有天然优势：受行业特性影响，金融机构在开展业务的过程中积累了海量的高价值数据，其中包括客户身份、资产负债情况、资
金收付交易等数据。以银行业为例，其数据强度高踞各行业之首—银行业每创收100万美元，平均就会产生820GB的数据。

2.1大数据的金融应用场景正在逐步拓展

大数据发出的声音已经在金融行业全面响起。作为行业中的“巨无霸”，银行业与保险业对大数据的应用尤其可圈可点。

2.1.1海外实践：全面尝试

2.1.1.1银行是金融行业中发展大数据能力的“领军者”


在发展大数据能力方面，银行业堪称是“领军者”。纵观银行业的六个主要业务板块（零售银行、公司银行、资本市场、交易银行、资产管理、财富管理），每个
业务板块都可以借助大数据来更深入地了解客户，并为其制定更具针对性的价值主张，同时提升风险管理能力。其中，大数据在零售银行和交易银行业务板块中的应
用潜力尤为可观。


BCG通过研究发现，海外银行在大数据能力的发展方面基本处于三个阶段：大约三分之一的银行还处在思考大数据、理解大数据、制定大数据战略及实施路径的
起点阶段。还有三分之一的银行向前发展到了尝试阶段，也就是按照规划出的路径和方案，通过试点项目进行测验，甄选出许多有价值的小机会，并且不停地进行试
错和调整。而另外三分之一左右的银行则已经跨越了尝试阶段。基于多年的试错经验，他们已经识别出几个较大的机会，并且已经成功地将这些机会转化为可持续的
商业价值。而且这些银行已经将匹配大数据的工作方式嵌入到组织当中。他们正在成熟运用先进的分析手段，并且不断获得新的商业洞察。


银行业应用举例1：将大数据技术应用到信贷风险控制领域。在美国，一家互联网信用评估机构已成为多家银行在个人信贷风险评估方面的好帮手。该机构通过分
析客户在各个社交平台（如Facebook和Twitter）留下的数据，对银行的信贷申请客户进行风险评估，并将结果卖给银行。银行将这家机构的评估结
果与内部评估相结合，从而形成更完善更准确的违约评估。这样的做法既帮助银行降低了风险成本，同时也为银行带来了风险定价方面的竞争优势。


相较于零售银行业务，公司银行业务对大数据的应用似乎缺乏亮点。但实际上，大数据在公司银行业务的风险领域正在发挥着前所未有的作用。在传统方法中，银
行对企业客户的违约风险评估多是基于过往的营业数据和信用信息。这种方式的最大弊端就是缺少前瞻性，因为影响企业违约的重要因素并不仅仅只是企业自身的经
营状况，还包括行业的整体发展状况，正所谓“覆巢之下，焉有完卵”。但要进行这样的分析往往需要大量的资源投入，因此在数据处理资源稀缺的环境下无法得到
广泛应用，而大数据手段则大幅减少了此类分析对资源的需求。西班牙一家大型银行正是利用大数据来为企业客户提供全面深入的信用风险分析。该行首先识别出影
响行业发展的主要因素，然后对这些因素一一进行模拟，以测试各种事件对其客户业务发展的潜在影响，并综合评判每个企业客户的违约风险。这样的做法不仅成本
低，而且对风险评估的速度快，同时显著提升了评估的准确性。


银行业应用举例2：用大数据为客户制定差异化产品和营销方案。在零售银行业务中，通过数据分析来判断客户行为并匹配营销手段并不是一件新鲜事。但大数据
为精准营销提供了广阔的创新空间。例如，海外银行开始围绕客户的“人生大事”进行交叉销售。这些银行对客户的交易数据进行分析，由此推算出客户经历“人生
大事”的大致节点。人生中的这些重要时刻往往能够激发客户对高价值金融产品的购买意愿。一家澳大利亚银行通过大数据分析发现，家中即将有婴儿诞生的客户对
寿险产品的潜在需求最大。通过对客户的银行卡交易数据进行分析，银行很容易识别出即将添丁的家庭：在这样的家庭中，准妈妈会开始购买某些药品，而婴儿相关
产品的消费会不断出现。该行面向这一人群推出定制化的营销活动，获得了客户的积极响应，从而大幅提高了交叉销售的成功率。


客户细分早已在银行业得到广泛应用，但细分维度往往大同小异，包括收入水平、年龄、职业等等。自从开始尝试大数据手段之后，银行的客户细分维度出现了突
破。例如，西班牙的一家银行从Facebook和Twitter等社交平台上直接抓取数据来分析客户的业余爱好。该行把客户细分为常旅客、足球爱好者、高
尔夫爱好者等类别。通过分析，该行发现高尔夫球爱好者对银行的利润度贡献最高，而足球爱好者对银行的忠诚度最高。此外，通过分析，该行还发现了另外一个小
客群：“败家族”，即财富水平不高、但消费行为奢侈的人群。这个客群由于人数不多，而且当前的财富水平尚未超越贵宾客户的门槛，因此往往被银行所忽略。但
分析显示这一人群能够为银行带来可观的利润，而且颇具成长潜力，因此该行决定将这些客户升级为贵宾客户，深入挖掘其潜在价值。


在对公业务中，银行同样可以借助大数据形成更有价值的客户细分。例如，在BCG与一家加拿大银行的合作项目中，项目组利用大数据分析技术将所有公司客户
按照行业和企业规模进行细分，一共建立了上百个细分客户群。不难想象，如果没有大数据的支持，这样深入的细分是很难实现的。然后，项目组在每个细分群中找
出标杆企业，分析其银行产品组合，并将该细分群中其他客户的银行产品组合与标杆企业进行比对，从而识别出差距和潜在的营销机会。项目组将这些分析结果与该
行的对公客户经理进行分享，帮助他们利用这些发现来制定更具针对性的销售计划和话术，并取得了良好的效果。客户对这种新的销售方式也十分欢迎，因为他们可
以从中了解到同行的财务状况和金融安排，有助于对自身的行业地位与发展空间进行判断。


银行业应用举例3：用大数据为优化银行运营提供决策基础。大数据不仅能在前台与中台大显身手，也能惠及后台运营领域。在互联网金融风生水起的当
下，“O2O”（OnlineToOffline）成为了银行的热点话题。哪些客户适合线上渠道？哪些客户不愿“触网”？BCG曾帮助西班牙一家银行通过
大数据技术应用对这些问题进行了解答。项目组对16个既可以在网点也可以在网络与移动渠道上完成的关键运营活动展开分析，建立了12个月的时间回溯深度，
把客户群体和运营活动按照网点使用强度以及非网点渠道使用潜力进行细分。分析结果显示，大约66%的交易活动对网点的使用强度较高，但同时对非网点渠道的
使用潜力也很高，因此可以从网点迁移到网络或移动渠道。项目组在客户细分中发现，年轻客户、老年客户以及高端客户在运营活动迁移方面潜力最大，可以优先作
为渠道迁徙的对象。通过这样的运营调整，大数据帮助银行在引导客户转移、减轻网点压力的同时保障了客户体验。


BCG还曾利用专有的大数据分析工具NetworkMax，帮助一家澳大利亚银行优化网点布局。虽然银行客户的线上活动日渐增多，但金融业的铁律在互联
网时代依然适用，也就是说在客户身边设立实体网点仍然是金融机构的竞争优势。然而，网点的运营成本往往不菲，如何实现网点资源的价值最大化成为了每家银行
面临的问题。在该项目中，项目组结合银行的内部数据（包括现有的网点分布和业绩状况等）和外部数据（如各个地区的人口数量、人口结构、收入水平等），对
350多个区域进行了评估，并按照主要产品系列为每个区域制定市场份额预测。项目组还通过对市场份额的驱动因素进行模拟，得出在现有网点数量不变的情况下
该行网点的理想布局图。该行根据项目组的建议对网点布局进行了调整，并取得了良好的成效。这个案例可以为许多银行带来启示：首先，银行十分清楚自身的网点
布局，有关网点的经营业绩和地址的信息全量存在于银行的数据库中。其次，有关一个地区的人口数量、人口结构、收入水平等数据都是可以公开获取的数据。通过
应用大数据技术来把这两组数据结合在一起，就可以帮助银行实现网点布局的优化。BCG基于大数据技术而研发的Network
Max正是用来解决类似问题的工具。


银行业应用举例4：创新商业模式，用大数据拓展中间收入。过去，坐拥海量数据的银行考虑的是如何使用数据来服务其核心业务。而如今，很多银行已经走得更
远。他们开始考虑如何把数据直接变成新产品并用来实现商业模式，进而直接创造收入。例如，澳大利亚一家大型银行通过分析支付数据来了解其零售客户的“消费
路径”，即客户进行日常消费时的典型顺序，包括客户的购物地点、购买内容和购物顺序，并对其中的关联进行分析。该银行将这些分析结果销售给公司客户（比如
零售业客户），帮助客户更准确地判断合适的产品广告投放地点以及适合在该地点进行推广的产品。这些公司客户过去往往需要花费大量金钱向市场调研公司购买此
类数据，但如今他们可以花少得多的钱向自己的银行购买这些分析结果，而且银行所提供的此类数据也要可靠得多。银行通过这种方式获得了传统业务之外的收入。
更重要的是，银行通过这样的创新为客户提供了增值服务，从而大大增强了客户粘性。

⑸ 关于京东白条

“京东白条”，是京东推出的一种“先消费，后付款”的全新支付方式，在京东网站使用白条进行付款，可以享有最长30天的延后付款期或最长24期的分期付款方式，是业内第一款互联网消费金融产品。 [1-2]
此后，“白条”还打通了京东体系内的O2O(京东到家)、全球购、产品众筹，后来又逐步覆盖了租房、旅游、装修、教育、婚庆等领域，从赊购服务延伸到提供信用消费贷款，覆盖更多消费场景，为更多消费者提供信用消费服务。 [1-7]
中文名 京东白条 分 类 贷款 推 出 京东 性 质 一款互联网消费金融产品
目录
1 定义
2 进程
3 规模
4 涉足业务
5 申请条件
6 还款形式
7 争议事件
定义编辑
作为消费金融行业领先品牌，2014年2月，白条在京东商城上线，为用户在购物时提供“先消费，后付款”、“30天免息，随心分期”服务，成为行业创新典范。
2015年，白条开始走出京东，以开放合作的姿态融入更多场景，为用户提供信用消费贷款。目前包括与银行携手打造的白条联名信用卡；与第三方商户合作提供打“白条”分期旅游、租房、装修、购车、教育等服务，并设有专门为校园和乡村人群提供的消费金融支持。 [5-7]
以用户需求为出发的白条系列产品将会一如既往的不断创新，通过信用增值服务，嵌入多元的消费场景，让用户的消费体验更加便捷、流畅，让未来现在就来 。
2016年白条开始去京东化策略，升级品牌并独立域名。九月底正式推出线上线下均能任性使用的“白条闪付”产品。只要是在可以支持闪付的pos机商户，将已开通白条闪付功能的白条添加到apple pay、华为pay、小米pay等手机钱包里，即可在全国千万家商户使用，吃喝玩乐线上线下，有白条的地方就有更好地生活。 [2-4] [8-9]
进程编辑
公开资料显示，2014年2月，京东白条正式上线，为京东商城提供赊购服务。此后，京东消费金融风控体系一步步搭建，2014年9月，京东金融副总裁许凌提出了“风控驱动”、“场景驱动”的观点。
2015年4月，白条开始走出京东商城，覆盖了众多线下消费场景，并被统称为“白条+”。从2015年8月份开始，京东金融方面已经在考虑统一“白条”和“白条+”产品，并启动白条品牌化的战略。
2016年3月，京东金融发布了消费金融品牌战略，宣布其消费金融业务将围绕着“白条”品牌进一步走出京东，向更广阔的消费场景拓展；同时，向全行业输出白条核心能力，包括风控能力、系统性产品能力、品牌服务能力，从而进一步降低行业成本，提升全行业服务效
率。
许凌表示，“白条”的用户定位为“奋斗的年轻人”，提倡“年轻不留白”的价值主张，旨在满足用户在不同人生阶段和不同场景下的需求。未来将向全行业输出白条核心能力，包括风控能力，系统性产品能力，品牌服务能力，从而进一步降低行业成本，提升全行业服务效率。
为拓宽融资渠道，扩大业务规模，陆续有互联网消费金融机构和消费金融公司选择ABS作为新的融资突破口。京东白条ABS产品，是用户用白条先购物、后付款，京东再将白条分期债券重新组合后，打包出售给金融机构，从而提前获得流动性。
目前白条ABS产品已经挂牌发行了四期，额度分别为8亿、12亿、20亿、15亿。同时白条ABS的发行流程也首次从过去的审批制改为备案制，这意味着未来白条ABS的资金流动速度将加快。
业内人士指出，新风控下的信贷能力是金融科技重要的表现，而资产证券化恰好是能体现这种信贷能力的最好表现方式。 [2-7] [10-14]
规模编辑
北京市政府组织的“供给侧结构性改革、促消费稳增长”座谈会上，刘强东透露，京东的消费信贷产品“白条”对于拉动消费效果明显。北京地区白条用户使用分期消费后，月消费金额提升97%。2015年北京地区的京东白条用户累计透支消费30亿元，预计带来超过10亿元的消费增量。
在京东2016京东周年庆典促销中，京东金融也表示，80%的白条订单进行了分期，白条用户平均客单价是其他用户的两倍。2016年6月份，京东白条交易额同比增长600%，消费金融用户同比增加700%，月均订单提升52%，月均消费金额增长97%。
分析人士指出，未来几年我国消费信贷市场规模将会维持20%以上的年复合增长率，到2020年消费信贷规模将超过35万亿元，巨大的蛋糕吸引了众多巨头加入消费金融行业。作为拥有大数据资源的互联网企业，京东已经完成了在消费金融领域的布局，或将率先尝到消费金融的甜头。
在电商消费中，“白条”分期购物的习惯逐渐养成，更多的85后人群愿意尝试旅游、教育、装修等消费信贷分期。在用户年龄方面， 85后占比近70%，仍是主流；从收入看，月收入5000元以上的用户占比超50%，这意味着，“白条”已经成为中等收入群体的日常支付工具和消费生活方式。 [2-7] [14-17]
涉足业务编辑
作为业内第一款互联网消费金融产品，起初“白条”仅提供给京东商城上的用户购物使用，实际上是依托京东商城为用户提供赊购服务。 2015年4月，“白条”打通了京东体系内的O2O(京东到家)、全球购、产品众筹，后来又逐步覆盖了租房、旅游、装修、教育等领域，从赊购服务延伸到提供信用贷款，覆盖更多消费场景，同时为更多消费者提供服务。
2016年3月，京东金融推出了首款现金借贷产品京东金条，即为信用良好的白条用户量身定制的现金借贷服务，是白条信用在现金消费场景下的延伸。
京东金条采用差异化授信和利率定价方式，提供最高授信额度20万元、最长分期12个月的现金借贷服务，按天计息，日利率不超过0.05%。
2016年8月，白条并入京东钱包。白条作为京东钱包的一个重要频道入口，从线上走向了移动端的更多场景，如北京地区崇光百货、燕莎商城、京客隆超市等。
此外，白条还与中信银行、光大银行合作，推出联名信用卡，又名“小白卡”。这是一款“互联网+”信用卡，受到90后年轻人追捧，也是众多年轻人的第一张信用卡，而这张卡进一步体现了白条在互联网与银行、线上与线下的信用连接器作用，专享银行+互联网的组合权益。 [2-7] [18]
申请条件编辑
京
东白条是业内第一款互联网消费金融产品。“先消费，后付款”，享受最长30天的免息期、最长24期的分期付款。登陆tiao官网，或者京东金融APP-白条，都可以进入页面自主申请激活。京东商城的用户都有激活用于商城消费的“白条”的资格。 [14]
京东金融消费金融事业部风控相关负责人透露，消费金融业务没有一笔授信需要人工审批，都是通过风控大数据模型来识别用户。后台风控系统会根据购物习惯、信用状况、收货地址稳定程度等等，结合多种因素和数据去“识别”用户，然后迅速给出“白条”是否可激活的评定结果。
大数据模型的评估基础是用户数据的累积，并且数据需要实时动态更新。所以，随着大数据建模更加精准，用户“白条”激活概率也会提升。目前，京东消费金融已经对接近2亿用户完成了信用评分。
关于白条提额问题，可以定期领取提额包，还有不定期的白条提额活动。保持良好的消费还款记录，也可以获得提额奖励。 [2-7] [18]
还款形式编辑
如果不分期，京东白条可以30天后延期付款，不会产生费率。分期服务可选择分3期、6期、12期、24期。费率标准是0.5%-1.2%，违约金费率为0.05%/日起。
可通过手机京东金融PC端和客户端、京东钱包客户端，tiao官网进行还款。 [14]
争议事件编辑
关于京东白条的真实身份，长期关注互联网金融的北京志霖律师事务所律师赵占领认为京东白条和虚拟信用卡之间是有区别的，毕竟信用卡的发卡方对于消费者所购买的商品既没有处置权，也没有所有权，本质就是消费金融。但是京东白条与其不同。
消费者在京东商城购物，京东对于货物本身是拥有所有权的和处置权的，可以选择提供分期还款或者是30天还款。它实际上就是一种应收账款，卖方就有权选择用晚30天去付款，这个是他的权利。”
北京大学金融法研究中心孙天驰也表示，1.0白条虽然没有提供金融贷款，但并不意味着它有理由脱离监管；在白条2.0情况下，消费者相当于无需去百货商场的收银台付现金，只需要跟收银员打个白条就可以直接从商铺处拿走商品，此时白条获得的是一种瞬时的应收账款请求权，即消费者应当向收银台付款，白条2.0下的权利来自应收账款请求权；3.0时代的白条已经脱离了京东平台环境，而是作为一款独立的消费信用产品直接接入旅游、装修等各种消费场景。
平心而论，白条问世两年来并未见重大风险，不管是白是黑，白条这只野猫都抓了不少老鼠。面对白条应当秉持开放包容的态度，不用带着“唯牌照论”的有色眼镜看白条，而是从交易结构本质和保护金融消费者权益的角度出发，规范、引导白条等新型消费金融产品健康发展。
银率金融研究中心信用卡组分析师华明也曾指出，银行之所以会叫停信用卡还京东白条，除了风险防护方面的考量外，互联网金融对传统银行的冲击也是原因之一。
而谈及金融科技公司和传统金融机构的关系时，京东金融CEO陈生强表示前者并不是一定要绕过传统金融体系，更不是在“挑战”传统机构。金融科技公司一方面可以帮助传统金融机构更好地服务现有用户；另一方面，自己获得用户之后，再输出给传统金融机构，共同提供服务。 [2-7]

⑹ 大数据与更好的零售

大数据与更好的零售

叙说起来零售历史经历了几个比较稳定的时期，但当中穿插了一些拐点或者说是——颠覆性改变。这些改变的核心无一例外都是数据：

首先，上世纪七八十年代EPOS的出现在品类管理发展中扮演了重要角色；

其次，在随后的90年代零售商的忠诚度计划或会员卡计划创造了一个完全基于顾客洞察更好决策的营销行业，美国的克罗格（Kroger）和英国的乐购（Tesco）在这方面引领全球零售行业；

第三，也是最近，电子商务革命为零售商提供了以前不可能获得的数据及洞察——是关于顾客决策方面的。通过使用点击流数据（Clickstream），在大多数时候，顾客是可以识别的，那么品类就能了解当我买了产品C，我其实也看了产品A和产品B——这对销售周期慢的行业来说是巨大的突破。另外，全渠道零售及社交媒体开辟了一个新的时代，让顾客能够占有大量的信息去比较产品、服务及价格——即使他们可能最终还是在实体店购买。再一次，一个完全的行业出现了——通过顾客再定向（retargeting）技术及推荐引擎——电子商务可以做出实时的商业决策。

在21世纪的前几年，大数据这个术语被用来描述整套新概念，比如很多的记录（长数据）、很多的维度（宽数据）、文本或图片（非结构化的数据）、实时或准实时（near real-time）。科技及社交媒体发展引发的大数据爆炸为零售商及品牌商提供了更多与顾客保持高度链接与做大生意的方式与方法。

所有零售的核心是为顾客创造更好的价值主张：无论它是为顾客省钱提供更低的定价，还是更与顾客相关的选品，更好的顾客服务，更有效的促销，或者是更有效率的运营及配送等。

正因为有太多的新技术产生数据，有太多的新数据源，所以零售商必须要有一个框架去理解这些数据：购物之旅模型（the Shopping Trip Model）。购物之旅模型定义了产生数据的所有顾客触点（touch point）以及触点发生的场景（比如搜索、到访/逛店、货架取货、支付、使用等等）。这样，任何新的数据概念都会被理解为某些触点的一个函数，有很多的触点并且每一个触点都会产生多种数据集。

举例来说：

模型中的逛店（线上或线下）——就是指顾客在网站、在APP或者在实体店浏览的那些时刻里发生的行为。特别地，若是在实体门店，新兴科技可以让零售商了解顾客在门店里怎样逛，以及他们如何最终找到他们想找的商品。机场、酒店及餐馆的WIFI应用相当普遍，在中国，门店里WIFI 的应用也开始逐渐普及。这却可能改变—最终的胜者可能是这样一些数据收集技术——可能是beacon或其他基于蓝牙技术的解决方案。无论谁将在技术上获得统治地位，数据的机会依然一样——只要具备了解顾客逗留时间及路径的能力。如果能将逛店洞察通过顾客唯一识别码（customer identifiable token）（如同自动登录的APP）与取货及支付等行为链接并分析，这将为零售商带来真正的商业转型。

那么，这些数据到底怎样落地并帮助零售商呢？以往的做法通常是，零售商给顾客打各种各样的标签（推断或直接收集描述个人财富状况、家庭状况、购物行为等的数据）。然而，这只是管中窥豹。要让数据能被实时使用，有必要在时间、地点及商品或品类等方面进行加强。

顾客可能对豆子价格敏感但却愿意花很多钱在护肤品上。一个上海的顾客可能周一到周五都在快节奏地工作但到周末会带家人去购物中心度个休闲的周末，喜欢从容不迫地购物，所以，该顾客应该在那天受到特别对待。想想你该如何告诉门店导购使用顾客洞察。

未来五年，使用多种数据源来多维度了解顾客将会是零售业的标准实践。那些取得大数据竞争优势的公司将会是那些能在各种场景下准确描述顾客的公司。一旦拥有数据，差异化和个性化的可能性就只能是受制于该公司的想象力及基于顾客洞察的执行力。

千店千面或门店差异化（提供不同的促销、个性化的定价、差异化的商品组合或者品牌体验等等）给物流和运营带来巨大的挑战。未来几年，会有零售商因为拥有数据能力从而可以为顾客提供个性化的购物体验，但是却缺乏运营能力来实施数据分析建议作出的改变。实际上，哪怕在今天，很多门店都知道调整一下晚上的选品就会有更好的销售——商品调整的实施限制不在于能指导调整的数据洞察，而是在于货架、场地空间或库存控制等运营因素。与投资于数据同样重要的是需要将门店智能化——让门店能实时了解库存状况（可能是通过RFID）、物理属性（温度、照明、湿度等等）、门店员工（位置、语言、专长等）以及更为重要的到店顾客（画像、购物偏好等等）。通过数据把“人（顾客）”和“场（门店）”链接就能为顾客提供个性化的购物体验，从而差异化门店，无论是线上还是线下。

以上是小编为大家分享的关于大数据与更好的零售的相关内容，更多信息可以关注环球青藤分享更多干货

⑺ “大数据”的根本是为了价值创造

“大数据”的根本是为了价值创造

前面什么是“大数据”我就很快的过一下，我们看到了“大数据”的一些想法。更重要的是我们怎么看待“大数据”，怎么影响到业务模式的变革，我们也会提到一些案例，我们看到我们的客户在整个“大数据”的变革中会做一些什么东西。在当中最重要的，刚刚吴老师也提到，不但是获取数据，而是如何用它，不管是组织、流程、能力各方面怎么做很好的准备，怎样去挖掘这样的一个机会。
首先刚才大家也提到了，现在进入到了一个“大数据”的时代，如果大家看我们这里做了一个很快的统计，在全球几百个主要的媒体上面，看到在一些标题，或者是在一些主要的段落里面，谈到“大数据”的这个字的话，其实十年前就已经开始有了，但那时候还不是太多。其实在比如说2005、2007年的时候，看最火的字可能是电子商务，看得更加多。2001年时候看到的最多的字是云计算。看最近两三年，“大数据”就突然间增长的非常快了。当然不是说电子商务、云计算已经落后了，这些还是经常看到的自眼，但“大数据”会看到非常高的比例。
“大数据”刚才大家都谈到了一些不同的定义，“大数据”是什么东西，刚才也提到了，其实十多年前、二十多年前，我们就已经会挖掘客户的信息了，会做分析了。但是究竟“大数据”和以前有什么不一样?首先在量上面，是海量的数据，是本来一些的方法、工具，这些是分析不了的，是做不了的，这个量是非常多的。给大家一个概念，现在世界上所有的数据，90%是在过去两年产生出来的，所以你会看到，我们的时间再过一年的话，信息量的增长完全是一个爆炸性的增长。比如说另外一个，可能刚才谈到视频分享网站，有人做过一个统计，比如说你现在坐在一个电脑面前一直看这个视频的话，可能需要一两千年才能够看完。这些数据量这么多，当中对你有用的不一定会太多，怎么挖掘海量的数据，这个量是一个很大的重要的一点。
除了以外，另外一点就是现在不同种类的数据，以前的话，可能在网上你看到了一些文字的资料，现在找东西的话，你会找图片，会找不同的视频，有时候还会有很多不同的模式，比如说你的PUO这些东西，或者是其他的很多不同的种类的信息，这个也越来越多。
其实很多时候，刚才已经提到了，我们要分析，客户分析的数据不但是分析自己的数据，很多时候是要把怎么样和外部的数据结合起来。比如说大家一直可能会谈到沃尔玛，怎么样挖掘沃尔玛自己的客户，他买了什么东西，对未来会买什么东西做一个预期，或者是对未来的什么折扣感兴趣。但是有一个有趣的事情，沃尔玛不但看自己的数据，还会把这些数据和天气的数据放在一起看。比如说下雨的时候哪些货品要多做一点，或者是有台风的时候，客户会来多买什么东西。把不同种类的数据和不同来源的数据做一个很好的分析的话，这个也是“大数据”时代的一个挑战。
另外一点，在媒体里面常常谈到的“大数据”是实时，这个是很重要的，不但是量、种类，要实时的应对，比如说十年前客户做调研和客户细分，需要两三个月的时间来做分析，来做出结果怎么服务好客户。但是现在客户的需要已经不一样了，怎么实时给出应对是重要的一点。
其实我们对“大数据”的理解也有一定的定义，就刚才提到的，其中首先一点是怎么样收集，怎么样去分析，怎么样去理解这些大数据，这当然是很重要的一部分，这里面很重要的一点，不单单是获取，因为我们常常看到一些客户可能觉得浪费时间，外面有那么多的数据，怎么多拿一点进来，但是更加重要的是你有没有这个能力，怎么用这个数据，这个能力非常重要。
这里面提到两个另外的点，一个是“大数据”不是为了获取分析来做，更重要的一点是对于公司价值的创造，如果到最终这个数据你拿到了很多，分析了很多的数据，根本影响不了你的业务的话，这个也没有什么意思，所以价值创造是根本的一点。在这个过程中，我们相信“大数据”对业务的模式是一个很大的变革。所以我们在后面也会提到。
这里面我们随便看不同行业里面的经验。今天早上和一些同事聊的时候，大家也在谈，其实“大数据”究竟对什么行业有最大的影响呢?其实我觉得这个问题是很难回答的。因为我们看到很多客户一直问我们“大数据”对他们有什么影响，电子商务对他们有什么影响。这里面不单单是消费者的公司，或者是B2B的公司，或者是医药的种种的公司，主要是看怎么应用“大数据”，一方面是他们的数据量，数据的来源越来越多了。还有就是刚才提到的，就是怎么和外部的数据结合起来，做到对你业务有价值的帮助。现在价值创造往往上上亿美元的收入，或者是成本方面的增长。
刚刚提到其实不同的行业里面会有不同的应用，这一页是我们几个月之前做的，这上面可能有一些还没有做“大数据”的公司现在已经开始做了，这个变化是非常快的。举一个例子，一个保险（放心保）方面的，过去可能看不同人的年龄，以前开汽车有没有遇到过意外，然后决定你的保险要付多少钱。现在是有一个仪器放你车里面，看你开车是否安全，这个就可以给不同客户更加个性化的定价。这个就是一个“大数据”的应用。另外一种，我觉得也很有趣的例子，大家知道现在是欧债危机，很多政府都遇到了这样的挑战，比如说意大利政府，意大利政府不但是考虑有没有人逃税，不但是要看报上来的数据，在法律允许的情况下，结合了很多消费的帐单、电话费的帐单，比如说你有没有去外地旅游等等，你没有那么高的收入，为什么可以有这么高的消费，把这些数据和他们报上来的收入比较，发现20%纳税人是高风险的逃税人。这个也是一个“大数据”的应用，不但是在业务里面、商业里面，也在政府里面，很多行业里面都会有不同的应用。
这里面谈一下背景，因为很多客户常常问我们，什么叫做商业模式，我们有没有一个好的定义。这个也是我们很多客户比较接受和认可的定义。商业模式，在这里面有两个大的方面，一个是价值主张，比如说从所提供的产品服务究竟是什么东西，目标客户群是谁，收入的模式，比如说定价、商业模式怎么样在里面赚钱的，收入是怎么样来的，这也是一部分，我们叫做价值主张。
另外一方面是在运营模式方面，比如说在整个的价值链当中，怎么控制这个价值链，或者我们在价值链的哪个部分去玩，其中组织的架构，也会影响到商业模式，最终也有成本的模型、成本了模式。我们对于商业模式的变革，商业模式的改造里面，定义在这六个模式里面至少有两个是在改变，才叫做商业模式的改变。比如说你只是改变了目标客户群，其他没有什么改的，这个只是客户群的改变，如果只是多了一点服务和产品，在其他方面也没有改的话，这个也不是根本的商业模式的改变。但是我们后面谈到例子中就会看到，很多客户在运用“大数据”的时候，有两方面的改变和影响，这个就是根本上的商业模式的变革。
“大数据”如何影响到商业模式的变革。这里面有几个大的方面，首先是数据的来源，根据提到数据越来越多，在中间怎么样影响总体的经济链，或者是总体价值链。右边是结果了，刚才提到，可能是六个方面影响我们的商业模式。但是如果大家看一下左边的数据方面，其实数据来源，或者是量越来越多，这个当然是一个很重要的一点，但是刚才吴老师和殷总也提到，获取数据的成本，或者是储存数据的成本越来越低，这个是使得大家愿意越来越多的使用“大数据”。但是更加重要的是要有越来越先进的分析工具，来帮助大家做这些分析，不然的话，如果还是用十年前，十五年前的工具，虽然数据多了很多很多，但是也做不住很好的结果。比如说我们自己内部，过去5年也建立了一个团队，专门看地理方面的数据，全球不同地方的地理数据，比如说中国国内，什么地方有餐厅，什么地方有零售店，其实现在有很好的数据做分析的，十几年前没有这样的数据库，现在有了，我们也有这样的能力。我们也有团队，比如说看全球零售方面的数据分析。比如说几年前我们用很简单的工具来做分析，因为数据少，很容易做。而现在我们自己的咨询公司也会建立这样的能力。
最后当然是客户他们，这些消费者也很愿意的和大家分享这些数据，当然在隐私这些方面可能还是一定的挑战，但是对于他们来说，他们贡献的这种数据，获得了这种便利，比如说在亚马逊上面可以提供书的建议，或者我到沃尔玛里面，有特价的折扣给我，比较个性化，这些是他们比较愿意用他们的数据来换取一些价值。这些种种方面就是为什么现在数据越来越多，怎么样影响到业务模式的变革。
在当中，我们一会儿会谈到比较大的一点，就是中间谈到怎么样真正的影响价值链。比如说现在有了那么多的数据，而且流通性那么好的话，大大增加了在交易、客户、产业之间的透明度。其中还谈到了交易成本都有一定的降低。比如说以前一家公司要做针对性的营销的话，以前可能是很难做的，以前做营销，打一个广告，面对很大的受众，但是不一定很有针对性。而现在用比较低的成本，你有了这个能力，有了这个数据，就可以给客户很个性化的优惠和产品。这个以前是不可能发生的。
在价值链不同部分的规模变革，或者是客户的期望值，这个也是很重要的部分，为什么这些公司要根本的改善业务模式，很重要的一点是客户的期望值在改变。大家觉得现在有那么多的数据，我只看到竞争对手做了那么多的东西，但是我们对于公司的期望会越来越高。
刚才谈到业务模式的六大方面。
我在这里面就不多提这些例子了，我后面会比较仔细的谈在企业和“大数据”当中怎么样去竞争。
在这个方面，首先我们很多时候当客户在看这个问题的时候，会从几个大的方面看。其中最重要的，就是最上面的，就是整个他们对“大数据”方面的整体的定位，或者是战略是怎么样的。这个是很重要的。刚才也说了，不是为了获取数据而获取数据，不是为了分析数据而分析数据，最终希望你怎么样去使用，这个在你的业务里面是希望达到什么样的效果，这个是很重要的一点。这个整体的方向，高层、领导层方面的一些大力的资源方面的支持之外，下面我们会从几个大的纬度看。
第一个，怎么样利用这些数据。这是很重要的部分。数据的用途在哪里。
第二个，我们叫做数据的引擎，其实就是数据基础的建设。
第三个，生态的系统，整个生态系统怎么样去看。
这里面很快把每一点说一下。首先在上面怎么样利用这个数据，我们这里面看到两个大的方面，一个是在机会方面，一个是信任方面。机会方面就是要了解用这些数据会达到什么目的，会有什么样的机会，比如说要挖掘一点对业务方面的洞察，还是希望对整个公司的流程有更加好的完善，更加好的改进呢，还是说你希望给客户提供一些新的产品，以前可能是没有办法提供的，比如说你本来有不同的业务，本来是独立的提供业务，现在不同单元可以分享提供业务，提供新的数据。怎么样利用这些数据，就是要看机会方面，有哪些机会。第二方面叫做信任。这里面其实有两大部分，一个是刚才提到的数据是不是也愿意的提供一些数据给你，就是说让你获得一定的便利，获得一定的优惠，然后客户能够信任你，让你收集这样的数据。另外一部分就是你怎么样建立这个形象，就是在整个的过程中，客户愿意给你，但是慢慢的你要建立一个可信任的形象，就是大家觉得给你这个信息是安全的，就是这个信任。所以怎么样利用和获取信任是很重要的部分。
第二个部分是数据的引擎。第一个是在技术方面，怎么样建立这个平台，这个当然很重要。右边是组织的架构，内部的话，你的组织需要什么样的能力，需要什么样的人才，比如说组织架构，比如说刚才殷总提到在一个公司里面有一个CBO，除了这个之外，有一群人在总部，可能对“大数据”分析比较了解。但是在每一个业务单元里面，是不是也要有人确定这些数据怎么用，怎么获取这些数据，日常和客户的沟通过程中，怎么收集和利用这些数据，这也是很重要的一点。这个是第二个部分。
第三个部分是数据的生态系统了，其实看到了很多的公司，他们不单单是看自己的数据，他们是很好的怎么样确保和他们整个生态系统，或者是第三方的伙伴，他们怎么样分享这些数据，这个总体来说是非常重要的一部分。所以很多时候，我们在过去好几年做了有上百个不同行业的“大数据”的项目之后，总结出来我们客户常常遇到的问题，可能都是这样，很多时候客户一开始来谈的时候，可能都谈上面的机会，究竟什么是大数据，给我们什么样的机会，但是他们慢慢了解之后，知道了这个还不是最大的问题，有了系统和做分析的人，这些都OK了，但是更多是在组织、流程、生态系统方面是更加的挑战。
在其中，我这里准备了两个例子，一个是谷歌，大家也是比较知道的，在运用数据方面是一个比较大、比较领先的公司。在当中会看到我也会从刚才提到的六个方面，怎么样使用数据，里面是怎么样挖掘不同的机会，怎么样得到客户的信任。第二个方面是数据引擎方面、平台方面、组织方面是怎么样做的，最后是怎么样参与生态系统，建立和不同伙伴的关系。
谷歌也很有战略，看到了很多大家还没有看到的机会，他们很早的时候就已经先做了，这个也是客户里面现在比较大的改变，现在有很多东西你要尝试的，因果关系你还没有看到很清楚，但是看到了关联性，虽然看不到因果关系，但是看到了就要尝试。谷歌是比较领先的一个。在当中会看到，在数据用途方面，比如说左边这里，他们常常有很多不同的应用，不管是地图，不管是在其他方面，比如说视频种种方面，有很多不同的应用，有上百种不的应用，就一直在试。它的数据库并不一定有很多，可能是有单一的数据库，在这个数据库里面可以让你做很多不一样的东西，这个就是客户在想的，其实更加重要的不是要获取更加多的数据，其实很多时候客户已经有太多的数据了，甚至有时候他们觉得自己的数据不够，一定要到外面找，其实他们没有想清楚自己的数据怎么用，单一的数据库已经可以让你做很多不同的东西出来，让你尝试不同的东西。
另外一方面，和客户怎么建立信任，比如说一个方面，客户要慢慢的、很快的感受到他们在这些数据方面里面获得的一些好处在哪里。另外一方面，他们收集了这些数据，谷歌这方面做得挺好的，比如说社会责任、社会形象、捐款，这方面他们做得也是很多的，这是为公司建立起比较正面的形象，这方面让客户觉得和你分享这些数据，你也是比较可信的公司。在怎么获取，怎么使用方面，其实很多客户是会考虑非常清楚的。
第二个方面是数据引擎，在整个基础建设方面。首先是技术方面，技术方面我当然不是懂很多。首先是要有统一的自己的数据库，然后在当中扩充性也是比较大的，刚才提到，拿了那么多的数据，怎么把数据库扩充、扩容，这个是非常重要的一点。另外一点是在组织方面，比如说这里面提到，当然你需要一些，我们这里说到数据的工程师，在很多公司里面，这个量不一定很多的，不是一家公司可能有上万人，就要有几百个这样的数据工程师，很多时候有十几个人的小的团队，但是能力都是比较强的，知道怎么进行数据挖掘，怎么把系统建立起来，这个是非常重要的一点。另外一个是在当中右下角，吴老师提到的一点，不是说要根因这方面的东西，其实他们挖掘这个东西的时候，最重要是看关联性，两个动作有一定的关联，然后就知道要去尝试这个东西，然后慢慢的看究竟为什么有这个原因，这个是和传统做一些商业决定是很不一样的。
对生态系统，这个也都不用说了，这里面比如说谷歌通过参与不同生态系统里面，和很多第三方伙伴一起来合作。有一些，比如说上面的是整个搜索的生态系统，下面可能地图也有生态系统，不同里面，和不同的很多人在合作，在工作。
后面我很快的说另外一个例子，这个是宝洁。也是从刚才的六个纬度看一下，怎么使用这些数据，基础怎么建立起来，最终怎么样建立很好的生态系统。这个是刚才提到的上面的三角形，对于大数据整体的战略和定位是怎么样的，可以看到在过去可能几十年的历程中，很多时候，比如说七八十年代、八九十年代，不但是宝洁，很多公司都在想生产力怎么提升，流程怎么做得更加好，或者是比较根本的业务方面的东西，但是会看到在过去几年，有很多大的投入，都是在“大数据”、运用电子商务的机会等，在公司的高层是有很大的决心要做这个工作。所以你会看到，在数据的用途方面是有很多不同的例子，这里面只是有几个例子而已。第一个是在社交媒体方面，其实有一些不单单是他自己的数据，还有外部的数据，他们进行分析，分析之后看到不同客户群的趋势，客户在看什么品牌。后来看到了一个客户很认同的品牌，买了进来这个品牌，然后客户增加了10倍，这个是很重要的一部分。
第二部分是流感方面的药，刚刚第一个是谈到客户端的数据，第二个是在库存上，怎么样提供给零售商足够的库存。这个药可能30%的存货的机会，就是你买这个产品，很多时候是70%的时间是缺货的，但是慢慢经过所有数据的挖掘，就把线下的库存做得更加好了，所以会看到是不同纬度来做“大数据”。第三个方面是怎么挖掘这些“大数据”。每一天收到的电邮，或者是服务中心收到的电话大概是15万个，每天都挖掘这些信息，这些人打电话进来到底是问什么问题，发邮件来到底是问什么东西，把这些理念灌输到不同的业务单元里面。右边也是，要给消费者一个很有信任的感觉，大家才会比较信任的愿意分享和让你使用这些数据。
另外总体的引擎，左边谈到了平台，前面谈的比较多的是技术平台方面，但是也很重要的一个，就是在管理的平台上怎么样去做。比如说这里面提到一个例子，首先要有统一的数据展示的方式，每周一全球的经理开会，就是要把统一数据库里面的发现、展示做一定的使用和研究。然后影响力，在大数据的分析等方面都为高层做很透明的信息平台。
在右边，就整体的组织方面，首先是很清晰的，在集团领导的层面，他们把重要性放得最高的，刚才听到，过去可能是流程提升、效率优化等，现在“大数据”和电子商务这块最重要，这个是组织方面。
刚才也提到，在中央，在集团的层面有一个小的团队，这些可能都是最聪明的PHD、MBA，然后让他们主导在数据方面的战略，是同一时间不但是在集团的层次，在不同业务层面，有专门人谈数据挖掘和谈“大数据”的。
最后是生态系统，虽然以为宝洁是很大的公司，他们有很多的资源和数据，但是要看到和外部，不管是零售商还是经销商，有很多方面的配合是他们要做的。内部有很多的合资公司，怎么样把他们的系统、数据和零售商等做一个联系，这是很重要的一点。右边也是有一些，和主要的合作伙伴，比如说谷歌，还有零售终端，比如说沃尔玛等，这些也是要分析的合作的伙伴。整个的生态系统里面，究竟要做什么东西，这个也是很重要的，不是有了数据就可以了，最重要的是要把生态系统打造起来。

⑻ 一亩田价值主张需要哪些关键资源

⑼ EBC是如何实现数据化价值主张，满足企业战略升级的

长江后浪推前浪，EBC被誉为是新一代的企业ERP，专家预测，EBC将引领企业业务能力管理的全新时代。智能化、服务化和消费化是EBC的全新价值主张。倡导的是战略导向、IT控制，更多的是一种控制手段，保证企业的战略、业务朝着计划的方向走。