大數據漫談

從玄學到厭惡，再到中性，人們對大數據的認識經歷了三個階段。

第一階段，認為大數據是玄學。它很牛、很神，什么都能做，沒有它不行，未來全都是它的，你不懂它就會被社會無情拋棄，所有人都宣傳他們準備或正在搞大數據。

第二階段，發現大數據是在吹牛扯淡。它無非是服務器公司、數據庫公司、硬盤公司、報表軟件公司、科技公司炒作的噱頭罷了。它來得很慢，它成本很高，它并不能迅速帶來直接的好處。

在管理層能容忍的有限的期限內，想要數據又大又快，那么數據很難做得很深，無法基于這些膚淺的數據深入洞察；想要數據又大又準，這得花時間，想想我們企業最小的生理需求一一期末編制財報要幾天？想要數據又快又準，那么覆蓋的廣度又有問題；想要數據又大、又準、又快，則需要花很多很多錢。

第三階段，大數據成了一個中性詞。理想中的大數據，讓它成為詩成為遠方好了，我們還是著手眼下或者未來三五年的事：把基礎數據梳理好、把標準搞好；把核心系統的數據及時性和準確性提高；把報表系統進行更新，使出報表的速度從一周提升到一天以內。

造成這段曲折的，其實是因為大數據前面那個“大”字。但無論怎樣，“大”還是會被繼續沿用。

何謂車企的大數據？銷量不過100萬輛的有沒有“大”數據？供應鏈、生產、財務數據算不算“大”數據？車主的購物記錄、社交媒體上的印跡屬不屬于車企的“大”數據？交通、天氣是不是車企的“大”數據？

我們認為，車企大數據應用的重點，不是在于如何獲取更多的數據，而是圍繞業務目標和具體的業務問題，基于一定的數據分析，來解決問題、達成目標，體現數據的價值一一這和“大”沒有直接關系，甚至有點遠離“大”，而強調小、深、精。

大數據可以解決哪些問題

排在首位的，當屬營銷和銷售問題，這與營銷效果、客戶行為分析、客戶體驗提升、客戶保留有關，這一領域也是當前關注和投入最多的部分。在發展中國家，汽車需求主要來自初次購買者，車企對客戶保留計劃的關注非常少。

但隨著時間推移，當市場變得成熟時換車的買家比例也會增加，此時，穩定的客戶保留就變得至關重要，它和可持續性增長有著直接的聯系。為了保留客戶并促使他們再次購買，必須在接觸品牌的每一個環節和階段讓他們感到滿意。通過數據分析，我們可以知道為此需要做些什么。

在車企的價值鏈條上，大數據分析可應用于人、財、物、研、產、供、銷、服等各個子領域，特別是讓人頭痛的供應鏈、質量及召回難題，關鍵在于建立有效的數據分析價值體系模型。在更高級的階段，大數據還能夠為決策方式和決策過程發展的新形態提供必要、必須的基礎。

大數據應用從哪里開始

大數據本身涉及的業務領域和技術領域都很廣，在構建大數據應用時，應首先從企業的業務戰略和IT戰略出發，構建大數據應用的頂層框架設計。主要包括以下幾個領域：

·戰略：從業務目標、企業價值體系、業務痛點和IT規劃入手，以明確大數據應用的定位、目標與策略，并制定大數據應用/平臺建設路線圖；

·數據分析/價值模型：分析業務痛點，構建企業價值地圖及數據分析模型，通過數據算法的運用，找到解決問題、實現價值的方法：

·應用場景：結合市場和公司的發展，從企業價值鏈和客戶生命周期入手，梳理大數據應用的業務場景；

·技術平臺：追蹤技術發展趨勢并結合企業內部各種應用系統，構建大數據技術平臺，滿足企業發展需要。

大數據應用的頂層框架設計對于企業而言相當重要，它直接與公司戰略、業務發展和rr系統建設相掛鉤。有了頂層框架設計，可以減少對數據資產的過度投資或者投資浪費。

制定大數據戰略

大數據戰略的制定需要回答以下三個問題：

IT如何摘掉只花錢不掙錢的帽子？數據分析是一個絕佳的機會。未來的IT部門將不僅僅是企業的成本中心，通過深入的業務融合，通過對數據資產的深入利用，IT將促進業務變革、帶動業務創新、創造出新的業務模式，成為企業發展的新引擎、成為企業的利潤中心。

數據分析模型、數據價值模型

大數據之所以稱之為大，第一個原因就是它信息量大、字節數大。在人們大肆鼓吹大數據之前，車企的AP0、PIM、ERP、SCM、CRM、SRM等系統產生的大量的數據，已經躺在機房的數據庫里好久了，而且還在不斷增加。除了能拿來編制報表、展示在管理駕駛艙/儀表盤里，剩下恐怕只能被轉移到久不使用的備份磁帶上。

如何充分利用這些已有的數據，如何知道還缺哪些數據，如何利用數據來體現價值？基于數據分析價值模型，按圖索驥，便能找到問題的答案。

用技術一點的語言來說，大數據應用的關鍵，是對數據模型和分析算法的運用，所以這需要IT專家、業務專家以及算法專家密切配合。主要的工作重點包括：

·業務理解與建模：基于大數據應用場景，識別關鍵業務挑戰，構建數據模型：

·數據獲取與清理（清洗）：識別模型所需數據，以及相關數據質量問題，對數據進行必要清理使其滿足模型需要；

·數據存儲與整合：從業務與IT兩個角度構建數據存儲模型，并對不同來源，不同結構，不同類型的數據進行必要的整合；

·數據挖掘算法運用：通過多種數據挖掘算法的運用，找尋數據表象之下的業務真相以及問題的答案。

大數據分析建模不是簡單的數據統計和匯總，所回答的問題也不僅是明確的因果性問題，更多的則是帶有不確定性的相關性問題。通過對多種來源的數據分析，發掘潛在的業務動因和模式，才能輔助業務決策，甚至驅動業務變革與創新。

車企大數據應用場景

和數字化轉型類似，大數據的應用也要有場景思維。我們可以從企業價值鏈和客戶旅程的場景入手，沿著價值鏈條和客戶旅程去找尋業務需求、痛點及機會點。

以客戶旅程角度分析為例，在客戶旅程的3大階段中，至少可以梳理出18個業務場景，從這些業務場景出發，我們能挖掘出眾多的價值機會。

自己玩還是和BAT們一起

車企關注的大數據，一方面與汽車相關、一方面與用汽車的人有關。這些數據分散在政府、供應商、經銷商、維修店、保險公司、科技公司以及車企手里。

為了給客戶畫像、為了把握網上輿情、為了預測客戶保養行為、為了分析不同客戶帶來的價值、為了及時預警客戶流失情況，僅靠車企自己的CRM或者DMS系統、競價排名、關鍵詞過濾、人肉篩選評論夠不夠？顯然不夠。為擴大銷售機會，以每條幾百幾千的價格從三方平臺購買線索值不值？也許。自建垂直電商、自己充實門戶內容，還是依附第三方平臺開旗艦店、贊助論壇？這要具體情況具體分析。

這是因為在大數據的生態中，車企是處于劣勢地位的，我們必須以開放的心態與第三方數據供應商積極展開合作，使數據慢慢變大，從而獲得更多基于數據分析而產生的價值。（本文作者為德勤管理咨詢上海有限公司技術戰略咨詢合伙人華思遠，德勤管理咨詢上海有限公司技術戰略咨詢經理鄧明輝）