商业智能化

大数据是智能革命的核心。大数据背后的基本思想是，人类一切行为都会留下数字痕迹(或数据)，我们(或他人)可以对其加以利用，变得更加智慧。掌握数量日益增加的数据并利用技术能力将其转化成具有商业价值的想法，是推动新世界的主要力量。

无疑，大数据在改变世界。我们的居住、择偶、治疗癌症、科研、提升绩效、管理城市、治理国家和管理企业的方式都因此而发生了的改变。因此，出现了对大数据大量的吹捧和赞美。人人都在谈论大数据。大数据也是各个董事会以及包括《经济学人》、《财富》和《哈佛商业评论》在内的商业出版物经常探讨的热门话题，甚至连主流媒体也加入了。但是尽管人人都在发声，多数人仍不理解何为大数据，几乎没人知道如何利用。就个人而言，我不太喜欢这个新词，因为它过于简化，可能误导人。诚然，如今，我们追踪和记录一切信息，所以我们确实拥有获取海量数据的潜在能力——也就提出了大数据的概念。但是真正的价值不在于数据多少，而在于我们如何利用。与数据量相比，掌握分析大量复杂数据的能力才让我们与过去不同。云计算与升级的网络和创新的数据分析能力相连接，让我们能够将海量复杂的数据转换为价值。除此之外，分析能力的取得不再依赖建造超级计算机。也就是说，任何能够运用大数据的企业、政府部门或个人都能提高决策能力。

分析所谓“非结构化数据”的能力作用巨大(更多内容见第3章)。基本上，非结构化数据不易存储，在传统格式和数据库(如电子邮件交流、社交网络帖子、视频内容、照片、录音和声音等)中难以索引。将无序复杂的数据与更传统的数据融合是价值所在。许多公司开始利用大数据分析技术完善传统数据分析流程，以增加利润，提升认识，更明智地决策。从效果上看，大数据应该指代智能数据，同时，我认为大数据一词会逐渐消失，而智能数据的收集和使用必将长存。

谁是大数据用户？

该领域主要选手是：亚马逊、谷歌、沃尔玛和Facebook 等巨头，且已经取得相当成就。例如，沃尔玛每小时处理的消费交易超过100万次，交易数据所占空间为500万亿字节。沃尔玛现在可将数据与多种资源联系在一起，包括客户历史采购记录和手机定位信息、内部存货控制记录、社交媒体和外部来源消息(如天气)，并发起定向促销活动。例如，如果你从沃尔玛买了烧烤相关的产品，你的位置处在距离一家沃尔玛门店 3 英里半径范围内，且阳光明媚，沃尔玛就会向你的手机发送一张烧烤架清洁剂打折券！

另一个例子是我的一个客户，那是一家经验丰富的通信公司，正在使用大数据分析预测消费者满意度和潜在流失率。根据电话、短信和社交媒体数据分析，该公司能将消费者分成不同的类别。分析显示，某类消费者更倾向于取消订单，转投竞争者。这类极为有用的信息帮助该公司密切监测消费者满意度，并采取优先措施防止流失，维持满意度。

今天，即使是中端车也配有40个微处理器监测运行状况。这些电子设备通常占新车成本的三分之一左右。当然，汽车制造商产生、收集并分析这些信息也带来了明显的竞争优势。一家汽车公司与第三方分析公司合作发现，一台由德国供应商提供的油箱传感器性能糟糕。该汽车公司可以告知供应商，要求他们修复，但是与该供应商合作的其他公司也能享用这个改进。所以，该公司开发了一个软件补丁修复这一问题，申请专利，然后将其回卖给了供应商。

大数据正在改变商业本质，重塑制造业、保健、零售、农业等各行各业。每个可感知活动的信息率和可收集的信息量意味着，在微调流程和业务操作，以及消除后一点低效率方面，机遇越来越多。

公司是如何运用大数据的

不同行业对此的回应方式不一。零售行业尽可能地收集消费者生活的各类信息，以期高效地满足不断变化的消费需求。制造业寻求精简流程，记录和改良装备校准设定，监测产品存储环境，调节周围环境，限度地降低流失和浪费。

对跨国公司来说，这意味着从全球工厂收集和分析信息，然后研究细微变量，消化和理解研究成果。

例如，2013年，制药巨头Merck公司使用分析技术大幅降低由生产环境条件变化导致的浪费。该公司在三个月的时间里，针对550万批次疫苗的独立生产数据进行了共150亿次运算。这使得他们发现发酵过程中的工况，一旦美国食品药品管理局批准，可大幅提高产出。

2014年，机动车研究中心的一份报告显示，先进的IT解决方案和大数据带来的进步是“创新引擎”。该报告强调了机动车和汽车行业正在日趋复杂化，是汽车制造商的挑战。

每台机器和每个人在产品制造过程中的效率都可以得到记录，这样公司知道什么有效，以及如何做出必要改进。

在农业方面，数据分析正在为应对粮食增产的挑战做出贡献，专家预测，到2050 年，世界粮食产量必须提高 60%才能养活不断增加的人口。拖拉机和农机制造商John Deere公司已经在其产品中安装传感器。农户可访问myjohndeere.com获取数据，一项名为Farmsight的服务帮助农民为农作物生长创造条件。而且，该数据还能帮助John Deere公司推测零部件更换需求。

当然，对企业来说，产品种出来或生产出来后还要卖出去。零售巨头收集的包括你我在内的顾客信息告诉他们，谁会买什么，以及何时何地购买。例如，亚马逊使用S3系统监测数百万条存货信息，这些存货位于全球数十个仓库和分销中心。操作员能实时追踪送货信息，了解货物位置和去向。

在销售时，零售商使用数据决定存货的展示位置，发现哪家门市销售的某款产品多，并追踪消费者的店内移动方式。优惠卡不是什么新事物，但是对消费习惯日益复杂的分析会让商家多派发优惠卡，从而预测消费者的购买选择。这项技术的进步让亚马逊相信，很快，在你买东西之前，精准预测就会使优惠卡派发到你的手中。

互联性也在改变着商业形态。2014年，Cisco公司宣布，将为在融合虚拟和实体世界领域打拼的初创企业提供1.5亿美元的资金。对一个企业来说，将生产、库存控制、分销和安全系统互联互通，会极大地提升效率并减少浪费。GE 公司将数据和机器的融合称为“产业互联网”，并认为此举将为全球产业避免1500亿美元的浪费。

工业的各个领域都在学习利用大数据分析技术，显然，发现收集、存储和分析数据的新方法，将是可预见的未来中企业发展的重头戏之一。

即使是人力资源管理这样主观和人性化的事物也在经历大数据变革。发现和留住合适的人才是多数企业面临的棘手问题。人才管理充满挑战，失败的管理和领导层会带来严重损失。据估计，管理层失败的平均成本为270万美元。 3公开数据显示，糟糕领导的比例在33%到67% 之间。也就是说，目前，三分之一到三分之二的领导层人员都是不称职的。

不仅是财务成本，失败的高管任命也会带来客观的隐性成本，包括流失的机遇、不理想的公共关系、品牌损失、生产率低下，以及员工离职和疏远。糟糕的领导对员工士气的影响很严重：40%的美国雇员认为工作有压力；75%的成年工作者表示，工作中的压力来自直接上司。任何职位上的任何失误都可能造成事故。而首席执行官或领导者的错误任命则可导致灾难。

要知道，雇员是公司重要的资产，也可能成为的负债，这是有数据支撑的。难怪，企业会对诸如Evolv等大数据解决方案感兴趣。

Evolv是一个软件工具，将来自13个国家、18个行业的5亿多个数据点融合在一起，囊括燃气价格、失业率、社交媒体使用、居民旅行或工作时间、与经理的沟通频率等各项内容，协助评估并了解员工和候选人。尽管数据收集方式包括富有争议的智能门禁卡(可监控雇员动作和与他人互动的内容 ，但包括美国银行在内的客户对此很满意。

据称，仅通过允许更多的员工一起休息的方式，美国银行就将绩效标准提升了23%，将压力水平(通过测量被试者声音取得)降低了19%。

该软件正在被用来进行多项预测， 包括雇员在一份工作上的停留时间。Evolv也得到了一些既神奇又意想不到的结论，例如，一些类型的工作中(比如呼叫中心)，有犯罪记录的雇员表现好于没有犯罪记录的雇员。还有，改变电脑上默认的浏览器设置，使用非标准浏览器(如Firefox或Chrome)的雇员表现好于使用电脑默认浏览器(如Internet Explorer或Safari)的雇员。(当然，现在大家也都知道，人们可以操纵预测因素，在采访前，改变默认的浏览器设置，从而使预测无效。)

尽管此类大数据分析目前聚焦于客户服务领域，但引起高管层的关注也只是时间问题。当然，提升高管绩效对公司的益处巨大，因此，大数据解决方案当然值得考虑。根据研究机构经济学人智能库(Economist Intelligence Unit)的数据，2010年以来，逾半数的人力资源管理部门采用了数据分析技术。