我們將迎來一個“大數據時代”。與變化相始終的中國企業，距離這場革命還有多遠?而追上領先者又需要多快的步伐?

怎樣才能用起來大數據?障礙如何解決?中國企業家研究院對10多家在大數據應用方面的領先企業進行了采訪調研，更多家企業進行了書面資料調研，我們發現：

■ 當前中國企業的大數據應用可以歸類為：大數據運營、大數據產品、大數據平臺三大=領域，前兩者更多是企業內部的應用，后者則在于用大數據來繁榮整個平臺企業群落的生態。

■ 大數據營銷的本質是一個影響消費者購物前心理路徑的問題，而這在大數據時代前很難做到。

■ 對于傳統企業而言，要打通線上與線下營銷，實現新的商業模式，如O2O等，離不開大數據。

■ 雖然大數據應用往往集中于大數據營銷，但對于一些企業，大數據的應用早已超越了營銷范疇，全面進入了企業供應鏈、生產、物流、庫存、網站和店內運營等各個環節。

■ 對于大部分企業，由于數據分析人員與業務人員之間的彼此視角與思考方向不同，大數據分析和運營之間存在脫節情況，這是大數據無法用于企業運營最大的阻力

■ 對于大多數互聯網公司來說，大數據量、大用戶量是一個相互促進，強者越強的循環過程。

■ 對于大型互聯網平臺，大數據已經成為其生態循環中的血液，對于這些企業，最重要的不是如何利用大數據改進自身運營，而是利用大數據更好地繁榮平臺生態。

■ 對于平臺企業，它們的大數據策略正逐漸從大數據運營，向運營大數據轉變，前者和后者的差別在于，前者只是運營改進的動力，而后者則成為企業實現未來戰略的核心資源。

我們都已被反復告知：我們將迎來一個“大數據時代”。

大數據應用，將和云計算、3D打印這些技術變革一樣，顛覆既有規則，并成為先行企業的制勝關鍵。

與變化相始終的中國企業，距離這場革命還有多遠?而追上領先者又需要多快的步伐?

來自于互聯網、移動互聯網、物聯網傳感器、視頻采集系統的數據正海量增長，匯成大數據的海洋，相伴的是海量數據存儲、分析技術的突破性發展，所有這一切都給企業的應用帶來了無限可能性。

許多企業希望將大數據用起來，帶動企業的經營，但不知從哪里著手。它們不惜重金投資大數據信息系統、分析系統，聘請更多的人才，希望能從這個新趨勢中獲益，不過卻無奈地發現，大數據仍然停留在云端，沒有帶來多少實際收益。它們找不到大數據與業務結合的突破口。而一些真正將大數據應用于實戰的企業，卻在應用過程中困難重重：大數據無法與業務結合;沒有收集、分析海量數據的能力;經營人員缺少應用大數據的動力;數據來源魚龍混雜難以使用……

中國企業家研究院對當前中國企業大數據應用的狀況進行了歸納分類，以幫助企業了解實際應用大數據時的困局難點，并提供領先企業的典型案例以資借鑒。

 

 

表1

 

 

表2#p#

大數據運營—企業提升效率的助推力

對于大多數企業而言，運營領域的應用是大數據最核心的應用，之前企業主要使用來自生產經營中的各種報表數據，但隨著大數據時代的到來，來自于互聯網、物聯網、各種傳感器的海量數據撲面而至。于是，一些企業開始挖掘和利用這些數據，來推動運營效率的提升。大數據運營應用中，大數據的應用分為三類：用于企業外部營銷、用于內部運營，以及用于領導層決策。

一、大數據營銷

大數據營銷的本質是影響目標消費者購物前的心理路徑，它主要應用在三個方面：1、大數據渠道優化，2、精準營銷信息推送，3、線上與線下營銷的連接。在消費者購物前，通過各種方式，直接介入其信息收集和決策過程。而這種介入，是建立在對于線上與線下海量用戶數據分析的基礎之上。相比傳統狂轟濫炸或等客上門的營銷，大數據營銷無論在主動性和精準性方面，都有非常大的優勢。它是目前主要的大數據應用領域。

大數據營銷不僅僅是用大數據找出目標顧客，向其發布促銷信息，它還可以做到：

實現渠道優化。根據用戶的互聯網痕跡進行渠道營銷效果優化，就是根據互聯網上顧客的行為軌跡來找出哪個營銷渠道的顧客來源最多，哪個來源顧客實際購買量最多，是否是目標顧客等等，從而調整營銷資源在各個渠道的投放。例如東風日產，它利用對顧客來源的追蹤，來改進營銷資源在各個網絡渠道如門戶網站、搜索和微博的投放。

精準營銷信息推送。精準建立在對海量消費者的行為分析基礎之上，消費者網絡瀏覽、搜索行為被網絡留下，線下的購買和查看等行為可以被門店的POS機和視頻監控記錄，再加上他們在購買和注冊過程中留下的身份信息，在商家面前，正逐漸呈現出消費者信息的海洋。

一些企業通過收集海量的消費者信息，然后利用大數據建模技術，按消費者屬性(如所在地區、性別)和興趣、購買行為等維度，挖掘目標消費者，然后進行分類，再根據這些，對個體消費者進行營銷信息推送。比如孕婦裝品牌十月媽咪通過對自己微博上粉絲評論的大數據分析，找出評論有“喜愛”相關關鍵詞的粉絲，然后打上標簽，對其進行營銷信息推送。京東商城副總經理李曦表示：“用大數據找出不同細分的顧客需求群，然后進行相應的營銷，是京東目前在做的事情。”小也化妝品將自身網站作為收集消費者信息的雷達，對不同消費者推薦相應的肌膚解決方案，創始人肖尚略希望在未來，大數據營銷能替代網站的作用，真正成為面向顧客的前端。

打通線上線下營銷。一些企業將互聯網上海量消費者的行為痕跡數據與線下購買數據打通，實現了線上與線下營銷的協同。比如東風日產，線上與線下的協同營銷方式為：其門戶網站帶來訂單線索，而通過這些線索，服務人員進行電話回訪，從而推動顧客在線下交易。在此過程中，東風日產記錄了消費者進入、瀏覽、點擊、注冊、電話回訪和購買各個環節的數據，實現了一個橫跨線上線下，以大數據分析為支持的，營銷效果不斷優化的閉環營銷通路。而國雙科技，衡量某一地區線下促銷活動的效果，就是看互聯網上，來自這個地區對于促銷內容的搜索量。一些企業，通過鼓勵線下顧客使用微信和Wi-Fi等可追蹤消費者行為和喜好的設備，來打通線上與線下數據流，銀泰百貨計劃鋪設Wi-Fi，鼓勵顧客在商場內使用，然后根據Wi-Fi賬號，找出這個顧客，再通過與其它大數據挖掘公司合作，以大數據的手段，發掘這個顧客在互聯網的歷史痕跡，來了解這個顧客的需求類型。

二、大數據用于內部運營

相比大數據營銷，大數據在內部運營中的應用更深入，對于企業內部的信息化水平，以及數據采集和分析能力的要求更高。本質上，是將企業外部海量消費者數據與企業內部海量運營數據聯系起來，在分析中得到新的洞察，提升運營效率。

三、大數據用于決策

在大數據時代，企業面對眾多新的數據源和海量數據，能否基于對這些數據的洞察，進行決策，進而將其變成一項企業競爭優勢的來源?同大數據營銷和大數據內部運營相比，運用大數據決策難度最高，因為它需要一種依賴數據的思維習慣。

已有少數企業開始嘗試。比如國內一些金融機構在推出一個金融產品時，會廣泛分析該金融產品的應用情況和效果、目標顧客群數據、各種交易數據和定價數據等，然后決定是否推出某個金融產品。

但是，中國企業家研究院在調研中發現，目前中國企業當中，大數據決策的應用非常之少，許多企業領導者進行決策時，仍習慣于憑借歷史經驗和直覺。

 

#p#

 

一、大數據作為產品核心支持

它們主要在以下幾方面使用大數據：

1、提供信息服務。很多互聯網企業通過對海量互聯網信息和線下信息的整合和分析，為個人和企業提供信息服務，典型的如百度、去哪兒、一淘、高德地圖、春雨醫生等等。在美國，一些互聯網企業甚至根據大數據提供更深度的預測信息服務，美國科技創新公司farecast，通過分析特定航線機票的價格，幫助消費者預測機票價格走勢。

2、分析用戶的個性化需求，借此提供個性化產品和服務，或者實現更精準的廣告。典型的有移動社交工具陌陌、百度、騰訊、廣告交易平臺品友互動以及一些互聯網游戲商。這種應用往往先是收集海量用戶的互聯網行為數據，將用戶分類，根據不同類型的用戶，提供個性化的產品，或者提供個性化的促銷信息。比如網易等門戶網站推出了訂閱模式，讓使用者按照個人喜好方便地定制和整合不同來源的信息。

3、增強產品功能。對于很多互聯網產品，如殺毒軟件、搜索引擎等等，海量數據的處理能夠讓產品變得更聰明更強大，如果沒有大數據，產品的功能就大大減弱。比如奇虎360公司的360殺毒軟件，憑借每天海量的殺毒處理，建立了龐大的病毒庫，這使它能夠更快地發現病毒，而一些小的殺毒軟件公司則無法做到這一點。

4、掌控信用狀況，提供信貸服務。阿里巴巴上匯集了海量中小企業的日常資金與貨品往來，通過對這些往來數據的匯總與分析，阿里巴巴能發現單個企業的資金流與收入情況，分析其信用，找出異常情況與可能發生的欺詐行為，控制信貸風險。

5、實現智能匹配。婚戀網站、交易平臺等，利用大數據可以進行精準而高效的配對服務。網易花田會挖掘用戶行為數據，比如點擊哪些異性的頁面，發表什么樣的評論，建立用戶興趣模型，從而挖掘到用戶所期待另一半的類型，然后主動推薦與對方匹配度比較高的人選。2010年，阿里巴巴嘗試性地推出“輕騎兵”服務，由阿里巴巴將中國各產業集群地的供應商與海外買家的個性采購需求進行快速匹配，所憑借的，就是對供應商的海量交易數據信息的整合與挖掘。

大數據作為產品核心支撐的關鍵在于用戶量。對于大多數互聯網公司來說，用戶量越多，收集的數據越多，憑借更多的數據，其產品與商業模式會不斷改進，進而帶來更多的用戶。

二、大數據直接作為產品

對一些企業，大數據直接成為了產品，這些產品包括海量數據、分析、存儲與挖掘的服務等，目前大數據產業鏈正在形成過程中，出現了一批開放、出售、授權大數據和提供大數據分析、挖掘的公司和機構，前者主要是一些擁有海量數據的公司，將數據服務作為新的盈利來源。如大型的互聯網平臺、民航、電信運營商、一些擁有大數據的政府機構等等，后者主要包括一些能夠存儲海量數據或者將海量數據與業務場景結合，進行分析和挖掘，或者提供相關產品的公司，如IBM、SAP、拓而思、天睿公司。它們為大數據應用者們提供海量數據存儲、數據挖掘、圖像視頻、智能分析等服務以及相關系統產品。

大數據平臺——企業群落繁榮的滋養劑

相對企業本身對大數據的應用，大數據平臺更多是利用大數據來搭建企業生態。一些擁有龐大數據資源的大型互聯網平臺，已變為包含海量寄生者的生態系統。在這個生態系統中，它們將海量用戶互聯網行為痕跡和分析提供給平臺上的企業，用于它們改善經營，推動整個平臺生態繁榮，在這一過程中，它們也收取數據服務費。阿里巴巴就是一個典型的例子，從數據魔方、黃金策到聚石塔，阿里巴巴不斷地為平臺上中小電商提供數據產品和服務。

而百度已建成了包括百度指數、司南、風云榜、數據研究中心和百度統計在內的五大數據體系平臺，幫助其營銷平臺上的企業了解消費者行為、興趣變化，以及行業發展狀況、市場動態和趨勢、競爭對手動向等信息。

而當大數據從企業內部運營的動力，變成平臺企業的產品和服務時，平臺企業也在經歷著一個從大數據運營到運營大數據的階段。數據從運營的支持工具，變成了生產資料。此前平臺們的關注點，更多的是如何用好現有的大數據。而未來，它們的關注點則更多是如何將大數據這個生產資料管理好、經營好，如何更好地為平臺上的企業服務。這就涉及到收集的數據質量怎樣?格式標準是否統一?數據作為一種原材料，其精細化程度如何?是否符合平臺上企業應用的具體場景?是平臺上企業拿來就能用的，還是還需要平臺上的企業再加工?

為解決這些問題，各個平臺在積極地努力。比如阿里巴巴建立了數據委員會，在統一數據格式標準、從源頭上保證數據的質量，采集和加工出精細化的數據，確保其能符合平臺企業的應用場景等方面，不遺余力地嘗試。尤其在大數據精細化方面，阿里巴巴更是作為其大數據戰略的重點。這方面，騰訊目前也在加快步伐。比如新版騰訊網出現了“一鍵登錄”的提示，用戶可以在上面通過一些細分標簽，訂閱自己關注的內容。實際上，這也是騰訊收集更精細化的用戶興趣數據的一個有效手段。#p#

大數據實戰手冊

將大數據應用于內部運營中時，企業會遇到一些常見問題

1企業如何獲取與分析數據?

互聯網是大數據的一個主要來源，一些線下的傳統企業很難獲得。但它們可以：

a 和擁有或能抓取海量數據的平臺、企業以及政府機構合作。比如淘寶上的電商就購買淘寶收集的海量數據中與自身運營相關的部分，用于自身業務。再如卡夫通過與IBM合作，在博客、論壇和討論版的內容中抓取了47.9萬條關于自己產品的討論信息，通過大數據分析出消費者對卡夫食品的喜愛程度和消費方式。

b 建立自己在互聯網上的平臺，比如朝陽大悅城利用自己的微信、微博等平臺收集消費者評論數據。

c 許多傳統企業沒有分析海量數據的能力，此時它們可以和大數據分析和挖掘公司合作，目前市場上已經有天睿公司、IBM、百分點、華勝天成等一批提供大數據分析和挖掘服務的公司，它們是傳統企業進行大數據分析可以借助的力量。

2 如何避免大數據應用時的部門分割?

對于許多企業，其信息流被各部門彼此分割，數據難以互通，對于這種情況下，大數據的共享和匯集就只是一個泡影，更難以實現大數據的深度應用。

要打通部門之間信息分割的局面，首先要建立統一的、集中的數據系統。就像立白信息與知識總監王永紅所說的，“要真正用好大數據，企業要采用大集中的信息系統。”從更深入的角度來談，企業信息流的部門分割，更在于企業部門之間的分割，比如有一些企業的營銷按照渠道分割，導致對于顧客的大數據收集和分析效果大打折扣。

IBM智慧商務技術總監楊旭青認為，“很多時候由于組織結構問題，大數據分析有效性大大降低了。”這就需要組織與流程層面的重新設計，在這方面，阿里巴巴的部門負責人輪崗制度，對于打破部門壁壘無疑是一劑好藥。而一些企業為了打破部門分割，建立了矩陣型的組織結構，強化部門間的橫向合作，這些無疑為大數據的匯集、共享與應用創造了良好條件。

3 如何讓業務人員重視大數據的應用?

解決這個問題，一方面在于一把手對整個企業數據文化的倡導，比如1號店董事長于剛就要求業務人員無論在開會，還是匯報工作時，都以數據說話，而馬云更是將大數據提升到了戰略高度。

另一方面，也在于數據部門的帶動，阿里巴巴數據委員會負責人車品覺分享了經驗，“因為運營部門的業務人員很難看到大數據的潛力，可以首先從一些對業務見效快，見效顯著的數據項目出發，通過一兩個項目的成功，調動對方的積極性，然后再逐步一個個地引導。”

4 為何大數據工作與運營需求脫節?

這往往是由于數據人員與業務人員視角、專業知識不同而導致的。大數據人員做了很多努力，但是業務人員卻認為這些努力無關痛癢。如何解決這個問題?

有的企業從組織設計上發力，將大數據納入業務分析部門的管理之下，用業務統馭數據。對于朝陽大悅城，由主要負責戰略和經營分析的部門來管理大數據工作，其中的大數據分析人員則作為支持人員。在負責人張巖看來，大數據要靠商業法則指導，關鍵是找到業務需求的點，然后由數據分析和挖掘人員實現。在具體操作中，大悅城對微信的數據挖掘，挖掘什么樣的關鍵詞，由業務分析人員確定，而具體挖掘則由數據部門做;有的企業從流程設計上著手，推動業務部門與數據部門人員之間的溝通，建立數據人員工作與效果掛鉤的考核機制。

例如阿里巴巴根據數據挖掘的成效(比如帶來的商品轉化率的提升)來考核數據挖掘師，考核數據分析師則看其分析結果能否出現在經營負責人的報告中。從數據部門自身角度則需要降低運營部門使用數據的障礙和門檻，比如立白集團的數據人員會努力嘗試向運營部門提供更易懂、更生動的圖形化數據分析界面，在立白老板辦公室上，就有一份“客戶運營健康體檢表”，讓老板對全國經銷商的當月銷售情況一目了然。再如阿里巴巴開發的無線Bi，讓經營人員在手機上也可以看到大數據分析結果，拿車品覺的話說，“以數據之氧氣包圍經營人員。”#p#

大數據產品——企業利潤滋長的新源泉

大數據除了用于運營外，還能夠與企業產品結合，成為企業產品背后競爭力的核心支持或者直接成為產品。提供大數據產品的企業分為兩類，直接提供大數據產品的企業，以及將大數據作為產品和服務核心支撐的企業。前者主要為大數據產業鏈中提供數據服務的參與者，包括數據擁有者、存儲企業，挖掘企業、分析企業等，后者則主要是那些以大數據為產品核心支撐的企業，它們大多是互聯網企業，其產品和服務先天就有大數據基因，這些企業包括搜索引擎、在線殺毒、互聯網廣告交易平臺以及眾多植根于移動互聯網之上，為用戶提供生活和資訊服務的APP等。

阿里巴巴“數據戰”

 

[[88229]]

 

平臺型企業的大數據應用策略有何特點?阿里巴巴、百度、騰訊等一批平臺型企業，匯集了海量用戶和商家，聚集成富有張力的生態系統，它們的大數據應用不再僅僅局限于企業本身，正逐漸成為滋養整個大生態系統的血液，為平臺上寄生的眾多企業提供更多的數據產品和服務，同時也是這些平臺企業未來的收入增長引擎。

2005年，阿里巴巴開發出主要供內部運營人員使用的數據產品——淘數據，阿里巴巴由此進入了數據化運營階段，此時，阿里巴巴在大數據方面關注的重點是，怎么利用平臺上海量的消費者和商家數據，來改進自身經營，大數據僅僅局限于內部。2009年，阿里巴巴的大數據應用開始走向外部，讓淘寶商戶分享數據。2011年，阿里巴巴開發數據魔方，通過淘寶數據魔方平臺，商家可以直接獲取行業宏觀情況、自己品牌的市場狀況、消費者在自己網站上的行為等情況。2011年4月，“頁面點擊”誕生，它可以監控每個頁面上每個位置的用戶瀏覽點擊情況。緊接著，天貓攜手阿里云、萬網宣布聯合推出聚石塔平臺，為天貓、淘寶平臺上的電商及電商服務商等提供數據云服務。2012年，馬云正式公布了阿里巴巴三步走發展策略，“平臺、金融、數據”。

從數據化運營到運營數據

阿里巴巴的大數據策略意味著什么?阿里巴巴數據委員會主席車品覺一語道破，“在數據化運營階段時，數據就產生價值，你有意識地用它，但卻沒有關注它。而當你發現數據已經和戰略融合后，你認識到要有意識收集它，管理它。”如果將阿里巴巴的大數據比做食材，那么自己用原料做菜，和將食材提供給其他廚師，對原料的關注度完全不同。

由此，阿里巴巴的大數據應用策略正從數據化運營向運營數據轉變。集團首席戰略官曾鳴預測，“阿里本質上，未來會是一家數據運營公司。”前者，是如何將大數據用好，而后者則意味著，如何讓大數據更好用。

從淘寶創立之時，阿里巴巴就開始搜集平臺上的數據，直至支付寶、聚劃算、一淘等平臺，隨著業務的爆發式增長，阿里諸平臺上的數據成倍增加，匯集成海。這些數據包括交易數據、用戶瀏覽和點擊網頁數據、購物數據等等。當海量數據開始聚集時，它們也變得良莠不齊，魚龍混雜，充斥著大量失真、標準混亂的數據。另一問題是，當海量數據在一起，它們是無序的，不能直接使用，必需要提煉加工。再者，阿里縱有海量數據，卻也只是大數據之海中的一個孤島，無法全部滿足平臺商家的數據需求，比如商家需要了解用戶在其它平臺上的購買情況，阿里巴巴迫切需求外部數據。

車品覺稱：“一開始，我們在用好數據，但是隨著數據戰略與平臺戰略緊密結合，我們開始刻意地去管理數據(保證數據安全、質量和對于商家的可用性)，養數據(有意識地收集外部數據)，沉淀數據。”

讓大數據更好用?阿里巴巴是如何實現這種轉變?從六個地方入手：確保數據安全(保護商家和個人的隱私)、保證數據的質量(去除虛假數據)、實現各個部門數據標準的統一(如轉化率)、讓原始數據變得更精細化(更符合商家的應用情景)、獲得外部數據(如并購新浪微博，和其它平臺合作、購買數據信息等)、建立數據委員會。

具體做法

1 去除源頭污染，凈化數據質量

自阿里巴巴數據委員會建立以來，數據質量就成了部門的核心工作，車品覺認為數據質量是大數據的命門，如果將大數據比作水流，“來自任何支流的數據，如果質量有問題，都會帶來整個水源的污染。”由于淘寶等平臺上的數據往往良莠不齊，不少數據虛假，帶來很大的噪音干擾。“有時，在淘寶平臺上，對于一個人，我們會看到兩個手機，一個iPad，三張信用卡，五個淘寶帳號，收集數據時，以為是多個人，但實際上就是一個人。但如果依照這個數據，商家可能就將紅包給了一個不活躍的賬戶。”為此，阿里巴巴試圖剔除虛假的數據，讓收集的數據能反映真實的消費情景。比如上面的案例，就要鑒定所有這些賬戶、信用卡等是否為同一個人所有。再如，阿里巴巴經常要做產品界面測試，有時臨時修改界面，會一下子多出一個按鈕，這就會帶來大量誤點擊操作，數據收集時，就會得到很多失真的用戶行為數據。阿里巴巴的數據人員目前的工作就是要將這些失真的數據剔除，或者將數據還原到真實的場景。

2 打破分割，統一數據標準

統一數據標準，就是讓凈化后的數據流得以匯集。阿里巴巴下屬各個部門業務重點不同，對數據的理解不同，因此數據標準往往各不相同，比如轉化率。要將這些數據匯集成大數據之海，就必須統一標準，這也是阿里巴巴數據委員會目前重點推行的項目。

3 精選+加工——讓數據精細化

“目前，我們需要的用戶數據，平臺還給不了。”阿里平臺上的一個企業如是說。很多企業希望阿里巴巴能將用戶屬性的標簽分得更細(不僅僅按男、女用戶，還進一步按不同消費特點、收入細分)。小也化妝品創始人肖尚略認為，“平臺數據的細分是基礎，細分好，企業才能用好。”數據就像炒菜的食材，不同細致程度的食材炒出的菜，口味不一樣，車品覺這么看。

如何讓數據精細化?阿里巴巴根據各個商家的應用場景，將原始數據打上更細致、對商家更有參考價值的標簽。以淘寶平臺為例，一方面收集用戶信息時，專注對商家更實用的內容，比如對于大學生用戶，除了搜集他們的地址信息外，還通過其它渠道搜集其房租的租金，從而了解對方的消費水平，將這些數據提供給相應的商家。另一方面根據商家的應用情景，對數據材料做初加工。“比如，如果我們篩出一個人是否戴眼鏡，戴多少度的數據，就對賣眼鏡的商家起到了很大作用。”再如，如果一個人去母嬰超市里面買東西，不一定能證明他有孩子，但如果這個人是女性、年紀又合適，這個人有孩子的可能性就很大。不斷加入的其它證明信息，讓這個消費者的數據變得越來越精細化。

在數據精細化思路下，2011年底，阿里巴巴的支付寶平臺開發黃金策產品，車品覺帶領團隊處理了1億多活躍的消費者數據后，拿出500個變量，試圖用它們來描述消費者，最終讓企業能夠隨時調用變量，獲得用戶信息，比如某一類包含使用信用卡數量和手機型號等具體信息的客戶數目。

2013年，天貓開始研發適用于天貓商家的CRM系統，通過對會員標簽化，讓商戶了解店鋪會員在天貓平臺的所有購物行為特點。

4 海納百川，納入更多外部數據

在阿里巴巴平臺上，大多時候收集的是顧客的顯性需求數據，如購買的商品和瀏覽等數據，但顧客在購買之前，就可能通過微博、論壇、導購網站等流露出隱性需求。僅僅做好自己的大數據是不夠的，還要納入更多外部數據。

2011年以前，阿里曾嘗試通過收購掌握中國互聯網的底層數據。2013年4月，阿里巴巴收購新浪微博18%的股權，獲得了新浪微博幾億用戶的數據足跡。5月，阿里巴巴收購高德軟件28%股份，分享高德的地理位置、交通信息數據以及用戶數據。而其它并購，包括對墨跡天氣、友盟、美團、蝦米、快的、UC瀏覽器，都招招不離數據。通過這些并購，阿里在試圖拼出一份囊括互聯網與移動互聯網，涵蓋用戶生活方方面面的全景數據圖。

5 加強數據安全的管理

很多淘寶賣家希望阿里巴巴能加大數據開放的步伐，對于阿里平臺來說，這并不是一件容易的事情，因為這關乎商家和消費者的隱私。商家不希望競爭對手獲得自己的機密信息，消費者也不希望被更多干擾。

阿里內部專門成立了一個小組，來判斷數據的公開與否，把握“誰應該看什么，誰不應該看什么，誰看什么的時候只能看什么。”

6 組織體系支持——建立數據委員會

阿里巴巴的數據來自各個部門，無論是數據材料的質量、精細化的保證，還是數據安全，都不是單個部門能完成的，需要全局性安排，迫切需要一個上層組織結構。但是成立什么樣的組織機構合適?在阿里巴巴看來，數據的工作實際上主要還是由各個部門的責任，畢竟它們把控著源頭，另成立一個凌駕于各部門之上的中央數據管理機構，容易讓各個部門把責任直接推卸給新機構。

2013年，阿里巴巴成立了虛擬組織——數據委員會，委員會包括底層數據負責人、支付寶商業智能負責人、無線商業智能負責人和一名數據科學家，數據委員會更多地以協調會的形式，來指導、協調各個部門形成合力，實現從大數據運營，到運營大數據的轉變。#p#

1號店全周期掘金

當前一談到大數據應用，人們首先想到的是營銷推送，似乎大數據的主要價值僅在于此。但1號店的實踐說明，大數據完全可以成為運營的核心驅動力。

1號店網站作為企業同消費者互動的門戶，每天承載著上千萬的商品點擊、瀏覽和購買，匯集成了海量的數據。對于1號店，這是改進運營的依據。

 

 

1號店產品設計副總裁王欣磊說：“消費者進來是怎樣用的，怎樣找到商品的，怎樣買單的，整個的過程，在用大數據分析，進而進行相應的改進。”其對大數據的應用，貫穿于引入顧客流量，引導顧客購買，到提升購買者忠誠度的全顧客生命周期中。

對于電商企業，如何從互聯網上引入流量到自己網站，是運營的起點。首先是顧客從哪里來，關鍵在于三個維度：一，顧客從哪些渠道來;二，顧客從哪些地區來;三，顧客來自哪些用戶群，新用戶還是老用戶。這三個維度的分析直接決定著1號店后續引流資源投入，而這都植根于1號店對于顧客行為的大數據分析。

在分析顧客來自于哪個渠道方面，通過網站收集的海量顧客痕跡，1號店能發現帶來更多流量和需要加強的渠道：微博，論壇，還是門戶網站，從而不斷地調整營銷投放，比如發現哪個渠道可以投放更多廣告，哪個渠道有潛力，卻沒有充分挖掘。在分析顧客從哪些地區來方面，通過網站上顧客來源痕跡的大數據分析，1號店可以發現那些銷售增長快與增長慢的區域，相應調整不同地區市場的營銷費用;在顧客是新用戶還是老用戶方面，如果網站瀏覽和購買數據更多地來自于老用戶，企業就可以相應地降低市場費用。

大數據營銷推送也是1號店一個非常重要的流量來源，1號店除了通過大數據方法對消費者分類建模外，還創造了一種購物清單模式。1號店的搜索框旁邊有一個購物清單。消費者在1號店曾經購買過的商品都顯示在購物清單上，消費者還可以另行添加。對于消費者而言，這便于購買，而對于企業，購物清單就是一種反映消費者喜好需求的大數據源。通過購物清單的數據，1號店按照消費者購買周期，對消費者進行營銷推薦。比如一個顧客看了商品后，沒有買，但加入了購物清單，當商品打折后，1號店就會及時向顧客進行推送。

顧客進入1號店后，就進入引導顧客的購買階段。這個階段，如何提升每個顧客的購買金額，并在此過程中，實現商品和各種資源的最優配置，是運營的關鍵。大數據又一次成了1號店的抓手。首先，1號店的網站改進，包括圖片、網頁設計，完全以顧客點擊和瀏覽等行為痕跡的大數據分析為依托。不僅如此，在與消費者互動過程中，1號店也應用了大數據。像一些商場的導購員一樣，消費者瀏覽網站商品過程中，1號店會給消費者一些提示推薦，根據消費者之前的瀏覽和購買行為，1號店的系統能判斷出消費者可能喜歡什么商品，給以相應的提示。再如，根據消費者是搜索商品，還是瀏覽商品，1號店可以初步判斷出他是目的性很強、時間有限的購買者，還是時間充裕、目的性不強的購買者，對于前者會直接推薦商品，對于后者，則不斷刺激其購買行為。

顧客購買商品后，進入了后續物流和配送服務。在這個階段，如何實現最佳的供應鏈效率，減少倉儲和配送成本，提升配送速度，是電子商務企業運營的命脈。如何實現更高效的揀貨，是影響物流效率關鍵的一環。1號店創造了一種高效的揀貨方法——撥次揀貨。顧客一次往往會購買若干個商品，如果一個訂單揀一次貨，揀貨員可能會反復經過同一貨品區域，浪費大量時間。所以1號店將若干個貨品所在區域接近的訂單合在一起，這樣揀貨員到一個區域就可以將與一撥訂單相關的所有貨品都揀出來。在撥次揀貨中，如何讓揀貨員走更少的路，就需要依靠大數據分析。首先，1號店利用大數據分析，找出商品重合度最高的訂單群，比如說消費者買同一個品類的。其次，在擺放貨品時，將消費者經常一起購買，聚合度較高的商品放在一起，如可樂和薯條。這種建立在大數據基礎上的物流安排極大提升了揀貨效率，目前1號店平均一單有16.7件貨，員工揀一單貨只需不到80秒的時間。

配送中，如何提供相應的服務選項，如何收費，也建立在大數據分析的基礎之上，1號店最新的配送服務“一日四送，一日六送”，可以讓消費者指定專門的配送時間。而消費者是否喜歡這樣的配送服務，會不會用，完全依靠對于消費者痕跡的大數據分析。1號店會看點擊這個選項的消費者有多少人，用這個服務的有多少人，點擊的和最后實際使用的比例。如果點擊不多，代表這個配送服務不吸引人;如果點擊的多，實際使用的不多，則可能代表這個服務的費用高一點，需要考慮調整費用。

對于企業而言，消費者購買行為結束并不意味著終結，還希望將消費者變為自己的忠實顧客。在這個階段，1號店也在充分釋放大數據的威力。

1號店發現，購買三四單以后，消費者的忠誠度變得相當高。為此，它需要不斷推動顧客跨越這個門檻，但首先要找出哪些顧客最有可能。1號店用大數據分析篩選出這樣的消費者，相應地通過一些優惠和積分換購，刺激這些消費的購買欲望，推動其購買第三單、第四單。

1號店同樣依靠大數據的挖掘和分析，來減少顧客流失，對那些可能流失的顧客，通過一些定向的喚醒和挽留動作來刺激，顧客過生日了，會祝其生日快樂，或者發一些促銷信息，重新喚起顧客對于網站的感知。時機的把握也依靠對顧客購買周期的大數據分析，時間過早，可能做無用功，喚醒時間過晚，又可能來不及。

1號店為什么能夠實現大數據與運營的深入結合?通過調研，我們發現，這與1號店擁有一套集中而透明化的系統密不可分。它將來自于消費者前端，和來自于商品后端的大數據流實時地匯集和分享到各個部門，帶動各個部門運營。而這一點在1號店做最初信息系統規劃時早已設想在內。正如其董事長于剛所言：“最初，我認為，我們必須要做集中的信息系統，而不是零散的，這樣各個模塊就可以分享數據，實現更好的協同。”