大数据渐行渐近

　　大数据分析平台公司GrowingIO的创始人张溪梦，经常喜欢用管理大师彼得-德鲁克的一句话“You can not manage what you can notmeasure（如果你不能度量这件事，就无法管理它）”，来宣讲数据化运营的趋势。 　　实际上，今天的很多企业管理层都已经认识到，大数据是一种重要的生产资源。而财务、运营、市场等部门的业务人员在大数据浪潮中也大都听说过大数据，他们甚至会主动询问IT人员，我们是否可以做这件事？ 　　伴随企业上下对大数据的认识逐步加深，大数据正离企业越来越近。 　　在这次采访中，我们发现，针对数据的应用，大部分传统企业面临的第一道槛，是怎么把分散在企业内部各个系统的数据汇聚起来。 　　接下去，他们会先通过报表等应用，将内部数据使用起来。在这个过程中，业务人员开始与数据互动，将自己本来很敏感的业务数据触觉充分打开。再之后，越来越多的外部数据会被陆续引入，这时，才可称数据分析为大数据。 　　很多传统企业目前处于数据汇集、报表等阶段。 　　最后，就像北森CEO纪伟国说的那样，大数据有它的魔力，一旦你用数据做成了一件事，你总会想法去找到其他数据，做另一件事，停都停不下来。 　　而传统企业利用大数据的方向，除了降低运营成本和提高效率外，还有一个重要的方向是把自己从B2B运营模式转向B2C，与消费者建立直接联系，以满足更个性化、多元化的消费潮流。 　　与传统企业不同，互联网应用类型的企业没有那么多的业务系统，他们应用大数据可能会跨过报表步骤，直接进入流量变现的层面。 　　一个有趣的现象是，大数据是一个“术业有专攻”的行当，即使是提供大数据产品的IT企业，也会在外部采购适合自身特定需求、采取某些先进技术的大数据工具。伴随企业对大数据的应用，市场对更高性能、能够实现自助服务、更灵活、甚至是具备更高“颜值”的大数据工具的需求也越来越多。 　　茅台：干杯！智能酿造 　　赵艳秋 　　茅台计划用3～5年时间来建设大数据平台，把互联网思维和大数据融入到企业战略及生产经营中。 　　三五年内，当你手上拿起一瓶茅台酒，扫一扫二维码，有关这瓶酒的一串串数据将立刻展现在你的面前――它的酿造经历、流通历程甚至材料之源，将为你勾勒出这瓶酒的“酿造故事”。 　　早在汉代，茅台酒就曾被汉武帝赞为“甘美之”。今天，茅台也是中国最具知名度的白酒制造商。就是这样一家国酒老字号，在今年贵阳数博会期间，宣布将加入全球大数据浪潮，利用3到5年时间，建设大数据平台，把互联网思维和大数据融入到企业战略及生产经营中。 　　茅台集团董事长袁仁国表示：“互联网的未来在于定制和共享，我们要依托互联网、大数据、云技术以及线下渠道资源，打造云商+互联网平台，增加茅台、商家与消费者之间的互动，实现销售渠道扁平化，建好线上线下的和谐新商业生态。” 　　茅台集团党委书记、总经理李保芳也在调研电商公司时强调：“要以更包容的心态，更开放的胸怀融入大数据时代，探索和创新符合时代潮流的发展模式，把电商公司打造成为顺应时代发展潮流的、开放的、与茅台品牌相适应的新平台。” 　　全产业链大数据平台 　　茅台的大数据战略历经几度变化和演进。最终，在去年茅台明确提出“全产业链大数据平台建设规划”。茅台电商公司董事长聂永介绍说，该规划正分生产、市场两部分同时推进。 　　其中，生产环节大数据平台已立项，将针对酿酒过程的生产数据进行采集、统计和分析反馈。 　　茅台酒的制作工艺堪称中国制造业的活化石之一。一瓶茅台酒要经过30道工序、165个工艺环节的锤炼。原来，这些复杂的工艺完全靠人的经验来把握。未来，红高粱的淀粉和水分含量，制酒发酵的温湿度、微生物群等关键数据将被量化采集，通过建模分析，挖掘出影响产品质量和产量的关键因素。 　　这样，生产环节将变得可调控，不仅能更好地确保产品品质，还能提高生产效率、节能降耗。 　　“这部分平台并不是从零起步的。”聂永补充道，“它将把茅台过去多年打造的多个信息系统融会贯通，让数据流动起来，在公司的统一规划下，实现更好的分享利用。” 　　实际上，大多数传统企业在规划大数据战略之初，都不得不先解决数据孤岛及没有统筹规划的问题。 　　与此同时，市场环节的大数据平台已先行一步。今年6月底，茅台云商平台正式投入运营。简单来说，云商平台采用O2O模式，一方面，整合茅台多年培育的线下渠道商，特别是全国几千家经销商专卖店，为他们牵线搭桥，促成与消费者之间的交易； 　　另一方面，聚集数据，为未来的用户画像、精准营销打下基础。云商最终的目标是帮助茅台的经销商转型，与茅台一起快速响应和服务消费者。 　　在云商平台上，下半年，二维码将投入使用。它将作为消费者与茅台互动的入口，让一直是B2B模式的茅台，与消费者建立起直接联系。聂永强调，这并不是茅台要跨过经销商进行销售，而是直面消费者，了解他们的需求，进行创新的基础。 　　从目前趋势来看，一些国际传统大企业也纷纷把大数据作为从B2B转型“B2C”的手段。 　　后续，茅台将出台政策，鼓励消费者扫码互动。未来，当前端市场与后端生产环节对接后，消费者将能通过这个全产业链数据，了解每瓶茅台酒的前世今生，更明明白白地消费。 　　“我认为这是全产业链大数据平台所实现的最大价值――带给消费者食品安全的承诺，让消费者了解，茅台是一家负责任的企业。”聂永说，“这是其他很多东西所换不来的。” 　　如何获得全力配合 　　现在，茅台云商上已有上百家经销商上线，每天交易额达几百万元。如果全国几千家经销商逐步上线，潜力之大可以想见。 　　云商投入运营以来，聂永每天推动的是“宣道和培训”。云商平台只有获得每个环节参与者，如子公司营销人员、经销商、专卖店店长甚至保管员的认可和支持，才能做起来。假若有一个环节配合不到位，数据链将是断裂的。 　　不过，传统模式、传统思维的改变不是一朝一夕所能完成的。在这家传统企业及它的合作链条上，如何获得全员的支持至关重要。 　　聂永与经销商沟通的重点是如何优先实现消费者的利益，也正因为如此，他才对平台的发展更有信心。 　　“云商并不一个模式的创新，而是一个互联网工具。借助这个工具，我们让消费者更便捷、放心地购买。”聂永说。 　　与此同时，对于一个庞大的全产业链大数据平台，聂永感到，数据采集一定要有所取舍。在这个过程中，要听取生产一线专家、工人、制酒师等的意见。 　　聂永认为，“茅台制作工艺很复杂，工人的劳动强度已经很大了，数据采集要尽可能不给他们新增劳动强度，才能得到工人更好的配合”。 　　在茅台上千年的历史中，充满了打破和创新。“我们虽然是一家很传统的企业，但也希望能在大数据、互联网上做一些探索和发展。”聂永强调说，“我们借助这些工具，不一定非要进行模式上的变革，只要实现对消费者更好的服务，也就成功了一半。” 　　北森：续约！用数据挽留客户 　　赵艳秋 　　做大数据的难点不在技术，最难的是找到既懂大数据、又懂业务的数据人才，把这件事做出来。 　　北森CEO纪伟国形容北森在中国企业级SaaS领域中算是“一家古老的大型公司，做人才管理软件云服务”。与一般SaaS服务以中小企业为主不同，北森SaaS软件针对大中型企业。 　　“正因为这个原因，我们业绩增长的关键不是如何获得一个大客户，而是如何保留住一个客户。”纪伟国说。 　　但保留客户的挑战很大，因为你根本无法预知客户会不会重购――过去，销售会上预测某某客户有风险，某某客户没问题。但可到月底一看，有风险的客户续购了，没问题的却断约了，为什么呢？整个事情就像一堆糨糊。 　　最终，大家达成共识，要用数据来说话。数据能反应客户的活跃度，预测出重购的准确率。 　　一般的大数据分析产品，要获得用户在某个功能点的行为数据，需要工程师在那个地方加一段代码，记录用户行为。企业级软件功能点成千上万，埋点一做就要几个月，而软件还在不断迭代，这意味着，还要不断重新埋点。这种方式显然不太合适。 　　不仅如此，一些平台识别用户活跃度的算法虽然复杂，但算来算去却算不出来。 　　正好这时，数据分析平台企业GrowingIO找到北森。GrowingIO的创始人张溪梦曾亲手建立Linkedln商业数据分析和数据科学团队，支撑了Linkedln所有与营收相关业务的高速增长。 　　这家企业的技术不需要传统埋点方式，只要在北森软件页面中嵌入一个SDK，就会自动生成所有功能点的用户交互数据，并存入云端，效率很高。纪伟国他们立刻决定使用。 　　数据收集上来了，下一个难点就是分析。怎么就叫用户用得好？选择哪些数据？数据是多少算好？北森与GrowingIO一起，不断将某个功能抽出来，运行一段时间加以分析。双方不断调整数字策略，改善模型。慢慢的，他们找到了预测评估用户活跃度的方式。 　　“最大的价值就在这，不是在大数据分析软件本身。”纪伟国说。 　　令纪伟国印象深刻的是一家教育类用户。应用数据分析，北森发现他们使用简历导入、面试发放功能的频次很低，说明客户活跃度不高。纪伟国立刻找到用户负责HR的副总裁，告诉他你用的比竞争对手差。这是用户断然不能接受的。 　　高管当即找未使用软件的下属。之后，北森与客户一起分析发现，原来客户不愿意改变以前的使用习惯。双方商讨了对策后，用户使用数据立刻变好了，剩下的事也就简单了。 　　现在，北森“不在乎”客户是否重购这个结果。“你要看客户用得不好，立刻去干预他，剩下的就顺其自然了”。 　　做完了客户分析，北森又开始利用数据分析，驱动产品功能的改进。一个例子是他们发现软件中一个发Offer的功能使用率很低，于是，就对用户进行调查。原来Offer中有薪酬数据，客户担心泄露，所以不愿意用。北森就用自动化加密、权限等技术解决了这个问题。改进后，这个功能就被用起来了。 　　纪伟国希望利用数据驱动更多功能改进。 　　过去一年，纪伟国对大数据这件事有了新认识。“大家都在谈大数据，但要先搞懂大数据是啥。最早，我们认为大数据就是报表。”他说。 　　而做大数据的难点不在技术，无论Hadoop技术还是什么，你找人就能搞定；建模也并不复杂，一个大学生就能干。最难的是找到既懂大数据、又懂业务的数据人才，把这件事做出来。 　　纪伟国曾看到一位房地产老板要做大数据，“招了很多人，花了好几千万，弄了一堆服务器，但什么都没有搞明白”。 　　在他看来，今天，流量红利时代已结束，精细化运营为企业家所重视。人们注意到欧美国家运营多年的一套理论――数据化运营。通过数据，每个节点包括拉新、转换、存留、变现，都能用数据衡量分析，企业可以基于此进行系统性整改――改善流量转化率、留存率、提高运营效率。 　　“大数据的思路一旦被打开，人们就会整天想着怎么去找到数据，鼓捣出一个个产品。”纪伟国最后说出了数据的魅力。 　　呷哺：推开大数据之门 　　赵艳秋 　　“现在，数据分析这个门只是刚刚打开。”唐进说，“门店越多，管理成本应该越少，这要求呷哺的系统要跟上。” 　　在北京，人们对呷哺呷哺“快火锅”尤为熟悉。在过去18年间，呷哺从最初5年生意不景气，到单店成功，再到去年“9天开一个店”的飞速扩张。现在，呷哺在全国50多座城市有550多家餐厅。 　　在餐饮业多年的呷哺呷哺（中国）有限公司首席技术官唐进有个总结：餐饮业做信息化有个“一连串”――先做收银系统，把钱赚到手；再做ERP，把物和财管起来；再之后就是数据分析，特别是在企业有了上百家门店，区域分布又很广的情况下，一定会做数据分析。 　　呷哺的信息化历程也不例外。在2014年稳定运行ERP后，呷哺也开始考察数据分析系统，包括IBM、SAP、Oracle。最后，呷哺选择了Qlik系统，去年底开始分步实施。 　　唐进说，餐饮业变化很快。以区域管理为例，北京市场现在管着河北、山东、山西……但可能过一段时间就会调整，系统也要跟着变。因此，数据分析系统要灵活，容易维护和修改。像一些老牌系统，非常适合治理得好、流程不经常变动的公司，但不太适合经常变化中的企业。 　　呷哺对数据分析工具的第一需求是报表。以前，数据散落在ERP、CRM等系统里，要靠财务把它们抓出来，人工做成报表，效率较低。月初要开的经营分析会，报表经常不能及时地做出来。 　　现在，数据分析系统可以跨平台把所有数据整合在一起，做出综合性分析报表，这下就方便了。 　　“老板每天七点多就到公司了，系统每天七点四十会把自动生成的报表发到他的手机和电脑上。”唐进说，“呷哺的VP、营运、市场、物流等团队也同时收到这些报表。其中最常用的是每日销售报表，各家店、各区域、全国、同年同月预算等等，一目了然，老板看了就能马上做一些决定。” 　　令唐进印象深刻的是，通常在春节期间，一些大城市变成了“空城”。今年春节期间，老板特别点名要看某几家店的运营情况。IT部门立刻就在分析平台上专门做了一个报表，每天自动生成给老板看。 　　还有，去年呷哺试水外卖，管理层非常想知道这个业务的进展情况。IT部门几乎是在第二天就把整合了美团、饿了么、百度等外部平台数据和呷哺自己门店销售数据的报表提供了出来。管理层因此能及时根据这些报表，决策外卖门店的下一步部署。现在，呷哺已经有100多家店上了外卖。 　　呷哺还通过数据分析，对各地域的套餐做了改进。 　　“现在，数据分析这个门只是刚刚打开。”唐进说。报表之后，呷哺正在通过数据分析平台做财务测算。呷哺以前所有数据和分析都由财务来做，每次开新店、做活动、调价的时候，财务分析经理都要做测算。如果系统来做，会更快更准，为财务节省出人力资源。 　　呷哺也正在开展一些数据分析主题的探索。最近，IT部与财务部开会讨论下一步的数据分析工作。财务部的想法很多，例如，他们提出“怎么找到合适的数据来预知，点这个菜的顾客还愿意点另外一个菜”，这样就能做出经典套餐。IT也与营运部门讨论，运营人员在运营实践中的一些分析判断方法非常值得梳理。 　　“我们现在要通过BI系统，去实践一些分析方式，包括对管理思想的梳理。通过我们，把财务、市场、营运的东西结合在一起。”唐进说。真正推动数据分析的是业务部门。 　　唐进观察到，业务部门对数据的敏感度很高，只是没有表现出来。通过报表，业务人员先接触到数据，跟数据互动，接下来再打开他的想法，这是一个过程。“尤其这几年，我发现一定要有一种节奏，再往下走就很方便了。” 　　呷哺也在做会员系统。现在，它每年客流量大概在4500万左右。以后，会员系统与大数据、BI系统结合起来，就能实现更多事情。“例如，你上次吃了什么我都知道，服务员会主动问是吃上次的还是换一个其他的尝尝，服务就提升了”。 　　唐进说，企业的大数据之旅对实施商也有要求。“我们以前吃过亏，2009年上了一个ERP系统，别人用得很好，但在呷哺就没有成功。最后我们分析，不是产品不行，而是实施的公司没有能力，呷哺的很多需求没有实现。”他说，“这些东西需要有人陪着往下走，这方面我们要求是非常高的。” 　　现在，呷哺管理层对数据分析系统给予了更多期望。因为门店越来越多，不能靠堆人来管理。“门店越多，管理成本应该越少，这要求系统要跟上。”唐进说。 　　联想：变革！数据分析自服务 　　赵艳秋 　　通过“数据分析自服务的变革”，不仅能把资源中心转移到业务上更能快速发挥业务的前沿视角，这对联想是一举两得的事。 　　年营业额460亿美元的联想，组织架构庞大复杂。它在全球分五大区域，同时又有电脑、服务器等业务单元，横跨区域进行管理。复杂的企业架构导致数据分析维度多、需求十分零散的局面，这是联想的痛点。 　　不仅是管理架构，作为一家高科技制造企业，联想有着长而复杂的产业链，一个数据分析，可能会涉及十几个系统的几十张源表。 　　与此同时，行业竞争异常激烈，业务部门对数据分析提出越来越多、颗粒度越来越细的需求，IT部门的资源十分有限。于是，最近两年，联想开展了“数据分析自服务的变革”。 　　自服务不仅能把资源中心转移到业务上，更能快速发挥业务的前沿视角，是一举两得的事。 　　新旧系统理念不同 　　自服务需要合适的平台。联想之前一直使用传统BI。传统BI的思路是比谁家工具更强大，无论多么复杂的需求，我都能搞定。但传统BI的缺点是太过复杂，可能通过几个工具才能做出一张报表；需求响应也慢，一个需求，IT部门往往要几周才能搞定，这影响到用户的时效性需求。 　　相对传统BI，新型BI“都在做减法”，易于各层员工应用，甚至新兴BI企业提出“人人都是数据分析师”的理念，来引导市场。几年前，联想也开始寻找、评估新BI工具。 　　联想集团数据分析总监张晓燕介绍说，对于新BI，联想的要求是，速度要快；灵活性要高，能满足内部用户随时的变化；要易用，符合自服务需求；功能要强，要满足制造企业复杂的分析需求；售后支持要好，这点对于实现数据分析至关重要。经过半年分析比较，联想选择了Qlik。 　　现在，联想数据分析用得最多的一个是销售市场，一个是供应链。业务部门只要在相应的数据分析页面上点几下鼠标，几秒钟内就可以看到分析报表。例如，库存是供应链的一个重要指标。分析报表能看到哪款产品在哪些区域、哪些国家卖得特别不好。他可以“Drill Down（下钻分析）”，分析销售不好的原因是定价策略、产品质量还是前后端协同问题。这样，他可以马上行动。这种及时的数据分析，能明显提升公司运营效率。 　　不过，联想全球有6万名员工，要让员工都行动起来，需要渐进的过程。在推动新BI平台时，业务团队也经历着各种不适应和改变习惯的挑战。 　　张晓燕介绍，对于“Skill很强的内部用户”，数据分析团队就把数据提示和建模做好，通过培训，用户自己就可以快速上手。 　　对于另一些业务出身、对IT工具使用偏少的用户，数据分析团队在给他定制时，会“做到最后5公里”，让他只需简单操作，就可以用上。 　　用户的需求也不尽相同。总裁、高级副总裁这类高管一般注重主要的KPI：而业务运营总监这一层会对关联分析和下钻分析看得非常仔细，因为他要找出问题的症结。 　　传统企业能照搬互联网模式吗 　　数据分析做的最好的无疑是互联网企业，传统企业能照搬吗？联想集团业务流程变革管理业务智能经理刘峰的答复是否定的。他认为，互联网公司管理架构、业务结构都较为扁平化，没有传统企业那么复杂的管理流程，那么多系统和报表。“这是传统行业都面临的问题。” 　　刘峰认为，传统企业做大数据要“削层”，能做一步的就不做两步，一定要精简。同时，无论系统架构是分散，还是大集中，最终目的是让用户灵活使用，满足企业转型需求。 　　联想目前IT下属的数据分析团队有几十人。由于数据分析是基于业务的，这要求做数据分析团队一定要投入业务，扎到某个行业久一些，了解流程。“只会工具是没有意义的。”刘峰说。 　　“数据科学家”这一名词近两年被提出。联想目前也在培养自己的数据科学家。 　　张晓燕认为，数据分析团队，包括数据科学家要紧密关注公司的所有策略。根据业务策略，才能制定项目优先级，而不是光被动地接受需求，也才能看得比业务更高远，担得起数据科学家的责任。