编者按：8月2日，为期两天的“2016中国大数据产业生态大会暨中国大数据产业生态联盟成立大会”在北京举行。作为会议主办方之一，百分点集团副总裁，企业业务事务部联合总裁梁培明代表公司发表了“数据决策力，未来生存法则”的主题演讲，并在会议间隙就大数据相关的话题接受了记者的采访。
提升数据决策力，把握企业未来生存法则——专家释疑大数据技术与应用的若干认识误区
全球化重组了供应链资源，企业专业分工也变得更加精细。
过去几年，全球的数据量正以58%的年均速度递增，IDG预计2020年全球数据资料存储量将达到40ZB，新兴市场国家逐渐成大数据的“贡献者”；随着移动互联、传感物联、深度学习以及大数据等技术的层出不穷，企业对如何选择新兴技术也有些无所适从。
百分点集团副总裁、企业业务事务部联合总裁梁培明认为，企业正面临两大影响：一是数据更加碎片化，企业获得数据并进行分析的能力更差，二是任何一处的细微影响都有可能传递并放大至另一个特定的区域市场。
百分点调查显示，64%的企业在运营决策时会综合运用数据，但依据数据所做决策的比重依然很低，究其原因，一是数据获取途径，二是已有数据与自己的角色定位关系尚不明确。
在这个数据爆炸的时代，如何更好地洞察并及时掌控市场调整，实时决策，这是企业面临的严峻挑战。
数据决策力的概念与本质
“我们把在数字化环境决定企业生存质量的能力赋予一个新的名词——数据决策力并为此推出了《数据决策力白皮书》一书。”梁培明解释说：“数据决策力就是基于数据进行科学决策并产生价值的能力，体现在全员参与的价值链创新、密切的客户关系、快速的市场反应能力、敏捷的企业运营和创新业务和新价值五个方面。”
百分点集团副总裁、企业业务事务部联合总裁梁培明。
据介绍，数据决策力可细分为数据决策力建设和数据决策力释放两大部分，前者是持续强化数据决策力的过程，后者则是持续兑现数据价值的过程。为了帮助企业用户构筑数据决策体系，白皮书提出了数据决策力“恒星-行星”模型和BASIC理论、3D理论的“一个模型，两个理论”。
“数据决策力可以唤醒和改变组织与企业管理者们原有的依赖智力、经验、知识为主的决策方法，通过运用大数据洞察隐藏在复杂性之下的潜在规律，为决策者提供构筑数据决策力的建议以及数据决策力评价指标体系，全方位地帮助企业构筑数据决策力。”梁培明说。
到底是什么样的原因影响企业在大数据技术应用和推进的进程？
表面上看，如何获取数据、如何深度挖掘人与数据的关联关系这两个问题都是个技术问题。但是实际上都离不开企业的战略层、技术架构层、团队能力层等方面，技术只不过是一些表象而已。
在理解数据决策力并发挥其价值之前，需要澄清对数据及大数据的一些基本认识。
数据在哪里？
普遍认为，金融（银行、保险和证券等）、电信行业的资产就是数据，它们重视大数据无可厚非也具有特定优势，但对于其他众多的行业而言，想用好大数据，需要解决哪些关键的问题？
“的确。众多的企业都认为自己没有数据。其实他们有数据，只是没有发现而已。”梁培明首先澄清了这样的一个认识误区。
以房地产行业为例，这个行业在外人眼里就是拿地、盖高楼，销售、挣大钱，它们最关注的就是营销。随着房价攀升和随之而来的宏观调控，资产变现越来越难，不少开发商不得不考虑以前谁都不愿意从事的物业管理和社区运营。然而在转型和服务的过程中，他们坚持认为自己没有数据，工作难以开展。
实际上，开发商所拥有的数据是所有从事社区O2O运营企业最想获得的，包括最真实但又最为隐私的业主及家庭成员数据、资产、生活习惯与社会关系，有否二套房等；也包括小区的资产设备。这些数据信息对于二次营销，或进行设备管理、物业改造都能带来极大的便利。比如，设备运行数据可以帮助设备供应商更好地开展技术革新、提供更好的客户服务。
显然，开发商只需把现有数据汇聚起来，在营销环节，在物业、酒店、旅游服务领域，都能直接创造新的价值，甚至无需外部的数据；开发商缺乏的无非是对技术的理解。
梁培明与众多的装备制造业关系密切。他认为，制造业同样存在大量的数据，只需安装传感器，就可把生产环境变化数据，加工过程的设备运算数据等采集、汇总起来，甚至无需外部数据也可以达到工业4.0标准的40%。
谁来管理大数据？
虽然企业对大数据非常关注，但是很多企业并没有专门的部门去管理和运营，大多数的职能都划归在CIO名下。梁培明表示这种现象很普遍。如果企业对数据自我控制的能力要求比较高的话，他们也会把部分服务和技术转包给第三方。
他解释说，现有很多大数据解决方案在资源投入产出方面未必是最合理的，另外，技术本身更新迭代太快，还有一个最本质的问题，即有些数据是靠自身永远无法获得，必须借助与第三方的合作。以百分点与智能手机厂商的合作为例，他们希望百分点提供品牌洞察服务和产品口碑结构来支持新手机的设计和发布时，该厂商的存量数据全部保存在本地。最近，智能手机厂商已经提出，希望把数据的获取和清洁能力放到云端。上升到云的环境，将是一个持续的生态建设过程。
从这个角度，未来企业的技术与应用架构更可能是一种混合云的状态。
至于人人都关心的安全问题，梁培明认为，如果所有的数据都参与流通、实现共享，那么企业不但会降低成本，还有带来额外的收入，数据的价值会变得更高，安全也不成为问题了。
“三江汇聚到一起，又各自流向远方，是一个反哺的过程。”梁培明承认，在中国，这个时间会更漫长，因为立法还没有跟上。
大数据前景广阔的行业市场有哪些？
技术是为应用服务的。那么大数据技术正在哪些行业率先发力呢？
梁培明认为，最主流的应用当属金融行业。为了实现精准营销，银行和保险需要对内部数据实现清晰加工并且实现标签化，这也是为了解决风控、实时反欺诈的需要。
第二类主流市场与政府相关。首先是民生服务类，这些行业更多的是汇聚数据并提供一站式服务，期间没有太多的数据加工过程，应用相对也简单一些；其次是平安城市方面，包括维稳和反恐等领域。
第三类是电商行业，尤其是涉足电商的传统行业。他们在从事线上服务的时候容易向线下迁移。这些行业除了关注营销，还涉及内部风险控制、运营效率、系统与设备的重构。
第四类是传统行业。传统行业有无数各种设备；物联网与工业自动化的深度融合，带来海量数据的爆发，所产生的信息既可以用于流程的优化、全程质量控制、设备运维，还可用于烟草、食品药品安全的防伪、溯源等。
让梁培明印象深刻的是防伪这件事情。防伪顺便解决了传统供应链无法做到一件事情，即库存。产品销售链条很长，从生产商到渠道、批发商再到零售，以往靠人工去了解，时间长、可靠性低，借助条码一路跟踪下来，所有产品在不同的批发和零售渠道有多少库存，瞬间被打通。这对企业制定生产计划帮助太大了。
借助大数据功能，五分钟之内就可以捕捉到东欧某国在议论中国的两列动车之间的间距问题，通过进一步定向分析，可发现这是一个特定的区域市场。高铁要走向全球，就必须注意到这些细节。过去几年里，华为、Oppo、海尔等手机家电类供应商都在通过互联网口碑获取来决定下一代产品的配置。
“制造业的未来想象空间很大。这是一个规模不亚于银行加政府的行业市场。”梁培明相信，中国是最大的制造业国家，只有向制造服务业转型才能成为制造强国。当然这也离不开科技引领的转型。
除了制造行业，智能驾驶、智能交通领域大数据也有着极其巨大的市场。百分点正在与几家整车企业开展互联驾驶方面的探索。例如针对酒驾行为，发动机将自动锁定。这是对比驾驶习惯的变化所采取的对策，而非检测血液中酒精的含量；另外，根据视网膜的跳动可以判断是否疲劳驾驶……这些众人尝试的无人驾驶技术领域，正在迎来新的突破。
传统行业应用大数据面临哪些挑战，有哪些对策？
传统行业面临的需求与挑战特别值得关注。
大多数传统企业正在为解决企业内部的流程和价值链问题发愁，还没有上升到获取外部信息并进行洞察的程度。《数据决策力白皮书》调查显示，只有20%的企业能够局部整合外部数据，并把外部数据与内部数据进行关联；企业IT建设周期长、见效慢，而历经长时间完成内部信息化的建设后，外部环境已经发生了变化，企业的流程无法适应新的形势了。
因此，梁培明建议企业特别是传统企业在开展大数据应用的初期，选择一些特定的应用场景和一些较为初级的工具。这样不仅投资少、风险小，而且还摒弃了传统的部署模式，无需再先购置服务器。
少数企业仍然坚持传统做法，是因为他们对技术的判断更清晰，例如重点解决“数据化”这个环节并且将其当做一个项目。
“这些企业还不完全符合我提到的3D模型。”梁培明说：“要获取特定的外部数据，就必须将这些数据存储起来再进行分析，一旦能提炼出价值，就会把这个3D就分成三个小组来做。”
制造业一旦加上大数据服务的不同形态，就会变成平台提供商，成为应用提供商，成为数据补充提供商。反过来，在这个生态中间，如果抓住了一个特别细分的行业，也一定会做得很好。
数据决策力与大数据应用的技术层次
大数据技术解决的多是复杂的问题，涉及到比较复杂的模型基础应用。
在梁培明看来，无论是什么行业企业，在技术的角度都离不开三个层次。一是承载存储和计算的、类似于数据库或数据仓库的底层平台，采用私有云或是公有云都不例外。底层不具备行业特色，只是集成规模计算能力有所不同；中间层是工具类，基于采集的数据进行前期加工，如针对文本图像、语音数据采用自然语音处理的方法，针对统计类数据通过数据工具的方式，实现数据标签化等等，对用户而言，中间层只是应用的复杂程度不同——或者简单的统计，或者用算法深度挖掘，并且不断自我学习和优化；最上层是数据应用层，提供针对性的行业解决方案，这是数以千计的大数据服务供应商正在从事的工作。如果能够构建出一个理想的硬件场景，市场将足够大，形成真正的数据决策力。
总之，数据不仅推动企业螺旋上升，还能实现跨越式的发展。大数据应用一旦形成很好的示范效应，市场就会进入爆发期，催生更多的技术、更多的应用，最终形成健康的局面。
越来越多的企业都在努力尝试，百分点是这个领域的先行者。
