大數(shù)據(jù)時(shí)代的到來(lái)改變了人們的生活方式、思維模式和研究范式，我們可以總結(jié)出 10 個(gè)重大變化，如圖 1 所示。

圖 1??大數(shù)據(jù)時(shí)代的 10 個(gè)重大變化

對(duì)研究范式的新認(rèn)識(shí)：從第三范式到第四范式

2007 年 1 月，圖靈獎(jiǎng)得主、關(guān)系型數(shù)據(jù)庫(kù)鼻祖 JimGray 發(fā)表演講，他憑著自己對(duì)于人類科學(xué)發(fā)展特征的深刻洞察，敏銳地指出科學(xué)的發(fā)展正在進(jìn)入“數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)范式”——科學(xué)史上的“第四范式”。

在他看來(lái)，人類科學(xué)研究活動(dòng)已經(jīng)歷過(guò)三種不同范式的演變過(guò)程。

“第一范式”是指原始社會(huì)的“實(shí)驗(yàn)科學(xué)范式”。18 世紀(jì)以前的科學(xué)進(jìn)步均屬于此列，其核心特征是對(duì)有限的客觀對(duì)象進(jìn)行觀察、總結(jié)、提煉，用歸納法找出其中的科學(xué)規(guī)律，如伽利略提出的物理學(xué)定律。

“第二范式”是指 19 世紀(jì)以來(lái)的理論科學(xué)階段，以模型和歸納為特征的“理論科學(xué)范式”。其核心特征是以演繹法為主，憑借科學(xué)家的智慧構(gòu)建理論大廈，如愛(ài)因斯坦提出的相對(duì)論、麥克斯方程組、量子理論和概率論等。

“第三范式”是指 20 世紀(jì)中期以來(lái)的計(jì)算科學(xué)階段的“計(jì)算科學(xué)范式”。面對(duì)大量過(guò)于復(fù)雜的現(xiàn)象，歸納法和演繹法都難以滿足科學(xué)研究的需求，人類開(kāi)始借助計(jì)算機(jī)的高級(jí)運(yùn)算能力對(duì)復(fù)雜現(xiàn)象進(jìn)行建模和預(yù)測(cè)，如天氣、地震、核試驗(yàn)、原子的運(yùn)動(dòng)等。

然而，隨著近年來(lái)人類采集數(shù)據(jù)量的爆炸性增長(zhǎng)，傳統(tǒng)的計(jì)算科學(xué)范式已經(jīng)越來(lái)越無(wú)力駕馭海量的科研數(shù)據(jù)了。例如，歐洲的大型粒子對(duì)撞機(jī)、天文領(lǐng)域的 Pan-STARRS 望遠(yuǎn)鏡每天產(chǎn)生的數(shù)據(jù)多達(dá)幾千萬(wàn)億字節(jié)（PB）。很明顯，這些數(shù)據(jù)已經(jīng)突破了“第三范式”的處理極限，無(wú)法被科學(xué)家有效利用。

正因?yàn)槿绱?#xff0c;目前正在從“計(jì)算科學(xué)范式”轉(zhuǎn)向“數(shù)據(jù)密集型科學(xué)發(fā)現(xiàn)范式”。

“第四范式”的主要特點(diǎn)是科學(xué)研究人員只需要從大數(shù)據(jù)中查找和挖掘所需要的信息和知識(shí)，無(wú)須直接面對(duì)所研究的物理對(duì)象。例如，在大數(shù)據(jù)時(shí)代，天文學(xué)家的研究方式發(fā)生了新的變化，其主要研究任務(wù)變?yōu)閺暮Ａ繑?shù)據(jù)庫(kù)中發(fā)現(xiàn)所需的物體或現(xiàn)象的照片，而不再需要親自進(jìn)行太空拍照。

對(duì)數(shù)據(jù)重要性的新認(rèn)識(shí)：從數(shù)據(jù)資源到數(shù)據(jù)資產(chǎn)

在大數(shù)據(jù)時(shí)代，數(shù)據(jù)不僅是一種“資源”，更是一種重要的“資產(chǎn)”。因此，數(shù)據(jù)科學(xué)應(yīng)把數(shù)據(jù)當(dāng)作一種“資產(chǎn)”來(lái)管理，而不能僅僅當(dāng)作“資源”來(lái)對(duì)待。也就是說(shuō)，與其他類型的資產(chǎn)相似，數(shù)據(jù)也具有財(cái)務(wù)價(jià)值，且需要作為獨(dú)立實(shí)體進(jìn)行組織與管理。

大數(shù)據(jù)時(shí)代的到來(lái)，讓“數(shù)據(jù)即資產(chǎn)”成為最核心的產(chǎn)業(yè)趨勢(shì)。在這個(gè)“數(shù)據(jù)為王”的時(shí)代，回首信息產(chǎn)業(yè)發(fā)展的起起伏伏，我們發(fā)現(xiàn)產(chǎn)業(yè)興衰的決定性因素，已不是土地、人力、技術(shù)、資本這些傳統(tǒng)意義上的生產(chǎn)要素，而是曾經(jīng)被一度忽視的“數(shù)據(jù)資產(chǎn)”。

世界經(jīng)濟(jì)論壇報(bào)告曾經(jīng)預(yù)測(cè)稱，“未來(lái)的大數(shù)據(jù)將成為新的財(cái)富高地，其價(jià)值可能會(huì)堪比石油”，而大數(shù)據(jù)之父維克托也樂(lè)觀地表示，“數(shù)據(jù)列入企業(yè)資產(chǎn)負(fù)債表只是時(shí)間問(wèn)題”。

“數(shù)據(jù)成為資產(chǎn)”是互聯(lián)網(wǎng)泛在化的一種資本體現(xiàn)，它讓互聯(lián)網(wǎng)不僅具有應(yīng)用和服務(wù)本身的價(jià)值，而且具有了內(nèi)在的“金融”價(jià)值。數(shù)據(jù)不再只是體現(xiàn)于“使用價(jià)值”方面的產(chǎn)品，而成為實(shí)實(shí)在在的“價(jià)值”。

目前，作為數(shù)據(jù)資產(chǎn)先行者的 IT 企業(yè)，如蘋(píng)果、谷歌、IBM、阿里、騰訊、百度等，無(wú)不想盡各種方式，挖掘多種形態(tài)的設(shè)備及軟件功能，收集各種類型的數(shù)據(jù)，發(fā)揮大數(shù)據(jù)的商業(yè)價(jià)值，將傳統(tǒng)意義上的 IT 企業(yè)，打造成為“終端+應(yīng)用+平臺(tái)+數(shù)據(jù)”四位一體的泛互聯(lián)網(wǎng)化企業(yè)，以期在大數(shù)據(jù)時(shí)代獲取更大的收益。

大數(shù)據(jù)資產(chǎn)的價(jià)值的衡量尺度主要有以下 3 個(gè)方面的標(biāo)準(zhǔn)。

1）獨(dú)立擁有及控制數(shù)據(jù)資產(chǎn)

目前，數(shù)據(jù)的所有權(quán)問(wèn)題在業(yè)界還比較模糊。從擁有和控制的角度來(lái)看，數(shù)據(jù)可以分為 Ⅰ 型數(shù)據(jù)、Ⅱ 型數(shù)據(jù)和 Ⅲ 型數(shù)據(jù)。

Ⅰ 型數(shù)據(jù)主要是指數(shù)據(jù)的生產(chǎn)者自己生產(chǎn)出來(lái)的各種數(shù)據(jù)，例如，百度對(duì)使用其搜索引擎的用戶的各種行為進(jìn)行收集、整理和分析，這類數(shù)據(jù)雖然由用戶產(chǎn)生，但產(chǎn)權(quán)卻屬于生產(chǎn)者，并最大限度地發(fā)揮其商業(yè)價(jià)值。

Ⅱ 型數(shù)據(jù)又稱為入口數(shù)據(jù)，例如，各種電子商務(wù)營(yíng)銷公司通過(guò)將自身的工具或插件植入電商平臺(tái)，來(lái)為其提供統(tǒng)計(jì)分析服務(wù)，并從中獲取各類經(jīng)營(yíng)數(shù)據(jù)。雖然這些數(shù)據(jù)的所有權(quán)并不屬于這些公司，在使用時(shí)也有一些規(guī)則限制，但是它們卻有著對(duì)數(shù)據(jù)實(shí)際的控制權(quán)。

相比于前兩類數(shù)據(jù)，Ⅲ 型數(shù)據(jù)的產(chǎn)權(quán)情況比較復(fù)雜，它們主要依靠網(wǎng)絡(luò)爬蟲(chóng)，甚至是黑客手段獲取數(shù)據(jù)。與 Ⅰ 型和 Ⅱ 型數(shù)據(jù)不同的是，這些公司流出的內(nèi)部數(shù)據(jù)放在網(wǎng)上供人付費(fèi)下載。這種數(shù)據(jù)在當(dāng)前階段，還不能和資產(chǎn)完全畫(huà)等號(hào)。

2）計(jì)量規(guī)則與貨幣資本類似

大數(shù)據(jù)要實(shí)現(xiàn)真正的資產(chǎn)化，用貨幣對(duì)海量數(shù)據(jù)進(jìn)行計(jì)量是一個(gè)大問(wèn)題。盡管很多企業(yè)都意識(shí)到數(shù)據(jù)作為資產(chǎn)的可能性，但除了極少數(shù)專門(mén)以數(shù)據(jù)交易為主營(yíng)業(yè)務(wù)的公司外，大多數(shù)公司都沒(méi)有為數(shù)據(jù)的貨幣計(jì)量做出適當(dāng)?shù)馁~務(wù)處理。

雖然數(shù)據(jù)作為資產(chǎn)尚未在企業(yè)財(cái)務(wù)中得到真正的引用，但將數(shù)據(jù)列入無(wú)形資產(chǎn)比較有利。

考慮到研發(fā)因素，很多高科技企業(yè)都具有較長(zhǎng)的投入產(chǎn)出期，可以讓那些存儲(chǔ)在硬盤(pán)上的數(shù)據(jù)直接進(jìn)入資產(chǎn)負(fù)債表。對(duì)于通過(guò)交易手段獲得的數(shù)據(jù)，可以按實(shí)際支付價(jià)款作為入賬價(jià)值計(jì)入無(wú)形資產(chǎn)，從而為企業(yè)形成有效稅盾，降低企業(yè)實(shí)際稅負(fù)。

3）具有資本一般的增值屬性

資本區(qū)別于一般產(chǎn)品的特征在于，它具有不斷增值的可能性。只有能夠利用數(shù)據(jù)、組合數(shù)據(jù)、轉(zhuǎn)化數(shù)據(jù)的企業(yè)，他們手中的大數(shù)據(jù)資源才能成為數(shù)據(jù)資產(chǎn)。

目前，直接利用數(shù)據(jù)為企業(yè)帶來(lái)經(jīng)濟(jì)利益的方法主要有數(shù)據(jù)租售、信息租售、數(shù)據(jù)使能三種模式。

• 數(shù)據(jù)租售主要通過(guò)對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行收集、整理、過(guò)濾、校對(duì)、打包、發(fā)布等一系列操作，實(shí)現(xiàn)數(shù)據(jù)內(nèi)在的價(jià)值。
• 信息租售則通過(guò)聚焦行業(yè)焦點(diǎn)，收集相關(guān)數(shù)據(jù)，深度整合、萃取及分析，形成完整數(shù)據(jù)鏈條，實(shí)現(xiàn)數(shù)據(jù)的資產(chǎn)轉(zhuǎn)化。
• 數(shù)據(jù)使能是指類似于阿里這樣的互聯(lián)網(wǎng)公司通過(guò)提供大量的金融數(shù)據(jù)挖掘及分析服務(wù)，為傳統(tǒng)金融行業(yè)難以下手的小額貸款業(yè)務(wù)開(kāi)創(chuàng)新的行業(yè)增長(zhǎng)點(diǎn)。

總而言之，作為信息時(shí)代核心的價(jià)值載體，大數(shù)據(jù)必然具有朝向價(jià)值本體轉(zhuǎn)化的趨勢(shì)，而它的“資產(chǎn)化”，或者未來(lái)更進(jìn)一步的“資本化”蛻變，將為未來(lái)完全信息化、泛互聯(lián)網(wǎng)化的商業(yè)模式打下基礎(chǔ)。

對(duì)方法論的新認(rèn)識(shí)：從基于知識(shí)到基于數(shù)據(jù)

傳統(tǒng)的方法論往往是“基于知識(shí)”的，即從“大量實(shí)踐（數(shù)據(jù)）”中總結(jié)和提煉出一般性知識(shí)（定理、模式、模型、函數(shù)等）之后，用知識(shí)去解決（或解釋）問(wèn)題。因此，傳統(tǒng)的問(wèn)題解決思路是“問(wèn)題→知識(shí)→問(wèn)題”，即根據(jù)問(wèn)題找“知識(shí)”,并用“知識(shí)”解決“問(wèn)題”。

然而，數(shù)據(jù)科學(xué)中興起了另一種方法論——“問(wèn)題→數(shù)據(jù)→問(wèn)題”，即根據(jù)“問(wèn)題”找“數(shù)據(jù)”，并直接用“數(shù)據(jù)”（在不需要把“數(shù)據(jù)”轉(zhuǎn)換成“知識(shí)”的前提下）解決“問(wèn)題”，如圖 2 所示。

圖 2??傳統(tǒng)思維與大數(shù)據(jù)思維的比較

對(duì)數(shù)據(jù)分析的新認(rèn)識(shí)：從統(tǒng)計(jì)學(xué)到數(shù)據(jù)科學(xué)

在傳統(tǒng)科學(xué)中，數(shù)據(jù)分析主要以數(shù)學(xué)和統(tǒng)計(jì)學(xué)為直接理論工具。但是，云計(jì)算等計(jì)算模式的出現(xiàn)及大數(shù)據(jù)時(shí)代的到來(lái)，提升了我們對(duì)數(shù)據(jù)的獲取、存儲(chǔ)、計(jì)算與管理能力，進(jìn)而對(duì)統(tǒng)計(jì)學(xué)理論與方法產(chǎn)生了深遠(yuǎn)影響。大數(shù)據(jù)帶給我們 4 個(gè)顛覆性的觀念轉(zhuǎn)變。

1）不是隨機(jī)樣本，而是全體數(shù)據(jù)

在大數(shù)據(jù)時(shí)代，我們可以分析更多的數(shù)據(jù)，有時(shí)候甚至可以處理和某個(gè)特別現(xiàn)象相關(guān)的所有數(shù)據(jù)，而不再依賴于隨機(jī)采樣。

以前我們通常把隨機(jī)采樣看成是理所應(yīng)當(dāng)?shù)南拗?#xff0c;但是真正的大數(shù)據(jù)時(shí)代是指不用隨機(jī)分析法這樣的捷徑，而采用對(duì)所有數(shù)據(jù)進(jìn)行分析的方法，通過(guò)觀察所有數(shù)據(jù)，來(lái)尋找異常值進(jìn)行分析。

例如，信用卡詐騙是通過(guò)異常情況來(lái)識(shí)別的，只有掌握了所有數(shù)據(jù)才能做到這一點(diǎn)。在這種情況下，異常值是最有用的信息，可以把它與正常交易情況作對(duì)比從而發(fā)現(xiàn)問(wèn)題。

2）不是純凈性，而是混雜性

數(shù)據(jù)量的大幅增加會(huì)造成一些錯(cuò)誤的數(shù)據(jù)混進(jìn)數(shù)據(jù)集。但是，正因?yàn)槲覀冋莆樟藥缀跛械臄?shù)據(jù)，所以我們不再擔(dān)心某個(gè)數(shù)據(jù)點(diǎn)對(duì)整套分析的不利影響。

我們要做的就是要接受這些紛繁的數(shù)據(jù)并從中受益，而不是以高昂的代價(jià)消除所有的不確定性。這就是由“小數(shù)據(jù)”到“大數(shù)據(jù)”的改變。

3）不是精確性，而是趨勢(shì)

研究數(shù)據(jù)如此之多，以至于我們不再熱衷于追求精確度。之前需要分析的數(shù)據(jù)很少，所以我們必須盡可能精確地量化我們的記錄，但隨著規(guī)模的擴(kuò)大，對(duì)精確度的癡迷將減弱。

擁有了大數(shù)據(jù)，我們不再需要對(duì)一個(gè)現(xiàn)象刨根問(wèn)底，只要掌握了大體的發(fā)展方向即可，適當(dāng)忽略微觀層面上的精確度，會(huì)讓我們?cè)诤暧^層面擁有更好的洞察力。

例如，微信朋友圈中朋友發(fā)動(dòng)態(tài)的時(shí)間，在一小時(shí)以內(nèi)的會(huì)顯示多少分鐘之前，在一小時(shí)以外的就只顯示幾小時(shí)前；微信公眾號(hào)中顯示的閱讀量，超過(guò)十萬(wàn)以后顯示的就是 100000+，而不是具體數(shù)據(jù)，因?yàn)槌^(guò)十萬(wàn)的閱讀量已經(jīng)讓我們覺(jué)得這篇文章很優(yōu)秀了，沒(méi)必要精確。

4）不是因果關(guān)系，而是相關(guān)關(guān)系

在數(shù)據(jù)科學(xué)中，廣泛應(yīng)用“基于數(shù)據(jù)”的思維模式，重視對(duì)“相關(guān)性”的分析，而不是等到發(fā)現(xiàn)“真正的因果關(guān)系”之后才解決問(wèn)題。

在大數(shù)據(jù)時(shí)代，人們開(kāi)始重視相關(guān)分析，而不僅僅是因果分析。我們無(wú)須再緊盯事物之間的因果關(guān)系，而應(yīng)該尋找事物之間的相關(guān)關(guān)系。相關(guān)關(guān)系也許不能準(zhǔn)確地告訴我們某件事情為何會(huì)發(fā)生，但是它會(huì)告訴我們某件事情已經(jīng)發(fā)生了。

在大數(shù)據(jù)時(shí)代，我們不必非得知道現(xiàn)象背后的原因，而是要讓數(shù)據(jù)自己發(fā)聲。知道是什么就夠了，沒(méi)必要知道為什么。例如，知道用戶對(duì)什么感興趣即可，沒(méi)必要去研究用戶為什么感興趣。

相關(guān)關(guān)系的核心是量化兩個(gè)數(shù)據(jù)值之間的數(shù)據(jù)關(guān)系。相關(guān)關(guān)系強(qiáng)是指當(dāng)一個(gè)數(shù)據(jù)值增加時(shí)，其他數(shù)據(jù)值很有可能也會(huì)隨之增加。相關(guān)關(guān)系是通過(guò)識(shí)別關(guān)聯(lián)物來(lái)幫助我們分析某一現(xiàn)象的，而不是揭示其內(nèi)部的運(yùn)作。

通過(guò)找到一個(gè)現(xiàn)象良好的關(guān)聯(lián)物，相關(guān)關(guān)系可以幫助我們捕捉現(xiàn)在和預(yù)測(cè)未來(lái)。例如，如果川和萬(wàn)經(jīng)常一起發(fā)生，我們只需要注意方是否發(fā)生，就可以預(yù)測(cè)力是否也發(fā)生了。

對(duì)計(jì)算智能的新認(rèn)識(shí)：從復(fù)雜算法到簡(jiǎn)單算法

“只要擁有足夠多的數(shù)據(jù)，我們可以變得更聰明”是大數(shù)據(jù)時(shí)代的一個(gè)新認(rèn)識(shí)。因此，在大數(shù)據(jù)時(shí)代，原本復(fù)雜的“智能問(wèn)題”變成簡(jiǎn)單的“數(shù)據(jù)問(wèn)題”。

只要對(duì)大數(shù)據(jù)進(jìn)行簡(jiǎn)單查詢就可以達(dá)到“基于復(fù)雜算法的智能計(jì)算的效果”。為此，很多學(xué)者曾討論過(guò)一個(gè)重要話題——“大數(shù)據(jù)時(shí)代需要的是更多的數(shù)據(jù)還是更好的模型？”

機(jī)器翻譯是傳統(tǒng)自然語(yǔ)言技術(shù)領(lǐng)域的難點(diǎn)，雖曾提出過(guò)很多種算法，但應(yīng)用效果并不理想。IBM 有能力將《人民日?qǐng)?bào)》歷年的文本輸入電腦，試圖破譯中文的語(yǔ)言結(jié)構(gòu)。

例如，實(shí)現(xiàn)中文的語(yǔ)音輸入或者中英互譯，這項(xiàng)技術(shù)在 20 世紀(jì) 90 年代就取得突破，但進(jìn)展緩慢，在應(yīng)用中還是有很多問(wèn)題。近年來(lái)，Google 翻譯等工具改變了“實(shí)現(xiàn)策略”，不再依靠復(fù)雜算法進(jìn)行翻譯,而是通過(guò)對(duì)他們之前收集的跨語(yǔ)言語(yǔ)料庫(kù)進(jìn)行簡(jiǎn)單查詢的方式,提升了機(jī)器翻譯的效果和效率。

他們并不教給電腦所有的語(yǔ)言規(guī)則，而是讓電腦自己去發(fā)現(xiàn)這些規(guī)則。電腦通過(guò)分析經(jīng)過(guò)人工翻譯的數(shù)以千萬(wàn)計(jì)的文件來(lái)發(fā)現(xiàn)其中的規(guī)則。這些翻譯結(jié)果源自圖書(shū)、各種機(jī)構(gòu)（如聯(lián)合國(guó)）及世界各地的網(wǎng)站。

他們的電腦會(huì)掃描這些語(yǔ)篇，從中尋找在統(tǒng)計(jì)學(xué)上非常重要的模式，即翻譯結(jié)果和原文之間并非偶然產(chǎn)生的模式。一旦電腦找到了這些模式，今后它就能使用這些模式來(lái)翻譯其他類似的語(yǔ)篇。

通過(guò)數(shù)十億次重復(fù)使用，就會(huì)得出數(shù)十億種模式及一個(gè)異常聰明的電腦程序。但是對(duì)于某些語(yǔ)言來(lái)說(shuō)，他們能夠使用到的已翻譯完成的語(yǔ)篇非常少，因此 Google 的軟件所探測(cè)到的模式就相對(duì)很少。這就是為什么 Google 的翻譯質(zhì)量會(huì)因語(yǔ)言對(duì)的不同而不同。

通過(guò)不斷向電腦提供新的翻譯語(yǔ)篇，Google 就能讓電腦更加聰明，翻譯結(jié)果更加準(zhǔn)確。

對(duì)管理目標(biāo)的新認(rèn)識(shí)：從業(yè)務(wù)數(shù)據(jù)化到數(shù)據(jù)業(yè)務(wù)化

在傳統(tǒng)數(shù)據(jù)管理中，企業(yè)更加關(guān)注的是業(yè)務(wù)的數(shù)據(jù)化問(wèn)題，即如何將業(yè)務(wù)活動(dòng)以數(shù)據(jù)方式記錄下來(lái)，以便進(jìn)行業(yè)務(wù)審計(jì)、分析與挖掘。

在大數(shù)據(jù)時(shí)代，企業(yè)需要重視一個(gè)新的課題——數(shù)據(jù)業(yè)務(wù)化，即如何“基于數(shù)據(jù)”動(dòng)態(tài)地定義、優(yōu)化和重組業(yè)務(wù)及其流程，進(jìn)而提升業(yè)務(wù)的敏捷性，降低風(fēng)險(xiǎn)和成本。業(yè)務(wù)數(shù)據(jù)化是前提，而數(shù)據(jù)業(yè)務(wù)化是目標(biāo)。

電商的經(jīng)營(yíng)模式與實(shí)體店最本質(zhì)的區(qū)別是，電商每賣(mài)出一件產(chǎn)品，都會(huì)留存一條詳盡的數(shù)據(jù)記錄。也正是因?yàn)榭梢杂脭?shù)字化的形式保留每一筆銷售的明細(xì)，電商可以清楚地掌握每一件商品到底賣(mài)給了誰(shuí)。

此外，依托互聯(lián)網(wǎng)這個(gè)平臺(tái)，電商還可以記錄每一個(gè)消費(fèi)者的鼠標(biāo)單擊記錄、網(wǎng)上搜索記錄。所有這些記錄形成了一個(gè)關(guān)于消費(fèi)者行為的實(shí)時(shí)數(shù)據(jù)閉環(huán)，通過(guò)這個(gè)閉環(huán)中源源不斷產(chǎn)生的新鮮數(shù)據(jù)，電商可以更好地洞察消費(fèi)者，更及時(shí)地預(yù)測(cè)其需求的變化，經(jīng)營(yíng)者和消費(fèi)者之間因此產(chǎn)生了很強(qiáng)的黏性。

線下實(shí)體商店很難做到這一點(diǎn)，他們可能只知道一個(gè)省、一個(gè)市或者一個(gè)地區(qū)賣(mài)了多少商品，但是，他們很難了解到所生產(chǎn)、經(jīng)營(yíng)的每一件商品究竟賣(mài)到了哪一個(gè)具體的地方、哪一個(gè)具體的人，這個(gè)人還買(mǎi)了其他什么東西、查看了哪些商品、可能會(huì)喜歡什么樣的商品。

也就是說(shuō)，線下實(shí)體店即使收集了一些數(shù)據(jù)，但其數(shù)據(jù)的粒度、寬度、廣度和深度都非常有限。由于缺乏足夠的數(shù)據(jù)，實(shí)體店對(duì)自己的經(jīng)營(yíng)行為，對(duì)消費(fèi)者的洞察力，以及和消費(fèi)者之間的黏性都十分有限。

就此而言，一家電商和一家線下實(shí)體店最本質(zhì)的區(qū)別就是是否保存了足夠的數(shù)據(jù)。其實(shí)，這正是互聯(lián)網(wǎng)化的核心和本質(zhì)，即“數(shù)據(jù)化”。這并不是一個(gè)簡(jiǎn)單的數(shù)據(jù)化，而是所有業(yè)務(wù)的過(guò)程都要數(shù)據(jù)化，即把所有的業(yè)務(wù)過(guò)程記錄下來(lái)，形成一個(gè)數(shù)據(jù)的閉環(huán)，這個(gè)閉環(huán)的實(shí)時(shí)性和效率是關(guān)鍵的指標(biāo)。這個(gè)思想就是一切業(yè)務(wù)都要數(shù)據(jù)化。

在大數(shù)據(jù)時(shí)代，企業(yè)不僅僅是把業(yè)務(wù)數(shù)據(jù)化，更重要的是把數(shù)據(jù)業(yè)務(wù)化，也就是把數(shù)據(jù)作為直接生產(chǎn)力，將數(shù)據(jù)價(jià)值直接通過(guò)前臺(tái)產(chǎn)品作用于消費(fèi)者。

數(shù)據(jù)可以反映用戶過(guò)去的行為軌跡，也可以預(yù)測(cè)用戶將來(lái)的行為傾向。比較好理解的一個(gè)實(shí)例就是關(guān)聯(lián)推薦，當(dāng)用戶買(mǎi)了一個(gè)商品之后，可以給用戶推薦一個(gè)最有可能再買(mǎi)的商品。個(gè)性化是數(shù)據(jù)作為直接生產(chǎn)力的一個(gè)具體體現(xiàn)。

隨著數(shù)據(jù)分析工具與數(shù)據(jù)挖掘渠道的日益豐富與多樣化，數(shù)據(jù)存量越來(lái)越大，數(shù)據(jù)對(duì)企業(yè)也越來(lái)越重要。數(shù)據(jù)業(yè)務(wù)化能夠給企業(yè)帶來(lái)的業(yè)務(wù)價(jià)值主要包括以下幾點(diǎn)：提高生產(chǎn)過(guò)程的資源利用率，降低生產(chǎn)成本；根據(jù)商業(yè)分析提高商業(yè)智能的準(zhǔn)確率，降低傳統(tǒng)“憑感覺(jué)”做決策的業(yè)務(wù)風(fēng)險(xiǎn)；動(dòng)態(tài)價(jià)格優(yōu)化利潤(rùn)和增長(zhǎng)；獲取優(yōu)質(zhì)客戶。

目前，越來(lái)越多的企業(yè)級(jí)用戶已經(jīng)考慮從批量分析向近實(shí)時(shí)分析發(fā)展，從而提高 IT 創(chuàng)造價(jià)值的能力。同時(shí)，數(shù)據(jù)分析在快速?gòu)纳虡I(yè)智能向用戶智能發(fā)展。數(shù)據(jù)業(yè)務(wù)化可以讓數(shù)據(jù)給企業(yè)創(chuàng)造額外收益和價(jià)值。

對(duì)決策方式的新認(rèn)識(shí)：從目標(biāo)驅(qū)動(dòng)型到數(shù)據(jù)驅(qū)動(dòng)型

傳統(tǒng)科學(xué)思維中，決策制定往往是“目標(biāo)”或“模型”驅(qū)動(dòng)的，也就是根據(jù)目標(biāo)（或模型）進(jìn)行決策。然而，大數(shù)據(jù)時(shí)代出現(xiàn)了另一種思維模式，即數(shù)據(jù)驅(qū)動(dòng)型決策，數(shù)據(jù)成為決策制定的主要“觸發(fā)條件”和“重要依據(jù)”。

小數(shù)據(jù)時(shí)代，企業(yè)討論什么事情該做不該做，許多時(shí)候是憑感覺(jué)來(lái)決策的，流程如圖 3 所示，由兩個(gè)環(huán)節(jié)組成：一個(gè)是拍腦袋，另一個(gè)是研發(fā)功能。

圖 3? 產(chǎn)品迭代的錯(cuò)誤流程

基本上就是產(chǎn)品經(jīng)理通過(guò)一些調(diào)研，想了一個(gè)功能，做了設(shè)計(jì)。下一步就是把這個(gè)功能研發(fā)出來(lái)，然后看一下效果如何，再做下一步。

整個(gè)過(guò)程都是憑一些感覺(jué)來(lái)決策。這種方式總是會(huì)出現(xiàn)問(wèn)題，很容易走一些彎路，很有可能做出錯(cuò)誤的決定。

數(shù)據(jù)驅(qū)動(dòng)型決策加入了數(shù)據(jù)分析環(huán)節(jié)，如圖 4 所示。

基本流程就是企業(yè)有一些點(diǎn)子，通過(guò)點(diǎn)子去研發(fā)這些功能，之后要進(jìn)行數(shù)據(jù)收集，然后進(jìn)行數(shù)據(jù)分析。基于數(shù)據(jù)分析得到一些結(jié)論，然后基于這些結(jié)論，再去進(jìn)行下一步的研發(fā)。整個(gè)過(guò)程就形成了一個(gè)循環(huán)。在這種決策流程中，人為的因素影響越來(lái)越少，而主要是用一種科學(xué)的方法來(lái)進(jìn)行產(chǎn)品的迭代。
?

圖 4? 數(shù)據(jù)驅(qū)動(dòng)的產(chǎn)品迭代流程

例如，一個(gè)產(chǎn)品的界面到底是綠色背景好還是藍(lán)色背景好，從設(shè)計(jì)的層面考慮，兩者是都有可能的。那么就可以做一下 A/B 測(cè)試。

可以讓 50% 的人顯示綠色背景，50% 的人顯示藍(lán)色背景，然后看用戶點(diǎn)擊量。哪個(gè)點(diǎn)擊比較多，就選擇哪個(gè)。這就是數(shù)據(jù)驅(qū)動(dòng)，這樣就轉(zhuǎn)變成不是憑感覺(jué)，而是通過(guò)數(shù)據(jù)去決策。

相比于基于本能、假設(shè)或認(rèn)知偏見(jiàn)而做出的決策，基于證據(jù)的決策更可靠。通過(guò)數(shù)據(jù)驅(qū)動(dòng)的方法，企業(yè)能夠判斷趨勢(shì)，從而展開(kāi)有效行動(dòng)，幫助自己發(fā)現(xiàn)問(wèn)題，推動(dòng)創(chuàng)新或解決方案的出現(xiàn)。

對(duì)產(chǎn)業(yè)競(jìng)合關(guān)系的新認(rèn)識(shí)：從以戰(zhàn)略為中心到以數(shù)據(jù)為中心

在大數(shù)據(jù)時(shí)代，企業(yè)之間的競(jìng)合關(guān)系發(fā)生了變化，原本相互競(jìng)爭(zhēng)，甚至不愿合作的企業(yè)，不得不開(kāi)始合作，形成新的業(yè)態(tài)和產(chǎn)業(yè)鏈。

所謂競(jìng)合關(guān)系，即在競(jìng)爭(zhēng)中合作，在合作中競(jìng)爭(zhēng)。它的核心思想主要體現(xiàn)在兩個(gè)方面：創(chuàng)造價(jià)值與爭(zhēng)奪價(jià)值。創(chuàng)造價(jià)值是個(gè)體之間相互合作、共創(chuàng)價(jià)值的過(guò)程；爭(zhēng)奪價(jià)值則是個(gè)體之間相互競(jìng)爭(zhēng)、分享價(jià)值的過(guò)程。

競(jìng)合的思想就是要求所有參與者共同把蛋糕做大，每個(gè)參與者最終分得的部分都會(huì)相應(yīng)增加。

傳統(tǒng)的競(jìng)合關(guān)系以戰(zhàn)略為中心，德國(guó)寶馬汽車(chē)公司和戴姆勒公司旗下的奔馳品牌在整車(chē)制造領(lǐng)域存在著品牌競(jìng)爭(zhēng)，但雙方不僅共同開(kāi)發(fā)、生產(chǎn)及采購(gòu)汽車(chē)零部件，而且在混合動(dòng)力技術(shù)——領(lǐng)域進(jìn)行研究合作。

為了能夠在激烈的市場(chǎng)競(jìng)爭(zhēng)中獲取優(yōu)勢(shì)，兩家公司通過(guò)競(jìng)合戰(zhàn)略，互通有無(wú)、共享資源，從而在汽車(chē)業(yè)整體利潤(rùn)下滑的趨勢(shì)下獲得相對(duì)較好的收益，最終取得雙贏。

在大數(shù)據(jù)時(shí)代，競(jìng)合關(guān)系是以數(shù)據(jù)為中心的。數(shù)據(jù)產(chǎn)業(yè)就是從信息化過(guò)程累積的數(shù)據(jù)資源中提取有用信息進(jìn)行創(chuàng)新，并將這些數(shù)據(jù)創(chuàng)新賦予商業(yè)模式。

這種由大數(shù)據(jù)創(chuàng)新所驅(qū)動(dòng)的產(chǎn)業(yè)化過(guò)程具有“提升其他產(chǎn)業(yè)利潤(rùn)”的特征，除了能探索新的價(jià)值發(fā)現(xiàn)、創(chuàng)造與獲取方式以謀求本身發(fā)展外，還能幫助傳統(tǒng)產(chǎn)業(yè)突破瓶頸、升級(jí)轉(zhuǎn)型，是一種新的競(jìng)合關(guān)系，而非一般觀點(diǎn)的“新興科技催生的經(jīng)濟(jì)業(yè)態(tài)與原有經(jīng)濟(jì)業(yè)態(tài)存在競(jìng)爭(zhēng)關(guān)系”。

所以，數(shù)據(jù)產(chǎn)業(yè)培育圍繞傳統(tǒng)經(jīng)濟(jì)升級(jí)轉(zhuǎn)型，依附傳統(tǒng)行業(yè)企業(yè)共生發(fā)展，是最好的發(fā)展策略。例如，近年來(lái)發(fā)展火熱的團(tuán)購(gòu)，就是數(shù)據(jù)產(chǎn)業(yè)幫助傳統(tǒng)餐飲業(yè)、旅游業(yè)和交通行業(yè)的升級(jí)轉(zhuǎn)型。提供團(tuán)購(gòu)業(yè)務(wù)的企業(yè)在獲得收益的同時(shí)，也提高了其他傳統(tǒng)行業(yè)的效益。

但是，傳統(tǒng)企業(yè)與團(tuán)購(gòu)企業(yè)也存在著一定的競(jìng)爭(zhēng)關(guān)系。傳統(tǒng)企業(yè)在與團(tuán)購(gòu)企業(yè)合作的過(guò)程中，也盡力防止自己的線下業(yè)務(wù)全部轉(zhuǎn)為自己不能掌控的團(tuán)購(gòu)企業(yè)。

團(tuán)購(gòu)網(wǎng)站為了能獲得更廣的用戶群、更大的流量來(lái)提升自己的市場(chǎng)地位，除了自身擴(kuò)展商戶和培養(yǎng)網(wǎng)民習(xí)慣之外，還紛紛采取了合縱連橫的發(fā)展戰(zhàn)略。

聚劃算、京東團(tuán)購(gòu)、當(dāng)當(dāng)團(tuán)購(gòu)、58 團(tuán)購(gòu)等紛紛開(kāi)放平臺(tái)，吸引了千品網(wǎng)、高朋、滿座、窩窩等團(tuán)購(gòu)網(wǎng)站的入駐，投奔平臺(tái)正在成為行業(yè)共識(shí)。

對(duì)于獨(dú)立團(tuán)購(gòu)網(wǎng)站來(lái)說(shuō)，入駐電商平臺(tái)不僅能帶來(lái)流量，電商平臺(tái)在實(shí)物銷售上的積累對(duì)其實(shí)物團(tuán)購(gòu)也有一定的促進(jìn)作用。

對(duì)數(shù)據(jù)復(fù)雜性的新認(rèn)識(shí)：從不接受到接受數(shù)據(jù)的復(fù)雜性

在傳統(tǒng)科學(xué)看來(lái)，數(shù)據(jù)需要徹底“凈化”和“集成”，計(jì)算目的是需要找出“精確答案”，而其背后的哲學(xué)是“不接受數(shù)據(jù)的復(fù)雜性”。

然而，大數(shù)據(jù)中更加強(qiáng)調(diào)的是數(shù)據(jù)的動(dòng)態(tài)性、異構(gòu)性和跨域等復(fù)雜性，開(kāi)始把“復(fù)雜性”當(dāng)作數(shù)據(jù)的一個(gè)固有特征來(lái)對(duì)待，組織數(shù)據(jù)生態(tài)系統(tǒng)的管理目標(biāo)開(kāi)始轉(zhuǎn)向?qū)⒔M織處于混沌邊緣狀態(tài)。

在小數(shù)據(jù)時(shí)代，對(duì)于數(shù)據(jù)的存儲(chǔ)與檢索一直依賴于分類法和索引法的機(jī)制，這種機(jī)制是以預(yù)設(shè)場(chǎng)域?yàn)榍疤岬摹＿@種結(jié)構(gòu)化數(shù)據(jù)庫(kù)的預(yù)設(shè)場(chǎng)域能夠卓越地展示數(shù)據(jù)的整齊排列與準(zhǔn)確存儲(chǔ)，與追求數(shù)據(jù)的精確性目標(biāo)是完全一致的。

在數(shù)據(jù)稀缺與問(wèn)題清晰的年代，這種基于預(yù)設(shè)的結(jié)構(gòu)化數(shù)據(jù)庫(kù)能夠有效地回答人們的問(wèn)題，并且這種數(shù)據(jù)庫(kù)在不同的時(shí)間能夠提供一致的結(jié)果。

面對(duì)大數(shù)據(jù)，數(shù)據(jù)的海量、混雜等特征會(huì)使預(yù)設(shè)的數(shù)據(jù)庫(kù)系統(tǒng)崩潰。其實(shí)，數(shù)據(jù)的紛繁雜亂才真正呈現(xiàn)出世界的復(fù)雜性和不確定性特征，想要獲得大數(shù)據(jù)的價(jià)值，承認(rèn)混亂而不是避免混亂才是一種可行的路徑。

為此，伴隨著大數(shù)據(jù)的涌現(xiàn)，出現(xiàn)了非關(guān)系型數(shù)據(jù)庫(kù)，它不需要預(yù)先設(shè)定記錄結(jié)構(gòu)，而且允許處理各種各樣形形色色參差不齊的數(shù)據(jù)。

因?yàn)榘萘私Y(jié)構(gòu)的多樣性，這些無(wú)須預(yù)設(shè)的非關(guān)系型數(shù)據(jù)庫(kù)設(shè)計(jì)能夠處理和存儲(chǔ)更多的數(shù)據(jù)，成為大數(shù)據(jù)時(shí)代的重要應(yīng)對(duì)手段。

在大數(shù)據(jù)時(shí)代，海量數(shù)據(jù)的涌現(xiàn)一定會(huì)增加數(shù)據(jù)的混亂性且會(huì)造成結(jié)果的不準(zhǔn)確性，如果仍然依循準(zhǔn)確性，那么將無(wú)法應(yīng)對(duì)這個(gè)新的時(shí)代。

大數(shù)據(jù)通常都用概率說(shuō)話，與數(shù)據(jù)的混雜性可能帶來(lái)的結(jié)果錯(cuò)誤性相比，數(shù)據(jù)量的擴(kuò)張帶給我們的新洞察、新趨勢(shì)和新價(jià)值更有意義。

因此，與致力于避免錯(cuò)誤相比，對(duì)錯(cuò)誤的包容將會(huì)帶給我們更多信息。其實(shí)，允許數(shù)據(jù)的混雜性和容許結(jié)果的不精確性才是我們擁抱大數(shù)據(jù)的正確態(tài)度，未來(lái)我們應(yīng)當(dāng)習(xí)慣這種思維。

對(duì)數(shù)據(jù)處理模式的新認(rèn)識(shí)：從小眾參與到大眾協(xié)同

在傳統(tǒng)科學(xué)中，數(shù)據(jù)的分析和挖掘都是具有很高專業(yè)素養(yǎng)的“企業(yè)核心員工”的事情，企業(yè)管理的重要目的是如何激勵(lì)和考核這些“核心員工”。

但是，在大數(shù)據(jù)時(shí)代，基于“核心員工”的創(chuàng)新工作成本和風(fēng)險(xiǎn)越來(lái)越大，而基于“專家余（Pro-AmT 的大規(guī)模協(xié)作日益受到重視，正成為解決數(shù)據(jù)規(guī)模與形式化之間矛盾的重要手段。

大規(guī)模生產(chǎn)讓數(shù)以百計(jì)的人買(mǎi)得起商品，但商品本身卻是一模一樣的。

企業(yè)面臨這樣一個(gè)矛盾：定制化的產(chǎn)品更能滿足用戶的需求，但卻非常昂貴；與此同時(shí)，量產(chǎn)化的商品價(jià)格低廉,但無(wú)法完全滿足用戶的需求。

如果能夠做到大規(guī)模定制，為大量用戶定制產(chǎn)品和服務(wù)，則能使產(chǎn)品成本低，又兼具個(gè)性化，從而使企業(yè)有能力滿足要求，但價(jià)格又不至于像手工制作那般讓人無(wú)法承擔(dān)。

因此，在企業(yè)可以負(fù)擔(dān)得起大規(guī)模定制帶來(lái)的高成本的前提下，要真正做到個(gè)性化產(chǎn)品和服務(wù)，就必須對(duì)用戶需求有很好的了解，這就需要用戶提前參與到產(chǎn)品設(shè)計(jì)中。

在大數(shù)據(jù)時(shí)代，用戶不再僅僅熱衷于消費(fèi)，他們更樂(lè)于參與到產(chǎn)品的創(chuàng)造過(guò)程中，大數(shù)據(jù)技術(shù)讓用戶參與創(chuàng)造與分享成果的需求得到實(shí)現(xiàn)。

市場(chǎng)上傳統(tǒng)的著名品牌越來(lái)越重視從用戶的反饋中改進(jìn)產(chǎn)品的后續(xù)設(shè)計(jì)和提高用戶體驗(yàn)，例如，“小米”這樣的新興品牌建立了互聯(lián)網(wǎng)用戶粉絲論壇，讓用戶直接參與到新產(chǎn)品的設(shè)計(jì)過(guò)程之中，充分發(fā)揮用戶豐富的想象力，企業(yè)也能直接了解他們的需求。

大眾協(xié)同的另一個(gè)方面就是企業(yè)可以利用用戶完成數(shù)據(jù)的采集，如實(shí)時(shí)車(chē)輛交通數(shù)據(jù)采集商 Inrix。該公司目前有一億個(gè)手機(jī)端用戶，Inrix 的軟件可以幫助用戶避開(kāi)堵車(chē)，為用戶呈現(xiàn)路的熱量圖。

提供數(shù)據(jù)并不是這個(gè)產(chǎn)品的特色，但值得一提的是，Inrix 并沒(méi)有用交警的數(shù)據(jù)，這個(gè)軟件的每位用戶在使用過(guò)程中會(huì)給服務(wù)器發(fā)送實(shí)時(shí)數(shù)據(jù)，如速度和位置，這樣每個(gè)用戶都是探測(cè)器。使用該服務(wù)的用戶越多，Inrix 獲得的數(shù)據(jù)就越多，從而可以提供更好的服務(wù)。

總結(jié)

以上是生活随笔為你收集整理的大数据时代的10个重大变化的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。