时间：2023-08-29 16:44:32
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇大数据的商业模式，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
[DOI] 10.13939/ki.zgsc.2016.28.149
1 大数据推动信息服务业发展
2016年是实施国民经济和社会发展第十三个五年规划的开局之年，也是信息技术服务业融合创新、转型发展的关键之年，而大数据在信息服务业转型发展中所扮演的角色越来越关键。
1.1 大数据产业政策接连出台，推动信息服务业提档增速
国家政策大力支持信息服务业特别是大数据产业的发展。2015年，国务院了《关于促进云计算创新发展培育信息产业新业态的意见》《促进大数据发展行动纲要》，明确提出了大数据发展的重点方向和路径。工业和信息化部《云计算综合标准化体系建设指南》，促进信息服务业朝标准化、体系化快速迈进。同年5月，国务院印发《关于大力发展电子商务加快培育经济新动力的意见》，从大数据的应用角度提出积极利用移动互联网、地理位置服务、大数据等信息技术提升流通效率和服务质量，深化信息技术在生产制造各环节的应用。
在国家政策的引导下，各地方政府加快出台相应政策措施，加大对云计算、大数据服务的扶持力度。2014年贵阳市成立贵阳大数据交易所和国家级大数据产业发展集聚区，吸纳51支创客团队、360多家大数据及关联企业，带动贵州省2015年大数据电子信息产业规模总量达到2000亿元、增长37%。2013年，武汉高科集团与国家信息中心合作在光谷联合打造国家级大数据产业基地。2015年武汉东湖大数据交易中心网上平台上线。
1.2 大数据相关业务增速超过信息服务业整体增速
2015年我国信息技术服务产业规模保持较快增长，基于移动互联网、物联网、云计算、大数据的新业态、新业务、新服务快速发展，带动产业链向高端不断延伸。2015年全年，信息服务实现收入22123亿元，同比增长18.4%，增速较传统软件产品和嵌入式系统软件分别高出2和6.2个百分点。
2015年中国软件业务收入前百家企业中出现了以阿里云、京东为代表的新兴技术服务企业，这些企业大力培育和发展云计算、大数据服务，快速向产业高端环节延伸拓展。以阿里云为例，2015年全年实现营收23.41亿元，季度平均增速达到28.33%，远远高于信息服务业整体增速。
1.3 大数据必将带动未来信息服务业升级发展
大数据是指那些数据量规模巨大到无法通过人工或者计算机，在合理时间内截取、管理、处理、并整理成为人类所能解读的形式的信息。经过特殊技术处理后，这些数据可以提供以前信息服务业无法提供的关键信息，例如判断商业趋势、判定质量、避免疾病扩散、打击犯罪或测定即时交通路况等。
第一，对大数据的处理分析正成为新一代信息技术融合应用的关键节点。移动互联网、物联网、社交网络、电子商务不断产生数据。通过对不同来源数据的管理、处理、分析与优化，将结果反馈到上述应用中，将创造出巨大的经济和社会价值。
第二，大数据是信息产业持续高速增长的新引擎。面向大数据市场的新技术、新产品、新服务、新业态会不断涌现。为大数据产业提供存储、处理等芯片硬件与集成设备，特别是一体化数据存储处理服务器、内存计算等行业领域将迎来新一轮的发展。在软件与服务领域，大数据将引发数据快速处理分析、数据挖掘技术和软件产品的发展。
第三，大数据利用将成为提高核心竞争力的关键因素。各行各业的决策正在从“业务驱动” 转变“数据驱动”。对大数据的分析可以使零售商实时掌握市场动态并迅速做出应对；可以为商家制定更加精准有效的营销策略提供决策支持；可以帮助企业为消费者提供更加及时和个性化的服务；在公共事业领域，大数据也开始发挥促进经济发展、维护社会稳定等方面的重要作用。
第四，大数据时代科学研究的方法手段将发生重大改变。例如，抽样调查是社会科学的基本研究方法。在大数据时代，可通过实时监测、跟踪研究对象在互联网上产生的海量行为数据，进行挖掘分析，揭示出规律性的东西，提出研究结论和对策。
2 大数据信息流程各节点的典型企业和运营模式
大数据不仅为信息服务业注入新的发展动力，还将为信息服务业带来深刻的变革。“深刻”二字除了表现在技术的突破外，还表现在以下两个方面。一方面，原有的流程分工已经不能适应大数据背景下的信息服务业发展，传统信息服务业的某些技能和企业会贬值乃至消失；另一方面，而更多新的岗位和企业将崛起，参与和改变原有信息服务业的产业分工。从在大数据的背景下看信息的运行流程。如下图所示。
大数据背景下的信息服务业产业分工流程
大数据技术出现之前，信息服务业有着成熟的盈利模式和商业模式。随着大数据的发展，这些企业会根据行业分工的变化，对自己的运营模式进行细微的调整。下面按照信息的处理流程为顺序，分别介绍每个环节上的典型企业的运营模式。
2.1 局部信息搜集环节
某些特定领域的信息价值比较富集，往往需要传统信息搜集的企业提供信息搜集的技术服务。但不同于传统的IT技术服务模式，大数据的发展为这种服务模式带来潜移默化的改进。
考虑到今后大数据的运营收益，这个环节的新兴企业往往主动降低报价甚至完全免费提供服务；而业主往往同意在不改变数据所有权的前提下，让这些企业拥有数据的独家开发利用权力。例如目前政府的一些信息化惠民项目，以及前段时间非常火爆的迈外迪、树熊网络等提供免费Wi-Fi的O2O概念企业。
值得注意的是，信息搜集不直接创造价值，信息搜集必须通过其他环节的参与配合创造价值。在未来盈利不明朗的情况下，这种商业模式的报价不能太低。
2.2 众包信息搜集环节
众包是指一个企业把要完成的工作，交给外部非特定的大众完成。这个环节的企业，在用户有强烈参与意愿和低成本搜集条件的前提下，多采用UGC（User Generate Content）的商业模式。例如用户在使用百度地图导航服务的同时，不知不觉地无偿提供了自己的机动车的速度和位置信息。这些信息成为了这类企业提供更精准的交通信息的基础数据。类似的企业还有迅雷下载、51信用卡管家、支付宝线下收单业务等。
众包环节的商业模式应当注意，以下两点。第一，“普通大众”的参与意愿。只有让用户在无意识中低成本的完成众包任务，才能实现“我为人人，人人为我”的商业模式。第二，众包环节的信息搜集成本应当足够低。低成本是来源于模式创新，而不是成本的节约；模式创新换来的低成本，为某些企业的补贴行为提供成本空间。
值得关注的是，众包环节的大部分企业，目前都在贴成本做大数据规模，几乎都没有实现盈利。
2.3 信息预处理和整理环节
大数据背景下，信息服务业所承载的信息量激增，增量往往是尚未结构化的数据。而信息预处理和整理环节企业需要做的，就是将这些数据整理成结构化的可视数据。
信息的预处理和整理一般由程序完成，程序的特点是一旦研发完成投产，边际成本几乎为零。因此该环节的企业选择商业模式的时候，几乎无一例外地采取边际成本模式。即一开始就投入资金进行软件开发，投产后通过快速发展客户摊薄研发成本，确立竞争优势。占领一定市场份额后，这类型的企业往往通过免费加增值的盈利模式获得收益。
美国的Salesforce公司就是一家基于云计算的SaaS销售支撑服务和数据处理服务商的综合体。它一方面通过服务为用户积累了大量进货、销售、库存、客户关系、产品管理等基础数据；另一方面打通这些孤立数据的关联，提供可视化的数据报表分析、趋势判断、销售机会提醒等服务。Salesforce凭借销售SaaS和数据处理服务，市值已经逼近500亿美元。
阿里巴巴的“友盟+”也是类似的一家从事全数据服务的企业，它所服务的领域是移动互联网。“友盟+”目前覆盖9亿的用户，每天搜集的数据多达数百亿条。企业的任务就是用模块化的程序组件把信息量极低的数据串联起来成为结构化数据，降低了存储空间，提升了信息的价值密度。
国内还有一些中小科技型企业为客户进行定制化、私有化的开发部署，把不同系统的数据进行合并成全局数据视图。该类型企业通过提供IT技术服务获得服务报酬，边际成本不为零，其商业模式和盈利模式比较传统。
2.4 信息交易整合环节
信息的所有者拥有信息但并不具备开发利用的意愿和能力，信息的需求者具备开发利用的能力和意愿，但是缺乏必要的数据。例如，电商企业需要用户的上网行为数据，农业企业需要气象部门的预报数据，金融企业需要税务工商司法的征信数据。这个矛盾在信息膨胀之前并不明显，但随着大数据的来临，需要交换和整合的数据规模，大到足以滋生出一个数据交易和整合的市场。
数据交易的市场往往以电子化交易平台的形式出现。例如北京星图数据公司的大数据开放平台“蜂巢（DataComb）”不仅开放了北京星图的自有大数据，还能兼容第三方数据源和数据开发者。平台将数据明码标价，交易形态丰富，旨在拉拢撮合信息的供求双方，打造一个开放的数据集市。盈利模式上，企业自身作为信息交易的撮合者，一般按照交易金额的百分比抽取佣金，采用的是变相税收的盈利模式。
这个环节的企业在运营的时候，应当注意：
第一，信息交易的隐私保护和数据清洗。政府和其他信息拥有者希望市场走向开放，但有在很大程度上对自己的信息持保留态度，应当从交易整合的规则、规范上打消信息拥有者的顾虑，才能开启一个开放自由的市场环境。
第二，积极营造黑洞效应。交易涉及供需双方，交易市场是一个典型的双边市场。初期应当零成本甚至贴成本的手段，使交易标的物快速的丰富起来；到了一定阶段，平台上待交易的信息会越来越多，运营的成本会越来越低；最后，数据富集到一定程度，会像黑洞一样，吸引着其他数据聚拢，形成黑洞效应。
2.5 数据分析挖掘环节
数据的分析和处理，是大数据产业最具特色的一个环节。此环节的企业提供服务的形式有两种：一种是提供数据处理工具；另一种是直接帮用户处理数据。他们往往利用软件的边际成本递减特性，快速推广客户摊低成本，实现盈利。
例如国内的华院数据、天津天才博通科技、神舟通用、杭州合众信息等，他们提供定制化的分析挖掘工具，为客户安装部署后，客户就可以对数据进行分析和挖掘。由于这类企业的边际服务成本不为零，只能通过技术服务盈利，商业模式和盈利模式比较传统。
值得关注的是近期开源的两大人工智能工具：Google的人工智能开放平台TensorFlow和Facebook的人工智能工具Torch。他们采用免费加增值的商业模式。在完善的知识产权保护制度下，他们一方面开放技术扩大市场份额，促使产品迭代升级；另一方面充分利用GNU协议约束实现企业盈利。这种模式有时称为“开源模式”。
2.6 管理环节
具有利用价值的信息，都需要经过管理环节，提供给需求方换取价值。对于数据成果变现容易的企业，他们可以直接销售数据结果，获得收益。例如，美国的Climate Corporation（后以10亿美元价格被孟山都收购），把天气数据直接销售给农业企业用于预测灾害发生概率和农业产量，进而还能向农户销售保险。
但对于大部分的大数据企业而言，信息资源直接变现比较困难，它们往往采取两种商业模式进行变现：数据整合模式和占领入口模式。
2.6.1 数据整合模式
采用平台化资源整合商业模式的企业，将自身定位为数据的整合者。它们一方面积极从企业或政府（以购买或者分成或者以项目建设形式）搜集扩充大量自有数据；另一方面扩大社会合作，从社会的企事业单位吸纳大量的数据信息，这些数据经过整合后成为有价值的交易标的物，例如经过清洗经济交通规划数据和统计报告。此环节的企业通过把控数据和交易过程（现金流、信息流、用户资料等），获得话语权和分红权。典型的企业包括贵阳大数据交易所、武汉东湖大数据交易中心、华中大数据交易所、九次方、数据堂等。
以国资背景的贵阳大数据交易所为例，截至2015年底，贵阳大数据交易所已经整合了100多家大数据公司的数据，整合数据总量超过10PB。截至2015年底，贵阳大数据交易所交易额突破6000万元，所整合的数据门类包括涉及国计民生的35个门类。以民间资本背景的九次方为例，九次方分别与腾讯、汤森路透的合作提供企业征信查询和图表查询，每次的收入五五分成。
值得关注的是，此环节的服务形式有所创新。信息形式不仅是直接下载数据或报告，也可以采用API接口的方式，让企业按需调用、按需付费。这意味着信息的需求方，信息获取的门槛大幅降低而且确保了数据实时性。
这类企业的盈利模式一般采用变相税收模式，即将收入分配给提供整合数据的合作方，自己保留一部分佣金。
值得注意的是，国有企业往往借助政策扶持，定位为平台化的数据整合者，从管理环节进入大数据信息服务业。
2.6.2 占领入口模式
与实力雄厚的国资背景企业不同，民营企业进入管理环节的时候，往往找准一个垂直领域，采用占领入口的商业模式。他们在某个垂直领域做到行业第一，然后深入发掘该领域数据的商业价值，或者通过广告换取收入。
例如提供航班交通信息查询的“航旅纵横”和“飞常准”等App运营企业。他们调用民航航班数据，为大家预测准点率，结合乘机人数据，为大家办理值机等。类似的还有提供浅信用查询服务的 “企查查”和“企+”等App运营企业。
这类企业的盈利模式一般采用“零和”的广告盈利模式，即通过提供免费低价服务吸引大量用户，在用户使用服务的时候插入广告，换取收益。广告的多少和用户体验的好坏，形成一对零和博弈。
2.7 跨界应用环节
信息是中性的，信息不创造价值。但基于正确的信息进行资源的优化配置，相比起靠感觉和经验做出的资源配置，能降低错误决策的成本浪费，从而创造价值。在大数据的背景下，越来越多行业企业意识到，应当从靠经验驱动的决策模式，转变为靠数据驱动的决策模式。随着决策模式的转变，越来越多信息服务业的企业从而也获得了跨界经营的话语权。他们凭借手上的关键信息，参与其他行业的利润分成。他们一般采用的商业模式为产业链渗透模式。以向精准营销界跨界的TalkingData为例，TalkingData后台能根据用户的游戏行为数据判断用户的特征属性，但TalkingData不直接销售报告或数据，而是主动寻求与招商银行合作，开展跨界营销活动。跨界营销为招商银行节约了营销成本，而招商银行也愿意支付给TalkingData一定的营销费用，双方互惠共赢。
以向金融领域跨界的美国Zestfinance公司和中国同盾公司为例，它拥有传统银行的信贷数据（如账户数、信贷历史、违约数、流水）及其他结构化的数据（如交租情况、搬家次数等），在关联了贷款人的身份信息与线上行为后，可为银行和典当行提供量化的信用风险分析。
以向安全领域跨界的Palantir公司为例，Palantir帮助CIA、FBI等情报机构处理成千上万个数据库，快速找出与恐怖袭击、疾病灾害等有关的潜在威胁。很多银行和对冲基金客户，也找Palantir帮助预测欺诈行为。
更多可供大数据进行跨界渗透的领域还有医疗、交通、金融、电子商务、零售、通信、政府公共服务等。
3 结 论
借助国家地方政策的推动，随着大数据、物联网、云计算、机器学习等技术的发展，信息服务业正在经历前所未有的升级转型和流程再造。在新的产业链上，寻找与企业基础相匹配的转型切入点，设计与企业优势相匹配的商业模式，才能在大数据背景下的新一轮信息服务业竞争中赢得一席之地。
参考文献：
[1]菲利普・科特勒.营销管理[M].10版.梅汝和，梅清豪，周安住，译.北京：中国人民大学出版社，2001.
“大数据”的内涵及零售企业大数据源的内容
（一）“大数据”含义及特征
“大数据”是指大小超出了一般数据库软件收集、存储、处理和分析能力的大容量数据集（Bill Franks，2013）；其“大”不仅指数据规模大，还指通过对海量数据整合和分析发现新知识，转化为商业优势，带来大价值、大利润和大发展。“大数据”一般包括四个特征（四个V）：一是数据量大（volume），数据量级别以EB和ZB计算；二是数据类型多样（variety），除了传统结构化数据，还涵盖文本、图片、音频、视频、评论、地理位置信息等半结构化和非结构化数据；三是数据价值高、密度低（value），利用大数据技术对海量的数据进行挖掘，发现数据背后隐藏的价值；四是实时处理（velocity），“大数据”通常以数据流的形式动态、快速产生，具有很强的时效性，要求对数据进行有效和适时的处理。
（二）零售企业大数据源的内容
1.大交易数据。即零售企业内部因交易产生的数据，主要指来源于企业ERP、SCM、CRM和WEB交易系统并以SQL数据库来存储的数据，可以分为企业营销数据、企业管理数据两部分。前者是将企业产品或服务转移到顾客身上所产生的数据，有顾客数据、销售数据、价格数据、产品数据、市场竞争数据等；后者是对企业的产品、人员、设备进行管理而产生的数据，有财务数据、运营数据等。
2.大交互数据。主要是来自互联网、移动互联网中人与网站、人与人交互产生的数据，主要包括消费者在零售企业电子商务网站上进行商品搜索、浏览、比较、购买时产生的点击流数据、来自社交网络和即时通讯软件的分享推荐、交流沟通、咨询等社交数据，涵盖视频、即时通讯记录、录音、图片、帖子、点击动作等各种类型的非结构化数据。
3.感知数据。主要来源于物联网中的传感器、RFID、GPS芯片、观测设备等检测到的关于零售企业产品、设施、路线布局、柜台设置和顾客等信息的数据，包括传感数据、RFID数据、观测数据和由含有GPS芯片的各种智能终端等产生的地理位置信息数据。
“大数据”驱动的零售企业商业模式创新内容
顾客价值主张创新是“大数据”驱动的零售企业商业模式创新的核心内容。顾客价值主张是对顾客真实需求的深刻描述，是企业经营活动的起点，只有明确了企业的顾客价值主张，企业才能开展其他的活动（魏炜、朱武祥，2009）。“大数据”驱动的顾客价值主张创新，主要包括：
（一）以实现顾客个性化价值为战略目标
零售企业应以实现顾客个性化价值为战略目标，通过布局“大数据”战略，利用大数据技术整合和分析容量巨大、类型多样的数据，全面洞察顾客的需求偏好和购买行为，精准搜寻目标顾客，实时为顾客提供个性化的产品、服务和体验，保证顾客对企业活动的个性化、深度化参与，促使顾客个性化的价值主张得以实现。
（二）精确地洞悉顾客的真实需求
零售企业应利用基于大数据分析技术的平台，将顾客个性化参与融入传统价值链活动中，实时储存和整合顾客的大交易数据、大交互数据和感知数据，通过数据分析挖掘顾客真实需求信息，勾勒出一个360度顾客全景视图，获得全面、精确的顾客真实需求信息，设计精准、实时的需求响应系统，满足顾客个性化需求。
（三）精确到个体的顾客细分
零售企业应利用“大数据”获得全面精确的顾客需求和购买行为信息，借助大数据分析工具从多种不同的维度对顾客进行更精准的细分，形成每个顾客的购买需求、购买行为、购买偏好和购买决策的信息，从而实现对顾客的个性化营销。
（四）实时精准的定位
零售企业应通过大数据技术收集、整理、分析和反馈来源众多、类型多样的顾客数据，实时模型化顾客的行为，随时随地精准定位顾客潜在需求，快速精准识别顾客购买决策，主动推荐产品或服务促进交易的完成，实时满足顾客需求。
“大数据”驱动的零售企业商业模式创新的支撑条件
（一）创新的运营支撑条件―关键业务和流程创新
1.体验创新。零售企业需要利用大数据技术不断优化顾客的购物环境和购物内容，更加地符合顾客的购买习惯，更好地满足顾客的心理诉求和体验偏好，提高顾客体验水平。一是构建顾客体验分类模型。通过大数据技术收集和分析顾客购物过程中与企业及其产品的每一次接触行为数据，依此判断和评估顾客的购物体验状况，从中提取关键性的顾客体验指标，并对其指标进行聚类分析，归纳出顾客体验的主要类型，构建顾客体验差异分类模型，针对主要顾客进行深入的购物体验调查，依据调查结果进行业务流程设计，针对顾客交易过程中因体验不佳放弃购买的环节进行再设计，改进顾客购物流程和环境，提高顾客体验水平。二是构建顾客流失监测与预警模型。运用大数据技术，收集和分析流失顾客的行为特征和流失成因等信息，构建顾客流失监测与预警模型，提前发现流失顾客状况，及时、主动地关怀和挽留顾客，降低顾客流失率。
2.营销创新。零售企业需要构建顾客购物行为模型，主动推荐个性化服务，实行精准营销。一要借助大数据技术，整合顾客需求、行为偏好的数据，根据数据分析结果构建顾客购物行为模型。二要在实时更新顾客购物行为模型基础上，主动向顾客提供优质的体验和关怀，精确推荐符合顾客需求的个性化产品或服务，实现精准营销，满足顾客个性化需求。三要实行全渠道营销。利用尽可能多的渠道与顾客互动（李飞，2013），除实行电商化策略外，还应通过网上店铺、移动店铺发起地面活动，邀请顾客到实体店消费、参加节日主题活动等，把网络购物和实体店购物体验完美融合起来，以满足顾客购物、娱乐和社交的综合体验需求，实现全方位的营销。
3.供应链管理创新。零售企业需要利用大数据分析技术将供应链所有环节（供应商平台、交易系统、仓储管理系统、运输管理系统、数据分析系统等）整合在一个供应链平台上，统一管理、全面共享各环节数据，实现供应链管理创新，包括根据顾客购物行为模型，控制企业产品的采购和销售；推动大规模产品定制预售活动；建立一套科学的库存管理预警机制，保证库存、价格信息的实时更新等。
（二）创新的资源支撑条件―关键资源能力创新
1.大数据分析技术。主要包括：大数据收集。零售企业需要运用大数据收集工具及不同收集方法，收集各种顾客需求偏好和购物行为的数据。大数据存储、集成及预处理。零售企业需要利用云存储的数据仓库系统对大交易数据、大交互数据和感知数据进行解析、清理和重构等，对缺失值、重复数据和噪声数据、异常数据进行有效处理，并按主题进行数据组织，便于数据查询和实时访问，为零售企业提供数据共享，提高企业经营决策效益（谭磊，2013）。大数据组织。零售企业需要对进行包括数据转化、数据抽取两方面的大数据组织（徐国虎、孙凌，2012）。数据转化是对数据进行预处理后，将结构化、半结构化、非结构化数据进行过滤或映射转化为模型和索引，提炼出有意义数据；数据抽取是检测数据的相关性，以发现关联的数据所蕴含更大的价值特征，从顾客行为数据和产品销售数据的关联性中，分析不同群体顾客购买模式。大数据挖掘和应用。零售企业需要通过挖掘顾客行为、需求和消费偏好等数据，实现顾客分类模型和顾客流失模型、基于位置和时间的精准化推送、产品关联推荐、市场交叉销售、预测顾客再次购买、商场布置、货架布置、货存安排、企业舆情分析等应用安排（惠琳，2014）。
2.商业洞察能力。商业洞察能力的本质是将大数据资源转化为企业预见力和决策力。零售企业需要在本企业市场、投资、运营等部门共同协作下，利用“大数据”预测顾客潜在需求和市场机会，指导企业的业务决策，将数据精确度和决策粒度相结合，优化企业经营管理方案。
3.大数据成果共享能力。大数据成果共享力直接影响零售企业的经营质量和经营效益。零售企业需要通过大数据战略部署，重新定位大数据分析部门的功能，通过将大数据分析部门和IT部门定位为大数据技术和成果服务提供者；加强大数据共享平台建设；不断完善大数据成果共享机制，打破信息部门、营销部门、客服部门、供应链部门和销售部门等各部门间的数据壁垒，实现跨部门顾客购买行为和需求偏好数据的共享等措施，增强大数据成果共享能力，实现精准营销和立体营销。
[关键词]大数据;营销模式;商业模式
[中图分类号]F713.5 [文献标识码]A [文章编号]1672-2426（2014）12-0063-06
一、理论综述
在过去的数年中，信息技术在社会、经济、生活等各个领域不断渗透和推陈出新，在移动计算、物联网、云计算等一系列新兴技术的支持下，社交媒体、协同创造、虚拟服务等新型应用模式持续拓展着人类创造和利用信息的范围和形式。新兴信息技术与应用模式的涌现，使得全球数据量呈现出前所未有的爆发式增长态势（Lynch，2008）。全面基于信息和网络的生产和创新模式，正在将人类社会带入“第三次工业革命”时代（Rifkin，2012）。作为计算机时代的核心――计算能力，其主要目的在于提高对大量数据的处理功能，并对其进行分析挖掘，进而从中获得有价值的信息，最终衍化出一种新的商业模式，本文主要是分析在大数据条件下，企业市场营销模式的转变，从大数据理论与特征出发，探讨大数据对于商业的价值，以及大数据趋势下企业市场营销模式的转变。
（一）大数据时代营销与企业的营销模式
大数据是指那些超过传统数据库系统处理能力的数据，数据量通常在10TB以上。在当今社会互联网普及和发展快速的情况下，社会化应用以及云计算，使得网民的网络痕迹能够被追踪p分析等，而这个数据是衡量的以及可变化的，企业或第三方服务机构借助这些数据为企业的营销提供咨询、策略、投放等营销服务的行为称为大数据营销。企业的营销模式是营销战略和各种策略的集合，是企业开展业务的特定方式。
（二）国内外相关理论研究
Bug hin et al.（2011）指出大数据可以通过信息透明化释放巨大的价值，大数据时代会产生新的管理规则，并提出数据导向竞争优势的概念。Brown et al.（2011）指出大数据所带来的巨大影响是可以改变游戏规则，企业的成功不仅仅取决于新技术而且取决于关于大数据时代如何发展的新思维：一个受大数据影响的扩展了的管理实践循环以及大数据对潜在的、破坏性的、新的商业模式的作用;进而指出：彻底定制化（Radical Customization）、永恒的实验（Constant Experimentation）和新奇的商业模式（Novel Business Models）是公司在捕捉和分析海量数据时代竞争的新标记。
大数据时代消费者和网民的区分逐步一体化，企业的疆界日渐模糊，数据越来越成为核心的资产，并将对企业的业务模式产生深刻影响，甚至重构其组织和文化;商业活动的各个领域在这场运动中都不能置身事外（McAfee、Brynjolfsson，2012）。对于大数据这个概念，国际数据公司（IDC）将其定义为：通过高速捕捉、发现或分析等途径，从大容量数据中提取价值的一种新的技术架构。大数据的核心一般认为是基于相关关系分析法的预测，其精髓不是抽样、绝对精确和因果，而是分析更多数据甚至全部数据、追求效率、重视相关。本文认为大数据是对海量数据进行管理、分析、挖掘以支持决策的理论、方法、技术的统称。
（三）传统企业营销模式的制约因素
传统企业营销模式的制约因素主要体现为：营销市场环境，如市场营销环境通过市场内容的不断扩大和自身因素的不断变化，对企业的营销活动发生影响，同时企业的营销环境依赖于市场环境正常进行。消费群体，如有购买力和欲望的现有及潜在消费群体分布非常广泛和分散，且具有多变性。调研方式，如企业的调研活动通过市场观察、访谈、电话访问或发放问卷等形式展开时，需要大量人、财、物的投入，周期较长，难以进行广泛调研且不具代表性等。营销广告，如营销广告主要是通过电视、报纸、杂志等形式对受众进行听觉、视觉刺激，把信息强加给受众。营销策略，如企业针对一个目标市场会利用一个组合策略，通常使用4P’s组合策略，以达到企业的市场目标，但是该组合强调必须以适当的产品、适当的价格、适当的渠道和适当的促销手段，将适当的产品和服务投放到特定市场。营销理念，如企业做市场营销的条件是产品供过于求和市场竞争的加剧，所以市场营销的理念仅仅是销售产品，满足客户需求。
二、大数据的特征及其商业价值
（一）大数据的特征
大数据的“大”，不同于以往数据的显著特点表现在“4V+1C”：第1个V是Volume，即高容量，TB～ZB级;第2个V是Velocity，高速度，实时处理，数据量增长越来越快，需要处理的速度和响应的时间越来越快，对系统的延时要求相当高;第3个V是Variety，多类型、多格式，包括结构化、半结构化和非结构化数据;第4个V是Vitality：分析和处理模型必须快速变化，因需求在变;1C是Complexity，处理和分析的难度非常大，处理、升级或利用大数据的分析手段比处理结构化数据要复杂的多。大数据营销的特点主要表现在以下几个方面：
1.提高个性化。主要是通过对大数据的分析来更加有针对性的了解客户的需求，使为客户提供的服务更加个性化和有效。
2.数据驱动的营销。随着原始数据的不断堆积，大数据平台已经出现，为营销人员更好地了解客户提供了大量的信息。在这些信息数据的驱动下，营销人员才能够真正了解客户的真实需求，并通过满足这些需求来提升客户体验。
3.预测分析能力。大数据的累积使得营销人员可以通过外部和内部两个系统的数据来分析客户当前和未来的购买行为。外部系统指的是web和社交媒体等，内部系统指的是CRM和购买历史记录等。通过这些数据的组合分析可以推动现有的产品和服务的销售并同时带来更好的产品服务的改进。
4.虚拟活动能力。通过大数据模拟可将人们的一些创新性的营销想法进行虚拟的市场测试，这种虚拟的测试消除了在真实市场中存在的风险，节约了成本费用。同时因为所使用的数据是来自真实世界的，因此虚拟测试结论具有较强的可靠性。通过不断地测试、挑战和重新测试，直到这些营销想法成为实际的活动――其有效性随后可以使用营销后分析来测量。
5.不仅仅适用于大型企业。大数据分析需要的成本较少，因此这一发展趋势不只是针对大企业有效，对于小企业来说同样可以运用已有的软件工具从存储、管理、分析和可视化数据中分析获得很大的优势。因此，在这方面，小型企业与大型企业处于公平竞争的环境中。
（二）大数据的商业价值
1.大数据的来源与应用。大数据是由海量交易数据、海量交互数据和海量数据处理三种技术应用汇聚而成。以淘宝网为例，淘宝网的数据以及流量产生的核心是围绕着买卖双方的交易展开的，以此向外扩展，衍生出海量的相关数据与信息。同时，也正因为这些数据、信息都与交易相关，因此也形成了极具商业价值的数据信息，为淘宝转型为电商“生态圈”的基础服务提供商、数据服务商进行数据开发与销售奠定了基础。通过对用户网上消费行为的全流程追踪，淘宝数据的产生从大范围上可以划分为三种。第一种是来自淘宝网外部的数据，主要包括相关的广告点击、搜索引擎的搜索数据、SNS上的推荐与链接、关联软件的操作与推荐。第二种是直接访问带来的相关数据，包括浏览器访问、软件访问等。第三种也是最大的数据来源，即淘宝网内部的数据产生，这些数据的产生与买卖双方的交易密不可分，同时也围绕着这种交易产生了相关的信息与数据，包括内部搜索、站内SNS社区、页面浏览与点击、会员及用户相关页面、购买与交易数据、后台管理数据以及即时通讯数据信息等。
这些数据通过存储、分析、运算和管理，可以用来优化自身的产品、服务、界面和管理。此外，在具备极大商业价值的数据与信息方面，淘宝对外界至少还能提供三类。第一类针对消费者，主要包括各种商品与店铺以及促销信息，是便利其购物与消费的数据信息;第二类针对卖方以及店铺，主要包括媒体接触及使用行为、网络使用行为、消费者的消费行为、行业竞争及市场发展的数据与信息等，是可以有效提升商品销售效果以及其店铺管理的数据信息;第三类主要包括购买数据、消费者行为数据、销售数据、交易数据等，是可以帮助社会及第三方机构了解电商企业和淘宝相关的数据及信息。
2.大数据所带来的商业价值。大数据时代带来了思维、商业、管理的大变革，在商业的变革中，对大数据进行挖掘所产生的商业价值日益激增，基于大数据的几个商业价值方面的杠杆有：通过运用大数据来模拟实境，探索新的需求以及提高投入回报率;分析顾客群体，进行量体裁衣，对每个不同群体采取独特而富有针对性的行动;提高大数据成果在各个相关部门的分享率，进而提高整个产业链条和管理链条的回报率;进行商业模式、服务和产品的创新等方面来实现由大数据所带来的商业价值，如图1所示。
在诸多领域，大数据浪潮正在引致颠覆性创新，即通过提供相对简单却更加廉价与便利的产品，或者引入逊于现有产品的产品和服务，诱导次要市场上不太挑剔的消费者，抑或非消费者。根据McGuire et al.（2012）的阐释，大数据通过五种途径获得新竞争优势，即精密的分析、更多的交易信息数字化、针对更窄细分市场量身定做的服务和产品、信息透明化、以及服务和产品的前瞻性开发。大数据的价值模型如图2所示。
三、大数据时代的商业模式
商业模式反映了企业如何创造价值、传递价值和获取价值。商业模式一般涉及九方面要素，大致覆盖了商业模式的四个主要方面，如表1所示。商业模式犹如一个战略蓝图，可以通过企业组织结构、系统和流程来实现。
商业模式的九要素之间相互作用、相互决定：同样的渠道通路可以拥有不同的核心资源、不同的关键业务、不同的成本结构等。相同的价值主张不必通过相同的渠道通路去实现。商业模式只要有一个构成要素不同，就意味着是不同的商业模式。事实上不仅如此，在动态变化的市场系统中，为了应对变化多端的新环境，商业模式也必须灵活多变。市场环境的变化和生产技术的发展，会使曾经成功的商业模式受到挑战。所以，新兴技术的推动、市场需求的改变、行业垂直整合、竞争对手的模仿、企业家精神等因素都可能推动企业进行商业模式的创新。
以大数据为线索，重新审视自身商业模式并进行创新设计，是当今企业在整体结构性方面获取差异优势的重要来源。一方面，让各种类型的数据转变成可以快速获得的有价值信息，这是大数据技术具有的优势;另一方面，全息可见的消费者个体行为和偏好数据以及基于交叉融合之后的可流转性数据。所以，未来的营销可以根据每位消费者独特的偏好与兴趣，为他们精准地提供专属性的个性化服务和产品。大数据不仅带来一种新的核心能力和战略资源，而且还可以实现企业界乃至整个社会资源的利用、控制、配置方式的开放化和虚拟化，提高经济运行率和资源利用率。
四、大数据时代企业营销模式的革新
（一）大数据时代企业营销模式的演变
大数据时代不断催生新的理念和商业经营模式，大数据是面向用户、面向业务和应用的一种思维，一种战略，基于科学的数据进行决策已经成为大数据时代经营的新型模式。传统的消费者行为分析的营销模型“AISAS”在不断变化的大数据时代，转变成了“TSPS”的新型模式，这种新路径更多的被应用在网购的营销模式中，如图3所示。
（二）大数据时代带来的营销变革
通过对大宗用户数据进行一系列的整合、分析、开发与积累，营造出新型产品的运营和营销模式，像Google、Facebook、Twitter、Amazon等公司都已在大力推进这些业务模式。大数据可以帮助企业优化营销策略：通过分析用户的社交媒体活动，企业可以向用户推荐消费者感兴趣的产品或者服务，通过公开社交数据，企业可以有针对性地进行线上和线下的产品推荐活动，在了解用户消费趋向的同时，可在相应地区增加相关产品库存，通过社交媒体的监控将能够针对用户需求的产品提前备货。
在大数据的帮助下，商家能够实现真正的消费者个性化，而不仅仅是划分不同的群体。大数据可以帮助企业做得更加精准，可以精确到人，在云端的数据库中，所有用户都以标签属性的形式存在。用户在现实生活中的行为，如浏览、订阅、搜索、产品应用等被数据库记录和分析。在云端，这些行为可以转化为用户的性别、年龄、收入、城市、爱好、品牌偏好等清晰化属性标签。进而一些门户网站如搜狐等可以以这些标签为依据，帮助广告主开展更加有效的各类营销活动。互联网的高速发展为现代企业创造了无限的空间和可能，在利用网络这个平台上，大数据将会为营销带来更大的机遇。
1.统一的客户视图形成于第三代PaaS平台，以此为基础实现市场细分。CRM系统（客户关系管理系统）是基于云计算与大数据建立起来的，这一系统可以深度挖掘目标客户，帮助企业实现各部门之间的综合应用与管理，建立客户中心导向的营销管理平台，对客户群体进行细分，帮助企业有效掌握最为重要的客户，以便实现效益最大化。沃尔玛、麦当劳、家乐福等知名企业的一些主要门店都着眼大数据，在店内安装了搜集运营数据的装置，可以跟踪店内客流、客户互动和预订情况，因此研究人员可以对餐厅设计、菜单变化和顾问意见等对销售额和物流的影响进行建模。这些企业可将这些交易记录与数据相结合，还可运用大数据工具展开分析。通过获取社交数据、网站浏览数据和地理追踪数据等更丰富的消费者数据，公司可以据此绘制出更加完整的消费者行为。大数据技术能充分有效管理顾客各方面的信息并进行深度挖掘。
2.确定营销策略时以客户为导向，对市场营销实现全过程管理。对企业的客户群体进行准确分析时，可以按照横纵多维方式，根据庞杂的客户数据，筛选出核心目标客户，并且能够准确传达产品、折扣等信息，确保实现“精准”营销。例如一位顾客进入店铺后，零售商可以运用大数据技术搜索数据库，发现这位顾客是其需要留住的有价值顾客，进行精准的顾问式营销。
（1）基于客户行为分析的产品推荐。产品推荐包括两个重要方面，一个方面是基于客户交易行为分析的交叉销售;另一个方面是基于客户社交行为分析的社区营销。前者根据客户信息、交易历史和购买过程等行为轨迹的历史数据与统一商品其他客户的行为数据进行行为的相似性分析，从而为客户推荐产品。比如我们在网购行为中常见的提示：浏览（购买）了这一商品的客户还浏览（购买）了哪些商品等。后者是通过分析客户在微博、微信、社区等网络平台上所关注的兴趣、爱好等数据，投其所好，为其推荐相关产品。通过这种客户行为的数据分析可以使得产品推荐更加的精准化、个性化。传统企业可以通过对本企业内部的客户交易数据、公司自有电子商务网站数据等的分析来实现企业直销渠道的产品推荐，也可以通过大型电子商务公司和社区网络的产品推荐系统来提升销售量。
（2）基于客户评价的产品设计。客户评价包括很多方面，有对产品的满意程度的评价，对物流效率的评价、对服务质量的评价等，同时也有对于产品的外观、包装、功能等方面的体验评价，与此同时，客户会针对这些方面的不足提出一些有针对性的改进意见。有效采集和分析这些客户评价数据将有助于企业改进产品的外观、性能和服务，同时有助于企业建立以客户为中心的产品创新体系。
（3）基于数据分析的广告投放。在澳大利亚，一家名为Millward Brown的市场研究公司正在利用网络摄像头监控人们对电视商业广告的面部反应，真正做到看“脸色”来做营销。而DSP（Digital Signal Processing，简称DSP）为广告主提供包括广告投放试验、时段分析和效果分析等在内的数据分析服务。“例如，依托数据平台记录每次用户会话中每个页面事件的海量数据，可以在很短的时间内完成一次广告位置、颜色、大小、用词和其他特征的试验。当试验表明广告中的这种特征更改促成了更好的点击行为，这个更改和优化就可以实时实施。再如，根据广告被点击和购买的效果数据分析，根据广告点击时段分析等，针对性进行广告投放的策划。”（赵刚，2013）
（4）基于数据分析的产品定价。合理的进行产品定价需要进行数据试验和分析。将客户按照其对产品价格的敏感度进行分类，同时测量不同客户群对价格变化的直接反应和容忍度，进而为产品定价决策提供参考。大数据分析使全球零售业巨头沃尔玛获益。通过对消费者购物行为进行分析，公司发现男性顾客购买婴儿尿布时，通常会顺便搭配几瓶啤酒来犒赏自己，于是推出了将啤酒和尿布进行捆绑式销售的促销手段。如今，这个“啤酒+尿布”的数据分析成果也成了大数据技术运用中的经典案例。
（5）基于物联网数据分析的产品生命周期管理。“条形码、二维码、RFID等能够唯一标识产品，传感器、可穿戴设备、智能感知、视频采集、增强现实等技术能将产品生命周期的信息进行实时采集和分析，这些数据能够帮助企业在供应链的各个环节跟踪产品，收集产品使用信息，从而实现产品生命周期的管理。”（赵刚，2013）这种管理在物流行业得到了广泛的应用，如UPS快递的最佳行车路径其多效地利用了地理定位数据。为了使总部能在车辆出现晚点的时候跟踪到车辆的位置和预防引擎故障，它的货车上装有传感器、无线适配器和GPS。同时，这些设备也方便了公司监督管理员工并优化行车线路。UPS为货车定制的最佳行车路径是根据过去的行车经验总结而来的。2011年，UPS的驾驶员少跑了近4828万公里的路程。
3.畅通渠道，重组服务流程，建立稳定客户群。通过运用大数据，企业可以从市场竞争者的产品、促销等数据，从外部环境的数据，例如天气、重大节日、国家大事、热门话题、社交媒体上人们的情绪中先导性的预测到外部形势的演变，从而选择正确的应对方式。此外，大数据可以用于客户流失预测。比如，针对客户投诉增多、客户评价负面、购买量减少等现象，可以根据客户行为模型，运用这些客户数据，对于客户流失的可能性进行预测，进而采取相应的措施。
通过运用通信技术和先进的数据库技术，可以实现与顾客的长期个性化交流，不断满足客户的个性化需求，实现精准营销。这种营销可以为企业建立稳定忠实的顾客群体，实现客户增值的链式反映，是营销达到可调控、可度量的精准要求。大数据已经展现出巨大的作用和非凡的前景，但是，大数据营销仍面临较多问题与挑战。面临的首要问题是技术难题，毕竟现在还处于大数据技术的活跃前期，各方面技术尚不够完善，各项工具需要进一步改进。然而实际情况是，大数据营销一旦真正启动，你面临的不仅仅是工具和技术问题，还有更重要的是转变组织架构和经营思维，真正参与挖掘这座数据金矿。
大数据时代下的企业营销模式正在面临着空前的机遇与挑战，在大数据环境里，企业在不断地创造和革新出符合时代需要的营销思维和营销模式，建立在客户响应和分析需求行为的基础上，挖掘大数据的价值，创建个性化的营销策略，源源不断地为企业带来巨大的市场价值和商业价值，使企业拥有持续的竞争优势，帮助企业建立制胜未来的核心竞争力。本文侧重于理论分析，在今后的研究中应进一步加强实证部分的研究。
参考文献：
[1]冯芷艳，郭讯话，曾大军，陈煜波，陈国清.大数据背景下商务管理研究若干前沿课题[J].管理科学学报，2013，（1）.
[2]杰里米・里夫金.第三次工业革命[M].北京：中信出版社，2012.
[3]李文莲，夏健明.基于“大数据”的商业模式创新[J].中国工业经济，2013（5）：83-95.
[4]孟小峰，慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展，2013，50（1）：146-169.
[5]覃雄派等.数据管理技术的新格局[J].软件学报，2013，24（2）：175-197.
[6]王珊，王会举，覃雄派，周@.架构大数据：挑战、现状与展望[J].计算机学报，2011，34（10）：1741-1752.
自从克里斯・安德森的互联网划时代巨著《长尾理论》出版之后，数字时代“无成本复制”的秘密从此公之于世。电子商务开始“无限复制”货架，使消费者顺利达成营销的四大终极目的之一：选择最大化。而其他尚未找到这样直截了当的商业模式的互联网企业，也因此对免费商业时代感同身受。
然而，免费的商业模式并非数码时代的首创，早在传统媒体报刊、广播、电视出现的时代，这个曾经的（轻资产）“新”媒体产业就发明了由第三方（广告商）买单的免费商业模式：观众可以免费获取需要的信息与娱乐，而广告商也借此将商业信息传递给目标受众。进入互联网时代，我们再次迎来了数码化的新媒体，不过这看似超前的技术手段却并没有更新“老”媒体的商业模式，迄今为止几乎有点营收的在线商业，如搜索、视频网站，依然与广告脱不了干系；而这个已经由单向传播晋级为双向互动的数字载体，除了在主要针对“三低”（低学历、低收入、低年龄）人群的游戏上寻得了一些非广告类微薄收益之外，并没有实质性的商业模式创新。
我们都知道数码时代回避不了免费的商业模式，你不免费别人也不一定与你看齐，看一下APP市场就不难看出：今天你若再给任何风险投资VC描绘一个收费APP商业模式，几乎没人会有任何耐心听你讲完，因为免费APP都不一定有任何被人下载的机会，更不用说收费APP了。科技进步了而商业思维依然滞后，这其实是很悲催的一件事。
免费的本质
既然当今的“免费”商业模式仍是装入新瓶的旧酒，我们不妨先耐下心来了解一下经典的“免费”商业模式。既然是商业，那肯定不是真正免费的，商家只是以“免费”为手段，再从不免费的部分把钱挣进来。在克里斯・安德森的又一巨著《免费―商业的未来》中，将免费的商业模式归结为四类，假如我将其进一步简化的话，其实它只有两种形式：1.供应方（商家）直接从接受免费产品或服务的顾客身上，通过非免费产品或服务获利。比如限时免费试用的软件、买手机送话费（或预付话费送手机）等等；2.供应方（商家）为顾客提供免费产品/服务，但从第三方身上获得补贴来获利。如传统媒体与新媒体的广告贴补模式；又如免费赠送给广大用户的Adobe PDF阅读软件与收费的Adobe PDF文件制作软件，因为阅读软件的广大安装基础，使部分人愿意为这个人群去制作Adobe PDF文件，那就得购买Adobe PDF制作软件。
以上这两种就是真正意义上的“免费”商业模式，也就是顾客可以获得免费的商品或服务（虽然在其他产品上有可能会有真实的付出；或者其他人会因为你消费了这份免费而产生潜在的获利，这个第三方会由此为你买单）。以上这两种商业模式正是狭义的“免费”商业模式。纵观当今数字时代的种种创新商业应用，如卫星导航、在线游戏、移动互动社交等，只要是免费的，都没有突破这两种狭义的免费商业模式。
微利模式
而广义的“免费”商业模式还包括“微利”模式，也就是让顾客付出自己视为可以忽略不计的价格来获取有用的商品或服务。在传统经济时代，“一元”商店Dollar Store就利用了顾客的这种消费心理学特征；在移动互联时代，乔布斯创新型的“一元一歌”iTune、“一元一App”App Store也很好地利用了这一基于消费心理学的“微利”模式。可惜的是，即使苹果自己都没有完全看透“微利”模式的本质，在其他国家推出时，简单粗暴地将相关歌曲与APP一美元定价直接兑换成了相应的当地货币，这在中国就变成了6元多人民币。这个定价绝对没有低到中国人可以“忽略不计”的心理防线之下，由此这个在美国获得巨大商业成功的新模式在中国与其他国家遇冷也就不言而喻了。
即使在传统媒体中有线电视已经达成的“微利”点播模式，在数字时代连复制都没有真正做到，我们以凡事应该“免费”的思维格局出发，替受众做了决定：直接以“免费加广告”替代了“微利”模式。只有两个内容与荷尔蒙相关的特殊传媒业――体育与性――才真正利用到了数字平台的匿名与便捷，真正在数字时代实现了比传统媒体时代更辉煌的成就，无论是第三方广告补贴的狭义免费模式，还是“付了就看”的“微利”模式，也就是广义免费模式。
在以上我们所讨论的狭义、广义“免费”商业模式中，还没有任何从商业模式设计上超越传统产业的真正创新出现。那么数字时代，尤其是移动互联时代，已经养成的“免费”获取习惯是否能给我们带来全新的盈利模式？答案是肯定的。虽然众多的新颖盈利模式尚有待开发，但目前至少有一项已经初现端倪，这就是“大数据”。大数据将为我们归纳总结出前所未有的消费行为洞察力，从而为市场营销者提供最可能完善的决策资讯，这远比做广告要高明得多。假如说盲目“传播”是传统工业时代的主要营销手段，那么有针对有选择的“互动”将是数字时代的特征，大数据为此提供了可能。未来应该会有越来越多的免费商业模式将重心从广告移向大数据，当然前提是你能真正理解大数据对为此买单的第三方的真实价值。
(没有边界的互联网时代，唯有融合思维可成就新商业模式)
作者简介
鲍勃·罗德(Bob Lord)睿域公司全球CEO。他起初是一名工程师，后对营销产生了浓厚兴趣。他领导着阳狮集团旗下世界上非常大的数字网络。鲍勃是TED社区的活跃分子，参与创建了Nantucket项目。
雷·维勒兹(Ray Velez)睿域公司全球CTO。他负责软件开发周期研究，从软件的构思到首次推出，他都全权负责。他和花旗集团、福特汽车公司、美国国家橄榄球联盟都有合作，曾在剑桥技术合作公司(Cambridge Technology Partners)工作过。
内容简介
大数据和创意的大众化，互联网思维的发展，下一代科技的呈现，使得身处这个时代的大小企业都不得不快改变现有的商业模式。未来的赢家恰恰不是那些能很快掌握时髦术语的公司，而是专注于消费者体验的公司。
本书作者来自世界特别大的数字营销机构、移动互联网时代非常具有影响力的商业模式创新者—睿域公司。鲍勃·罗德曾任睿域公司全球CEO，雷·维勒兹是睿域公司全球CTO。两位作者指出，在这个消费者说了算的世界，必须彻底改变传统的商业模式，将营销和科技完美“融合”，进而创造出极致的客户体验。
《大融合：互联网时代的商业模式》既分析了思科、奔驰、谷歌、微软、亚马逊、苹果等科技创新型企业的融合实例，也给普通企业画出了商业融合的路线图，解释了云计算、大数据、普适计算、API等在融合中的重要作用。这是一本企业未来生存手册，论何种类型的企业，只要还希望产品营销做得更好、经营获得成功、生意持续兴旺，那么必读此书。
目录
第一部分融合=科技+营销+大数据
第一章没有边界的互联网时代：
新媒体、新科技和新创意的碰撞
互联网时代前后的媒体
互联网时代前后的IT技术
互联网时代前后的创意
别让组织结构妨碍消费者体验
融合型商业模式的五大准则
第二章站在大数据平台，讲好品牌故事
广告狂人之死与创意科技师之生
科技引发创意大爆炸
合作与众包
让品牌意识成为服务意识
第三章大数据创造极致体验
奥巴马如何用数据守住白宫
企业在大数据运用方面任重道远
大数据如何帮你获得三位数的投资回报率
不要站在亚马逊模式的对立面
利用大数据做好定位
第四章云催生绝妙创意
抓住云的真谛
那些著名的云服务提供商-从亚马逊到谷歌
云的两大优势-便宜、快捷
云的第三大优势-催生创意
用云来处理云的问题
第五章营销成为商务，商务成为营销
商店已死，商店万岁
零售商面临的挑战
保持消费者体验的一致性
大型零售商如何创新
中小零售商如何创新
第六章新媒体，新挑战
被移动设备宠坏的顾客如何使用媒体
广告预售阻碍媒体策略创新
智能化广告与原生广告
转变媒体策略，用好新媒体
第七章下一波机遇藏在普适计算之中
未来，可穿戴电子产品将融入生活
被连接的家
基于科技的创意改变生活
企业如何抓住普适计算带来的机遇
/第二部分商业融合路线图/
第八章植入融合思维
融合颂歌
找到有远见的领导者
灵感击毁一切
建一艘大船
画出自己的路线图
运用可视化技术，同时算好账
第九章改变企业结构
首席数据官的成长
自下而上的解决方案
创建跨部门的项目组
在营销和IT部门内设立新职位
奔驰如何处理营销与IT部门间的合作问题
建立合作的文化
第十章改变工作流程
改变评估方式
改变规划模式
改变预算方式
像软件公司那样思考
改变薪酬体系
第十一章敏捷方法实现融合
个体与交互胜过过程与工具
可以运行的软件胜过面面俱到的文档
客户合作胜过合同谈判
响应变化胜过遵循计划
我们如何使用敏捷方法
与海外团队协同工作时，敏捷方法必不可少
如何开始使用敏捷方法
最后的思考
致谢
后记：
大数据时代的到来是颠覆性变化
“大数据”是“数据化”趋势下的必然产物！数据化最核心的理念是： “一切都被记录，一切都被数字化”，它带来了两个重大的变化：一是数据量的爆炸性剧增，最近两年所产生的数据量等同于2010年以前整个人类文明产生的数据量总和；二是数据来源的极大丰富，形成了多源异构的数据形态，其中非结构化数据所占比重逐年增大。牛津大学互联网研究所Mayer-Schonberger教授指出，“大数据”所代表的是当今社会所独有的一种新型的能力——以一种前所未有的方式，通过对海量数据进行分析，获得有巨大价值的产品和服务，或深刻的洞见。我认为，这种“前所未有的”巨大价值和深刻洞见，并不仅仅来自于单一数据集量上的变化，而是不同领域数据集之间深度的交叉关联，姑且称之为“跨域关联”。譬如微博上的内容和社交关系，Flickr上的图片共享，手机通讯关系，淘宝上的购物记录等数据通过同一个用户关联起来；又如移动手机定位的移动轨迹，车载GPS的移动数据通过同一个地点关联起来。跨域关联是数据量增大后从量变到质变的飞跃，是大数据巨大价值的基础。
大数据会给整个社会带来从生活到思维上革命性的变化：企业和政府的管理人员在进行决策的时候，会出现从“经验即决策”到“数据辅助决策”再到“数据即决策”的变化；人们所接受的服务，将以数字化和个性化的方式呈现，借助3D打印技术和生物基因工程，零售业和医疗业亦将实现数字化和个性化的服务；以小规模实验、定性或半定量分析为主要手段的科学分支，如社会学、心理学、管理学等，将会向大规模定量化数据分析转型；将会出现数据运营商和数据市场，以数据和数据产品为对象，通过加工和交易数据获取商业价值；人类将在哲学层面上重新思考诸如“物质和信息谁更基础”“生命的本质是什么”“生命存在的最终形态是什么”等本体论问题……综上，大数据不是数据量的简单刻画，也不是特定算法、技术或商业模式上的发展，而是从数据量、数据形态和数据分析处理方式，到理念和形态上重大变革的总和——大数据是基于多源异构、跨域关联的海量数据分析所产生的决策流程、商业模式、科学范式、生活方式和观念形态上的颠覆性变化的总和。
大数据的战略地位
大数据被认为是继信息化和互联网后整个信息革命的又一次高峰。云计算和大数据共同引领以数据为材料，计算为能源的又一次生产力的大解放，甚至可以与以蒸汽机的使用和电气的使用为代表的第一次工业革命和第二次工业革命相媲美。与提升国家竞争力及国民幸福程度密切相关的重大战略都与大数据的分析和利用息息相关，包括与国家安全、社会稳定相关的尖端武器制造与性能模拟实验，和谣言的预警和干预；与国家科技能力相关的等离子即高能粒子实验分析，纳米材料及生物基因工程；与国民经济繁荣相关的经济金融态势感知与失稳预测，精准营销与智能物流仓储；与环境问题相关的全球气候及生态系统的分析，局部天气及空气质量预测；与医疗卫生相关的个性化健康监护及医疗方案，大规模流行病趋势预测和防控策略；与人民幸福生活相关的个性化保险理财方案，智能交通系统等等。数据储备和数据分析能力将成为未来新型国家最重要的核心战略能力。
2012年3月29日，美国政府宣布了“大数据研究和发展倡议”，来推进从大量的、复杂的数据集合中获取知识和洞见的能力。2012年5月，我国召开第424次香山科学会议，这是我国第一个以大数据为主题的重大科学工作会议。中国计算机学会、通信学会等于2012年分别成立了“大数据专家委员会”。2012年9月13日，北京航空航天大学联合英国爱丁堡大学、英国利兹大学、香港科技大学、美国宾夕法尼亚大学、美国亚利桑那州立大学、加拿大渥太华大学等共同组建大数据科学与工程国际研究中心。2012年12月13日，在“中关村大数据日”活动会上，由宽带资本、百度、用友、中国联通、联想集团、北京大学、北京航空航天大学、阿里巴巴、腾讯等企业、高校共同发起成立了大数据产业联盟，并在中关村云基地揭牌成立大数据实验室，该实验室以大数据产业孵化基金形态成立，致力于推动学术界大数据创新科技成果产业化以及为相关产业引导注入大数据科技元素。自然科学基金委于2013年3月5日至7日，在上海同济大学举办了第89届“双清”论坛，论坛的主题是“大数据技术与应用中的挑战性科学问题”，与会的有近十名院士。
大数据与商业革命
传统的商务智能已经应用了数据仓库和数据挖掘的技术，对企业自身的数据进行存储、清洗、索引和分析，并能够提供包括客户价值评价、客户满意度评价、服务质量评价、营销效果评价、市场需求评估等各种基于简单统计和关联挖掘的报表——这些统计结果对于企业自身评估和决策起到了重要的作用。在商务智能时代积累起来的和数据打交道的经验既是大数据新商业模式技术和理念的基础，又有可能束缚大数据商业革命，因为有经验的商务智能人士会不自觉地把大数据分析庸俗化，认为只是传统商务智能针对更大规模数据集的一种平凡推广。
大数据商业模式也可以粗略地分为1.0版本，2.0版本和3.0版本。大数据1.0是指企业自身的产品和服务产生了大量的数据，通过对这些数据进行深入的挖掘分析，改进自身业务，改进后的业务吸引更多用户或客户，产生更大量的数据，形成正向的循环。亚马逊是一个典型的例子，他们利用以“基于商品的协同过滤”为主要代表的一系列推荐算法，帮助用户找到他们可能喜欢的商品。这种精准的个性化服务的背后，是非常复杂的算法和实时大数据处理能力。亚马逊的算法大大提高了用户的黏度和企业的销售额，从而产生了更多有价值的数据，这些数据又帮助亚马逊做得更好。
大数据2.0是指企业用自身业务产生的数据，去解决主营业务以外的其他问题，获得重大的价值；或者引入非企业自身业务的外部数据，来解决企业自己遇到的问题。大数据2.0强调的是数据的外部性。Google曾利用网页搜索词的记录，来预测流感爆发后随时间变化的新增病例数。显然，预测流感趋势这一需求并不包含在记录网页搜索词的初衷中。ZestFinance有一个口号，就是一切数据都是信用数据，实际上，他们大量采集用户在社会媒体上留下的数据，从这些数据中对用户的信用进行判断，预测用户拖延还贷的概率。ZestFinance通过这种分析，能够在低于行业平均拖延还贷率的条件下，进行更快更低成本的贷款发放。显然，用户在社交媒体上产生的数据，并不是ZestFinance自身业务产生的，但是一样可以服务于它的业务。
大数据3.0是一个尚在探索中的商业形态。它首先要求政府和行业，对数据质量、价值、权益、隐私、安全等产生充分认识，出台量化与保障措施。在此基础上，数据运营商出现，形成了以加工粗数据和已有数据产品，产生新的数据产品的“数据客”（Dacker） 。个人、团队和企业通过数据API接口或其他方式付费使用数据产品，数据客、运营商和被加工原料所有者共同分享数据产品的利益。数据市场也可能应运而生，数据和数据产品有可能像今天淘宝集市上的商品被售卖交换。于是，一种新的以数据/数据产品为输入，数据/数据产品为输出的新商业模式诞生，这种模式不同于2B（to business）和2C（to customer）的模式——譬如一款精确位置告知实时空气质量的API接口，既可能被企业和政府使用，也可能被个人使用。为了区分，我们称这种模式为2D（to data）的商业模式。新商业模式的直接后果，就是促进学术团体、企业和政府通过大量异质数据和数据产品产生科学、社会、经济等方面的新价值。
互联网是一种思想，是一种武器。未来很多企业都要利用互联网，离不开互联网。
物流行业可以借互联网、大数据这个契机，利用互联网创新商业模式，是能够让业务再上一个台阶的。
对互联网的体会可以用三个重要的关键词来描述：用户至上、免费模式以及颠覆式创新。
互联网逐渐颠覆很多行业，比如现在很少有人看报纸，大部分人通过上网、看手机了解资讯，这就是互联网对传统媒体行业的颠覆。
大家现在都在谈互联网思维，我对互联网的体会可以用三个重要的关键词来描述：用户至上、免费模式以及颠覆式创新。
首先是用户至上，互联网的游戏规则中，用户最重要。传统商业模式没有用户概念，只有客户概念。一笔买卖完成后，消费者跟商家不再有关系。但在互联网上，商家把商品卖给用户，商家跟用户的关系才刚刚开始。持续不断维护良好用户关系是企业做大做强的关键。良好的用户关系可以给企业带来很好的收益。互联网商业模式主要有三种：广告收入、增值服务以及电子商务。再牛的互联网公司都逃不开这三种模式，而这三种商业模式的前提都是要有足够多的用户。快递行业无论是用户付费还是商家付费都是赚钱的行业，但没有用户参与、不维护用户关系就还是传统行业思维。比如快递每天接触用户，以往的情况是用户手工填单、东西寄出去就没关系了。其实用户资料都已存在快递公司，如果能进一步让用户对快递服务产生良好的认知并在快递这里预存快递运费，这就是向互联网大数据迈进一大步。
第二是免费模式。在现实世界中免费模式似乎不太可能，因为即使免费送水，还需要有运费，人力成本在其中。但是互联网是虚拟经济，并且软件、应用的研发成本固定，所以使用的人越多，人均成本就越趋近于零，这就使得免费成为可能。在互联网生态中，硬件免费也有可能实现，比如预存话费送手机，就是典型的硬件免费。但需要注意的是，硬件免费不是销售价格为零，而是按成本销售，这种销售方式让传统企业无法抵挡。互联网行业中，免费是非常有杀伤力的一种手段。如何在免费情况下赚钱？所以有了“羊毛出在猪身上”模式，即试图把传统行业中别人收费的东西做成免费，从中再找出一个新领域获取利润。对于快递行业而言，一旦拥有用户大数据，除广告收入外，可以根据用户喜好发展电子商务。这也可以说是跨界。
第三是颠覆式创新。在我国，创新的失败率较高，还不容易被接受，尤其是颠覆式创新。比如今天马云成功了，虽然我们看到马云很风光，但是在10年前马云可能被当做一个骗子。颠覆式创新在中国往往被看成搅局者，是不被业界接受的，但往往最有效果。我认为颠覆式创新有两种模式，一个是用户体验创新，即把原有技术做得更简单、更方便，比如微博，把写博客的麻烦成发短信就是微博，用户体验细节的累积，由量变带来质变。比如我常接到快递员电话，但是经常感觉不友好，我觉得这里面蕴含着在用户体验上颠覆的机会。另一种是商业模式颠覆。比如把贵的做成便宜的，把收费的做成免费的，前面讲的免费模式就是商业模式创新形成了颠覆性的力量。所以，企业把用户体验做好，学会免费，学会颠覆式创新，就能利用互联网发展壮大。
互联网是一种思想，是一种武器。未来很多企业都要利用互联网，离不开互联网。物流行业可以借互联网、大数据这个契机，利用互联网创新商业模式，是能够让业务再上一个台阶的。
（作者为奇虎360公司董事长）
大数据
2012年被很多人称为中国大数据元年。之所以如此火热，一方面是因为，图片、语音、视频等非结构化数据的迅猛增长，使得数据量激增；同时，随着整体市场竞争的日趋激烈，用户对于加快市场反应和决策速度、提升客户体验和服务质量等方面都有了更强烈的需求。不过，目前大数据的成功应用案例仍然偏少，如何从概念快速进入到实践阶段，是大数据发展的重心所在。
智慧城市
2012年，在中国IT产业，如果说还有一个词可以同大数据并驾齐驱，那么非“智慧城市”莫属。目前，智慧城市已经进入了如火如荼的建设阶段。仅在2012年，全国就有140多个城市将建设智慧城市作为发展战略之一。另外，对于国内IT服务商，智慧城市市场是一个难得的发展良机，能够在智慧城市建设大潮中有所作为的IT服务商，将成为未来十年中国IT产业的领导者。
云计算
同之前两年相比，2012年云计算的热度有所下降，不过，这也正是云计算在中国市场从青涩向成熟迈进的体现。经过前两年近乎于疯狂的概念炒作后，2012年，各大厂商更加注重云计算如何在国内市场的落地和实践应用，与业务价值的结合也更为紧密。同时，国内行业用户对于云计算也有了更为清晰和真实的认识。2012年，可以视作是中国云计算落地元年。
物联网
经历了三年的热炒之后，2012年物联网的声音似乎小了很多。
事实上，这是因为物联网已从概念导入、试点示范，进入到了以实际应用带动整体发展的新阶段。
可以看到，在一些市场基础较好、产业链较为完善的细分领域，物联网已经开花结果，形成了一系列典型应用：如车联网、智能交通、智能家居、智能电网、感知矿山等。
社会化管理软件
社会化管理并不是一个新名词，但如何使社会化管理更加创新，却是2012年政府和IT企业关注的焦点之一。
通过应用社会化管理软件，来推进社会化管理的创新，已经成为很多地方政府和IT企业的共识。从目前来看，社会化管理软件市场未来的发展空间十分巨大，对于国内IT服务商而言，这是一个值得持续关注和投入的市场和发展方向。
商业模式创新
中国IT企业与发达国家相比，在技术创新方面，仍有不小的差距。但在商业模式创新上，却基本处于同一起跑线，甚至有可能形成超越。因为，国内用户的需求更为复杂、变化更加快速，这为商业模式的创新提供了良好的环境支撑。在2012年，可以看到，很多国内IT企业和用户已经有意识的在进行商业模式的创新。在未来几年内，商业模式创新将会成为整个IT产业的重心之一。
社交网络
社交网络已经无处不在。在一统个人消费者市场后，2012年，社交网络已经开始向企业级市场全面渗透。包括IBM、SAP等重量级IT厂商，都推出了企业社交网络产品。
社交网络和企业业务的结合，将有可能改变企业传统的工作和沟通方式，同时也将带来大量的商业机会。未来几年内，社交网络将会对企业级IT应用市场产生持续的影响力。
BYOD
2012年，BYOD（自带设备）已经成为很多企业办公的常态。
平板电脑、智能手机的普及，使得自带设备办公成为一种潮流，但这同时也给企业带来了更多的安全隐患。
这意味着，企业不得不对现有的IT管理和监控机制重新作出调整，同时要制定出新的IT策略，让企业IT重新回到平衡的轨道上。而这也将成为IT厂商和服务商的新的市场机会。
数据库一体机
2012年，数据库一体机市场波澜再起。
IBM重磅推出PureData，目标直指其在一体机市场的最大竞争对手甲骨文。而业内另一巨头微软也于2013年推出了其数据仓库一体机。
几大厂商之所以都将目光聚焦于一体机上面，是因为一体机这种软硬件整合与一体的模式，有可能成为打开“大数据”之门的一把“金钥匙”。
百合网曾开展了一项名为“中国好单身”的调查。调查数据显示，人们最看重的单身精神排前三名的分别为乐观、有担当、会挣钱。有意思的是，在最看重的单身十大成分调查数据中，“二”一点这个性格特质以95.6%的最高比例占据单身最看重成分的首位。95.6%的单身认为，“二”一点代表乐观豁达，这样的异性最吸引人。俗话说：熟读唐诗三百首，不会作诗也会吟，仔细研读这些大数据报告的单身青年，无疑是考试前知道了答案，无往而不利。
实际上，我们也并不能仅仅把这样的大数据报告当成是过去那种传统的市场调研，百合网采用了公安部身份认证实行实名制，目前拥有超过8000万注册用户，而这种基于8000万条实名精准大数据，辅之心理测试为基础的心灵匹配系统。一硬一软，对数据表面形成多维度的包裹和过滤，在一定程度上形成高效率的精准速配。甚至可以通过大数据，发现两个异性之间在生活习惯、价值观、兴趣爱好等方面的契合度，从而促使用户快速找到沟通的话题。通过这些运营思路，不难看出百合网的核心竞争力就在于利用婚恋大数据帮助单身男女解决人生问题。
这样的大数据，只是我们未来数字社会中更多样精确选择的缩影。单子可以无限列下去，它几乎可以渗透任何角落――在大数据时代，你骗不了你的过往，你的过往在勾勒你的人格――至少是数字世界的人格。基于这些多维数据，婚恋网站可以通过算法，为每一个用户做到真正意义上的多重选择与精确推荐――这或许是付费的，完美的答案本身就是一种优质商品。
大数据应用模式下的虚拟一天
你想起今天要带一个来北京的朋友去逛逛故宫。你打开百度的大数据产品百度预测，看看北京故宫今天预计会有多少人，再看看北京今天的交通预测。百度甚至还可以预测通过每天几十亿次用户向百度发送的请求定位信息，计算出景区热地图。
到了晚上你去一个餐馆用餐，大数据软件可以告诉你餐馆附近有多少车位，算出你可能会遇到的拥堵时间，到了之后还有多少车位等可能性。你在用餐的时候，可以提前看到餐馆的视频环境，看看是否人多。当然，大数据还可以把消费者脸的部分打成马赛克，你不用担心个人信息泄露。
以上提到的场景虽然只是虚拟的情形，但的确已开始发生在我们现实生活当中。2013年春节期间，百度迁徙可以图形化地展示全国人口迁徙情况震撼了不少人，此后百度基于地图的大数据应用继续复制到流感地图、商圈热力图、旅游预测。未来商家可以根据热力图选择在哪个商圈促销，用户则可以选择去人少一点的地方逛街。如今百度正在与首都机场合作，通过地理围栏可以精细化地了解你在哪个点，并且给你推送对应的服务。
2014年4月24日，百度在北京举办了大数据引擎技术论坛。在百度CEO李彦宏看来：“技术改变互联网。很多人已经感受到互联网对生活的改变，但较少感受到技术对互联网的改变。”他认为，并行计算能力的提升和云存储技术产品成本的降低，使大数据走到了技术变革的临界点。在会上百度正式宣布对外开放“大数据引擎”，将开放云、数据工厂和百度大脑等核心大数据能力，向外界提供大数据存储、分析和挖掘技术。而百度的合作机构和传统企业，将能够在线使用百度的大数据架构，处理自身积累的大数据，同时融合百度大数据技术进行挖掘处理，改造传统行业的企业管理、商业模式等环节。如今，国家交通运输管理部门的部分应用计划迁移至百度开放云平台；中国疾病高预防控制中心也将结合疾控大数据和百度大数据，建成中国首个流感预测系统。
以“吃喝住行”当中的交通出行为例，针对越来越受关注的智慧城市建设需求，基于物联网、云存储、地理信息系统技术相融合的智能交通解决方案，可将前端交通监控传感器产生和收集的海量数据迅速吞吐、存储、处理和呈现，以实现交通管理的动态化、集约化，自动化、智能化，可有效缓解巨大交通压力给城市带来的众多问题。在2014年上海公交系统近1.4万辆公交车已完成车载系统一体化升级改造，所有线路采取智能集群调度；2015年上海中心城区将基本实现一体化车载信息系统全覆盖。通过智慧交通新模式，市民在智能电子站牌看到公交预计到达时间已经可以精确到分钟。
随着产业信息化进程的不断加速，处理庞大且复杂多样的业务数据，快速而精准地筛选出有价值的信息是现代企业共同面临的一大挑战。云计算强大的数据分析、处理能力是很大部分以“数据”为中心的企业最看重的能力。结合现代的数据挖掘技术与理念，云计算能够为企业决策快速提供可靠的参考数据，为业务发展提供有效的市场预计、分析支持。典型的例子发生在加拿大蒙特利尔，2013年5月加拿大蒙特利尔交通局宣布，利用SAP公司的大数据处理以及云计算平台，对所有顾客的消费历史和个人信息进行分析，然后按照其偏好、习惯和需要，为每位顾客定制专门的消费计划和个性化票价。蒙特利尔交通局共有 120 万名顾客，这意味着 120 万人都将得到不同的票价。蒙特利尔交通局之所以能够这么做，是因为其掌握了大量顾客的数据。在信息时代之前，受限于记录手段，商家对自己产品及服务的销售和流向，只有一个粗略的记录，但现在的信息技术已经可以把一件产品的流向、每位消费者的情况都记录下来，再通过数据挖掘，加以云计算平台的海量数据处理，为客户量身定制，把消费和服务推向一个高度个性化的时代。
更多可定制化选择的商业模式
其实，不仅仅是婚姻交友，就连购买汽车，也能利用大数据平台获取更多的数据资源。什么时候买车最便宜，实际上，照样可以让大数据掐指给你算算。True Car，一个神奇的美国在线销售汽车网站，第二季度（截至2014年6月30日）卖出的新车数量占全美新车销量的3.43%（全美市场共计销售816万辆新车）。True Car最大的亮点，即努力打造一个透明的汽车市场价格体系，消费者能够从网站上查看自己所在区域近几个月内，该车型的平均价格走势，其他消费者的购车价格。
日积月累下，True Car的汽车销售数据库不断壮大。最近，针对过去5年轿车和卡车的新车销售价格统计，True Car得出了一份报告：传统上，人们认为买车最划算的月份是12月，事实上这个月是买车最贵的时间。12月份，数据显示汽车的平均销售价格是31，146美元，位居榜首。买车最便宜的月份应该是8月，平均销售价格为29，296美元，比一年中的其他月份要低169美元。TrueCar的核心就是搭建了一个公开透明的价格信息平台，它的车价信息来源渠道包括提供车贷的金融机构、主管车辆注册的政府部门等，这确保了其所收集到价格的准确性。
在移动互联网时代，人跟服务更紧密地结合在了一起。在人们的生活服务中间，可能还有很多非常小的需求与服务，甚至不是特别高频的，但很多都是可以改进的，不管是户外出行，还是居家阅读，这里面都有机会，也会有无穷多的选择。在互联网经济时代，以网页驱动商业模式的发展，也进化到了以长尾效应和眼球效应为代表的商业模式。任何一个细分的领域，在移动互联网的背景之下，都有可能成就一家成功的企业，诞生一种新的商业模式，这也是移动互联网的核心战略，其对现实生活的侵入、对我们生活方式的变化，和过去互联网时代用户固定、单一、有限的选择，是完全不一样的。而在英特尔公司中国区产品市场部总经理Brent Young看来，当前市场竞争最大的瓶颈并不是技术，而是商业模式的启动和维持。只有通过在云计算数据中心+多样化个人信息终端及物联网终端的架构上构建通用的硬件、软件和生态系统解决方案，这些计算力才能支撑跨设备的计算无缝协同、实现即时且一致的用户体验，以低成本满足多样化的小微需求。
如今，移动设备和智能终端市场的爆发也引发了数据交互大爆炸：数据不是孤立存在的，数据存在更多的目的是为了交互，交互的过程中又创造了新的数据。正是通过数据挖掘，近几十年来，各大商家谱写了不少点“数”成金的传奇故事，例如沃尔玛通过捆绑“啤酒和尿布”提高销量。宽带资本董事长田溯宁将当今的大数据与云计算称作“破坏式创新”：“海量数据与新的存储计算方法，为改造传统产业提供了广阔的机会，一些之前不可想象的领域都将成为现实。”
例如最近在美国旧金山送外卖的创业公司最近非常火，Sprig 和 SpoonRocket 都拿到了千万美元级别的融资，它们的模式是在网上或手机上点单，然后自己雇人做健康营养的快餐，派人送到用户手中。为什么一个做外卖的也对大数据这么热情？因为通过用户数据分析，他们能提前预测在哪个地区、什么时间用户订单可能会一下爆棚，由此，外卖公司可以提前调整运力并缩短用户等待时间，因为外卖公司的用户体验很大程度上取决于能否在用户下订单后 10～20 分钟内把快餐送到。这些公司也使用大数据做外卖车辆的路线优化，目的是保证如何以最有效、最省成本的方式将快餐送到用户手里。
实际上，国内类似的项目也获得了风险投资的青睐，例如“美食送”，创业的三个年轻人之前都是一家全球知名快递公司的管理人员，自从萌生了创业的想法之后，就利用每天午饭时间来讨论寻找方向，3个月的时间，列出了11个方向，用排除法来筛选，最后剩下的就是送餐。因为这个看似没有任何技术含量的领域，大公司不会做，大资本不会做，但却恰恰需要更好的技术支撑。他们就很快找到了送餐服务的核心技术――路线规划。利用大数据平台，美食送可以更有效地规划送餐路线，不仅做到个别及时，更要做到全局顺畅，按照“美食送”的设想，未来全城数千送餐员，只需要手持一个终端设备，就可以不间断地流动起来，成为专业的餐饮配送公司。
5年前，如果开一个面向消费者的初创公司，至少需要300万元的投资，这其中最大的花销是人工和基础设施，一半的工程师要把时间花在维护服务器上。而现在，有了云服务，数据的存储与分析可以交给专业的云平台公司去完成，一个初创公司只需要10万元就可以起步了，在阿里云租用一个1核1G的服务器，每月租金只需要44.8元。
阿里云计算于2009年9月创立，现在为云计算与数据管理平台开发商，类似于亚马逊的网络服务单元，向企业出租计算机存储和处理功能而不需要他们自己购买服务器。阿里云的运作亦能产生了一石二鸟的效果，既能从使用方那里获得云服务的使用费，又能不动声色的汇聚一大批行业数据，获取除淘宝交易数据以外的大数据。事实上，阿里云计算正承载着阿里大数据的未来。大数据正在获得各个行业的重视，和大数据捆绑在一起的阿里云服务自然也受到越来越多投资者与创业者的青睐。
现如今，中国移动互联网用户在结构及需求均呈多样化分布特点的同时，许多长尾需求尚未显现；随着移动互联网的发展，此类长尾需求将进一步显现，尤其是商务、生活及个性化类的移动应用需求存在较大潜在市场空间，高价值变现潜力将诱使越来越多的服务提供商投入到相应的服务运营之中，移动互联网应用服务市场也将进一步得以多样和丰富，这也会让消费者得到更多的个性化选择。
提升传统行业 挖掘个人消费的新趋势
实际上，现如今互联网的价值不再是自己产生很多新东西，而是对已有行业的潜力再次挖掘，用互联网的思维去重新提升传统行业。预测未来，不难发现互联网和传统行业会有更多结合，利用互联网沉淀出的大数据，想象力无穷。
不久前，百度与万科的合作就是一起很“土”、很落地的典范。根据双方协议，百度将基于大数据分析及云计算技术，为万科旗下的商业地产提供智能化升级的解决方案。双方联合打造的首个项目――北京昌平的金隅万科广场有望于2014年底完成智能化升级，成为万科旗下的首个智能Mall（购物中心）。而百度与英特尔在2013年签署了全面合作协议，双方开展面向未来的云数据中心、云计算架构以及大数据系统的联合研发工作。百度是云计算和大数据的最佳实践者，管理了数千PB的数据，日处理数据量近百PB。百度在云计算和大数据方面的技术积累为类似万科智能Mall这样O2O项目的成功奠定了基础。
这个合作给外界带来了太多的想象空间。例如很多人都有过到了一个商场半小时都找不到停车位的经历，如今大数据就可以解决这个问题，结合商场停车场的动态信息，帮助用户进行停车决策，以及进行商场内部导航。除了这些基于LBS的服务之外，更大的想象空间在于百度根据万科商业地产的需求进行相关商场顾客数据的获取和分析，如顾客画像数据、顾客活动轨迹、顾客消费习惯等，为万科商业地产链接顾客提供数据支持。
未来，这两个行业还会利用移动互联网的大数据，对消费者的喜好进行判定。商户可以为消费者定制相应的独特的个，甚至可以在一些商品或者服务上匹配用户心情等等。商家可以根据大数据为消费者提供其可能会喜好的特色产品活动以及小而美的小众商品选购等。设想一下，如果智能化升级能够让一个Shopping Mall的顾客数量和人均消费提升30%-50%，为此投入几百万元甚至上千万元对于投资方来说非常划算，那么仅仅针对国内Shopping Mall的智能化升级就是一个千亿元级别的市场。
其实这也是一个定制化服务的例子，商场可以通过了解顾客的喜好、生活习惯、年龄、职业、身体状况、收入等大数据，从而针对顾客本人专门定制了服务。利用大数据来做定制化服务和产品，可以设计生活中的方方面面。未来，我们去逛大商场，也许根本不用逛得累个半死，自进入商场起，我的iPhone就会收到商场为我个人定制的服务计划。除了买衣服，这个定制化服务里还会根据我的时间安排出我今天的行程。根据我近期产生的数据（比如说减肥计划、喜欢的电影类型等等），推荐我去素食餐厅，去看一场科幻电影等等，把我的3个小时安排得丰富多彩并且有条不紊。大数据定制化服务，在旅游和酒店行业也可以充分地利用起来。学生想去的景点与办公族想去的景点不同，老年人想去的景点又与中年人想去的景点也不同，学美术和学建筑的更不一样。如何做到大家都满意？完全可以用大数据来定制旅游。
可以预见，以互联网、物联网、云计算为代表的新一代信息技术，将在促进供需信息对接和推进农业生产智能化、现代化、精准化方面发挥巨大的作用。
据预测，中国数据总量将于2020年占到全球24%，成为世界上第一数据大国和“世界数据中心”。
随着大数据应用在不同行业的落地和深入，数据分析逐渐成为企业日常运作的基础性工作。应用环节对于数据、平台和分析的需求正逐渐细化，连锁式地逐一反向作用于产业链上的各个环节，进而形成具有行业特色的大数据生态系统。
目前，我国的大数据发展已具备一定基础，拥有市场优势和发展潜力，但也存在产业基础薄弱、创新应用领域不广等诸多问题。为解决相关问题，2015年9月5日国务院印发《促进大数据发展行动纲要》，明确鼓励企业积极探索应用模式和商业模式创新，实现大数据创新链和产业链融合。
在工业领域，一整套数据的标准、主数据、数据仓库，甚至BI，可以优化工业化生产、提升效率。这其中模型数据化、数据产品化，是工业大数据两个重要的探索方向。
而在民生领域，以金电联行（北京）信息技术有限公司（以下简称“金电联行”）为代表的大数据公司，为政府、社会组织及研究团队，提供了大量的数据产品支持，这也促进了整个民生行业大数据的发展。
近日，金电联行与广州巨杉软件开发有限公司（以下简称“巨杉软件”）签订战略合作协议，双方将在大数据行业开展合作，推进大数据产业落地，共同打造大数据征信及相关领域的标准化体系和大数据产业链。
“此次合作，双方将共同发力大数据产业，包括基础环境搭建、集成运营等多个方面，并从在2016年落地多项大数据应用。”金电联行联合创始人、高级副总裁、首席科学家朱志伟说。
据悉，金电联行拥有中国第一个自主知识产权的大数据信用技术体系，掌握云数据挖掘、云信用计算和云结构服务核心技术。2015年，金电联行联合中国标准化研究院等专业机构推进大数据产业标准化进程，开始探索大数据产业链建设。
目前，全球的大数据应用主要集中在金融、电信、媒体、政府、零售、交通、公共服务、医疗健康等方面。就市场方向而言，金电联行与巨杉软件有较高的契合度，都将政府、金融机构、产业龙头作为主要的服务客户。随着各自技术与市场的不断发展，双方将探索更有价值的应用模式和商业模式创新。
在这样的大背景下，大数据相关公司像雨后春笋般层出不穷，数据堂（北京）科技股份有限公司（以下简称“数据堂”）就是其中的佼佼者。
“今年上半年，数据堂业绩大幅增长主要得益于我们强大的数据源储备和广泛的商业用户基础，以及商业模式的创新。我们通过多种形式，在多个领域进行业务拓展，引入更多的数据资源，持续优化我们的数据资产，拉动收入增长。” 数据堂CEO齐红威表示。
平台化数据服务模式
作为一家大数据公司，数据的多少和质量是其核心竞争力。数据堂公开表示，它目前已积累约5万组数据，数据量将近1000TB。
将近1000TB的海量数据是数据堂多年积累的产物，数据堂之所以能积累数量如此之大的数据和数据堂的数据众包平台分不开。数据堂采用众包采集的方式产生数据，利用全球40多万兼职人员帮助数据堂采集大规模的线下数据。齐红威表示：“数据资源的多寡是行业壁垒，需要时间积累。我们这几年运用我们独有的众包数据采集方式和与行业企业合作等模式，积累了大量的数据资源，这为我们后续业务发展夯实了根基。”
过去数据堂采用传统数据服务模式（收集、加工、线下销售），以销售为导向进行数据采集制作。而目前数据堂采用的是平台化的数据服务模式，并将其包装成为大数据电商平台――Datamall数据商城，实现了用户线上销售交易、数据定制、数据合作等多种业务模式的整合和打通，极大地提高了数据变现的能力和灵活性。
进一步拓展覆盖领域
随着数据堂近年来的快速发展，数据堂的覆盖领域也从过去的单一的人工智能领域拓展到金融征信、健康医疗、智能交通等行业领域，并全面构建了覆盖整个数据价值链的生态系统。
BAT（百度、腾讯、阿里巴巴）、华为、微软、英特尔等公司先后成为数据堂的合作伙伴。目前，数据堂已经开始布局海外市场，在硅谷设立了子公司，重点服务北美人工智能领域的互联网公司和高科技公司。
以交通类数据为例，数据堂自2014年起就一直在做业务布局。数据堂目前已经涉猎路况交通、信贷、保险、区域经济分析等领域。值得一提的是，国家正在大力促进社会信用提升，个人和企业征信市场的成长空间巨大，未来我国征信市场空间或将达到千亿元规模。
过去20年，互联网可以说是改变社会、商业最重要的技术及应用。随着移动智能终端的普及以及拥有后台云计算及大数据的能力，互联网还将创造从改变消费者个体的行为到改变各个行业乃至社会的新时代，我们称之为“产业互联网时代”，用互联网名词来说即“从小C时代到大B时代”。
产业互联网时代的到来，体现为互联网的技术、商业模式、组织方法将成为各个行业的标准配置。有三项关键技术与应用为产业互联网时代的到来创造了变革的基础：一是无所不在的终端，包括手机及其各种信息传感设备（如智能眼镜、腕表等）的普及。二是空前强大的后台云计算能力，包括计算与存储能力，从GB到PB及至EB级的跨越。三是不断升级的宽带网络。这三项技术的成熟让每个行业都具备了收集、传输及处理大数据的能力。
如果说18世纪工业革命的生产资料是以物理的矿产、化学元素为对象的话，产业互联网时代的生产资料就是大数据。新的计算及计算技术与应用正在将过去以“流程”为核心带向以“数据”为核心，大数据及大数据处理的能力会成为每个企业、每个行业的“新大脑”。
但是，产业互联网化的前景依然面临着技术及观念的挑战。
互联网技术的创始者们从未想到他们在上世纪60年的程序、设定的标准，是为这么大规模的社会应用做准备。互联网技术的核心是TCP/IP网络传输协议，这种协议的基本假设是“觅错和纠错”，它对传输时速、质量的要求是人们称之为“Best Effort”的网络（尽最大努力的技术），而不是“Mission Critical”（有时间、质量要求的网络协议）。
在所有的关键产业都以互联技术为基础时，这种网络技术基础必须具有高可靠性、适时性及安全性的要求。回顾电应用的历史，也曾用五六十年的时间完成了从直流电到交流电，从小规模应用到成为社会核心基础设施的一部分。互联网从消费者到产业化应用，可能也需要这种技术演进和优化变革的过程。
观念挑战可能更大。我们的思想观念大都还停留在工业化时代，产业互联网化是企业传统技术构架、商业模式及组织方式的变革。各个行业的信息化负责人（CIO）会成为产业互联网化的阻碍者，所以现在企业的CIO必须变为首席互联网官。
观念之外的挑战，来源于企业的最高领导者及社会、政府各个方面。“安全威胁及不可靠”可能是最多涉及的问题。观念方面更大的挑战可能是对社会法律、规则制定的要求。产业互联网时代的企业物质资产逐渐被“大数据”资产所取代，它的所有权的划定、交易定价等也才刚刚开始。
产业互联网对打造中国经济升级意义更为重大。中国在几乎所有传统行业中均是后来者，今天又面临着诸如产能过剩、耗能过大、服务业水平不高、服务成本居高不下等挑战，用产业互联网实现升级，可能是最好的应对方式。同时，这会带动中国信息技术的创新。前述互联网技术面临的各种问题正是信息企业技术创新的机会。从芯片到系统软件，从商业模式到组织形态的创新，为未来中国诞生影响世界的技术企业提供了前所未有的可能。
今天这些技术名称，IP、4G、大数据、云计算，在未来20年将会像电、汽车、抗菌素等工业革命重大发明一样，不仅作为工具，而是成为塑造企业、社会、国家最重要的力量。产业互联网就是这些力量的呈现。
