大数据时代的商业调查

大数据时代的商业调查（精选12篇）

大数据时代的商业调查 篇1

大数据时代给企业带来了前所未有的商机, 在大数据时代, 企业必须学会利用大数据精确地分析、导入用户、促成交易, 并用最有效率的方式组织生产。在大数据时代, 企业必须遵循新的商业法则, 否则就会被大数据的浪潮所淹没。

法则1:解读用户的真实需求

解读用户的真实需求, 就是通过数据的收集、分析挖掘出用户内心的欲望, 提高企业产品推送的成功率, 并将其转化为企业的订单。

大数据看似神秘莫测, 其实在解读用户需求上的操作思路却极其简单, 即尽可能掌握用户的个人信息和关注信息。当关注信息指向个人时, 就能够相对精准地定义出用户的需求。

在这一过程中, 主要的操作模式有两种:静态辐射模式和动态跟踪模式。

静态辐射模式

静态辐射模式的数据分析在一个时间节点上进行, 尽量扩大分析对象, 并用标签来筛选出最可能成交的用户。这是大数据应用中最典型的一种模式。由于一些大企业主动会进行用户标签的管理, 需要大数据助力营销的企业就可以“借船出海”。

标签与购买的关系有两种:一类标签与购买的关系非常明显。例如, 一个常常浏览经管类书籍的用户一定是这类书籍的潜在购买者。

另一类标签与购买的关系却并不十分明显。这就需要企业提前进行分析, 有时还需要借助第三方专业机构的分析结果。

例如, 新浪微博会根据用户平时的浏览和表达为用户贴上“标签”。但是, 这些标签与有些购买行为之间的关系就并不明显。金夫人是国内婚纱摄影巨头, 他们首先利用自己作为百度大客户的身份, 无偿获取了百度提供的婚纱摄影客户调研分析数据, 发现美食、影院等标签的用户最有可能购买婚纱摄影产品。利用这一跨数据库的结果, 金夫人在新浪微博的平台上锁定了“年龄20~35左右的某地区女性”群体, 加上了美食、影院等标签, 精准锁定了高转化可能的用户, 并购买了平台提供的“粉丝通”服务, 对他们进行定向广告推送。一般来说, 推送5~6万个用户大约会得到70~80个电话咨询, 这种转化过来的电话咨询顾客被称“顾客资源”, 从顾客资源到最后的成单, 转化率优异, 大约在40%。

动态跟踪模式

动态跟踪模式的数据分析在一个时间周期内进行, 尽量缩小分析对象, 不断通过用户的行为来为用户贴上标签, 伺机发现产品推送的时点。由于这种分析针对小群体, 无法由第三方机构提供统一的规模化服务, 所以, 对于企业来说是有高门槛的, 需要企业练好内功。这种模式中, 企业对于用户不断产生的新数据, 要进行随时跟踪, 并随时在云端进行处理。

例如, Target超市以20多种怀孕期间孕妇可能会购买的商品为基础, 将所有用户的购买记录作为数据来源, 通过构建模型分析购买者的行为相关性, 能准确地推断出孕妇的具体临盆时间, 这样Target的销售部门就可以有针对地在每个怀孕顾客的不同阶段寄送相应的产品优惠券。在一个个例中, 他们居然比用户更早知道了她怀孕的信息。

又如, 亚马逊基于自己对用户的了解来进行精准营销, 在网站上的推荐和电子邮件对于产品的推送成为了促进成交的利器。调研公司Forrester分析师苏察瑞塔·穆尔普鲁称, 根据其他电子商务网站的业绩, 在某些情况下, 亚马逊网站推荐的销售转化率可高达60%。这一转化率远远高于其他电子商务网站, 难怪一些观察员将亚马逊的推荐系统视为“杀手级应用”。最新的消息显示, 亚马逊已经注册了“未下单、先发货”的技术专利, 这是更加精准的需求预判和更加直接的产品推送, 他们对于大数据的应用已经是炉火纯青!

法则2:形成社会化协作的生产安排

如果能依靠大数据进行产品推送实现购买, 海量需求就会从互联网汹涌而来。这意味着产品的数据增多、涉及原料增多、消费者零散下单……这一变化使得工业时代标准化的产品生产模式受到前所未有的颠覆, 生产端需要基于大数据形成前所未有的柔性, 来对接消费端的柔性。

互联网商业环境对价值链提出了新的挑战:链条上的采购、生产、物流、分销、零售各环节中, 除了生产之外的其他环节也需要强大的数据处理能力, 各个环节的数据处理系统和数据本身必须是共享的, 而且, 这些系统和内容还必须向全社会开放。要达到这种要求, 显然应该应用价值链接网, 并用大数据来进行生产协调。

大数据的确给价值链重塑带来了机会。在工业经济时代, 生产更多地通过“规模经济”来获利, 大规模标准化的生产最大程度地降低了单位成本。但在互联网经济时代, 生产更应该通过“范围经济、协同效应和重塑学习曲线”来获利, 因为, 多种类、小规模的生产需要价值链上的灵动协作。

基于互联网这样一个平台, 所有的价值链环节可以实现数据共享和集中处理。另外, 因为使用统一的数据构架, 所以不会出现数据孤岛, 浪费有价值的数据。由此, 价值链各个环节之间可以无缝链接, 实现最敏捷、最合理的生产。基于互联网这样一个平台, 企业入围合作即可以获得充分的信息, 也不再会遭遇太高的学习门槛。更厉害的是, 用户参与生产也变得容易, 模块化的选择题, 让业余者也可以发出专业的需求信号。由此, 从始端原料的生产者到终端的消费者, 全部都被植入了价值链 (或称为价值网) , 社会化协作得以真正实现。而在大数据出现以前, 这几乎是不可能的!

顺应法则赢未来

独具特色的大数据商业法则, 将会引发未来商业格局的变化。未来的赢家, 将属于能够适应新的商业法则和新的商业逻辑的代表者。

在用大数据掘金的世界, 谁掌握大数据, 并能利用大数据实现上述两大商业法则的变革, 谁就能赢得未来。

因此, 我们可以肯定地判断出, 掌握了大数据的资源整合类企业, 将会成为大数据时代的企业赢家。这类企业是商业生态 (价值网) 中的“舵手”, 通过灵敏地识别市场需求, 指挥网络成员协同生产, 获得组合创新优势。由于控制了整个网络, 此类企业拥有网络收益的剩余索取权, 往往获利最为丰厚。工业经济时代, 企业是依赖品牌、声誉和社会资本实现资源整合。互联网时代, 资源变得无限丰富, 协作变得极度频繁, 企业更需要依靠大数据来发现需求、整合资源。可以这样说, 掌握了大数据, 这类企业就知道“用户要什么, 哪里有什么, 如何用资源去满足用户需求”。

未来的资源整合企业将基于大数据来运作。维克托·迈尔·舍恩伯格等人在《大数据时代》中, 将基于大数据的资源整合企业分为三种:第一种是掌握数据的企业, 这类企业掌握了端口, 掌握了数据的所有权;第二种是掌握算法的企业, 负责处理数据, 挖掘有价值的商业信息, 这些企业被称为“数据武士”;第三种是掌握思维的企业, 他们往往先人一步发现市场的机会, 他们既不掌握数据技能, 也不掌握专业技能, 但正因为如此才有广阔的思维, 能够最大程度串联资源, 形成商业模式, 他们相当于“路径寻找者 (path finder) ”。

按照各自生产要素的价值性和稀缺性, 很难说哪类企业真正将在大数据的商业模式中获益, 三类企业各自有各自的贡献, 各自有各自的稀缺之处。

ITA Software是美国四大机票预订系统, 是一个典型的掌握数据的企业, 其将数据提供给Farecast这家提供预测机票价格的企业, 后者是一个典型的掌握算法和思维的企业, 直接接触用户。结果, ITA Software仅仅从这种合作中分得了一小块收益。

Overture是搜索引擎付费点击模式的鼻祖, 如果把谷歌看作是媒体, 那么Overture则是相当于广告代理公司, 通过算法细分不同的浏览用户, 向广告投放企业提供目标用户的付费点击 (选出他们最需要的用户) 。Overture是典型掌握算法和思维的企业, 雅虎、谷歌则是掌握数据的企业。事实上, 谷歌的两大金矿Ad Words和Ad Sense技术, 都是借鉴了Overture的算法。但是, Overture不能直接接触到用户, 没有数据, 丧失了话语权, 只能获得少量收益, 以至于最后被雅虎收购。

基于大数据的资源整合类企业, 它们的生态链又将遵循两个法则。

法则一:接触用户的企业总是能够获得最多的收益, 这和价值链上的分配原则是高度一致的。终端价格和原料供应之间的差价全部是由售卖终端产品的企业获取的。

法则二:掌握数据的企业具有这个商业生态内最大的议价能力, 最终最有可能成为赢家。算法可以攻克, 也可以购买, 事实上, 挤入这个行业的企业并不在少数。而思维则存在一种肯尼斯·阿罗所说的“信息悖论”, 即信息在被他人知晓前都价值极高, 但却无法被证实。一旦公开证实它, 又因所有人都知道而失去了价值。所以, 不管思维和算法企业走得多快, 只要数据企业随时可以封锁数据源, 就依然把握着“杀手锏”。甚至, 有的数据企业在看不清楚商业模式时, 将数据释放让思维和算法企业进行试错, 而一旦试错成功, 则收回数据所有权, 模仿其商业模式。

BAT的数据帝国

因此, 我们可以说, 在大数据时代, 资源整合企业的竞争, 将会决定未来商业世界的版图。

在很多人还没有弄清楚大数据时代的商业法则时, 国内互联网三巨头BAT (百度、阿里、腾讯) 已经在迅速地构建自己的“数据帝国”。

在互联网的大世界中, 用户有诸多的入口, 可以通过不同的APP上传数据。BAT的原则是, 有关吃穿用住行的一切服务商, 只要能够增加他们的数据种类和质量, 他们通通拿下。这里, 体现出一种典型的“数据累积的边际收益递增效应”, 即每多增加一个单位的数据, 可挖掘的价值就有一个加速的增长, 每增加一个种类的数据, 可挖掘的价值就有一个加速的增长。某些时候, BAT甚至根本不考虑数据在现阶段能否变现为收益, 仅仅是纳入麾下, 等待未来的开发。

现实的情况是, 经过了几轮的收购之后, BAT基本上覆盖了吃、穿、用、住、行、社交等各个领域的数据入口, 加之其原来的庞大数据入口, 在数据规模上的优势已经无与伦比。短时间内, 任何企业想要超越他们, 几乎都是不可能的。

BAT不仅是在做掌握数据的企业, 也是在做掌握算法和思维的企业。一方面, 拥有庞大的商业用户群和拥有用户群消费偏好的大数据, 只要具有相应的内容, 就可以形成成交、获取收益。另一方面, 他们甚至可以开放应用程序接口 (APIs) 把自己掌握的数据授权给别人使用, 这样数据就能够重复产生价值。

这方面, 阿里巴巴的百川计划就是一个典型。简单来说, 他们向其他厂商的APP免费开放数据, 但他们不收费, 仅仅需要他们回馈数据作为代价。这个计划实施以后, 所有的APP都会是他们的入口。

可以说, BAT的帝国是基于数据建立的。甚至有人预言, 数据作为“表外资产”一定会在某个时候被会计准则纳入。因为, 相对于无形资产, 这种资产的价值更大。

值得一提的是, 传统工业经济思维的人根本看不懂大数据时代的商业逻辑。某学者曾对阿里巴巴的收购 (零售、文化、金融等) 提出过质疑, 他列举苹果和谷歌收购的案例, 认为他们都是在进行专业领域的收购, 这是有利于增强竞争力的, 但阿里进行的都是多元化收购, 是不利于增强竞争力的。

实际上, 这是没有看懂阿里巴巴商业模式的表现。互联网时代的大多数商业模式, 早就脱离了行业的限制, 而在某种程度上走向了“大一统”, 即“导入流量+大数据分析变现流量”。这种模式里数据就是通用的逻辑, 难怪在大数据出现时, 维克托·迈尔·舍恩伯格等人就断言, 行业专家和技术专家的光芒会被数据专家掩盖住, 因为后者不受旧观念的影响, 能够聆听数据发出的声音。

尽管BAT强悍如斯, 但在他们的夹缝中, 仍然有一些商机, 企业也可以搭建入口、解读需求、安排生产。如果说大数据改造商业的神奇已经毋庸置疑, 那为何众多企业依然拿不起放在眼前的这把金钥匙?很大程度上是因为这些企业缺乏数据基因。

大数据和互联网经济的来袭, 使得企业只能“被动接网”。面对海量的潜在需求, 不仅无法解读, 也无法调动生产进行对接。这就出现了大量企业被互联网的海量需求“反噬”, 并导致供应链失控的案例。

在大数据时代, 企业规模、资金、生产技术不再重要, 品牌也不再拥有神力。获取数据、分析处理数据、挖掘数据价值的能力成为企业的立身之本。目前我国大部分企业还没有意识到我们已经进入大数据时代, 就像我们大多数消费者没有意识到我们的消费行为随时在被计算一样。在这样的一个时代, 只有建立在数据之上的企业、按照大数据时代的商业法则运营的企业才能更好地生存。

大数据时代的商业调查 篇2

大数据产业有望成为拉动经济发展的“新风口”。工信部信息化和软件服务业司司长陈伟近日在媒体通气会上表示，目前包括北京、上海、贵州等先行先试的地方大数据产业和应用发展已初见成效。

工信部将出台促进大数据产业发展的推进计划，促进规划、标准、技术、产业、安全、应用协同发展。其中，在标准化方面，正在研制的10项国家标准中，8项已完成草案。下一步将重点开展数据格式接口、开放共享等标准体系建设。

“近日国务院印发《促进大数据发展行动纲要》，为我国大数据发展进行了顶层设计和统筹部署。工信部主要负责大数据产业发展以及应用示范相关工作。目前我们已支持和指导北京、上海、贵州、广州、陕西等地大数据产业和应用发展。”陈伟表示。他透露这些地方先行先试，主动探索，已初见成效。

数据显示，我国软件和信息技术服务业实现软件业务收入3.7万亿元，同比增长超过20%。其中，贵州省电子信息产业规模总量1437亿元，比上年增长60.6%。

而中国信息通信研究院不久前发布的《中国大数据发展调查报告》预测，20中国大数据市场规模将达到115.9亿元，增速达38%。未来随着应用效果的逐步显现，一些成功案例将产生示范效应，预计至中国大数据市场规模还将维持40%左右的高速增长。

不过，由于大数据产业和应用发展迅猛，亟需通过标准化的途径整合资源，固化现有成果，促进各方达成共识，形成统一的.数据格式、接口、安全、开放等各类规范，为我国数据开放共享提供基础，为数据安全应用提供保障，促进数据交易等新兴服务模式规范发展。

围绕大数据标准化，下一步将重点开展以下工作：

1.推动标准体系建设，推进数据格式接口、开放共享、数据质量、数据安全、大数据平台等重点标准研制

2.加强标准验证和应用试点示范，建立标准符合性评估体系，推动标准对产业和应用的支撑作用

3.继续积极参与国际标准化制定工作

事实上，在工信部和国标委的领导下，早在月2日全国信息技术标准化技术委员会大数据标准工作组(以下简称“工作组”)正式成立，统筹开展我国大数据标准化工作，大数据工作组组长由上海交通大学副校长梅宏院士担任。

大数据商业模式与决策的时代变革 篇3

“大数据”一词首次被提出，是在2011年有关机构发布的研究报告《大数据：创新、竞争和生产力的下一个新领域》之中，这份报告研究了数字数据和文档的状态，同时讲解了处理这些数据能够释放出的潜在价值。根据赛迪顾问的测算，全球数据正以每年超过50%的速度爆发式增长；由Accenture（埃森哲）和SAS共同发起的一份调查显示，尽管在各项预算吃紧的情况下，美国72%的企业还是表示计划加大数据分析项目的投入；Gartner近期的报告则预测，由于大数据热潮的出现，全球大约会新增440万个IT职位……这一切都在表明，数据分析正迅速成为企业竞争力和重大决策的关键指标，如何在大量数据中找到有效且具有商业价值的内容，将直接关系着企业业绩。

大数据蕴藏“金矿”

随着云计算、移动互联网和物联网等新一代信息技术的创新和应用普及，社会信息化、企业信息化日趋成熟，社会化网络逐渐兴起。传感设备、移动终端正在越来越多地接入到网络，各种统计数据、交易数据、交互数据和传感数据源源不断从各行各业迅速生成，全球数据的增长速度之快前所未有、数据的类型也变得越来越多。种类广泛、数量庞大、产生和更新速度加剧的大数据，蕴含着前所未有的社会价值和商业价值，发展潜力十分巨大。

数据对决策者的意义主要表现在三个方面，一是早期预警，二是实时感知，三是实时反馈。早期预警就是早期检测数字设备、服务、用户行业中的异常，可以在时间上快速响应危机。实时感知就是数据可以很细粒度地描绘现实情况，有助于制定行动计划和政策。实时反馈就是数据具有实时监测能力，可及时了解政策和行动计划的时效性，并做出必要防护。

举例来说，在零售领域，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。现在，沃尔玛已经开始利用各个连锁店不断产生的海量销售数据，并结合天气数据、经济学、人口统计学进行分析，从而在特定的连锁店中选择合适的上架产品，并判定商品减价的时机。在互联网领域，对大数据的分析可以为商家制定更加精准有效的营销策略提供决策支持。Facebook、eBay等网站正在对海量的社交网络数据与在线交易数据进行分析和挖掘，从而提供点对点的个性化广告投放。在公共事业领域，结合各种数据的分析和挖掘，可以提高公共管理的效率。欧洲多个城市通过分析实时采集的交通流量数据，指导驾车出行者选择最佳路径，从而改善城市交通状况。联合国也推出了名为“全球脉动”（Global Pulse）的新项目，希望利用大数据来促进全球经济发展。

这些日益增多的庞大数据存储库中潜藏的内容，对于企业来说是巨大金矿、机会以及潜在的成功可能。但是，想要从社交媒体和视频等内容所生成的，包括遗留数据以及非结构化数据在内的所有数据中分析获得有用的信息，并使其起作用，仍旧是一个艰巨任务。

“大多数情况下，企业的事务性数据可以追溯到30年前甚至更远，他们需要以积极的态度应对庞大的多媒体数据，”埃森哲首席技术策略师兼董事总经理加里·柯蒂斯说。“综合所有数据资料进行分析以了解市场，是大数据时代的一大挑战。目前，一小部分企业已经开始利用潜在数据进行市场分析了。”

应当承认，这是一个巨大挑战。一项来自研究与咨询公司执行董事会（CEB）的调查显示，在所有企业中，只有38%的企业员工和50%的高级经理有能力通过数据分析做出好的决策。正如CEB所说，想要做出好的决策，员工需要具备一种素质，即成为一个合格的“知情怀疑论者”。只有在判断和分析两者之间进行有效平衡，才能做出正确决策。

可见在当今数据驱动环境下，制定出一个清晰的战略和一个可行的解决办法来管理大数据，已是势在必行。“这是不可避免，你需要接触每一个行业领域，” 塔塔咨询服务公司（TCS）相关负责人称，“大数据正在改变商业，并且正在创建新的风险和机遇。一些聪明的企业正在寻找方法使其更有效地为自己服务。”

新时代的数据管理

自从机器算法出现，企业就开始寻找方法来管理和利用不断增长的数据量。覆盖了更大量的数据和更多接触点的大数据，就是这一趋势的中心。据咨询公司麦肯锡估算，一些大型企业的数据中心，其数据存储量可能已达到200TB。

对于当今的企业而言，数据就是一种重要的战略资产，它就像新时代的石油一样，极富开采价值。如果能够看清大数据的价值并且迅速行动起来，那么在未来的商业竞争中极易占得先机。事实上，美国奥巴马政府已经投资2亿美金启动了“大数据研究和发展计划”，从政府层面鼓励企业收集海量数据、分析萃取信息的能力。英特尔亚太研发有限公司总经理何京翔也表示：“信息数据就是21世界的石油，石油只有经过开采、提炼最后变成汽油等化学品才能够体现出价值。大数据与石油一样，仅仅存储而不进行分析和处理体现不出它的价值。”

任何企业都希望充分挖掘出数据这种战略资源的价值，从而做出更为准确的商业决策。过去传统的商业智能，局限在分析企业信息系统自身产生出来的业务数据，这些数据大部分为数据库等结构化数据，而随着非结构化数据成为企业数据的主力军，传统商业智能的方式、方法显然已经落伍。传统商业智能就犹如坐在自己车里，通过后视镜看后面发生的情况；而大数据分析则像是向前看的望远镜，用户通过望远镜能够看到未来可能会发生的情况。之所以会这样，是因为大数据分析是基于结构化和非结构化数据的总和，在数据分析的全面性上是传统商业智能所不能比拟的，这意味着通过分析结构，能够提供给企业更加全面和准确的商业洞察力。

nlc202309061017

与此同时，大数据的处理也不是简单地把系统放在一个合适位置，然后自动获取结果。结合正确的技术和工具非常必要，此外还需要建立正确的工作流程和政策，寻找可以利用数据分析预测市场的人才，构建更有效的产品和服务以满足需求快速变化的市场。企业必须应对迅速增长的非结构化数据，并将其融入到常规的资料库或数据库中，而这并不轻松。

七大模式挖掘商业价值

对海量数据而言，提供高附加值的数据分析服务，将数据封装为服务，形成可对外开放、可商业化的核心能力，实现商业模式的创新，才能使运营商真正挖掘到大数据这一金矿。通常来说，运营商至少可以实践以下七种模式。

数据存储空间出租。企业和个人有着海量信息存储的需求，只有将数据妥善存储，才有可能进一步挖掘其潜在价值。具体而言，这块业务模式又可以细分为针对个人文件存储和针对企业用户两大类。主要是通过易于使用的API，用户可以方便地将各种数据对象放在云端，然后再像使用水、电一样按用量收费。目前已有多个公司推出相应服务，如亚马逊、网易、诺基亚等。运营商也推出了相应的服务，如中国移动的彩云业务。要提升差异化的竞争能力，运营商应该在数据分析上下工夫。对于个人文件存储应在提升关系链管理、提升个人效率上下工夫；而在企业服务上，将其从简单的文件存储、分项逐步扩展到数据聚合平台，未来的盈利模式将有无限可能。

客户关系管理。客户管理应用的目的是根据客户的属性（包括自然属性和行为属性），从不同角度深层次分析客户、了解客户，以此增加新的客户、提高客户的忠诚度、降低客户流失率、提高客户消费等。对中小客户来说，专门的CRM显然大而贵。不少中小商家将飞信作为初级CRM来使用。比如把老客户加到飞信群里，在群朋友圈里发布新产品预告、特价销售通知，完成售前售后服务等。运营商不妨在此基础上，推出基于数据分析后的客户关系管理平台，按行业分类，针对不同的客户采取不同的促销活动和服务方式，提供更有针对性的服务，然后将提供线上支付的通道打通，形成闭环，打造一个实用的客户关系管理系统。

企业经营决策指导。运营商可以利用用户数据，加以成熟的运营分析技术，有效提升企业的数据资源利用能力，让企业的决策更为准确，从而提高整体运营效率。简而言之，将运营商内部数据分析技术商用化，为企业提供决策依据。举个简单的例子，某商店卖牛奶，通过数据分析，知道在本店买了牛奶的顾客常常会再去另一店买包子，人数还不少，那么这家店就可以考虑与包子店合作，或直接在店里出售包子。

个性化精准推荐。在运营商内部，根据用户喜好推荐各类业务或应用是常见的，比如应用商店软件推荐、IPTV视频节目推荐等，而通过关联算法、文本摘要抽取、情感分析等智能分析算法后，可以将之延伸到商用化服务，利用数据挖掘技术帮助客户进行精准营销，今后盈利可以来自于客户增值部分的分成。以日常的“垃圾短信”为例，信息并不都是“垃圾”，只是因为收到的人不需要而被视为垃圾。通过用户行为数据进行分析后，可以给需要的人发送需要的信息，这样“垃圾短信”就成了有价值的信息。在日本的麦当劳，用户在手机上下载优惠券，再去餐厅用运营商DoCoMo的手机钱包优惠支付。运营商和麦当劳搜集相关消费信息，例如经常买什么汉堡，去哪个店消费，消费频次多少等，然后精准推送优惠券给用户。

建设本地化数据集市。大家都知道，数据是非常有价值的东西。因此，能够下载或者访问数据平台，自然而然也就成了商业需求。运营商可以通过建设数据集市，数据提供者可以将数据上传至平台供人免费下载，或者以一定的价格销售，让每个人都能找到自己需要的数据集。运营商具有的全程全网、本地化优势，会使所提供的平台最大限度地覆盖本地服务、娱乐、教育和医疗等数据。典型的应用是中国移动“无线城市”，以“二维码+账号体系+LBS+支付+关系链”的闭环体系推动，带给本地化数据集市平台多元化的盈利模式。

数据搜索。数据搜索是一个并不新鲜的应用，随着大数据时代的到来，实时性、全范围搜索的需求也就变得越来越强烈。我们需要能搜索各种社交网络、用户行为等数据，其商业应用价值是将实时的数据处理与分析和广告联系起来，即实时广告业务和应用内移动广告的社交服务。运营商掌握的用户网上行为信息，使得所获取的数据“具备更全面维度”，更具商业价值。

创新社会管理。对运营商来说，数据分析在政府服务市场上前景巨大。比如在大数据的帮助下，什么时间段、哪条路拥堵等问题，都可以通过分析得知。通过同一条路上多个用户手机位移的速度，便可以判断当时的路况，为拥堵做出准确预警。美国已经使用大数据技术对历史性逮捕模式、发薪日、体育项目、降雨天气和假日等变量进行分析，从而优化警力配置。在国内，运营商也可以在交通、应对突发灾害、维稳等工作中使大数据技术发挥更大作用。

对决策的变革性影响

决策主体从“精英式”向“大众化”过度。无论是关注客户长期价值的“核心竞争力理论”，还是以产品或客户需求为基础的“定位论”，决策的核心都是精英式的企业管理层，而非员工和社会公众。这些决策的依据均是相对静止的、确定的结构化数据。但是随着社会化媒体和大数据应用的深入，决策主体正从“精英式”转向“大众化”。社会化媒体的出现，加速了信息传播的范围和效力，社交网络的普及增进了知识的共享和信息的交互，社会公众及其“意见领袖”已经成为企业决策的中坚力量。他们通过意见的表达、信息的传递，迅速形成信息共同体和利益共同体，成为商业经营决策的依据，也成为其决策的外部压力。同时，决策的依据正从结构化数据，转向非结构化、半结构化和结构化混合的大数据，而大数据技术和处理手段可以使看似杂乱无章、关联性不强的变成服务决策的有效信息。

决策方式从“业务驱动”向“数据驱动”转型。在大数据时代，数据渗透各个行业，渐渐成为企业战略资产，以及企业创新的核心驱动力。拥有数据的规模、活性，以及收集、分析、利用数据的能力，将决定企业的核心竞争力。掌控数据就可以支配市场，意味着巨大的投资回报。过去很多企业对自身经营发展的分析只停留在简单业务信息层面，缺乏对客户需求、业务流程、品牌营销、市场竞争等方面的深入分析。如果管理者只依靠业务现状与主观经验对市场的估测进行判断，将导致战略与决策定位不准，存在很大风险。在大数据时代，企业通过收集和分析大量内部和外部的数据，获取有价值的信息。通过挖掘这些信息，企业可以预测市场需求，进行智能化决策分析。有研究显示，在美国公司，数据智能化每提高10%，产品和服务质量提高就14.6%。

决策过程从“被动式”向“预判式”演变。在互联经济时代，原材料、生产设备、顾客和市场等因素变得越来越没有固定定义，传统决策过程的“被动式反馈”难以适应这一变化，如何利用大数据技术构建内外部数据采集、筛选、存储、分析和决策系统，支撑预判、服务决策，成为移动互联时代企业塑造核心竞争力的关键。当前科技正走向跨领域融合，产业界限正在模糊，充斥其间的则是大量非结构化数据，据赛迪顾问预测，未来5年中企业数据将增长8倍，其中非结构化数据将占到85%以上。与此同时，现代化企业管理越来越流程和规范化，严格执行各种规章流程成为竞争乏力的直接原因，也造成了决策层的经验判断和预测无从奏效。因此，在大数据中挖掘员工和社会公众的创造性，日益成为企业决策的基本前提，并推动企业决策从“被动式”向“预判式”演变。

大数据时代，海量数据处理与挖掘的技术固然十分重要，但是，更为重要的因素仍然是人。只有人，才能利用新技术与新方法创造性地搜集与探索数据中隐含的意义；也只有人，才能最大限度发挥数据的作用，在机器与数据的支撑下更有效地决策。大数据正以前所未有的速度，颠覆人们探索世界的方法、驱动产业间的融合与分立。事实上，大数据所积蓄的附加价值，不仅超乎企业管理者的想象，更将掀起一场商业模式和决策上的管理变革。

大数据时代的商业调查 篇4

大数据的概念目前没有统一的界定。维基百科对大数据定义如下:大数据由巨型数据集构成, 这些数据所占空间大小是现在使用软件在可接受时间下难以合理处理的。Floridi指出, 大数据是指由工具、传感器、网络处理器、电子邮件、视频、点击流产生的大量、多样、复杂、分布的数据集或者由其他现在或将来能获取的数字化资源构成的。大数据是有相对性的, 是针对目前计算机处理的能力而言的。IDC (International Data Corporation) 界定了大数据具有的“4V”特征:Variety、Volume、Velocity和Vitality, 即多样性、大容量、高速度及时效性。目前, 由于网络发展迅速、范围更加深入, 使得各种数据拥有了更大范围、更低消费的集散场所。只需用很低的成本, 这些自动生成的数据即可做到存储与传送。可以说, 基础的资料和技术已经准备就绪, 大数据商业情报的时代已经到来。

2 新时代的情报变化

在大数据时代已经到来的时代背景下, 通过成熟的网络条件, 合作伙伴能够在闭合供应链企业间实现快速分享有利信息, 但是另一方面, 无处不在的智能设备却将周围环境中的情报有意或无意地上传、发布到开放的网际空间中。这之中可能存在大量的企业成员独自的私有情报, 他人能够通过大数据手段十分轻易地拥有这些之前难以或不可能获取的私有情报。这就说明, 在当代的商业活动中, 情报泄密、流失已经成为了不可避免的现实。因此, 闭环供应链中企业为提高自身利润, 不得不使用大量的智能设备进行监控以防止私有情报泄露。与此同时, 闭环供应链中这个成员企业也可以借助大数据分析手段收集、获取、分析其他企业的私有情报以获得私利, 原有的闭环供应链间契约平衡关系就被破坏了, 旧的情报网络体系将不复存在, 更新的竞合关系由此而生。这说明, 这种商业的合作是非常矛盾的, 但是迫于形势又必须要合作。

在大数据时代背景下, 情报信息组成成分也与之前变得与众不同, 其中对情报内容的语义单一、内容零碎、互相联系也迫使情报的组织方式亟待更新。在情报构成时, 数据挖掘、关联计算及做出可视图的情形日益普遍, 情报学已经从以往的收集后计算演变为更加科学可靠的计算机数学处理。通过大数据手段而诞生的新型情报组织内容有判断、储存、定义规范及其保安措施。因为情报学涵盖了各类与众不同的信息, 而大数据的揭示与组织的方法能够有效对零散的、看似无关的信息进行分析处理, 通过计算实现信息集成为一条一条完整有价值的情报。因此, 大数据技术可以有效迅速的帮助情报获取。

对于商业情报, 以前一家独占的场景几乎不可能再现。因为当前海量的数据已经不是个体能够消化的, 而且在当今各种智能设备的应用也使得保密难上加难所以, 为了情报的充分使用, 必须要进行合作, 而这个合作关系一旦形成, 便不再允许发生任何变动, 于是就形成了闭环供应链。闭环供应链中需求方不用知道这些繁重的数据是如何进入这条链中的, 只需要完成自己一环得到的任务——通知这个供应链自己需要什么, 剩下的事情交给这条供应链的管理者即可。假如有的企业成员不怀好意, 泄露了链中的关键情报, 系统也能够及时检查并发现。这样闭环供应链中的企业成员既拥有了自己已经就有的私有情报, 又从合作伙伴的情报分析中得到有用信息, 可谓一举两得。系统既保证成员个体情报的安全, 又使企业提高了生产效率, 而且供应链成员得到自身利益后更加乐意去合作, 整个闭环供应链得到良性循环发展。

3 闭环供应链的作用

闭环供应链整体情报系统在大数据中获得供应链中的制造商、消费者有用信息, 分析得到一件商品的工艺流程和用户偏好情况。将这些信息整合后交给制造商, 制造商只管“埋头苦干”即可。因为有反竞争情报系统, 生产者与代理商得到的只是用户和物流公司的供需信息, 所以限制了零售商与物流方面在运输、销售等方面偷取供应链中其他成员的应得利益。处于供应链中的负责销售的企业得到足够的用户需求后, 做到有的放矢。这样, 各个企业无需再为没有足够的情报资源而苦恼, 之后像过去那般进行情报战。不仅减少了企业之间的内耗, 而且成员企业可以更放心的把全部精力用于各司其职, 对整个经济发展是有很大好处的。

利用大数据的技术力量, 提供整条供应链都需要的信息进行获取和分析, 不断生成更加符合当前环境的情报体系, 将供应链变得更加强壮。同时, 一条一条闭环供应链的稳定发展又带来了再制造企业的崛起, 从而带动整个经济的发展。

4 结语

面对新的情报形式, 我们需要对此有清醒的认识:机遇与挑战并存。虽然时代变革, 情报获取的方式与情报拥有者早已与近代大相径庭。我们应该把握时代趋势, 具体情况具体分析, 这样才能做到保护我们的请保安全, 让自身更具有竞争力。

参考文献

[1]曾建勋, 魏来.大数据时代的情报学变革[J].情报学报, 2015 (1) .

[2]全小珍.论情报机构如何开展企业信息情报服务[J].企业科技与发展, 2012 (10) :1674-0688.

[3]程刚.可制造闭环供应链经济性分析及价值补偿机制研究[D].天津:天津大学, 2011.

大数据时代的大数据管理研究论文 篇5

数据库管理形式是大数据管理不断发展的重要成果，也是到目前为止最后的一个阶段。在计算机技术不断发展的过程中，计算机内部的容量得到了很大程度的提高，并且大数据的管理和维护成本也相应的有所下降。同时，在大数据管理形式不断发展的过程中，对其系统管理内存不足等现象，进行了全面的提高，有效的实现了资源共享，也在最大程度上保证了大数据的安全、稳定等性能。另外，在大数据时代的大数据库管理的过程中，不在近几年只是固定在某一个计算技术应用体系，而是面向整个管理体系，以此在最大程度上提高了大数据共享的性能，使大数据与大数据形成一个独立的个体，对其大数据进行了全面、有效的、统一的管理，为我国信息技术的发展提供了重要方向。

大数据的“大”时代 篇6

关键词 互联网 大数据 发展

中图分类号：TP3 文献标识码：A

时下最热门的搜索词中“大数据”恐怕是名列前茅的，“大数据”不仅仅是IT行业的一个术语，它越来越影响着人们日常生活的方方面面，渐渐地成为一种生活态度，思维方式。大数据的“大”时代正向我们走来。

互联网的迅猛发展，使得大数据技术成为可能。互联网海量数据的获取、聚集、存储、传输，大数据应运而生。互联网为大数据提供了更多数据、信息资源;大数据为互联网的发展提供更多数据服务以及应用。

当今社会，互联网的迅猛发展和普及，将每个使用网络的人都主动或被动的吸纳到大数据中来。网民在网上的任意一个访问行为，都将成为大数据海洋中的一滴水。据2014年11月世界互联网大会最新发布的数据，经过20年的发展，中国已拥有6.3亿网民，12亿手机用户，5亿微博、微信用户，每天信息发送量超过200亿条。全球互联网公司十强，中国占了4家，中国已成为名副其实的互联网大国。人们日常工作与生活中的消费、信息交换已成为必不可少的部分。大数据正是基于这些庞大数据的分析与处理，从这些数据中挖掘有价值的信息，并且合理的预测判断出事态的走向，将这些预测运用到各个领域。比如在电商领域的精准服务。通过顾客在购物网站的浏览记录，历史购买，科学合理的判断出该顾客现在的需求，以及未来存在的潜在需求，并且能伴随着顾客兴趣点的转移，新的习惯爱好，实现内容及广告的精准推荐。大数据为我们的生活带来了重大的变革，让我们的生活更智能，更便捷。

牛津大学教授维克托·迈尔·舍恩伯格（Viktor Mayer-Schonberger）在他的《大数据时代：生活、工作与思维的大变革》中提出大数据带来的变革不仅存在于有形的商业模式，更多的将会影响到人的思维模式。

首先，大数据不再局限于随机的样本，这样就避免了因不能保证绝对随机性而带来的偏差。大数据模式规避了小样本的弊端，颠覆了传统的样本分析思维模式。

其次，大数据允许不精确。大数据不再局限于随机样本，不再局限于小信息量的信息收集，大数据有足够“大”的信息来反映事态的发展。宽容了错误，人们掌握的数据就多了起来。因此，大数据让我们把花费在如何使样本数据更加精确上的时间和精力，花费在收集更多数据上。人的思维不再局限和狭隘，有了更广阔的视野。

最后，大数据让人们知道“是什么”就够了，没必要知道“为什么”。大数据分析的方法不受信息数量局限，不受信息误差局限，因此能客观的预测未来。人们开始将因果思维转换为相关思维。

维克托·迈尔·舍恩伯格在《大数据时代创业取决于创意》中提到，如何通过大数据来观察和认识这个世界是我们需要关注的课题。

大数据改变了我们的生活，并且逐步影响着我们的思维模式，基于大数据带来的许多问题也开始日益显现。

首先，大数据时代，我们在网络中的每一次点击，每一次信息交换产生的数据都将永久的保存下来。因此，我们首先必须面临的挑战就是：大数据时代，我们该如何保护我们的信息安全。一方面，随着对互联网的日益依赖，人们将大量的数据通过云端来记录和保存，金融数据、医疗信息以及政府部门的信息都需要有安全性和保密性。庞大的数据以及处理这些数据做出的结果一旦丢失，损失将是不可估量的。如何保护好这些数据安全是一个重要课题。另一方面，大数据作为一个巨大的资源库，它给企业带来的商业价值无疑是巨大的。当企业一味的追求利润最大化，商家在利用大数据不断挖掘着潜在客户，运用消费者一切数据来预测未来的消费增长点时，当人们的生活轨迹被通过几个关键词还原，并能预测出他即将出现的地点时，人们意识到，每个人有可能就这样毫无隐私的暴露在大众面前。

同时，商家运用着大数据不断刺激用户超前消费。一年一度的“双十一”是网购者的狂欢盛宴，也是众多电商的饕餮大餐。由此而产生的“剁手族”、“剁手党”也随即出现。网民们一面捂着荷包大呼再买“剁手”，一面又禁不住点开“双十一”来袭那铺天盖地的推荐广告。也许在某个时刻你曾经保存了一家明星款的风衣，“双十一”要做的就是告诉你，今天，有更多更便宜的明星款，并且，过时不候。至于人们到底是不是真的需要这件明星款的衣服已经不重要了，这个时节，就是狂欢。

最后，大数据忠实地记录着互联网成员的每一次点击，并且将他们保存起来，甚至会让这些数据“永存不朽”。然而，人类社会的发展尤其是人际的交往，也许并不需要那么“清晰的记忆”。当人们不愿提及的一段过往被运用大数据毫无保留的重新呈现出来，这无疑让人们对大数据的公平与真实产生一些畏惧。伴随着畏惧产生了对大数据的不信任，人们很可能会减少这些数据的产生，对于依赖海量数据的大数据处理，这无疑是巨大的打击。

大数据时代的商业调查 篇7

关键词：大数据,电子商务,在线行为

随着信息技术的发展, 人们对互联网、物联网、云计算等新兴技术的广泛应用, 全球数据信息量呈指数式爆炸增长之势。国际数据公司IDC的研究报告预测, 全球数据量大约每两年翻一番, 到2020年全球将达35ZB的数据信息量, 可能是2013年数据规模的44倍。由此可见, 我们进入了大数据时代。

一、大数据概述

大数据 (Big Data) 是当前最热门的技术词汇, 是数据分析的前沿技术, 无论是企业还是用户, 都与大数据发生着千丝万缕的关系。用户的一个网上搜索行为、一条微博、一句言论……都在产生着大量的数据, 这就是大数据。大数据 (Big date) , 或称巨量资料, 指的是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据有着其特有的“4V”特点, 即Volume (大量) 、Variety (多样) 、Value (价值) 、Velocity (高速) 。

二、大数据时代的价值

互联网时代, 数据就是金钱。大数据无论是在现在新兴的电商企业还是传统企业, 都能为我们所用, 企业通过先进的信息技术从各种各样的数据中快速挖掘有价值的信息, 企业可以把数据拿做数据变现, 产生收入。数据已经渗透到当今每一个行业和领域, 人们对于海量数据的挖掘和应用, 预示着新一轮生产增长率和消费者盈余浪潮的到来。

姜旭平教授说过:“要让大数据代表市场和消费者说话”。大数据的目的就是在营销和管理决策过程中减少人为干扰, 让数据说话, 从而在适当的时点, 用适当的方法把最适当的产品传达给最需要的人们。

通过一定的技术手段, 对大量在线用户行为产生的结构化和非结构化的数据进行提取、分析和挖掘让企业可以全面增强对自身业务的理解, 包括全面洞察顾客、竞争对手等, 通过监测用户在线行为可以帮助企业全面预测风险和机遇, 了解客户价值。

三、用户在线行为分析与挖掘

随着Web技术的发展, 用户参与的Web应用大量涌现, 如在线浏览、在线搜索、网上购物、博客、在线评论、APP应用等等。这些海量的社会行为形成大数据, 为商业企业的运营分析提供便利条件。

(一) 在线浏览行为分析

用户的在线浏览行为, 反映了用户的兴趣偏好, 企业根据用户浏览行为和浏览内容来分析, 捕获用户感兴趣的问题, 是企业个性化服务研究的一个方向。用户在Web上浏览时, 其开始浏览、暂停浏览、继续浏览、结束浏览、保存网页、加入收藏夹、点击链接等每一个细节, 包括在什么时间浏览了哪些网页, 都会被记录在网页浏览日志里, 这些记录对于分析用户行为习惯有着独特的优势。例如, 某个用户花半个小时在京东商城浏览手机, 下次再登录时, 会发现京东的广告推送推荐的产品中手机会占很大的一个比例。这就是京东商城把用户的浏览情况、购买情况这些数据全部记录到了后台, 后台服务器把这些数据收集起来, 经过后台计算模型处理, 进行有效数据分析, 京东就能有的放矢的迎合客户偏好, 进行宝贝推荐和广告投放, 这样交易的成功率就提高了。

企业通过对门户网站用户浏览行为的分析研究, 可以帮助企业更好地了解自己的用户, 根据用户的需求、偏好有针对性地组织网站的链接结构, 设计网页的内容和形式, 即时将信息传递给用户, 更好地服务于用户, 吸引用户点击网站, 增加网站的人气与流量。

(二) 在线搜索行为分析

在当今的网络经济时代, 搜索行为是用户最频繁的网上行为之一, 搜索日志中隐含了大量有价值的信息。通过对搜索日志分析用户的搜索意图及潜在需求、探测用户关心的热门话题对于企业的广告投放、个性化推荐具有重要意义。例如我需要一台个人手提电脑, 于是我在百度查询电脑配置、性能, 在手机淘宝搜索产品, 那么我的这种个人在线行为通过浏览器和应用已经被众多的DSP公司通过cookie信息进行了记录, 商家捕获了我的需求, 就可向我推送和我的需求匹配的信息, 向我进行精准广告的投放。

通过搜索引擎, 如Google、百度、必应等记录了用户提交的每个查询以及点击行为, 这种数据称为查询日志 (search log) , 。从查询日志出发可以帮助企业构建用户属性从而预测用户行为。例如, 用户经常在网上搜索一些汽车的相关信息, 则预示着用户很有可能在短期内考虑买一辆汽车。企业可通过分析用户浏览过的网页以及输入过的查询词来分析用户的属性 (如性别、年龄、职业等) 及购买意愿, 来实现个性化的营销推广及私人订制生产。

(三) 在线购物行为分析

在线购物已成为现代很多人必不可少的购物方式之一, 企业利用大数据分析技术, 对网上购物顾客在线浏览、消费行为数据信息进行深入挖掘可以捕捉到客户的数据影像, 包括客户群体特征、类型、关注话题、客户行为轨迹、行为过程、兴趣特征、购物关联性等。企业有了这些数据信息对消费者细分变得更为容易。例如, 全球第二大连锁零售企业Target针对孕妇的营销案例, Target通过研究孕妇不同生理期的消费习惯和浏览行为, 得出一套规律性的消费分布, 从而结合会员系统为不同时期的孕妇提供不同产品的优惠券, 进而绑定一个人甚至整个家庭的终身消费价值。

用户每天在网上所发生的在线行为, 如搜索、浏览、加入购物车、取出购物车、购买、使用优惠券、评价、退货等, 这些行为信息可以深度反映出潜在客户的购买心理和购买意向。企业通过对这些信息的分析和理解, 制定出对客户的贴心服务及个性化推荐。这样的个性化推荐服务往往会起到非常好的效果, 不仅可以提高客户购买的意愿, 缩短购买的路径和时间, 通常还可以在比较恰当时机捕获客户的最佳购买冲动, 使得企业在营销和管理决策过程中减少人为干扰, 让数据说话, 从而在适当的时点, 用适当的方法把最适当的产品传达给最需要的人们。

(四) 在线评论意见挖掘

Web2.0时代以来, 越来越多的用户参与到互联网, 分享产品的使用体验、喜恶观点和产品质量安全等大量意见和态度, 这些在线评论是消费者网络购买决策的重要依据, 根据国际著名市场研究公司Jupiter Research的调查, 超过75%的消费者在线购买商品之前, 会参考在线评论信息, 对这些在线评论进行分析和挖掘具有重要意义。在线评论中所表达出的观点和情感可以对其他消费者的购买意向产生影响, 商家可以根据评论上收集到的信息对产品的质量或服务进行改进, 提高客户满意度, 赢得竞争优势。通过对在线评论进行文本分析, 能够挖掘出用户对产品的偏好, 这也是开发和销售新产品的很好依据。比起传统的市场调查方法, 通过网上信息的收集和分析能够获取更广泛用户的意见, 而且也便于跟踪意见随时间的演变。

(五) 在线APP应用分析

随着互联网, 特别是移动互联网的日益流行兴起, 移动APP走进了人们的生活, APP应用成了大数据挖掘的又一关注点。各行业巨头争相透过不同的生活服务APP应用, 对每位消费者的消费潜力和支付能力进行估量和测评, 对用户爱好进行挖掘, 从而实现精准推送。如英国英杰华集团AVIVA鼓励用户装他们的APP, 装了之后有个车险优惠券, 鼓励你在驾驶时使用, 软件可以获取你的驾驶行为, 为保险公司出具的保费提供依据。又如YFD (Your.flowingdata) , 是一款基于twitter的用户行为分析应用, 目前可以跟踪饮食习惯、体重、睡眠、情绪等用户信息。在在智能化APP的前提下, 大数据对用户行为进行挖掘分析, 实现更多的匹配。将更多APP应用实现精准推送, 并借助APP互动的环境下, 对用户爱好进行挖掘。

四、结束语

在IT日益渗透到企业和个人方方面面的今天, 让大数据成为企业实现价值的工具, 让数据像企业的固定资产和人力资源一样成为企业经营过程中必不可少的要素。随着互联网的高速发展, 用户的在线行为所积累的大量数据正给企业带来全新的商业机会。大数据时代, 企业利用先进的数据处理技术对海量数据进行深入分析和挖掘, 精准对消费者的兴趣行为进行分类处理, 为其提供个性化的产品与服务推送, 提高企业的产品竞争力。

参考文献

[1]刘红岩, 社会计算:用户在线行为分析与挖掘, 清华大学出版社, 2014

[2]无蔚, 大数据的应用及带给企业的挑战, 信息技术与标准化, 2013/11

[3]杨旭, 汤海亰, 丁刚毅.数据科学导论[M].北京:北京理工大学出版社, 2014:26-31.

大数据时代的商业调查 篇8

近年来,虽然诸多商业银行借助信息化的发展成果使得内部审计在局部领域实现了技术性突破,但是距离建成一套完善的审计体系还有很长的路。因此,在着手建设以互联共享为特点的信息化商业银行的进程中,如何使内部审计契合信息化商业银行发展的新型业务处理模式和内外部管理的需求变化,就成为当前必须认真研究和分析总结的课题。

一、大数据时代的涵义和特点

随着互联网4.0 时代的袭来,信息化浪潮席卷着每一个行业,全世界数据量呈现指数式爆发增长。二十多年前美国的麦肯锡咨询公司提出了“大数据”概念,而随着“大数据”应用和发展的深入,各国企业、政府机构和学术界逐渐对其产生浓厚兴趣并展开了创新性研究。大数据本身是一个抽象的概念,并且没有一个为业界所广泛采纳的明确定义,比较受大多数学者认可的涵义是由IDC组织给出的:“具备大规模体量、多样化种类的数据集,以及对这种数据集进行快速采集、处理与分析以提取价值的技术架构与技术过程。”

二、商业银行内部审计信息化建设现状

在当前大数据时代环境下,商业银行因为独有的渠道和技术优势积累了海量数据资源,充分挖掘和利用这些数据财富成了当务之急,商业银行信息化建设因此而被提上日程。而在这一发展进程中,作为现代化商业银行价值保护、提升和创造重要基石的内部审计必然要发生质的蜕变,这是充分发挥内部审计评价和咨询职能以实现股东价值最大化的内在要求,更是顺应大数据时代发展潮流的必然选择。

当前,我国商业银行内部审计刚迈出信息化建设的探路脚步,因此许多技术和理论短板仍有待弥补,主要表现为:内部审计信息化工作机制有待完善;以信息为中心的新型审计体系亟待建设和完善;信息缺乏对称性;异构数据的处理缺乏成效等。

三、商业银行内部审计信息化的重点建设内容

在大数据环境下,审计对象呈现出电子数据的诸多典型特征,以这些特征为突破点进行分析取证,是现阶段信息化审计行之有效的手段。显然,建设并发挥信息化审计平台的效率,需要经过长期的实践总结,但是内部审计必须设计一张工程蓝图以明确信息化审计建设的总体思路和基本手段。

1、培养建设信息化审计的文化氛围,以激发内部审计的创新活力

时刻处于风险环境中的商业银行要求信息化内部审计必须在多层面持续提升能力。信息化内部审计只有紧跟商业银行发展大势,不断提升管理、技术等各方面水平,转变审计理念,才能确保信息化商业银行的良好运作。信息化内部审计解决现在和未来的问题仍有其缺陷,这是信息化审计能力提升现实而长远的压力。面对这样的压力,内审人员必须明确审计信息化的战略规划和发展思路,持续创新,使其成为信息化内部审计长久发展的源动力。

审计创新是一项任重道远的工作,只有建立有效的审计创新激励理念与机制,才能使审计创新工作步入良性循环发展轨道,最终充分调动内审人员审计创新的积极性。如建立审计创新评奖机制和宣传机制,对内审人员的创新成果展开评定并给予适当奖励,提高审计人员对审计创新的认同感;实施审计创新与内审机构和人员的综合考核挂钩机制,将创新机制建设与创新型人才培养激励有机结合;及时将创新成果付诸于审计实践,实现内部审计的可持续发展。

这一目标的实践成果颇丰,诸多国有银行都在内部审计机构进行了创新性的探索。例如,工行和建行都在内审部门设立了审计科研项目组,通过设立科研基金为项目的推进以及信息化审计创新成果的实践提供资金支持。在项目组内部形成一种比学赶超的创新激励机制,从而为信息化审计体系的深入推进建设培养深厚的文化氛围。

2、引进前沿审计技术,以构建持续审计体系

保障数据质量的同时充分发掘数据潜在价值,既是满足日趋严格的外部监管的客观需要,也是银行有效防范金融风险的内在要求。例如,现行巴塞尔协议Ⅲ将数据质量作为衡量操作风险高低的重要考量因素之一。因此,内部审计机构必须要掌握全面的、准确的基础数据,及时开展风险分析,追踪异常的风险点,才能有效地防控金融风险。这要求内部审计必须走在商业银行信息化建设的前列,敢于实践和突破。内部审计不能坐享商业银行信息化建设的成果,而应当引进“大数据”平台的数据处理技术,设计各种丰富的、多层次的数据精炼解决方案,以降低内部审计的预计成本,从而为提高审计的准确性和持续性提供更多的资源。在内部审计实务应用中,可以引入ACL、SAS-EG等软件服务于数据挖掘和分析,借助Oracle和No SQL等数据库技术处理多结构化数据。数据挖掘技术和数据分析软件的应用将带来内部审计革命性的变化,其提供了一种全新的审计模式和理念。审计人员应站在制高点把握全局工作,实现从立项至报告的全程监测。

逐步建成商业银行持续审计体系,构建KRI以更有效地履行内部审计咨询评价职能。早期的抽样审计技术已不能满足复杂市场环境下的审计需求,基于智能Agent技术的新型持续审计系统模型亟待建立。Web Service、SOA等新技术、新模型解决了数据交换、业务整合和非结构化平台下持续审计低效的问题。根据各业务条线制定相应的风险阀值和考量指标,形成了一个具有弹性的内部审计风险管理系统,实现了对商业银行风险的全面监督和管理价值创造。“大数据”支持下的持续性审计将成为银行最依赖的风险管理辅助工具。

当前,国内各大商业银行均在逐步将新技术用于内部管理及内部审计,并对前沿技术的契合运用进行改进性研究探讨。例如,交通银行专门成立了科技研发中心,针对自身业务的特点开发专用、高效的业务处理系统,基于此平台研究设计全方位、多层次的内部审计系统,从而实现了业务与管理双轨并行推进,为银行的生存发展提供源动力。

3、全面整合内部审计信息系统并建立信息化审计平台

综合系统平台是审计信息化的主要建设工程,它突破了不同业务部门之间的“隔离墙”,实现对业务信息的关联整合共享,从而帮助内审部门更精准定位关键风险点。根据信息化审计全面整合、附加增值的要求,内部审计需要构建一个集管理、分析和监测功能为一体的综合化信息平台,将信息系统的多个数据接口实现连接共享,提高信息系统与内部审计工作的契合度,实现内部审计监测职能与评价职能的密切融合,促进审计工作各环节与相应审计主体的快速匹配,综合提升系统对信息的采集和处理能力,为审计质量控制和风险动态评估提供基本支持。

在数据采集方面,弥补审计数据挖掘工具与银行大集中数据平台的对接缺口,减少系统重叠造成的资源浪费,降低数据传输损耗率,最终实现信息高效共享融合。同时,数据采集过程提高了对可能与审计对象相关的各类非结构化数据的重视程度。基于完善的数据仓库,采集的数据能够与历史数据进行比对,这可以改变此类审计主要依赖随机抽样或者经验抽样的现状,显著提高审计检查的效率和质量。在数据处理方面,要研究运用关联分析技术对结构化数据和异构数据、历史数据和现时数据进行趋势研判;研究审计信息化平台的扩容问题,通过应用云计算、超级计算机、OLAP应用以及模型化算法等方式提升数据处理速度,为审计平台纳入全行系统模块奠定基础。

现阶段,我国多数商业银行的业务平台综合性不强,营运业务平台、公司业务平台和后台管理平台相对独立。因此,平台间的信息交流渠道不畅通,数据勾稽关系在进行内部审计时不能被很好地利用。交通银行为这一目标的实践做出了突出尝试,已上线的“531”工程具有里程碑的意义。这一系统平台整合了所有孤立的模块,形成数据和业务大集中处理,对不同的人员分配不同的管理权限。这一平台为数据的共享和传递提供了途径,直接提高了业务运营和监督管理的效率和质量。商业银行未来的发展趋势必然是朝着大集中方向迈进,这一进程需要商业银行的不断实践和勇于创新。

四、结语

“大数据”时代下的商业银行内部审计,将依托互联、互通、互享的审计信息平台,全面整合和采集各类经营管理数据,利用引入或开发的前沿分析理论、工具和技术,提高数据分析的效率和效果。信息化内部审计能够更加高效地实现对银行各总分机构、各类业务产品及流程的海量数据的实时处理,实现对审计对象深入、关联和持续的审计分析与监测。通过对经营管理的全流程持续控制,合理配置与统筹规划审计资源,进而在既定的审计成本约束下实现审计价值的最大化。此外,审计信息化平台还将帮助银行内部审计建立强大的持续性风险评估体系,使审计视角突显系统性、前瞻性、综合性,并在不断丰富提高审计理论体系的科学性和强化审计技术体系专业性的进程中,为银行的经营管理、风险监测提供更具效果的增值服务。

参考文献

[1]陶少卿:大数据时代下银行内部审计工作的探讨[J].现代商业,2014(30).

[2]沈晓白:论大数据给审计工作带来的风险与机遇[J].科技资讯,2015(2).

大数据时代的商业调查 篇9

早在几年以前, 我国便已经设置了“国家大学生学习情况调查问卷系统” (NCSS) , 系统性地对大学生的学习体验, 学习过程, 学习质量与满意度等展开调查, 针对目前大学生所处的境遇, 对大学生的整体自身能力及学习状况有了系统性的研究与数据表征。此后, 各高校也在陆陆续续开展各校的本地化满意度调查, 均以大学生的整体性评价为主体, 对评价体系的数据进行分析以此指导教育实施情况, 从而为改善学校教育质量, 促进教育改革提供参考价值。

一、高校展开大学生满意度调查的必要性

1. 反映学习体验, 构建评价指标

满意度评价是学生的主观心理评价, 但却可以从侧面反映真实的学习情况、学习过程和学习结果。大学生是满意度调查的表征主体, 在此过程中, 学生的知识、技能与情感的增长与否, 都会全面如实地反映出来, 从评价理论的角度来讲, 满意度所展现的心理指标是可以被量化出来的, 这些量化的数据便构成了量化的评价指标。满意度调查的起因是进行衡量和评估的基础, 而调查结果是构建教育指标, 和透视教育水平的重要窗口。

2. 提供交流平台, 完善教育制度

满意度调查是基于大学生学习体验的一种直观调查, 学生是调查活动中的直接感知者。学生在学习过程中, 通过观念的树立、环境的熏陶, 教育理念的渗入, 在整体知识技能和素质提升上得到全面的发展, 这个过程离不开教育环境与教育模式的影响。学生是各项学习与体验活动的最直观感受者, 而学校与教育机构是教育活动的直接参与者, 一为主体, 一为客体, 满意度调查为学生学习质量提供反馈窗口, 也为各方参与主体提供一个沟通与交流的平台, 在此平台上, 学生可以合理地展现其对教育的多方诉求, 学校及教育机构亦可对一些具体问题聚集与研究, 改进教育质量与教学水平。

3. 提升国际视野, 提高人才质量

全面提升高等教育质量是国家实现科教兴国的重要指标, 也是提升我国整体教育水平, 提高国家形象的重要方面。以国际性的视野培养高等教育人才, 提升人才综合质量, 是我国未来高等教育所要集中抓紧的重要任务。国家教育政策一再表明, 人才培养与人才质量的提升是我国高等教育发展的重要方面, 因此, 对大学生展开认知、满意度的调查是应国家需求与时代发展的必然, 无论是大学生的教育视野, 价值观念, 认知水平等都能在满意度调查表中得到集中体现, 一方面, 高校可以从中了解大学生的学习状态, 学习需求;另一方面, 国家可以从中调整教育发展战略, 指导教育发展方针, 优化教育资源的配置, 使高等教育的质量全面提高。

二、大数据时代学生满意度调查的优化与提升

随着互联网的普及和新媒体的不断渗透, 信息的获取与统计越来越快捷, 我们已经进入了一个“大数据”与“云计算”的时代, 新的媒介影响着我们的生活、学习与思维方式, 也改变着信息的获取与效率。在大数据时代, 学生的学习满意度调查可以更加快捷, 精准, 全面地得到体现, 并形成量化与多元指标分析, 更加有效地指导着高校教育改革方向, 为未来的教育策略调整, 提供了翔实的数据支撑。

样本的全面性:新媒体时代, 在对学生满意度进行调查时, 网上在线调查保证了样本的接受率更高, 每个样本学生均可在自己的地域内独立地接受调查评估, 只要有新媒体使用终端, 诸如电脑, 平板, 在线传输等设备, 每一个受邀样本均可以接受评估测量, 这便保证了测量样本的广泛性和全面性。

信息的客观性:测量的评估指标要在一定的可测范围内, 客观呈现学生的心理表征。新媒体的运用, 让数据的收集、统计与运用更加精准合理, 更能够客观地表现测量的最终结果。

测量的互动性:大数据时代, 媒体的特性让测量变得更加科学与可贵。除了单向的索取调查内容外, 被调查者还可以通过媒介手段向评估实施方提供反馈, 使评估的数据更加真实有效。

结果的可量化性:评估系统的指标设定, 均是经过科学界定的评价指标, 可以如实的反映出学生的实际学习情况, 在对庞大的评估数据库进行统计时, 新媒体利用它的自身优异, 可以对评价指标进行准确的量化描述, 为后期的观察与计算打下基础。

测量的信度与效度:新媒体在线测量的评估内容, 以国内外众多具有参考价值的量表为依据, 借鉴各国的满意度量表, 综合而成具备自身特色的评估内容, 评估的效度更高;在数据测量时, 采用SPSS检测问卷系数, 保证测量具有较高的一致性, 从此真实地反映测量结果。

大学生满意度调查, 体现着当下教育实况的价值判断, 具有很高的参考价值。通过新媒体等手段, 调查的过程和结果得以更加科学精准地呈现出来, 各项重要性指标的统计与分析, 可以构成大学生满意度结果的“大数据”, 从而对我国大学生的满意度状况形成普适性的解读, 因而能够准确把握高校教育脉搏, 促进教育质量的提升, 推进教育体制的改革, 对我国教育质量的检测与推进具有风向标的作用。

摘要：大学生满意度是衡量大学生受教育情况的一个标准, 反映了大学生受教育阶段出现的问题, 对推进教育改革和改进教育质量具有重要的参考作用。满意度的调查, 既是对学生感知和期望之间的理性评判, 更是大学生学习和态度、感受和体验的心理表征, 也是学校管理的一个重要工具, 对改善整体教育质量水平具有重要的指标作用。未来的教育改革要立足于学生本身, 以学科为基准点, 力求能满足学生需求, 掌握学生学习规律, 使学生学习更具有针对性和目的性, 满意度调查是衡量教育水平的“风向标”, 在教育改革与推进中具有很强的参考意义。

关键词：高等教育,学习满意度,必要性,提升

参考文献

[1]文静史秋衡, 大学生学习满意度的要素与结构探析, 2013

[2]贾文华, 认知风格与大学生专业学习满意度研究, 2009

[3]安桂花李苗师玉生, 大学生时间管理倾向与自我学习满意度的关系研究, 2013

大数据时代的商业调查 篇10

关键词：大数据,商业预测,组织管理

当今信息技术的飞速发展, 人们的数字化生存, 以单个个体为对象的数字化信息构成大数据。到今天, 世界上所有印刷材料数据量约为200PB, 全人类说过所有对话的数量约为5EP, 我们每天产生的数据大约是2.5PB, 这就意味着当今世界全部数据的90%都由近两年产生。大数据时代已经来临。这一时期, 管理者通过借助新系统、新工具、新模型等对这些数据进行挖掘, 也从中获取了更多具有洞察力和新价值的信息[1]。然而, 现有的大数据研究多立足于信息科学, 侧重于大数据的获取、存储、处理、挖掘和信息安全等方面[2], 很少从管理学的角度对其进行探讨, 本文阐述了大数据时代商业预测对管理者提高组织管理的方法及意义, 旨在提高企业管理者对于大数据时期下商业预测的重视。

1 管理者利用大数据进行商业预测的价值日益突出

管理是企业或组织存在和发展的灵魂, 优秀的管理者可以凝聚团队力量, 促进团队发展。

因而管理者的素质对于企业的成长起着举足轻重的作用。未来基于经验主义和分析来制定决策的公司, 确实与今天的企业迥然不同[3]。未来, 企业会比过去拥有更多的人才、工具, 管理者也应具备更强的能力, 使得组织能够贯彻和应用对过去业务绩效和事件的持续分析, 从而驱动业务决策和行动。前人在管理者责任与作用的基础上提出管理者在决策过程中的三项主要活动包括:创新意愿、知识获取和风险感知[4]。因而在大数据时代, 商业预测对于管理者职能的发挥尤为重要, 商业预测对于组织的价值也日益突出。

1.1 聚焦数据, 抓住商战先机

大数据时代的来临也意味着移动互联网的普及, 社交网络成为推动移动互联网迅猛发展的主力军。互联网花了30年时间达到7.5亿用户;至2012年, 成立于2004年的Facebook只花了8年时间便达到与之不相上下的用户数[5]。社会网络的核心价值, 在于人和人的社会关系。社交网络为人们开拓了新的信息分享和交流空间, 组织管理者可根据社交网络提供的信息, 充分利用其提供的数据, 了解市场趋势, 改善传统商品, 轻松找到最佳产品, 赢得商业先机。毕竟, 与传统商品相比, 社交圈推广的产品更富有吸引力。因此, 对于管理者来说, 谁更早分析数据, 研究了解自身客户的社交网络关系, 谁就等于抢占了商战先机, 企业的绩效也会随之提高, 组织也就更具市场竞争力。

1.2 强调洞察, 增强预见性, 可提高企业决策能力

在传统的决策模式中, 由于很难获得决策所需的数据, 管理人员更倾向于依赖自己多年的经验和直觉做出重要的企业决策[6]。尽管有些管理人员在报告中也增加了数据说明, 但这些数据也仅仅是为了验证其决策的正确性。大数据时代, 数据生成迅速, 管理者可使用多重数据方法进行建模分析, 洞察数据之间的相互关系从而增强管理者的预见性, 及时为企业提供决策依据。同时, 大数据技术极大地减少了管理者搜索信息的成本, 管理者较过去更容易获得决策所需信息, 并利用数据处理技术对信息的收益进行计算[7], 管理者可依据这些信息进行商业预测, 帮助组织明确未来发展方向, 提高企业核心竞争力。

2 管理者如何建立开展有效的商业分析和预测能力

大数据时代下, 许多组织已经引入分析能力, 使组织更好地理解过去如何影响未来计划制定、塑造决策并提高组织绩效。组织也会开发类似于预测、情景预设、应急预案这些特定的应用或实践。本质上, 组织所寻求的是基于已有的最新、最相关的信息做出的合理决策。商业分析预测 (PBM) 其决策过程是一个根植于一个结构化的、持续的、数据驱动流程, 这个流程使组织能够在对如何确定决策和行动具有相当程度理解的基础上来选择进一步行动, 并且关于结果和影响具有合理的置信区间。

如今, 管理者该如何建立开展有效的商业分析和预测能力呢?

Step1:流程设计

管理者的第一步是开发一个流程, 使组织能够基于预期因果关系来预测未来结果。监控与流程管理系统是改善组织业绩的要素之一[8]。本质上, 管理者从因果关系的根本变化中区分出异常情况的能力对于贯彻有效流程是非常关键的。在流程设计过程中, 管理者要遵循相关指导原则:第一, 商业分析预测要能够合理预测未来收入, 建立在可证明的因果联系基础上而不是基于主观的猜测;第二, 管理者要将财务与非财务、内部与外部相结合地进行平衡测量;第三, 商业分析预测对决策制定者而言要相关、可靠且及时, 并融入管理流程, 驱动行为和结果。

Step2:模型开发

根据David Brooks所说:“如果你让我描述今日正在上升的理念, 我会说那就是数据主义, 我们现在有了收集大量数据的能力”[9]。庞大的数据面前, 管理者模型开发的首个步骤是确定输入和结果之间的关系。输入可以是离散事件, 如伦敦银行间拆放款利率 (LIBOR) 变化;输入也可以是结构性事件, 如企业的新厂房。通常这些输入被称为“驱动因子”, 可以被看作是未来结果的先行指标。而结果是这些事件的后果, 可在一段时间后被衡量, 它们可以被看作是滞后指标。当管理者理解和确定它的驱动因子和结果之间的关系后, 它就可以开始开发、提炼和将这些关系应用到商业分析预测中去。关键的少数驱动关系可以解释预测结果的很大一部分。

管理者在完善组织建模方法时, 可以运用一些技术优化相关判断和结果。这些技术有定量方法, 也有经验方法。表1对管理者可采用的技术方法进行了归纳总结。

Step3:数据获取

商业分析预测数据的获取在许多方面都与财务会计不同。在财务会计中, 记录财务信息主要是根据历史交易和判断, 而在商业分析预测中, 信息通常是历史数据、向前财务数据和非财务数据的混合。大数据下的财务决策是基于云计算平台, 是通过互联网、物联网、社会化网络等采集企业相关数据[12]。相应地, 管理者可以开发出对驱动因子的一系列预测, 编制出一套可能的情景。通过应用回归分析, 并且对每一个可能的结果或活动赋以一个概率, 将这些情景按照发生可能性赋予权重。在比较数据获取方法时, 考虑背景环境、商业分析预测将如何影响的关联情况以及管理层行动的后果, 是十分重要的。

对于许多组织, 数据获取相当复杂。一般情况下, 界定的驱动因子所必要的数据并非是现成的或者容易得到的。在管理者采用商业分析预测的早期阶段, 信息的交付是无效率的、不易处理或需要付出高额成本才能得到的。这时, 一个可行的选择是识别替代驱动因子, 但是为了未来能够使用, 管理者应当收集其首选的驱动因子的数据。当组织成熟起来, 它们应当使用更为自动化的工具技术, 不仅是为了获取数据, 也是为了储存和访问大批量的、能够在执行数据分析时有效结合起来的财务、非财务和营运数据。

3 商业预测对于管理者提高组织管理具有重要意义

敏锐、精准的商业预测对于组织的管理者来说是今后必备的能力之一, 它能为组织的管理带来优越性。正确、果敢、迅速的决策无疑是企业抓住机遇, 获取成功的关键, 而正确的决策和计划主要取决于科学的预测[13]。科学的商业预测可用于管理者经营管理的各个领域。

在授权上, 一旦管理者具备相当的商业预测能力, 便能将团队和员工及时配置到位, 并且理解他们与其他成员协作的方式, 管理者也能更贴近客户的运营策略。这提高了组织的响应能力, 减少了管理上的时间和精力损耗。授权的最终目标就是发掘个体和组织的潜力, 使组织成员根据商业预测做出更好的决策[14]。

在效率上, 在商业预测的基础上精心设计的绩效衡量能够用较少的投入实现聚焦与同步。合理的流程设计和支撑工具能够减少报告的繁杂性, 并且更加及时。

在执行上, 能够预测衡量才能够被管理。驱动组织通过卓越的运营贯彻其战略, 能够带来组织的成长和利润。显然, 正确的商业预测能够使得公司获得较大的回报。如果管理者能够预测到更多的相关信息使决策更快更好, 并用能够以增加洞察而不是增加负荷的方式将信息呈现出来, 他们击败竞争对手的能力就会成长。有关管理者的研究表明, 在过去的三年中, 通过商业预测来管理公司得到的回报是那些通过所谓的常识进行管理公司的2倍左右。因此商业预测对于管理者执行力的回报起着重要作用。

大数据时代的招聘 篇11

那时的多明格斯住在加利福利亚一间废旧的工厂里，经营着一家T恤图案设计公司，为了宣传自己的设计公司，正在自学编程。

多明格斯喜欢在各大编程论坛上和其他软件开发人员交流思想，共享代码，而且他的编程技术在全球最大的社交编程及代码托管网站——Gitllub上享有很好的信誉，还曾为Jekyll-Bootstrap编写代码，得到过很多其他网站开发人员的重用。

这家公司就是看中了多明格斯的这一点，他们在招聘时忽略了学历文凭以及是否具有专业的电脑编程技术，只是通过收集来自互联网上各大编程网站和论坛的数据信息，分析整理后找到了多明格斯这样的“天才”程序员。

这家名为镀金（Gild）的公司，把这项新的招聘技术命名为大数据招聘，大数据招聘就是希望在巨大的市场需求中，发现那些被遗漏的优秀人才，而且无须开出与一些大的技术公司相当的工资薪酬。

而大数据招聘技术的产生在人力资源领域是一个巨大的飞跃，它成功实现了智能化的员工筛选，让招聘工作变得更为简单、高效。

劳动力科学的新领域

大数据招聘是通过提升人力资源管理在人才搜寻过程中的技术，催生出的一个新的招聘系统。它属于劳动力科学的新领域。

现如今有很多类似镀金公司这样的公司正在朝着这个目标努力，他们想方设法把现有的招聘工作带入到大数据的范畴里。

对于最出名的镀金公司来说，大数据招聘技术是专门针对程序员这一职业的。数据分析主要基于各种编程网站和论坛，为其中较为活跃的参与者建立起个人的性格图谱、兴趣图谱以及关系图谱，深入了解个人的性格特点、兴趣方向和社交圈子，来最终决策出适合他们的公司岗位。

例如：镀金公司会在编程论坛中研究，参与者们写出的代码应用价值如何？是否得到其他程序员的认可？这些代码会得到专业网站的重用吗？编出优秀代码的程序员在网络社区中和其他人交流顺利吗？这都是他们考虑的范围，而且通过这些因素来预测今后这个人在工作和社交中的表现。

而镀金公司并不是第一个利用大数据招聘的公司。在镀金公司之前，一家名为Bright的在线招聘公司被创立起来。Bright公司的创始人古德曼（Gudeman）发现，即使在美国的失业率高达两位数时，依旧有很多公司找不到既能胜任公司工作，又符合公司企业文化的应聘者。而且，各种招聘网站也暴露出了令人失望的一面。

很多公司的HR们只能感叹招聘到好的员工就好比大海捞针。

于是古德曼依靠100人以上的专业招聘人才，对互联网上超过数十亿份简历信息进行分析，构建出一个名为“Bright Score”的招聘评分系统。这个系统的特点在于它可以评算出一个具体的数值，用来确定工作岗位和应聘者之间的匹配度，同时创建出一个通用的评分算法，用以告诉招聘单位，对于某一个特定的工作来说，什么样的求职者才是最合适的。而对于求职者来说“Bright Score”也会为你自动匹配职业。如果你选择的职业并不适合你，它也会告诉你为什么，并按照匹配度高低为你推荐工作。

“Bright Score”是大数据招聘技术的先行者，使得人才招聘变得更有效率，而且更节省成本。

另一家来自硅谷的创业公司——Entelo，同样也在解决人力资源管理上的问题。与镀金公司相同的是，Entelo也通过人们在Twitter、Facebook等这样的社交网站发布的内容，来研究这些潜在的候选人所做的符合他们职业特点的事情。

但是与镀金公司不同的是。Entelo关注的职业领域不仅仅是StackOverflow和GitHub这些知名的程序员聚集网站，还包括Proformative（会计师网站）、Benchling（有关DNA测序点网站）和Dribbble（展示和描述设计师网站）等。

Entelo还发现并非所有用户都会用真名发布内容，那些有才华的人只会把特长当作兴趣爱好，于是Entelo便利用数据从数十家专业的社交网站中搜索到这些被埋没人才的联络方式以及居住地，用以向招聘方提供真实的信息数据。此外，Entelo还从多个网站收录并制作了600万专业人士的资料页面，利用超过70个变量来找出这些人职业变化的迹象。

Entelo公司当前已经积累了40多个企业客户，他的创始人约翰·麦克格拉斯（John McGrath）自己的大数据招聘技术就如同一个搜索引擎，在正确的时机根据实时的新闻和社交网站上的求职信息找到对的人。

通常在时机方面，他们率先发现想要换工作或是正在寻找工作的人并和他们取得联系。

例如，Entelo通常会在一个公司在被收购时抓住先机，因为公司被收购，人事上一定会发生变动，Entelo就会迅速对其人员信息进行收集整理，这样的做法会在资源累积上争取到更多的主动权。

对的人，就是在推荐招聘前就划定正确的招聘对象范围。各种社交网站就是Entelo的首要据点。Entelo的基础工作是不断抓取网页上的信息，包括实时新闻、社交网站、兴趣社区等，当招聘客户提出需要招聘的人时，Entelo会迅速分析出符合特定条件的候选人，用大数据技术进行数据匹配。

而Entelo在大数据应用上更为人性化的一点在于常常为新创公司的HR推荐适合他们的员工，因为麦克格拉斯认为新创公司在初期一定急需注入新鲜的血液。类似多明格斯这样的“天才”肯定是他们迫切需要的。Entelo每次都有针对性地向招聘公司推荐人才，而不是在职场大量散发邮件以期获得一些回应。Entelo的目标是在未来为招聘用户设计出专属产品。

还有一家名为TalentBin的招聘网站，把自己描述为“人才发现引擎”。它的核心业务是一款聚合了来自数百家网站拥有5亿份社交资料的数据库产品。TalentBin上的大部分数据是公开的，而且比同类型的招聘网站所提供的信息更加详尽独到。TalentBin在今年推出了一款年费6000美元的高级服务，可以让应聘者进入招聘公司的人力资源管理平台，在其系统中直接和应聘公司的HR进行交流。

nlc202309012025

TalentBin可不仅仅提供招聘人才的服务，还提供包括通信工具、销售过程管理和报告等的一条龙服务。2012年，TalentBin曾被HR Tech Conference点名为“超棒新技术”（Awesome New Teehnology），并在欧洲iHRAdwards大会上荣获“雇佣行业游戏改变者”的称号。截至目前，TalentBin共获得过约400万美元的投资。

更公正更适合

大数据招聘技术的出现，并能在如此巨大的市场中有着广泛的需求群体，原因之一在于它改变了传统的人才指标。

先前的招聘者虽然也认同，不应该由于性别、长相或是名字来影响聘用决定，但是偏见往往就是以人们意识不到的形式体现出来，常规的面试还是会受到是否来自于名牌大学，在前任公司供职的经历如何，或是否来自于前辈或友人举荐的影响。

耶鲁大学曾做过一项调研，发现大部分企业在应聘经理职位的人员，聘任者会普遍认为女性求职者的能力相比具有同样资格的男性要逊色得多。

而美国国家经济研究局公布的另一项研究发现，简历上名字“听起来像白人”的求职者收到雇主回电的几率要比简历上名字“听起来像黑人”的求职者高很多。这样遗漏人才，最终造成的是雇主的损失。

然而这么多被偏见“筛掉”的人才，却可以通过机器来避免。被机器量化的信息虽然达不到百分之百准确，但是没置好的“公正”指标会在一定程度上予以均衡。

Bright公司在建立“Bright Score”的招聘评分系统时，就把一个人常浏览的网站；交谈各种技术时采用的语言类型；与人交流时多处于积极状态还是消极状态；以及在有关技能的描述上是否用词恰当；参与过哪些项目，为时多久；这个人如果来公司能做些什么等放在评分系统的得分榜的前几位。Bright的做法正在实践大数据招聘技术扭转人为因素在招聘领域的影响力。

镀金公司创始人卢卡（Luca）也曾说过，在专业学校学到的东西固然重要，但这“并不代表事情的全部”。企业真正需要的是能有自己真实见地，懂得如何应对压力，甘于同才华横溢的同伴一起共事的人。

大数据招聘技术存在的第二个价值就是找到“为你量身定做”的人才。

加州大学人力资源管理专家列文（Levin）博士说：在大数据招聘技术面世之前，很多大公司喜欢通过在职员工的推荐进行招聘，因为现任员工了解公司文化，而且推荐不好他们自己的名声和工作环境也会受到牵连。

虽然利用员工推荐的方法能招来高效率的员工，但是要想为企业招来适合自己的员工，而且是专门为其“量身定做”的人选，就需要依靠大数据招聘技术。

今年，一家名为Square的移动支付系统公司找到镀金公司，希望帮助其公司招聘员工。

原因是Square公司经过调查发现，今年，有很多年轻人都把自已的工作成果发布在网上，其目的就是为了被更多优秀的企业发掘。而这些优秀的人才也会在挑选工作上设置一些选项。他们除了单纯找工作，更多的是想应聘到符合自己价值要求的公司。而镀金公司所要做的就是把这些“种子选手”筛选出来，规划他们的事业模型，并告诉他们选择在Square工作是正确的。

还有一个例子来自于TalentBin公司，最近他们新推出了一款Lookup寻人搜索应用软件，TalentBin的开发员说，当你使用Google来搜索你要找的人时，得到的相关信息可能分布在多个社交网络中，而Lookup会把这些零散的碎片集中起来，整合各个社交网络中的数据，列出你可能感兴趣的部分，并显示相关的社交网络活动。这样你就能很快地找到适合自己的正确信息。Lookup的受众并非仅仅针对招聘者，还包含了那些想要寻找他人的用户。

被“大数据”拯救

Evolv是一家专门检测招聘和职场数据信息的美国公司。他们通过对3万名雇员收集到的300万个数据点进行分析发现，运用自行安装的浏览器的人比运用系统自带浏览器的人表现更好，而且更少跳槽。这一研究显现出，大数据招聘技术有望拯救应聘双方信息不对称的难题。

第一个例子来自于IBM公司。

IBM公司每年在招聘销售人员上需求很大，通常IBM公司的HR在招收销售人员时基本要求就是善于言辞并且性格外向。但是在去年，IBM用134L美元收购了Kenexa，线上招聘培训服务机构后，他们招聘标准发生了变化。因为Kenexa当年发放了4000万份问卷调查，覆盖了很多有一定销售经验的求职者和招聘者。在对其反馈回的数据进行分析后发现，成功的销售员的特质并不在于性格是否外向，而是在于自我鼓励的强度，也就是被拒绝后继续坚持的品质。

另一个真实的例子发生在名为Transeom的全球客服呼叫中心，这个公司长期困扰于人员流动率过高，于是他们找上了“大数据技术”，希望通过它来拯救眼前的困境。

“大数据技术”选择对公司的在职员工的行为进行分析，最后发现，被“大数据技术”认定“诚实”品质分数高的员工，稳定性也会更高。其准确率可以达到20%-30%。由此Transcom改变了现有的招聘策略，此后优先雇用有诚实特质的员工。采取措施之后，离职员工的数量下降20%，团队的稳定性更高，也节省了培训新员工的成本。

数据招聘技术在企业HR招聘人才方面功不可没。很多大企业都从大数据招聘技术中得到了甜头，其中包括Facebook、亚马逊、沃尔玛、谷歌和Twitter这些大牌企业。

然而大数据技术不仅仅是为企业服务，还为小型雇主或个人创造价值，提供便利。最近Linkedln这个全球最大的职业社交网站便利用大数据技术创造出一系列适用于不同人群的产品。

一个是名为peopie you may hire的应用软件，是专门针对猎头的。有的时候猎头会看中—些人才但是被其看中的人才目前并不打算找新的工作，这个软件就会根据猎头的喜好向其推荐其他人才。

还有一个名为Who’s viewed your profile，把这个应用软件安装在电脑上，它会实时告知用户谁看了自己的简历。得知信息的用户会在第一时间主动联系阅读自己简历的人，这为正在找工作或是正在寻找商机的人打开了一个好的沟通渠道。

“大数据”，靠谱吗？

虽然大数据招聘技术对企业有着很大的优势，但是也有其局限性。

英国的数据分析公司Altimeter Group的负责人苏珊（Susan）认为，大数据招聘技术“绝对值得一试”。但是相对而言，它也有它本身的缺陷。大数据招聘技术可以衡量预测所有的变量，但是却测量不了感性的东西，例如直觉。

大数据公司QUID创始人古尔利（Gourlay）在认同大数据招聘的同时，也对它提出质疑：“当你在招聘过程中把人从复杂决策里排除掉，招聘来的人员也可能并不适应现在的人际关系。”

镀金公司的首席科学家薇薇安·明（Vivian Ming）博士说，大数据招聘技术并没有要消除人的判断，而是要让计算机做主，就像一个自动人才吸收机和筛检机一样。镀金公司已经积累了700万个程序员的资料数据库，并根据得分对他们进行排名。而且有很多公司利用大数据招聘技术已经从中找到了适合自己的员工。而且多明格斯就是他们挖到的一座内部金矿——他的编程分数是整个南加州的100分。

镀金公司说他们最终目的是把大数据技术拓宽到各个领域，使其可以用于搜索和评估各种类型的劳动力，比如网站设计师、金融分析师，甚至零售店的销售人员。

但是无论如何，大数据技术对于应聘者来说，得到的优势并不如招聘者明显。而且对于很多像多明格斯那样的人，他们并不知道自己的资料被收集，甚至对方已经帮助自己规划好了职业生涯；并且一个企业在决定是否录用一个人时，所收集的信息不一定会对其公开，因此大数据招聘技术对于个人信息数据的用途监管还有待加强。

Entelo公司的麦克格拉斯表示，迄今只有2个工程师要求将他们的资料从Entelo的数据库中删除。麦克格拉斯称，Entelo已经开始提供个人申请退出功能，照顾一些要求保护隐私或不愿接收邮件的招聘候选人。

大数据时代的商业调查 篇12

关键词：商业景观,模式,大数据时代,理论框架

被誉为“大数据商业应用第一人”的维克托·迈尔·舍恩伯格在《大数据时代》一书中指出大数据带来的信息风暴正在变革人们的生活、工作和思维, 大数据开启了一次重大的时代转型, 包括思维、商业、管理三大领域变革。庞大的数据资源使各行业开始了量化进程, 大数据催生的数据服务意识与能力逐渐从最初的商业科技延伸到社会各个领域, 如医疗、教育、经济、人文等。在大数据时代背景下, 企业的决策不再局限于以往传统的经验和直觉, 而应利用大数据时代4V特征在原有数据基础上进行创新变革与分析。

一、商业景观模式简介

基础设施的巨大飞跃, 数据储存技术、网络技术的迅猛发展, 为大数据时代的到来提供了物质基础。在互联网服务和云计算技术的大背景下, 数据思维的变革颠覆了传统商业格局, 比起线下购物人们更愿意花较少的时间在线上从众多货物中选取自己最为满意的商品, 便捷、快速、时尚等字眼冲击着商业现有经营模式。与之联系的商业景观模式也遭到了前所未有的压迫, 商业景观如何迎合大数据时代并站稳脚跟, 是当前商业企业亟待解决的重大课题。

1、商业景观元素类型

(1) 建筑要素。商业除商品、顾客外还需一个可供活动发生的商业空间场所, 即商业建筑。建筑要素是商业景观中不可或缺的因素, 直接制约着与之配套的景观设计。人们进入商业空间, 第一印象便是建筑本身, 建筑的风格、形式、体量、色彩与质感、功能的选择必须在符合大众审美标准的前提下结合地域气候、商业文化等因素进行合理设计与安排。一个好的商业建筑可从芸芸商家中脱颖而出, 直接带动顾客消费欲望, 激发顾客购物兴趣, 甚至可作为该座城市的地标性建筑, 起到映衬辅助作用。如新加坡PARKROYAL酒店凭借创新的花园酒店概念及多样化节能设计, 获得BCA绿色建筑白金奖与太阳能先锋奖两大殊荣。

(2) 设施要素。商业建筑奠定商业空间基础, 设施小品营造商业空间氛围。按顾客使用功能区分, 设施要素大致可分为服务设施、安全设施、装饰设施3类。其中, 服务设施指标示物、指示牌、休憩座椅、铺装要素等使用类设置。安全设施除安全标识外主要指照明要素。装饰设施指雕塑、小品等展示类设施。在商业空间中的设施要素需做到以下几点:一是统一中变化, 变化中统一。二是相互依存, 互为一体。三是科技与艺术、功能与情感的结合, 设施的功能性与艺术性二者缺一不可。如以照明要素为例, 必须在满足最基本照明功能原则的基础上具有艺术美感, 给人感官享受。

(3) 地域要素。地域是自然要素与人文要素作用形成的综合体。 其中, 自然要素主要指气候条件、地理变化等外在因素。具体讲, 气候条件包括气温、降水、光照、温差等, 地理变化包括地形、地势、海拔等。自然要素是商业景观设计中最具局限性的要素, 它会影响商业建筑设计 (如成本造价、材料选用、结构形式等) 与景观元素设计 (如水景、植物要素等) ;人文要素指一个地域长期积淀的文化、承载的地区记忆。将商业景观设计融入人文地域要素, 不仅是对过去文化历史的继承和发扬, 更是对自身的一种宣传、档次的一种提升。

(4) 植物要素。植物是生命的主要形态之一, 大致划分为乔木、灌木、藤本、花卉、草坪、蕨类6大类型。商业景观缺乏植物要素, 景观便失去了生命。植物光合作用的生理特征从生态角度改善空间环境, 软质景观更柔化建筑物外轮廓的硬朗, 使空间活泼, 通过合理设计种植植物可起到划分空间、组织交通等标示引导作用。当今商业化社会, 本着在有限空间将生态补偿最大化的初衷, 植物要素设计正逐渐从二维平面传统绿化模式 (如花钵、花坛、盆栽等) 向三维立体新型绿化模式 (如墙面绿化、屋顶绿化、垂直绿化等) 转变。如巴塞罗那Replay服装店景观设计, 繁茂葱郁的绿色植被为整个空间营造独特的视觉效果, 深色木质地板搭配金属质感的墙面与衣架, 浓厚的自然原味与牛仔服粗犷自由的特质相吻合。

(5) 水体要素。水是自然界中最灵动的物质, 自然景观中的水体按动静区分, 包含河、湖、海、池塘和溪流、山川、瀑布等。商业景观中的水体要素, 由于空间限制, 其体量、表现形式、展示效果往往受人为因素控制。商业景观中的水景设计有跌落、喷涌、平静、流动4种形式。水景除欣赏装饰功能 (如水幕墙、喷泉、水池等) 外, 另有参与体验、吸引引导作用, 前者以汀步、戏水池、旱喷为代表满足人们亲水天性, 后者利用水体活动产生的声音、倒影等特征达到引人入境的目的。如迪拜购物中心人造瀑布景观, 设计师大胆创新将室外自然瀑布景观引入室内, 扩大一般水幕墙体量, 将弧形的瀑布墙从景观背景一跃成为商业中庭主景。

2、传统商业景观“3E”模式

(1) 生态效益模式 (Ecological) 。商业空间硬质景观, 如商业建筑本身、商业小品设施为商业活动提供场所与功能服务。与之相对比的商业软质景观, 如商业植物要素、水体要素则是改善城市人群生活质量、激发自然向往的主要动力。现代商业空间的设计理念对商业环境提出了更高要求, 不仅只局限于将生态环境理念引入商业的初级阶段, 更需要将景观生态效应放大化、极致化。商业室内室外空间整体以“商”为主, 以“景”为辅, 应确保遵循生态原则, 注重生态平衡, 符合降温、减噪、净化空气、改善商业环境小气候等生态要求。

(2) 情感心理模式 (Emotional) 。现代商业空间利用建筑、设施、地域、植物、水体5大商业景观要素体现商家对消费者群体的人文关怀。如以服务设施铺装为例, 以前消费者往往只通过指示牌被指示, 如今人性化的铺装将区位划分, 具有方向感和方位感的平面设计使得标示更为准确、更便于理解。另外, 基于使用人群方便、舒适、安全角度考虑, 商业空间内承载交通的地面材质尽可能避免选择光滑铺装以免行人摔倒, 需在合适位置提供方便残疾人或老年人使用的残疾人盲道或无障碍通道。商家可根据消费者生理需求、心理情感等方面, 对商业景观的尺度、材质、色彩、数量等进行针对性地设计。只有人性化的商业景观设计才能吸引更多消费者来此休憩消费, 才可能将潜在消费群体真正转变为实际消费群体。

(3) 经济带动模式 (Economic) 。现代商业地产设计师和开发商们愈发认识到商业景观设计应承担城市公共空间的职责, 以吸引更多消费者前往消费。琳琅满目的商铺、品种齐全的商品在商业空间内多如牛毛, 生态化、人文化、个性化的商业景观设计无疑成为吸引消费者, 促进消费的一剂良方;一家成功的企业必定拥有自己独特的企业文化, 迪尔和肯尼迪将企业文化概述为企业环境、价值观、英雄人物、文化仪式、文化网络5个要素。其中, 企业环境一栏就包括外部环境, 即好的商业景观可通过增强商业空间的凝聚力塑造出企业的自我品牌;商业作为经济领域的分支, 结合地域文化、具有创新意识的商业景观对商业空间的最终作用功能为使该商业空间成为当地社会活动中心, 全面推动社会经济发展。综上观点, 商业景观经济带动模式可归纳为吸引顾客消费 (浅层目的) →塑造自我品牌 (深层目的) →带动社会经济 (最终目的) 3大层次。

(4) 传统商业景观模式分析。基于上述结论, 将传统商业景观模式做出进一步分析, 具体如下 (图1) :

一是商业景观元素类型相互作用, 因果联系构成商业景观体系。建筑作为购物消费场所为商业空间奠定基础, 与之相配套的设施要素必须在建筑大环境下对风格、体量、形式、功能等各方面进行考虑 (建筑要素→设施要素) 。服务、安全、装饰设施要素往往与商业其他景观统一设计, 以求达到和谐的商业空间氛围 (设施要素→植物要素+水体要素) 。自然要素, 如气候、风向、土壤、湿度等对建筑结构设计、植物选材组合、水景形式搭配起到直接作用。人文要素, 如风俗习惯、历史宗教、文化教育等则起到间接作用 (地域要素→建筑要素、地域要素→植物要素+水体要素) 。合理出彩的植物、水体景观设计能较好诠释建筑设计初衷, 并服务于商业空间景观环境营造 (植物要素+水体要素→建筑要素) 。

二是商业景观体系衍生传统商业景观“3E”模式。硬质景观 (建筑、设施、地域要素) 结合软质景观 (植物、水体要素 ) , 满足功能需求同时注重生态理念, 形成生态效益模式。5大景观元素类型应以人为本, 从大环境设计原则到小景观设计功能应结合消费者生理、心理2大需求体现商家人文关怀, 形成情感心理模式。商业景观最终目的是带动商业消费, 促进经济发展, 深入浅出、层层递进形成经济带动模式。

三是“3E”模式。从生态、人文、经济角度构成闭环作用链, 生态效益是人文关怀的一种体现, 推动情感心理模式;对情感心理的关注可吸引潜在消费群体, 增加实际消费几率, 带动商业经济发展;经济发展加快城市节奏, 消费者更加向往绿色商业空间, 商业景观需重视强调生态环境表达手法, 即“生态效益模式→情感心理模式→经济带动模式→生态效益模式”闭环作用链。

3、创新商业景观模式启示

随着时代推进、技术发展, 不难发现, 一是传统商业景观模式与现有经营模式存在隔阂, 二者暂无较大联系。二是传统商业景观模式已到达瓶颈期, 可能面临淘汰危机。三是传统商业景观模式未意识到时代改变, 缺乏时代 特征。针对以上现象, 必须创新商业景 观模式。

(1) 商业景观化 是迎合商业 运营模式的 有效手段。在大数据时 代背景下, 8、90年代出生的人 群正逐渐成为消费主流, 该群体熟悉互联网使用操作系统, 更易接受电子商务经营模式, 即线上 (互联网) 购买, 线下 (实体店) 体验。大数据正改变商业领域, 引起商业变革。其4V特征, 即规模化 (Volume) 、类型化 (Variety) 、价值化 (Value) 、时效化 (Velocity) , 将商业变得透明可视化、个性定制化、效率高效化、完善统一化。消费者基于上述优势更倾向于线上消费, 商家因此失去大量客源。商业景观强调体验、感受、人文、生态等线下服务理念, 将在很大程度上弥补网络缺乏因素, 从而提升商家吸引力, 推动运营模式发展。

(2) 商业景观模式创新是缩短旧模式与新时代差异的唯一出路。互联网最有价值之处不是自身产生新概念, 而是对已有数据的再开发。与互联网相结合的更便利、更关联、更全面的网络数据商业系统正冲击传统商业模式。马云说, 对新生事物千万不要:第一, 看不见;第二, 看不起;第三, 看不懂;第四, 来不及。换言之, 商业景观模式应意识到以下几点:第一, 大数据时代已经来临, 新变革、新思维将颠覆传统商业景观体系。第二, 传统商业景观模式无法与时代背景相结合, 需加深商业景观创新意识。第三, 明白传统商业景观模式与大数据时代存在哪些差距, 有针对性地对商业景观进行创新;第四, 在经济迅猛发展背景下, 应及时、有效地创造商业新景观。

(3) 创新商业景观模式是大数据时代特征的主要体现。一是迎合科技革命和产业变革时代新趋势。互联网的特质重构传统商业供应链系统, 将企业文化产业与业务组织逐渐向数字化模式转变。二是满足“极致化”、“长尾化”要求。商业产业链、利益链的重新调整对商业模式提出变革要求。“长尾效应”与传统二八定律相对, 要求在保留带来80%销量的20%品种外, 更应关注80%部分的品种。通过对众多冷销商业市场进行景观创新, 可产生与主流相匹敌的市场能力。三是适应“个性化推荐达成完美匹配”。在互联网虚拟世界, 人人都是设计师, 人人都是生产者, 人人都可以决定产业的未来。因此, 未来商业景观具有个性化、定制化特征, 消费者可以创造景观。数据是消费者的情感转化, 未来商家可根据数据判定消费者情绪、喜好等, 从而为特定消费者定制相对应的个性景观。四是增强商业空间“活性”、“颗粒度”、“情绪 ”、“时空延伸”和“ 维度多元”。大数据时代商家利用数据对5大维度进行分析判断从而制定商业景观模式。

二、商业景观模式创新机理的理论框架

基于传统商业景观模式分析与创新商业景观模式启示, 结合大数据时代特征, 以商业模式 (用户模式、产品模式、推广模式、收入模式) 为蓝本, 构造商业景观模式创新机理的理论框架。

1、景观类型分析是商业景观模式创新的前提条件

(1) 用户定位。用户定位是商业景观模式创新的逻辑起点, 对应商业模式中的用户模式 (即确定用户群体) 为商业景观提供数据。用户定位可从消费行为、属性分析、心理评估3方面考虑。首先, 消费行为包括消费额度、消费频率, 可分为中低端消费群、高端消费群或中低频消费群、高频消费群。其次, 属性分析包括外在属性、内在属性, 前者指用户的地域分布、组织归属等不易明晰层面, 后者指用户性别、年龄、爱好、收入、性格、价值取向等可分析层面。最后, 心理评估包括主观心理、消费心理, 前者指与商业景观直接相关的心理类型, 如猎奇心理、怀旧心理、追求自然心理等, 后者指间接相关类型, 如从众、求异、攀比、求实、偏好等。

(2) 主题风格。主题风格是商业景观模式创新的属性定位, 对应商业模式中的产品模式 (即奠定设计基调) 为商业景观确立方向。主题风格可分为季节节日类、文化综艺类2类。按春夏秋冬四季划分, 商业景观大致以春节、情人节、中秋节、圣诞节为主要节日主题;按文化综艺划分, 商业景观大致从历史、民俗、影视、漫画等方面营造现代简约、复古、欧式、中式、田园等设计风格。针对商业室内空间、灰空间、室外空间可分别按照主题确定风格, 设计空间内部景观、中庭吊挂景观及空间外部景观等。

(3) 元素选择。元素选择是商业景观模式创新的具体表现, 是产品模式第二环节, 旨在实际塑造商业景观。在完成用户定位及主题风格基础上, 对建筑、设施、地域、植物、水体5大商业景观要素的体量、色彩、质感、造型、材质等从功能、文化、心理各方面加以考虑形成商业景观初步体系。如在西方文化影响下, 商业企业确定情人节主题, 商业景观用户定位为情侣群体, 功能为营造浪漫温馨氛围, 则商业景观元素具体表现为:红粉暖色调灯光 (色彩) 、爱心、蝴蝶结小品 (造型) 、玫瑰插花盆景 (植物) 等 (图2) 。

2、功能价值创新是商业景观模式创新的基本任务

(1) 组织艺术。根据用户定位、主题风格确定景观元素单体, 仅完成商业景观模式传统步骤, 将元素单体以全新角度诠释组织, 是形成完整商业景观结构体系的创新实践。商业景观各要素搭配成景的传统组合模式 (如植物+建筑、植物+照明+小品、植物+树体+设施等) 是元素的价值实现, 符合满足功能使用、增加艺术审美的基本需求。另外, 将各元素择优合并、融为一体是元素价值实现的再创造, 即将多种学科跨界交叉、融合创造新景观。从建筑学、工程学、人文学、生态学、景观学等学科领域入手, 旨在推动综合化景观向个性化发展, 如仿生建筑、树形灯等奇异化景观。

(2) 技术运用。过去的商业景观仅对元素单体造型、体量、色彩等外在因素进行创新, 而缺乏内部对应技术的支持, 因此往往会造成纸上谈兵的尴尬局面。只有人为理念与工程技术同步结合才能真正实现元素创新化。技术运用大致分为生态环保节能型、信息技术科技型2种。前者包括废物利用、能源开发、低碳理念等, 如巴黎“防烟雾”大厦, 建筑原料均为可回收可降解材料, 并采用太阳能发电和光合作用净化空气;后者包括计算机技术、通信技术、传感技术等, 如由韩国艺术家Choe U-Ram制作的金属花雕塑, 利用电脑对机械装置进行控制, 产生花瓣、花蕊收缩闭合动感视觉效果, 赋予装饰新语言。

(3) 感观体验。商业景观作为商业空间的不可或缺部分, 如同产品本身一样对消费者产生感官方面的吸引。消费者从色彩、声音、质感、气味、味道5方面分别感受视、听、触、嗅、味5感, 达到浅层感官体验, 如灯具的光效色调、水体的流动碰撞、铺装的质感变化、植物的自然芳香、果实的味觉暗示等。商业景观氛围营造与商家文化品牌, 均促使消费者从感性认识升华到理性认知, 商家企业借助商业景观获得消费者认可, 树立口碑, 达到深层文化沟通, 如中秋节主题设计中的“圆月”小品呼应中国民族传统文化, 迎合游子团圆心理, 表达商家对消费者的理解与关怀 (图3) 。

3、推广营销设计是商业景观模式创新的主要动力

(1) 营销策略。大数据时代下, 通过借鉴商业推广模式、对应4P营销策略、结合时代特征等一系列分析可知商业景观模式与经营模式的联系契合点为“一个思维, 一种模式”。其中, “一个思维”指数据思维。根据大数据时代4V特征 (简单概括为数据数量大、类型多、处理速度快、时效要求高, 但价值密度低) 做到重视数据全面性, 弱化数据精确性, 侧重数据相关性。大数据时代最大的思维转变为放弃对因果关系的苛求, 多关注“是什么”, 而不是“为什么”。如消费者在网购书籍时, 电商网站会一并推荐该消费者同时喜欢的其他书籍, 大数据通过数据整合统计, 全面分析关联, 从而建议消费者购买。同理可得, 商业景观可通过数据统计学分析发现“关联物”, 创造消费者心仪景观, 迎合消费心理。“一种模式”指020模式 (Online To Offline) 。将线下商务机会与线上互联网相结合, 即商家线下服务利用线上前台揽客, 消费者利用线上数据筛选线下服务。020模式通过对传统行业信息聚合与分发方式的表层重构简化了中间推广渠道, 将线上消费者直接带到实体店中, 让互联网成为线下交易的前台。如消费者来到陌生地方, 无法选择消费场所时可通过大众点评等APP搜索功能推荐周边商业空间, 通过商业景观环境图片、顾客评价的预先查看做出消费决定。

(2) 竞争意识。经济迅猛发展, 对于商业领域, 产品同质化已无可避免。同理, 商业景观在景观设计大类中从元素选择、组合技术、营销手段上互相模仿, 也逐渐发生趋同现象。同质化竞争的出路为具备竞争意识, 创新商业景观模式。景观竞争意识包括自我价值体现、团体合作共赢, 前者创造“极致化”、“长尾化”的个性商业景观, 后者创造“品牌化”、“连锁化”的大众商业景观。其中, “极致化”指在合适的时间、合适的地点、以合适的方式将合适的信息提供给合适的人群 , 即将商业景观做到最佳意境, 达到最高程度 。“长尾化”指仅迎合小部分消费群体喜好创造的冷门景观 , 如猎奇景观、 民族景观等个性化商业景观, 同样可积少成多、化零为整占据市场份额。“品牌化”指结合商家实质价值、企业文化, 打造能代表企业本身形象的商业景观。“连锁化”指将独立商业景观组合成整体景观, 利用协同效应原理, 取得规模效益, 形成较强市场竞争能力。

(3) 数据互动。利用互联网, 消费者可获取商家发表的数据, 同时商家也可收集消费者推送的数据 (商家消费者 ) , 因此消费者与商家二者之间存在数据互动关系。第一, 配合互联网大数据, 将进行个性化整合推送。依赖云技术、大数据、互联网的成熟, 对透明化数据分析判定消费者性格、心情、喜好, 进入精准投放模式, 使景观模式兼具一对一精准个性化, 同时形成通用大众化规模。第二, 数据建立的问责机制促进商业景观竞争优化。商业景观的评价会直接通过互联网显示给消费者, 对商业景观的优胜劣汰督促商家创造更完美、更人性、更恰当的景观模式。第三, 网络数据为商家提供五大维度, 挖掘潜在消费群体。020模式线上交易的特点是推广手段可查询, 交易记录可跟踪, 营销效果可监测。商家利用数据的显示信息定位消费者, 判断商业景观模式实行成效。如评价类数据可发现商业景观不足或改进之处, 情感类数据可洞察商业景观对消费者的心理暗示作用, 消费记录数据可归纳消费流量与商业景观的联系等 (图4) 。

三、商业景观模式创新机理的研究总结

商业景观模式创新机理主要由这些内容组成:一是3大商业景观创新模块。二是创新模块侧重核心环节, 构成要素为景观体系服务。三是构成要素体块聚焦核心主体, 衍生商业景观传统模式。具体如表4:

1、主要结论及研究启示

在解析5大商业景观要素与“3E”模式构成传统商业景观体系的基础上, 根据大数据时代变革的必要性, 初步总结商业景观模式价值创新系统分析框架, 提出3大商业景观模块, 并采用创新实践多案例研究方法对商业景观模式创新的机理进行深入探讨, 得出以下结论与启示。

(1) 大数据时代引发商业经营模式变革 , 经营模式触发商业景观创新。大数据带来的信息风暴将涉及各个行业领域, 快速简易搜集的大规模数据、低投资多利润的销售渠道促使零售业、批发业等线下实体店纷纷开办线上电子商务虚拟店, 这一现象是新时代特征对传统商家企业经营模式的思想冲击。在新时代下, 创造新思维、新经营模式是传统商业应对时代变革的最终产物。建筑、设施、地域、植物、水体5大商业景观要素构成 的“3E”传统模式显然无法满足大众消费者购物需求, 不能紧跟时代变更、无法体现大数据特征的商业景观终将被现实淘汰。另外, 传统商业经营模式与景观模式缺乏契合点也是导致商业景观失败的原因。故在大数据背景下, 针对迎合时代特征的创新经营模式创造对应的、与之有联系的商业景观是带动商业经济的必经途径。

(2) 商业景观创新模块可单个衍生深化 , 也可相互作用共成体系。从生态、人文、经济角度考虑的“3E”传统模式所构成的商业景观体系在一定程度上已达到饱和状态, 无法再深化创新, 且很难与大数据相结合。利用构成要素将传统商业景观模式划归为“景观类型分析”、“功能价值创新”、“推广营销设计”3大模块, 从主题、体验、数据3个环节着手深化、创造、变革传统商业景观体系, 即在传统商业景观模式基础上单个衍生深化。3大模块演变手段逐层递增, 可两两组合、互相穿插, 即模块互相作用共成体系。如采用科学技术、全新组合理念, 具有感官体验性的景观元素能将主题风格更全面更优化地进行演绎。符合用户定位的鲜明主题性景观能将商业景观系统化陈列, 形成感官冲击同时带动文化感受与娱乐体验, 为感官体验环节服务 (景观类型分析功能价值创新) 。又如感官体验为主的功能性景观是商业企业推广“线上消费、线下体验”020模式的前提条件, 重视数据全面性、弱化数据精确性、侧重数据相关性的数据思维为感官体验环节提供更准确更有针对性的方向定位 (功能价值创新推广营销设计) 。

1) 景观类型分析 :用户定位←主题风格→元素选择, 侧重主题性, 形成传统再深化模式。

2) 功能价值创新 :组织艺术 +技术运用→感官体验, 侧重体验性, 形成传统再创造模式。

3) 推广营销设计 :营销策略→竞争意识→数据互动, 侧重数据性, 形成传统再变革模式。

(3) 衍生商业景观3大模式结合创新、数据因素组合形成综合模式。 由模块衍生的传统再深化、传统再创造、传统再变革的3大模式其连接纽带为“创新”、“数据”2大因素。在大数据引发思维、商业、管理领域变革趋势下, 保留传统精华、聚焦创新理念、体现数据特征才能创造与当今时代经营模式相匹配的商业景观。本着“生态效益模式→情感心理模式→经济带动模式→生态效益模式”景观体系的设计初衷, 利用组织艺术、技术运用的创新手法将传统再深化模式中元素选择奇异化体现, 利用精准用户定位、创新主题风格将传统再创造模式中感官体验极致化强调 (综合模式1) 。创新组织艺术、技术运用的个性化景观满足“极致化”、“长尾化”竞争意识中自我价值体现要求、符合 “个性化推荐达成完美匹配”的数据互动, 重构传统行业供应链的020模式、具备时代特征的数据思维拓宽感官体验适用范围及受用人群 (综合模式2) 。商家企业利用数据提供的五大维度挖掘潜在消费群体, 确定用户定位, 制定对应主题风格景观。主题化模式强调商业视觉景观外更注重企业文化表达, 具备“品牌化”、“连锁化”竞争合作意识, 数据化感官体验优化营销策略020线下模式 (综合模式3) 。

1) 综合模式1=传统再深化模式+创新+传统再创造模式

2) 综合模式2=传统再创造模式+数据+传统再变革模式

3) 综合模式3=传统再深化模式+创新+传统再创造模式+数据+传统再变革模式

(4) 综合模式协同其他因素完善经营模式 , 形成商业景观体系闭环作用链。商业景观模式创新必然与外部环境、时代变革、其他企业商业景观模式等因素保持互动。商业景观模式创新不单涉及商业景观5大要素及3大商业景观模式的内部创新, 更强调景观模式与经营模式的外部契合, 即更好地服务于随大数据时代调控的经营模式是景观模式的创新本质。其他因素, 如新型技术、全新理念等可强化“创新”因素, 时代特征、经营理念等可变革“数据”因素。又如本企业商业景观模式可以利用外部资源协调与其他商家竞争合作机会等。只有以创新经营模式为起始点, 与时代同步、与技术理念同步的商业景观模式才能真正适应大数据环境要求, 从而创造最新最适宜的综合景观模式, 形成商业景观体系闭环作用链。

基于上述结论, 将商业景观模式创新的机理做出进一步总结, 见图5。

2、研究总结