论文部分内容阅读
2016年是大数据快速着陆并持续发展的新时期。伴随传统企业IT建设的日趋完善，企业积累了很多有价值的数据，如何将数据实际应用到企业发展上来，让传统企业真正实现自己的数据价值，成为传统企业所面临的关键问题。
最近，笔者采访了杭州泰一指尚科技有限公司（以下简称泰一指尚）大数据事业部总经理封雷，探讨了泰一指尚助力传统企业降低大数据应用门槛的问题。
泰一指尚自成立以来一直专注于钻研大数据技术、提高数字商业服务能力，以帮助中国企业植入大数据技术基因、助力中国传统企业数字化商业转型为使命。在采访中，封雷从“数据与能力”两个维度分析了目前企业存在四类情况：一是缺数据，有能力；二是有数据，有能力；三是缺数据，缺能力；四是有数据，缺能力。面对这些不同的企业，泰一指尚将有针对性地提供不同的解决方案，助力传统企业大数据建设的落地。
四步助力传统企业降低大数据门槛
应用大数据，对很多传统企业来说门槛还太高。那么，如何降低大数据应用门槛，让传统企业逐步获得大数据的应用能力？泰一指尚有自己的实践经验：
第一步，选取大数据应用的一个切入点。即获取数据要有针对性，需要什么去调取什么。以传统大型企业为例，它们拥有大量数据积累，但缺乏数据挖掘、分析、应用的能力。往往，这些企业会先想到搭建一个大数据平台，建立诸如 Hadoop、Spark、Kafka的一些底层架构，对于数据工程师来说，完成这一套体系耗时耗力，成本极高，对传统企业来说不太现实。
第二步，围绕这个点去分析哪些数据是需要的。大数据的应用，不仅是数据的积累，更要有商业化的能力，即变现的能力。对于传统企业而言，就是要围绕业务展开，寻找精准的应用场景，简单有效的办法就是交给专业大数据营销服务商。
第三步，帮助传统企业构建数据化思维逻辑，能够基于数据的开放平台来构建企业自身的大数据应用生态。企业转型过程中，大数据是底层能力的提供者，通过建立数据化思维逻辑，可以帮助企业整理思路，找到问题的关键。
比如，在雾霾严重的社会背景下，质监部门怎样才能做好新型净化器行业的监管服务工作？泰一指尚围绕这一问题做了一份分析报告。通过线上线下数据的有效整合、语义分析、智能归类等一系列数据挖掘的技术手段，分析净化器市场行情、产品质量存在的缺陷、与国际品牌的差距，及自身品牌如何弥补等问题。再结合消费者诉求，通过线上数据有效佐证了线下场景，为质检提供行之有效的决策抓手。”
第四步，挖掘数据价值，帮助企业打造营销闭环的能力。对传统企业而言，营销是重中之重。有些企业在大数据方面的投入是非常巨大的，但成效却很低，面对这些企业关键在于如何通过数据应用，将企业整体关联起来。泰一指尚的做法是，通过建立联合数据实验室的模式去研判数据，基于数据商业化能力，为垂直行业提供策略智库。
以浙江移动为例，每天日活用户在2500万，日常数据处理量达到100亿次，高峰日处理量达到600亿次，每天的增量数据大概在30TB左右。面对这些海量数据，如何挖掘其潜在价值成为迫切需求。泰一指尚通过用户行为分析和数据标签化梳理，构建基本的数据商业化能力，再结合行业客户的实际应用场景，助力其构建完整的营销闭环管理能力，实现数据源公司与品牌商的共赢。
数据开放要打破孤岛
数据开放是当下比较热门的话题，但行业与行业之间、甚至有些企业内部仍存在较大的壁垒。传统企业要实现大数据开放和应用，就需解决企业内外部存在的壁垒：
第一，打破数据孤岛，让数据实现自由流动，并通过应用场景切入，让数据价值进一步体现，这对企业是一个逐步盘活的过程。
第二，技术门槛的孤岛要解决。企业与企业之间也需要有效连接在一起，建立一个互通的机制。科研机构、行业IT供应商在算法能力、行业理解程度方面拥有较大优势，如果与大数据公司在数据算法创新、技术能力互补、商业模式探索等方面建立深度合作关系，必然能实现“1 1﹥2”的效果。
在封雷看来，数据开放可分为三段来理解：标签、可视化、构建大数据能力。他认为，数据开放将是一个循环的过程，“新生-沉淀-新生”这样可以避免很多重复性劳动。
中小企业成SaaS受益者
目前，许多中小企业还处在数据缺失、技术能力也缺失的状态。面对他们，该做些什么？现在，政府提倡数据开放，企业也致力于数据开放，未来数据获取路径也会多种多样，数据库门槛会越来越低。在这样的情况下，数据平台的搭建有时不在于大，而在于专。建议中小型企业要找准切入点，通过一个合适的应用场景去切入。
另外，随着国内一些数据服务公司的出现，运用大数据技术的能力得到不断提升，比如，出现的SaaS等类型的轻应用数据服务，使的一些公司应用大数据门槛越来越低。美国中大型企业每年花费1万至60万美元用于购买SaaS数据服务，而国内大型企业基于自身安全考量往往更愿意选择本地部署模式。反而是处于弱势地位的中小型企业将成为SaaS的受益者。通过SaaS这种轻量级应用能够极大降低中小企业大数据应用的门槛。
封雷总结，泰一指尚是一家数字商业服务提供商，具有提供数据分析的能力，可以帮助企业有效汇聚数据，搭建大数据平台，并基于业务本身去做应用场景的咨询服务，帮助企业构建数据的思维逻辑，最终建立企业的数据生态，从而降低大数据应用门槛。
最近，笔者采访了杭州泰一指尚科技有限公司（以下简称泰一指尚）大数据事业部总经理封雷，探讨了泰一指尚助力传统企业降低大数据应用门槛的问题。
泰一指尚自成立以来一直专注于钻研大数据技术、提高数字商业服务能力，以帮助中国企业植入大数据技术基因、助力中国传统企业数字化商业转型为使命。在采访中，封雷从“数据与能力”两个维度分析了目前企业存在四类情况：一是缺数据，有能力；二是有数据，有能力；三是缺数据，缺能力；四是有数据，缺能力。面对这些不同的企业，泰一指尚将有针对性地提供不同的解决方案，助力传统企业大数据建设的落地。
四步助力传统企业降低大数据门槛
应用大数据，对很多传统企业来说门槛还太高。那么，如何降低大数据应用门槛，让传统企业逐步获得大数据的应用能力？泰一指尚有自己的实践经验：
第一步，选取大数据应用的一个切入点。即获取数据要有针对性，需要什么去调取什么。以传统大型企业为例，它们拥有大量数据积累，但缺乏数据挖掘、分析、应用的能力。往往，这些企业会先想到搭建一个大数据平台，建立诸如 Hadoop、Spark、Kafka的一些底层架构，对于数据工程师来说，完成这一套体系耗时耗力，成本极高，对传统企业来说不太现实。
第二步，围绕这个点去分析哪些数据是需要的。大数据的应用，不仅是数据的积累，更要有商业化的能力，即变现的能力。对于传统企业而言，就是要围绕业务展开，寻找精准的应用场景，简单有效的办法就是交给专业大数据营销服务商。
第三步，帮助传统企业构建数据化思维逻辑，能够基于数据的开放平台来构建企业自身的大数据应用生态。企业转型过程中，大数据是底层能力的提供者，通过建立数据化思维逻辑，可以帮助企业整理思路，找到问题的关键。
比如，在雾霾严重的社会背景下，质监部门怎样才能做好新型净化器行业的监管服务工作？泰一指尚围绕这一问题做了一份分析报告。通过线上线下数据的有效整合、语义分析、智能归类等一系列数据挖掘的技术手段，分析净化器市场行情、产品质量存在的缺陷、与国际品牌的差距，及自身品牌如何弥补等问题。再结合消费者诉求，通过线上数据有效佐证了线下场景，为质检提供行之有效的决策抓手。”
第四步，挖掘数据价值，帮助企业打造营销闭环的能力。对传统企业而言，营销是重中之重。有些企业在大数据方面的投入是非常巨大的，但成效却很低，面对这些企业关键在于如何通过数据应用，将企业整体关联起来。泰一指尚的做法是，通过建立联合数据实验室的模式去研判数据，基于数据商业化能力，为垂直行业提供策略智库。
以浙江移动为例，每天日活用户在2500万，日常数据处理量达到100亿次，高峰日处理量达到600亿次，每天的增量数据大概在30TB左右。面对这些海量数据，如何挖掘其潜在价值成为迫切需求。泰一指尚通过用户行为分析和数据标签化梳理，构建基本的数据商业化能力，再结合行业客户的实际应用场景，助力其构建完整的营销闭环管理能力，实现数据源公司与品牌商的共赢。
数据开放要打破孤岛
数据开放是当下比较热门的话题，但行业与行业之间、甚至有些企业内部仍存在较大的壁垒。传统企业要实现大数据开放和应用，就需解决企业内外部存在的壁垒：
第一，打破数据孤岛，让数据实现自由流动，并通过应用场景切入，让数据价值进一步体现，这对企业是一个逐步盘活的过程。
第二，技术门槛的孤岛要解决。企业与企业之间也需要有效连接在一起，建立一个互通的机制。科研机构、行业IT供应商在算法能力、行业理解程度方面拥有较大优势，如果与大数据公司在数据算法创新、技术能力互补、商业模式探索等方面建立深度合作关系，必然能实现“1 1﹥2”的效果。
在封雷看来，数据开放可分为三段来理解：标签、可视化、构建大数据能力。他认为，数据开放将是一个循环的过程，“新生-沉淀-新生”这样可以避免很多重复性劳动。
中小企业成SaaS受益者
目前，许多中小企业还处在数据缺失、技术能力也缺失的状态。面对他们，该做些什么？现在，政府提倡数据开放，企业也致力于数据开放，未来数据获取路径也会多种多样，数据库门槛会越来越低。在这样的情况下，数据平台的搭建有时不在于大，而在于专。建议中小型企业要找准切入点，通过一个合适的应用场景去切入。
另外，随着国内一些数据服务公司的出现，运用大数据技术的能力得到不断提升，比如，出现的SaaS等类型的轻应用数据服务，使的一些公司应用大数据门槛越来越低。美国中大型企业每年花费1万至60万美元用于购买SaaS数据服务，而国内大型企业基于自身安全考量往往更愿意选择本地部署模式。反而是处于弱势地位的中小型企业将成为SaaS的受益者。通过SaaS这种轻量级应用能够极大降低中小企业大数据应用的门槛。
封雷总结，泰一指尚是一家数字商业服务提供商，具有提供数据分析的能力，可以帮助企业有效汇聚数据，搭建大数据平台，并基于业务本身去做应用场景的咨询服务，帮助企业构建数据的思维逻辑，最终建立企业的数据生态，从而降低大数据应用门槛。