论文部分内容阅读
大数据时代到来！美国互联网中心指出，互联网上的数据每年将增长50%，每两年将翻一番，我们目前的数据有90%以上都是近几年产生的。除了互联网，无数安装在设备上的数码传感器也能产生诸如位置、运动、温度、化学物质等的海量数据。大数据时代的开启，影响着我们理解世界和在这个数据世界中生产和生活的方式，同时带来一场巨大的商业变革，将颠覆原有企业的运营思维和組织架构，加速重构新的价值链，建立新的行业影响力。
需求管理是集需求分析、需求判断、需求预测于一体的管理活动集合，需求管理水平的高低取决于整个需求链中各主体信息管理和经验判断能力及其整合的效果。需求管理对企业、尤其是传统企业有着重要的意义，它能够使企业的输入和输出相匹配，减少因两者差异而产生的成本和风险。然而，传统的需求管理往往出现较大偏差，无法最大程度地实现其意义。究其原因，无非是重视经验而非数据、收集数据杂乱无章、整理数据低效、预测方法单一等等。大数据时代的到来，为需求管理提供了新的思维和途径，与此同时，也对企业提出了更高的要求和更大的挑战。
一、需求管理基本逻辑的转变
一般地，我们认为需求预测发生偏差的根本原因在于信息不对称。大数据时代，我们将拥有充分的信息！例如，淘宝网出售的比基尼泳装在中国销量最高的地区不是我们以为的广东、海南等省，而是内陆的内蒙古和新疆。出现这样预测失败的情形，不是因为经验错误，而是有未考虑到的因素，即信息的缺失。如果有一个针对某种需求的完美的预测方法，那么我们可以设想，这种方法一定将所有信息、因素和关系都包含在内了。当然，这种完美的模型几乎不可能存在，但尽可能地使我们的需求预测模型包含更多信息，必然是完善需求预测的重要途径。为了获取更多信息，显然不能依靠经验，因为太多的信息早已超出经验的范围。而数据，则承载了所有的信息。这些信息中，有很多是很难被考虑到，或者即使考虑到也难以量化并加入预测模型的，比如人们的心理偏好。处理这些信息是很困难的，但数据提供给我们一个简易的结果，因为数据本身就已经是众多信息的拟合了，我们不需要深究这些数据是如何由信息拟合得到的，只要直接使用这些天然又准确的拟合结果做需求预测就好了。例如，在上面比基尼泳装的例子中，我们可能无法得到一个关于为什么内蒙古、新疆的销量比广东、海南好的最终解释，但我们实际上并不需要这个解释，因为原因已经包含在这个数据结果中了，无论我们是否能获得解释，都不影响做需求预测。因此，数据使企业在需求预测中对于市场信息不对称的情况得到巨大改观，企业掌握数据越多、挖掘数据越深入，拥有的信息量就越大，做出的需求预测就越可靠、越准确。
从另一个角度来说，数据的体量巨大，是大数据的最显著特点。基于这样的数据量级，我们基本可以认为“样本等于总体”。当我们可以用总体数据进行分析和预测时，抽样分析这样的方法显然已经落伍。因此，基于大数据的需求预测将使结果更加靠近真实情况，尽可能地缩小偏差。
二、需求管理基本理念的转变
大数据时代的需求预测，必须完全相信数据，同时，还要用新的方式看待和处理数据。人们使用互联网的形式不同，在互联网上留下了不同形式的数据，如文本、音频、视频等，它们内在不具备一定的逻辑和结构，因此被称为“非结构性数据”。这些“非结构性数据”难于处理，加剧了互联网数据的混乱程度，使得分析和预测的“精确”成为不可能。面对这样的境况，一方面要重视这些数据的价值，利用统计模型量化并深度挖掘这些数据来进行需求预测，另一方面要承认“不精确”，允许“不精确”的存在。
使用大数据进行分析，更多情况我们得到的是相关关系而非因果关系。虽然人类有从现象探寻原因的本能，但在大数据时代，我们大可不必死守这种思维美德。有些数据可以追溯到其内在因果关系，但有些却是我们现在的科技水平和对自然社会的理解无法解释、甚至与我们固有的认知完全相反的。在利用大数据的需求预测中，对于那些已知的内在因果关系，我们可以利用其确定外在相关关系的稳定性，使得预测结果更加可信，而对于那些无法解释的因果关系，我们完全可以暂不理会，放心大胆地利用数据的相关关系进行分析和预测即可。
三、需求管理驱动商业模式的转变
大数据时代，企业需求管理在理念和方法上的变革，如同人类历史上其他重大的工业和科技信息革命，极大地解放了需求管理的生产力，使其效率和效果提高到一个新的水平。因此，这样一个由数据和数据模型支撑起来的新的需求管理模式，对企业的发展是非常重要的。
沃尔玛作为世界上最大的零售商，拥有超过200万员工，销售额约4500亿美元。在网络带来巨大数据之前，沃尔玛在美国拥有的数据资源应该是最多的。2004年，沃尔玛对历史交易记录这个庞大的数据库进行了观察，这个数据库的记录不仅包括每一个顾客的购物清单以及消费额，还包括购物篮中的物品、具体购买时间、甚至购买日的天气。沃尔玛公司发现，每当季节性飓风来临之前，手电筒和蛋挞销售量都剧增。因此，暴风雨来临时，沃尔玛把蛋挞和飓风用品放到一起，增加了销量。这个销售行为成功的背后，是沃尔玛通过挖掘海量数据，在手电筒和蛋挞销量之间建立了相关关系，继而做出的需求预测。当时的这种挖掘数据进行需求预测并提升手电筒和蛋挞销量的方式仍可以被看作是一种灵机一动的、讨巧的销售手段，但是放在今天这个大数据时代下，若能将这种需求预测的方式更加普遍地运用到采购、库存、销售、定价等各个环节，无疑将是企业商业模式的一种变革，其结果是直接促进企业的发展。
在大数据时代，个性化的需求预测将颠覆一切传统商业模式，成为未来商业发展的终极方向和新驱动力。大数据为个性化商业应用提供了充足的养分和可持续发展的沃土，如基于交叉融合后的可流转性数据、全息可见的消费者、个体行为与偏好数据等等，未来的商业可以通过研究分析这些数据，精准挖掘每一位消费者不同的兴趣与偏好，做出针对个体消费者的需求预测，从而为他们提供专属的个性化产品和服务。然而纵观整个中国互联网，我们拥有海量规模的大数据，但与个体消费者针对性需求存在着巨大的鸿沟。现如今，每一个企业对其用户的了解都是片面的或者单个维度的。例如，卖运动装的网站A、卖休闲装的网站B和卖包具的网站C，都了解用户在自己网站的偏好，但却无法了解用户在自己网站外的行为和偏好。试想一下，如果网站A能够了解它的某位用户在网站B和C上的兴趣（比如非常喜欢紫色的休闲衣服和包），就可以预测该用户的需求偏好，更加精准地提供他可能也会喜欢的运动装。
在变革的同时，企业也面临着巨大的挑战。首先，使用大数据做需求预测，必须有丰富的数据库。目前，中国企业对数据的重要性还未有足够的认识，所以把握这个契机，大量收集数据，不但成本低，还能在未来需求预测的数据竞争中占据制高点。其次，技术水平对大数据挖掘的结果有决定性作用。基于大数据的需求预测不是一个模型的重复使用，而是涉及多个技术领域的流程、对不同产品和服务差异化的预测方法以及不断更新的数据分析和挖掘技术。此外，数据的收集、处理和储存也将耗费大量的成本，并面临着数据安全的风险。
大数据时代，数据为王。大数据作为一种理念，也作为一种方法，改变着需求管理的思维和途径。这种正被改变着的需求管理，正是企业模式变革与发展的推动者。
需求管理是集需求分析、需求判断、需求预测于一体的管理活动集合，需求管理水平的高低取决于整个需求链中各主体信息管理和经验判断能力及其整合的效果。需求管理对企业、尤其是传统企业有着重要的意义，它能够使企业的输入和输出相匹配，减少因两者差异而产生的成本和风险。然而，传统的需求管理往往出现较大偏差，无法最大程度地实现其意义。究其原因，无非是重视经验而非数据、收集数据杂乱无章、整理数据低效、预测方法单一等等。大数据时代的到来，为需求管理提供了新的思维和途径，与此同时，也对企业提出了更高的要求和更大的挑战。
一、需求管理基本逻辑的转变
一般地，我们认为需求预测发生偏差的根本原因在于信息不对称。大数据时代，我们将拥有充分的信息！例如，淘宝网出售的比基尼泳装在中国销量最高的地区不是我们以为的广东、海南等省，而是内陆的内蒙古和新疆。出现这样预测失败的情形，不是因为经验错误，而是有未考虑到的因素，即信息的缺失。如果有一个针对某种需求的完美的预测方法，那么我们可以设想，这种方法一定将所有信息、因素和关系都包含在内了。当然，这种完美的模型几乎不可能存在，但尽可能地使我们的需求预测模型包含更多信息，必然是完善需求预测的重要途径。为了获取更多信息，显然不能依靠经验，因为太多的信息早已超出经验的范围。而数据，则承载了所有的信息。这些信息中，有很多是很难被考虑到，或者即使考虑到也难以量化并加入预测模型的，比如人们的心理偏好。处理这些信息是很困难的，但数据提供给我们一个简易的结果，因为数据本身就已经是众多信息的拟合了，我们不需要深究这些数据是如何由信息拟合得到的，只要直接使用这些天然又准确的拟合结果做需求预测就好了。例如，在上面比基尼泳装的例子中，我们可能无法得到一个关于为什么内蒙古、新疆的销量比广东、海南好的最终解释，但我们实际上并不需要这个解释，因为原因已经包含在这个数据结果中了，无论我们是否能获得解释，都不影响做需求预测。因此，数据使企业在需求预测中对于市场信息不对称的情况得到巨大改观，企业掌握数据越多、挖掘数据越深入，拥有的信息量就越大，做出的需求预测就越可靠、越准确。
从另一个角度来说，数据的体量巨大，是大数据的最显著特点。基于这样的数据量级，我们基本可以认为“样本等于总体”。当我们可以用总体数据进行分析和预测时，抽样分析这样的方法显然已经落伍。因此，基于大数据的需求预测将使结果更加靠近真实情况，尽可能地缩小偏差。
二、需求管理基本理念的转变
大数据时代的需求预测，必须完全相信数据，同时，还要用新的方式看待和处理数据。人们使用互联网的形式不同，在互联网上留下了不同形式的数据，如文本、音频、视频等，它们内在不具备一定的逻辑和结构，因此被称为“非结构性数据”。这些“非结构性数据”难于处理，加剧了互联网数据的混乱程度，使得分析和预测的“精确”成为不可能。面对这样的境况，一方面要重视这些数据的价值，利用统计模型量化并深度挖掘这些数据来进行需求预测，另一方面要承认“不精确”，允许“不精确”的存在。
使用大数据进行分析，更多情况我们得到的是相关关系而非因果关系。虽然人类有从现象探寻原因的本能，但在大数据时代，我们大可不必死守这种思维美德。有些数据可以追溯到其内在因果关系，但有些却是我们现在的科技水平和对自然社会的理解无法解释、甚至与我们固有的认知完全相反的。在利用大数据的需求预测中，对于那些已知的内在因果关系，我们可以利用其确定外在相关关系的稳定性，使得预测结果更加可信，而对于那些无法解释的因果关系，我们完全可以暂不理会，放心大胆地利用数据的相关关系进行分析和预测即可。
三、需求管理驱动商业模式的转变
大数据时代，企业需求管理在理念和方法上的变革，如同人类历史上其他重大的工业和科技信息革命，极大地解放了需求管理的生产力，使其效率和效果提高到一个新的水平。因此，这样一个由数据和数据模型支撑起来的新的需求管理模式，对企业的发展是非常重要的。
沃尔玛作为世界上最大的零售商，拥有超过200万员工，销售额约4500亿美元。在网络带来巨大数据之前，沃尔玛在美国拥有的数据资源应该是最多的。2004年，沃尔玛对历史交易记录这个庞大的数据库进行了观察，这个数据库的记录不仅包括每一个顾客的购物清单以及消费额，还包括购物篮中的物品、具体购买时间、甚至购买日的天气。沃尔玛公司发现，每当季节性飓风来临之前，手电筒和蛋挞销售量都剧增。因此，暴风雨来临时，沃尔玛把蛋挞和飓风用品放到一起，增加了销量。这个销售行为成功的背后，是沃尔玛通过挖掘海量数据，在手电筒和蛋挞销量之间建立了相关关系，继而做出的需求预测。当时的这种挖掘数据进行需求预测并提升手电筒和蛋挞销量的方式仍可以被看作是一种灵机一动的、讨巧的销售手段，但是放在今天这个大数据时代下，若能将这种需求预测的方式更加普遍地运用到采购、库存、销售、定价等各个环节，无疑将是企业商业模式的一种变革，其结果是直接促进企业的发展。
在大数据时代，个性化的需求预测将颠覆一切传统商业模式，成为未来商业发展的终极方向和新驱动力。大数据为个性化商业应用提供了充足的养分和可持续发展的沃土，如基于交叉融合后的可流转性数据、全息可见的消费者、个体行为与偏好数据等等，未来的商业可以通过研究分析这些数据，精准挖掘每一位消费者不同的兴趣与偏好，做出针对个体消费者的需求预测，从而为他们提供专属的个性化产品和服务。然而纵观整个中国互联网，我们拥有海量规模的大数据，但与个体消费者针对性需求存在着巨大的鸿沟。现如今，每一个企业对其用户的了解都是片面的或者单个维度的。例如，卖运动装的网站A、卖休闲装的网站B和卖包具的网站C，都了解用户在自己网站的偏好，但却无法了解用户在自己网站外的行为和偏好。试想一下，如果网站A能够了解它的某位用户在网站B和C上的兴趣（比如非常喜欢紫色的休闲衣服和包），就可以预测该用户的需求偏好，更加精准地提供他可能也会喜欢的运动装。
在变革的同时，企业也面临着巨大的挑战。首先，使用大数据做需求预测，必须有丰富的数据库。目前，中国企业对数据的重要性还未有足够的认识，所以把握这个契机，大量收集数据，不但成本低，还能在未来需求预测的数据竞争中占据制高点。其次，技术水平对大数据挖掘的结果有决定性作用。基于大数据的需求预测不是一个模型的重复使用，而是涉及多个技术领域的流程、对不同产品和服务差异化的预测方法以及不断更新的数据分析和挖掘技术。此外，数据的收集、处理和储存也将耗费大量的成本，并面临着数据安全的风险。
大数据时代，数据为王。大数据作为一种理念，也作为一种方法，改变着需求管理的思维和途径。这种正被改变着的需求管理，正是企业模式变革与发展的推动者。