大数据时代企业竞争情报的机遇、挑战及对策研究

王 晴

山西大学经济与管理学院，山西太原 030006

大数据时代企业竞争情报的机遇、挑战及对策研究

王 晴

山西大学经济与管理学院，山西太原 030006

大数据时代的到来引发了数据分析和处理方式的变革。大数据具有大容量、多类型、快速度和低价值等特性，在解析大数据的基本内涵和多元价值基础上，从数据的属性角度剖析大数据给企业竞争情报工作带来的机遇和挑战，认为竞争情报首先要突破传统系统模型的束缚，构建一个基于大数据分析（BDA）技术的竞争情报模型，并建议企业将重心转移到基于移动互联的动态竞争情报分析上。

大数据；竞争情报；机遇；挑战；应对策略

一、引言

正当云计算和物联网等新兴IT（产业）如火如荼之时，一个新概念——大数据（big data）迅速“红”遍各界，由此引起的各种讨论广泛进行着，对社会经济活动产生了重大影响。据国际数据公司（IDC）统计，全球数据量将以每年翻一番的速度暴增，至2020年可达到 35ZB（1ZB≈10亿 TB），社交网络、电子商务和地理信息系统等领域所创造的非结构化数据对快速分析和处理能力提出了更高的要求。大数据时代的到来，正在引发竞争情报研究的新思维和新发展，研究人员也在不断总结经验，探析发展动向。对于竞争情报研究人员而言，如何从实时更新的动态数据中挖掘出商业价值和情报，是竞争情报研究的现实课题。

二、大数据的内涵及价值

（一）大数据的基本内涵

从目前的研究来看，大数据仍是一个描述性的概念，缺乏学理性的总结。IT业界通常用“4V”来描述其特征，即数据容量（Volume）大，数据种类（Variety）多，处理速度（Velocity）快和价值（Value）密度低，大数据看似是个前所未有的新名词，但事实上，大数据只是数字化社会发展中的一种新现象，数据量的指数级增长已经持续一段时间，相关技术和产品并没有发生革命性变化。

从产业的角度看，大数据是指伴随在互联网和物联网运行过程中，系统地整合数据存储和挖掘、价值提炼和应用、智能处理和分发的综合性信息服务，即通过对大量动态可持续的多结构数据的深入挖掘，迅速获得洞察力和新价值的能力，以支持组织或个人作出科学决策。从技术的角度看，大数据是指无法用现有的软件工具提取、存储、检索、分析、处理和分享的海量复杂数据集合，精确过滤和筛选出有价值信息并输入决策系统，传统的挖掘工具仅针对关系数据库，已不能适应新形势的要求。这种根本性的差异主要表现为：①数据规模和类型，若以MB为基本单位定义小数据，则大数据的起点便是PB，同时非结构化和半结构化数据在总量中所占比例大幅提高；②数据模式和关系，传统模式是先构建数据库再导入数据，而大数据环境下两者关系趋于不确定；③处理对象和工具，大数据的关联性将引起处理工具的变革以及人、机、物的融合。

（二）大数据的多元价值

1.大数据的社会价值

网民创造的海量数据记录着他们日常活动信息，这是现实和网络深度融合的产物，蕴含着很多规律性、常态性行为信息，反映了网络舆情和民意诉求。大数据的社会价值主要有：①高效率的数据分析能够为政府提供潜在的收益，为妥善处理社会公共问题提供依据；②有助于行政资源的优化配置，使公共支出效益最大化；③大数据在公共服务领域的具体应用，可以提高政府部门的决策水平，④将各部门搜集到的数据归类整理和分析，可以解决情报系统的不足问题，提高安保能力。

2.大数据的科研价值

诚然，大数据的巨大科研价值必将推动科学发展并催生更多的研究机遇。Nature和Science分别在2008和2011年出版专刊来探讨大数据问题，此后，包括ERCIM News在内的各大权威刊物均设专栏研讨大数据环境下的学科创新性发展。大数据的兴起也引起了许多国家政府的极大关注，2012年3月，美国公布“大数据研发计划”，欧盟也有类似的战略举措。2013年中国自然科学基金委员会《项目指南》有关大数据的研究计划占很大比例，受到申请者的热烈响应。大数据的科研价值有：①大数据的兴起促使云计算进入以“分析即服务”（AaaS）为标志的“Cloud 2．0”时代，采用大数据处理方法，可大大提高科研转化率；②大数据引起了学界对科研方法论的重新审视，引发了科研思维与方法的革命，从实验科学到理论科学再到 “第四范式”（The Fourth Paradigm），同时，科研的进展将有力地推动大数据的应用，为行业培育专门人才。

3.大数据的商业价值

随着人们收入水平的提高和消费需求的多样化，包括搜索、收藏、购买和评价等在内的关联性行为，便捷的在线服务改变了群体交互方式，构成了在线用户创造内容（UGC），为企业深入挖掘数据提供了多源头、低成本的商业竞争模式，不同行业对大数据的关注度明显增加，同时移动互联网和物联网的兴起和广泛应用，促使数据的增长具有实时性，动态性和多样性，同时也蕴藏着巨大的情报价值。总结起来，可以归纳为以下几个方面：①优化企业信息管理，如降低归档成本，通过分析用户行为习惯，获取竞争情报；②改进企业商业决策，摒弃传统逻辑性分析的弊端，开辟新路径以提高整体的创造性思维能力，如预测和规避业务风险，探测和开发新兴市场。随着大数据的广泛应用，企业开始意识到数据作为核心资产的重要性，并将这些数据的有效利用作为企业决策的核心任务。

三、大数据对企业竞争情报工作的影响

（一）大数据时代企业竞争情报的机遇

1.大数据的多样性

从数据的本身特性出发，大数据带来的机遇主要包括以下几点：①数据的全面性和真实性，数据来源包括Facebook、SNS、Twitter、微博等社交媒体产生的交互数据，电子商务和在线支付等交易数据，GPS、RFID和GIS等行为数据，这些数据从不同角度透视着企业现有和潜在竞争对手所处的行业环境和服务类型，为提升企业的洞察力提供可靠的情报资源，另外，数据过滤越仔细，分析结果越有效；②数据的及时性和实时性，移动互联网络的广泛应用，影响了人们的生活工作方式，组织和个人微博的开通，用户可以随时随地将自己的感受、想法和兴趣等信息公之于众，企业可以将自己的服务、应用和需求向社会公布，企业竞争的焦点转向服务，谁能更好地“锁定”用户，谁就赢得先机；③数据的社会化和精细化，数据的社会化是大数据时代的趋势，许多社会化数据反映了用户的兴趣、知识背景、社会观、技能和经验，通过分析数据之间暗含的内在规律，并发现这些数据与用户行为之间的关系，通过“回访”赢得大规模的“粉丝”，通过实时监控社会化情绪信息获得用户的真实看法，调整营销策略，提高用户满意度。同时，利用数据挖掘创造竞争情报也是企业现实需求，透过数据看本质，可以挖掘出数据背后的情报价值。

2.新技术的可选性

构建大数据环境下的企业竞争情报系统，可以从现有的应用中借鉴成熟技术以解决某些棘手问题。①云计算技术平台，近几年，IT企业纷纷提出了各具特色的云计算系统或解决方案，包括：Google云计算平台，由分布式文件存储系统、并行数据处理、分布式锁和结构化数据表构成应用服务平台，集成了海量数据库和程序设计等功能，按指令分工协作；IBM的“蓝云”（Blue Cloud）计算平台，提供客户定制服务；Sun公司IT优化解决方案，由开源存储、Eco计算方案、模块化数据中心、CMT服务器、统一存储系统和Web在线等组成，提供在线业务服务；Microsoft的Azure云平台，利用虚拟化、智能化的资源分配手段，为客户提供服务；Amazon的弹性计算云（EC2），在虚拟的交互集群环境中实现网络界面上的多方互动。②大数据分析 （Big Data Analytics，BDA）技术，包括数据挖掘、统计分析和预测等核心模块，以及聚类分析、文本分析和信息可视化等呈现技术，基于大数据的“4V”特征，BDA可利用阿帕奇Hadoop技术实现从数据到情报的功能转换，BDA注重数据与技术的有机融合，提取有价值的情报以支持决策，BDA也可利用Objectivity公司开发的InfiniteGraph（IG）分布式图数据库进行关系分析，用于竞争情报的获取、感知、分发和融合（即构建竞争情报系统）等诸多处理环节。

（二）大数据时代企业竞争情报的挑战

1.大数据的涌现性

大数据的涌现性（emergent properties）使得数据的度量、获取、分析和预测难以得心应手地驾驭，主要表现在三个方面：①模式涌现性，在异质性和多样性共存的网络数据中，数据的属性和功能既有联系又有差别，一方面从整体性体系中涌现出某种具有局部特征的特定模式，另一方面，数据的关联性又催生出具有模块化性质的网络数据模型，在演化过程中自发地聚合或分离；②行为涌现性，数据采集和存储技术的发展使得数据的时序性特征更加明显，而社会网络中的群体或个体行为则是基于一系列大量时序数据的实证分析，相似性越大的个体越容易形成自组织的小群体，这给数据的精细分析带来不小的难度；③语义涌现性，在开放自由的网络空间中，大量自发个体的语义随着网络数据的动态更新而演化并融合，不断形成新的数据含义，众包（crowdsourcing）正是由此产生的新的生产组织形式，它的核心特征即是群体或个体的不确定性。可见，网络环境下的大数据是一个复杂多变的动态数据集合，数据产生和使用的主体角色相互转换，彼此关联。

2.大数据的时效性

如何确保海量的动态异构数据得到及时挖掘和分析，为企业竞争情报研究提供“真材实料”，是摆在竞争情报工作者面前亟待解决的问题。①涌入的大量数据给常规化的信息管理带来负担，存储和维护成为主要的难点；②数据的膨胀和多样化，迫使情报采集人员要有敏锐的感知能力，多层次、全方位的情报搜集才能保证数据质量的精准可靠；③数据的风险和安全，任何信息技术的升级和应用都是一把“双刃剑”，云计算技术的应用给企业减轻了压力，同时也带来了潜在的数据风险，企业的数据可能会集中在某一块“云”里，一旦这块云出现安全问题，企业数据将面临巨大灾难；④数据的集成和整合，相对于传统的情报采集子系统而言，大数据环境下的分布式数据采集源是动态变化的，稍不留神就有可能错失良机，过时的数据不仅增加情报系统的负担，还有可能导致错误的判断。因此，有必要构建一个具有机动反应能力的采集组织或协调小组。

3.大数据的认知度

大数据蕴藏着丰富的情报价值，但是目前为数众多的企业还是困惑于理解和分析数据。大众购买习惯、生活方式以及观念等数据对商业机构的竞争价值是不言而喻的。正如固定或流动资产一样，大数据已成为企业核心资产的一部分，并产生新的商业模式和回报。如何运用好大数据，挖掘数据资产的情报价值是大数据时代最核心的挑战，也是对企业（尤其是情报部门）认知能力的一大考验。对于企业而言，挑战的重点不是如何管理已经或正在被创建的海量数据，而是如何整合和有效分析不同层面的数据，企业对大数据的认知能力受三个方面的制约：①复合型人才的匮乏，大数据的情报分和处理需要具备交叉学科背景的团队协作，竞争情报的提炼过程已经不是单一的技术问题，个人不可能完成冗杂的全过程；②专门机构的缺失，中小企业没有建立系统的情报部门或决策支持团队，容易陷于被动地位；③知识普及的不足，除了国际知名的IT企业外，很少有企业将大数据研究纳入企业的战略规划或展开相关的业务培训，员工对大数据的认知尚属初级阶段。

四、大数据时代企业竞争情报的应对策略

（一）突破现有竞争情报系统模型的束缚

如何建立符合企业实际需求的竞争情报系统一直是困扰学界的难题，主要有两种观点。第一种是流程观，认为竞争情报系统是一个面向业务操作流程的不断演化的企业管理子系统，主要功能是追踪行业变化趋势，评估行业发展水平，锁定现有和潜在的业务竞争对手，搜集、分析和处理数据，协助企业保持可持续性的竞争力；第二种系统观，认为竞争情报系统是计算机系统的辅助分析子系统，且这样的观点多来自于计算机专家，情报是人脑劳动的结晶，计算机只能处理信息，因此，又出现了人机系统的说法，认为竞争情报系统是以人工智能和信息技术相融合的旨在增强企业竞争力的人机结合的决策支持系统。显然，上述两种观点都有利弊，一个富有生命力的竞争情报循环系统需要考虑企业的规模、业务和环境等诸多因素，依据单一要素构建系统都是有缺陷的。若将系统论引入到情报流程中，可在一定程度优化这一模型。①加入“情报规划”环节，界定需求目标和方向，增强决策反馈后评估的针对性，②加入反竞争情报子系统，主动出击和积极防御是情报活动相伴而生的两面，忽略反竞争的战略意识，将削弱整个情报系统的凝聚力和承载力，③融入“情报意识”，主要通过培育企业文化、制度建设和集中培训来增强员工的情报意识，④加入“随机项”增强机动性，在大数据时代，信息量复杂多变，一个静态的系统无法有效捕获和洞察潜在的竞争情报，⑤注重“公开数据”，行业信息披露制度给予了企业获取公开信息的新思维，通过综合分析公开数据，可以为整个竞争情报系统提供辅助支持。

（二）构建基于BDA的企业竞争情报模型

大数据时代的数据结构是多样化的，因此大数据竞争情报的策略核心是分布式计算和分布式数据管理，大数据分析（BDA）实质上是包含了采集、恢复、存储、管理、挖掘、分发和共享等一系列流程的决策支持系统，BDA由于大数据的兴起而 “焕发青春”，在竞争情报中的应用主要有两个方面，一是用于多源情报融合，包括多源情报的集成、复杂数据的索引、异构数据库的联合以及情报分析等流程，它是一个协同环境下的开放式、自适应的竞争情报分析系统；二是用于社会网络关系分析，如Objectivity公司开发的InfiniteGraph（IG）复杂结构化查询语言（SQL）数据库，处理流程主要包括情报对象的分类、确定节点关系、“顶点？边”映射、分析关系和可视化呈现等流程，并最终生成综合性竞争情报。将相关因素引入到系统中，构建一个基于BDA的企业竞争情报模型如图1所示。

图1 基于BDA的企业竞争情报模型

从系统图可以看出，大数据时代的情报数据源是复杂的，整个分析和处理流程如下：①将采集并存储在企业专有数据仓库中，同时将传统数据直接输入SQL数据库，②利用文本分析等BDA技术对所有数据进行过滤和清洗等预处理，形成格式化信息，③同理，将信息进行提炼和整合为有用知识，④管理层利用情报部门提供的知识做出决策，并指示下一步的工作方向，⑤有选择性地向业内专家咨询，获得企业竞争情报的安全预警信息，输入至决策系统，供企业高层参考，同时可以采取两个辅助措施，一是将密级较低的需求实行众包，以提高决策质量，二是将常规情报加密后放入公共云，核心情报加密（或与云计算提供商签订保密协议）后存入私有云，以降低企业的竞争情报管理成本。

（三）重心转向基于移动互联的动态竞争情报

3G的普及、无线网络的发展和手机应用的创新促成手机网民数量的快速提升，据中国互联网络信息中心（CNNIC）统计，截至2013年6月底，我国网民规模达到5．91亿，互联网普及率为44．1%。手机网民规模达4．64亿，其中手机在线支付、团购、娱乐和互动的比例增长迅猛，网民和消费者的界限越来越模糊，咨询、沟通、娱乐和电子商务活动每时每刻都在创造大量数据，对于研究用户行为有重要价值，这些数据资产已经是企业竞争优势的核心部分。如Datasift检测机构通过分析Twitter用户的情感变化倾向，精确地预测了Facebook短期的股价波动趋势，可见，这种关联性较强的网络社交数据能够为企业竞争情报分析提供有力的材料。另外，时效性是大数据和竞争情报的共性，因此，面对大数据环境，竞争情报的动态实时获知能力成为关键，企业应树立动态竞争情报观，与知名搜索引擎公司合作设立网络数据监测点，将实时数据迅速传回企业竞争情报系统。无处不在的移动互联网络和手机在线支付给用户搜索、购买和评价商品带来了便利，吸引着更多的传统消费者将消费习惯转移到电子商务平台，与此同时，用户也在网络留下许多痕迹，正如，打开某知名购物网站消费后，在类似的网站会“自动”推荐同类产品，这就是数据的力量，因此，越来越多的专业咨询公司开始利用社会网络来获取信息，通过微博等网络社交平台获取“非正式”信息的企业呈上升趋势。

五、结语

信息技术是把“双刃剑”，在给企业竞争情报工作带来便利的同时，也带来了困境，大量的动态多结构数据铺天盖地而来，互联网和物联网的深度融合，加速了网络大数据的增长速度，也丰富了数据的内容。数据是企业的核心资产，而情报决策是大数据应用中最核心的管理问题。开展积极有效的竞争情报工作可以增强企业的核心竞争力，保持行业地位和市场份额，如何在大数据环境下抓住各种机遇，突破各种困境，需要企业提高情报意识、积极组建或调整团队，并紧跟研究态势，化“危”为“机”。目前，业界已经开展对大数据应用的实践探索，企业应综合利用各种大数据分析技术，增强竞争情报工作的严谨性和智慧化，实现竞争情报工作的可持续性健康发展。

［1］冯芷艳，郭迅华，曾大军，等．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）：1－9．

［2］严霄凤，张德馨．大数据研究［J］．计算机技术与发展，2013，（4）：168－172．

［3］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，（1）：146－169．

［4］邬贺铨．大数据时代的机遇与挑战［J］．求是，2013，（4）：47－49．

［5］李国杰，程学旗．大数据研究：未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考［J］．中国科学院院刊，2012，（6）：647－657．

［6］姜晨怡．大数据如何创造商业价值［N］．科技日报，2013－7－26．

［7］吴金红，张飞，鞠秀芳．大数据：企业竞争情报的机遇、挑战及对策研究［J］．情报杂志，2013，（1）：5－9．

［8］吴吉义，平玲娣，潘雪增等．云计算：从概念到平台［J］．电信科学，2009，（12）：23－30．

［9］杨小牛，杨志邦，赖兰剑．下一代信号情报侦察体系架构：大数据概念的应用［J］．中国电子科学研究院学报，2013，（1）：1－7．

［10］王元卓，靳小龙，程学旗．网络大数据：现状与展望［J］．计算机学报，2013，（6）：1125－1138．

［11］黄晓斌，钟辉新．大数据时代企业竞争情报研究的创新与发展［J］．图书与情报，2012，（6）：9－14．

［12］曾忠禄．企业竞争情报系统再定义［J］．图书情报工作，2007，（11）：10－13，24．

［13］李萱格，司有和．企业竞争情报系统（CIS）模型新探［J］．图书与情报，2008，（6）：75－78，102．

［14］张春磊，杨小牛．大数据分析（BDA）及其在情报领域的应用［J］．中国电子科学研究院学报，2013，（1）：18－22．

［15］中国互联网络信息中心．第32次中国互联网络发展状况统计报告［EB／OL］．http： ／／www．cnnic．net．cn／hlwfzyj／．2013－08－09．

［16］刘高勇，汪会玲，吴金红．大数据时代的竞争情报发展动向探析［J］．图书情报知识，2013，（2）：105－111．

Research on the Opportunities，Challenges and Strategies of Enterprise Competitive Intelligence System in the Era of Big Data

WANG Qing
（School of economics＆ management，Shanxi University，Shanxi Taiyuan 030006）

The arrival of the era of big data caused changes in the way the data analysis and processing， BD have the features of large volume， diverse variety， rapid velocity， low value．Based on analysis of the connotation and value of data， starting from the attributes of data， analyzed the opportunities and challenges of the enterprise competitive intelligence work， first of all， the enterprise must break the bondage of traditional system model，constructs a model of competitive intelligence based on Big Data Analytics，recommends the enterprise to shift the focus to analysis of dynamic competitive intelligence based on the mobile internet．

big data； competitive intelligence； opportunities； challenges； strategies

F270.7

A

2095－5537（2013）04－00083－05

2013-10-19

王晴（1986—），男，汉族，江苏省宿迁人，山西大学2011级情报学硕士生。研究方向：信息管理。

责任编辑：刘文华 刘凯文