大数据的企业实践应用

从产业的角度，翱旗科技在去年年底参加过一个地方区域性产业发展规划的研讨，当时给领导汇报时，从这六个层次明确了一个区域如何做到产业发展。只有政府开放数据，我们才能很好地拓展整个行业或者区域。

对于企业来说，更关注的是大数据发展了这么多年，有哪些好的应用、好的场景可以为企业提供服务。去年给领导汇报时，他们也面临一个问题：制造业企业对大数据应用的诉求。所以，当时我们有一个很重要的点，对于企业来说叫应用成果层。这个里面有两块儿，一个叫组织应用，一个叫行业及数据应用。这两块儿应用的构建跟形成，依托于政府数据为基础，借用第三方的技术构建组织性的应用。

同时，组织性应用和行业应用我们也会形成对标户，基于对标户的形式，为企业提供一些服务。生产钢铁的企业和生产燃油的企业，可能对于销售的模型要求一样，但他们的数据源头或者数据诉求不一样。所以，对标户的概念是将一些通用的成果形成一些可以对比的成果物。从中国的制造业来说，这两年发展得比较快，一个工业企业在面临智能转型的时候，可能都会有一些问题。从汽车制造行业来说，传统的车可以行驶就可以，但现在要提供各种各样的服务。比如特斯拉，基本上是以工业仪表所捕获的数据，通过一些平台、一些算法、一些分析，最后为人提供一些服务，或者提供一些反馈信息，这些都是车辆企业现在所做的事。现在在给国内的整车厂，如国内生产SUV领先的企业，我们在给它做这方面的探讨。从工业角度来说，数据是智能制造的核心。

企业如何应用大数据。大概有五个方面：帮企业了解用户，锁定用户群体，帮企业锁定资源，帮企业做好规划生产，帮企业做好运营、做好服务。这五方面在大数据的一些概念上不陌生，但它的研发、销售、运营、内部管理、服务侧，可能都有各种各样的一些大数据需求，从整体上应该怎么去做，他们不是很清楚。

对于单点来说，以销售侧怎么去做也不是很清楚。我们以企业最了解用户这个点，给整车厂做了用户画像，用户画像就是给这个企业或者这个产品的受众群体做一个标签化。从技术角度把企业内部的电子商城、CRM、DMS，渠道的一些信息数据进行整合、清晰、转换，最后做模型算法。针对于已有的这些受众群体做一个用户标签化的概念，最后形成高频人群或者豪车一族等一系列概念、一系列模型。

我们可以基于这些做一个推荐系统，推荐系统不是很陌生，但整车厂做的所有用户画像的数据是车企本身已经有的数据。换句话说，只有在整车厂或者车企的4S店参观过，或者买过，或者有过意向的这种人群才可能买这个汽车。在车企上叫销售转化率，或者线索转化率。我们给车企整车厂聊时，他们也困扰如何获取这些数据。所以，当时我们把一定的人口基本数据，比如他的社保、公积金、收入、经营消费等数据拿出来一部分，结合车厂现在做的用户模型做用户画像。

所以，基于这种方式，我们从一个被动销售变成一个主动销售，把服务中心的价值提升一下，完成一个主动销售的过程。整个来说，我们为车企不光做了一个大数据的应用或者模型，更多的为它的销售提供了一些辅导的意见。

翱旗科技是一家专注于数据研究的公司，采集、融合、集中管理、存储、挖掘分析有整个基础产品。从产品的纬度，翱旗科技所有的产品，基本上覆盖了整个大数据技术生态链的所有技术链条，不管各个部委，还是各个业务系统，或者数据类型，结构化或者非结构化，现在都已经做到一个整体的接入。

大数据概念不陌生，但政府和企業都面临着大数据落地难的问题。对于整车厂来说，我们在做初期调研和初期规划的时候，做了三件事：第一件是IT调研，第二件是业务调研，第三件是数据调研。这三件事看似跟大数据本身没有什么本质关系，但在做完数据调研时，我们发现很多业务需要改进。

做大数据的时候，我们要考虑去解决一些现状问题。基于这些，我们给它做了几个阶段的行动计划。研发侧应该做数据的治理以及数据资产化的转变，销售侧应该做大数据应用以及数据的这种交易的一些概念，内部管理侧应该做深度挖掘、深度分析。每一侧或者每一个业务模块和单元，我们都会做最终的事情。最后落地，我们会依托顶层设计做一个整体方案、三阶段、分模块设计。

另外，我们在做大数据实施时，会有一个点叫迭代性。所以，我们去给整车厂做大数据项目时，我们灌输的理念叫平台是死的，但是机制是活的。不管我们给企业构建大数据平台还是数据平台，把这种对于数据理解或者说数据应用的概念保留给企业。比如，车企的员工进工厂要打卡，出工厂也要打卡，包括安检，这就是一种模式或者一种浅性的规则。

未来，我们应用大数据时，也需要把数据的重要性提升到一个规则上。所以，我们给整车厂做的概念叫数据的大平台，碎片化的应用。应用我们可以随便变，但数据平台是我们的核心。