大数据环境下企业竞争情报的应对策略研究

李冉

摘 要：如今大数据已逐渐渗透到每个行业和领域，并且成为信息社会最重要的数字资产，大数据技术也开始向提供竞争情报的方向发展，并且在企业中的应用态势越来越明显，为企业竞争情报的发展带来了新航向。本文将分析大数据环境下企业竞争情报面临的机遇和挑战，并对应对策略进行研究。

关键词：大数据 企业竞争情报 挑战 对策

对于现代企业来说，获得长远的发展不仅需要技术和管理，也更需要竞争情报的支持。为获得和维持企业的竞争优势，企业需要获得很多有关自己、对手、竞争环境以及众多新兴领域的信息，竞争情报也成为很多企业战略决策的基础。大数据与竞争情报的结合，能够为企业带来新的数据共享和价值分析体验，大数据也给情报服务在理念、模式、方法和技术上注入了新的思维，并将为促进企业发展和竞争力的提升提供有效的决策支撑。

一、大数据和企业竞争情报

企业竞争情报的分析，就是从原始的数据源中发现关于竞争环境、竞争对手的信息，从而制定竞争策略情报，形成高附加值产品的过程。而随着信息技術的不断发展，互联网的普及应用，各种终端设备记录了人类社会复杂频繁的海量行为数据，大数据已渗透到各个行业和领域之中，逐渐成为重要的生产要素。大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，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，具有5V特点，包括Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。大数据提供了一个全新的信息生态环境，给企业竞争情报研究带来了深刻的影响，促使其不断地创新和变革，以适应企业在大数据时代获取核心竞争力的需求，使得竞争情报更趋于明朗化，帮助企业及时准确地掌握市场方向。

随着企业对竞争情报重要性的认识进一步提高，竟争情报在企业日常经营活动中的作用日益凸显。但是大数据给竞争情报带来巨大机遇的同时也带来诸多问题和挑战。这些挑战包括很多层面，比如产业内外部情报环境空前复杂，数据来源的多元化、数据类型的多样化、数据增长更新的动态化都考验着产业数据情报搜集分析能力等。因此，大数据时代的企业竞争情报研究要走传统情报分析方法与大数据技术相结合的发展道路。企业竞争情报的研究唯有采取积极的应对措施，及时转变思路顺应新技术的发展趋势，积极探索大数据的应用、挖掘大数据的价值，才能为打造企业可持续的竞争优势提供支持。

二、大数据为企业竞争情报发展带来的机遇

2.1 大数据为企业竞争情报提供更多来源

大数据为企业竞争情报提供了更加多样，也更富价值的来源。由于大数据整合了各种类型的数据，并且具有很强的关联性和结构性，这样就使得竞争情报来源更加多元化。对于商业企业来说，大数据可以整合包括用户数据、交易数据、交互数据、线上数据、线下数据等各种类型的数据，如果利用好这些数据情报，则可以发掘出很多隐含的商业机会。此外，企业通过这些数据情报也可以帮助和指导企业对各级业务流程的任何个环节进行有效运营和优化。对于关心用户消费趋势的企业来说，大数据不仅是数量上的堆砌，更具有非常强的关联性。特别是用户与用户、用户与用户行为、行为与行为之间都具有确定的关联性。企业通过分析挖掘数据中的信息，能让竟争情报工作者迅速捕捉用户情绪变化和市场走向，从而使企业能够更为主动地制定市场营销的战略

2.2 大数据能让企业产业竞争情报分析水平提高

大数据能让企业产业竞争情报分析的真实性、精准性和实效性进一步提高。大数据所包括很多不同来源来的数据，如果公司有网站，那么就有大量的访问数据、社交媒体账户数据、接受信用卡付款数据等，哪怕它是家只有人经管的店，都能从其客户体验、网站流量等方面收集数据。这些数据就从不同角度为情报分析的真实性、精准性和实效性提供了基础。也就是说，大数据技术可以为企业竞争情报研究提供“真材实料”，多层次、全方位的情报搜集才能保证数据质量的精准可靠：而云计算技术的应用则可以给企业的分析减轻了压力。

三、大数据时代企业竞争情报面临的挑战

3.1 大数据时效性阻碍信息管理及时有效性

大数据时效性阻碍信息管理有效性如何及时发掘并分析海量的动态异构数据，为企业竞争情报研究提供准确情报，是摆在竞争情报人员面前急需解决的问题。具体表现包括：大量涌现的数据给常规化信息管理带来巨大负担，维护、存储工作成为难点；数据本身具有膨胀及多样化特点，迫使相关情报人员必须具备敏锐的预知和感知能力，才能全方位、多层次地做好情报收集工作，保证数据质量精准、可靠；数据的风险和安全问题。任何信息技未的升级和应用都是把“双刃剑”，比如，企业应用云计算技术，能直接减轻企业内部管理压力，但同时也带来巨大的数据风险。

3.2 大数据的涌现性难以驾驭

大数据的涌现性特点导致数据的获取、分析、度量、预测等多方面都难以随心所欲地驾驭，主要表现包括：模式涌现性，在异质性及多样性共存的网络数据中，数据的属性和功能既有一定联系，又存在一定差别，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；行为涌现性，数据采集和存储技术的发展使数据本身的时序性特征更为明显，但是，在社会网络中个体及群体的行为都基于大量数据实证分析，给数据精细化管理分析带来巨大难度；语义涌现性，通常在开放自由的网络空间中，大量个体性语义随相应网络数据动态更新进行演化并融合，从而促使其形成新的语义。

3.3 大数据的认知程度不足

大数据蕴含丰富的情报数据，且具备重要价值。但目前大多数企业仍受困于数据分析和理解。对企业来说，挑战重点主要表现在企业对大数据认知的限制及制约，具体表现包括：严重缺乏复合型人才，大数据的情报分析和处理急需相应交叉学科背景的团队进行协作，竞争情报的提炼及发展过程并不是单一的技术问题，个人无法完成全部工作；严重缺乏专业机构，多数企业都没有建立起系统化的情报及决策部门或团队，很容易陷入被动地位；知识普及不足，除一些国际知名IT企业外，只有少部分企业会将大数据研究工作直接纳入企业战略发展规划和相应业务培训中，导致部分员工对大数据认知不足。