陈吕梁

[摘 要] 云储存技术将人类带入大数据时代，改变了传统的生产生活方式。用户每天产生的庞杂数据蕴含着巨大价值，能够挖掘数据价值的企业将获得极大竞争优势，将大数据作为一种研究方法，从大数据的技术特点出发，分析大数据在商业价值链中的作用，以其价值为切入点，提出大数据管理的基本原则，并给出应用步骤与原理，以及运用过程中需要关注的数据安全问题。

[关 键 词] 大数据；企业管理；服务对象；数据安全

[中图分类号] F27 [文献标志码] A [文章编号] 2096-0603（2016）19-0116-02

一、引言

（一）大数据的发展历史

电子计算机作为第三次工业革命的伟大成果，被广泛运用到生产、管理之中，推动了信息自动化的发展。计算机网络的诞生使计算结果得以广泛传播。计算机于互联网的结合使得人类进入信息爆炸时代。第一个商务智能系统由Metaphor计算机系统有限公司开发出来，用于连接销售信息和零售的扫描仪数据。自此，数据在商业领域得到重视并逐渐被广泛利用。

由于本地设备与传输网络的限制，分布式计算应运而生。“云”是由众多计算机组成的储存系统，用户产生的信息被实时保存在云中，需要使用时下载即可，“云”推动大数据发展成为当今热点技术。

（二）大数据带来的改变

大数据（big data），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来适应海量、高增长率和多样化的信息资产。近年来，信息产业的发展带动了社会各领域的深刻变革，人类社会开始基于全面信息和网络的新的发展模式。

大数据带给我们的三个颠覆性观念转变：

1.掌握全体数据：大数据技术突破了样本局限性，人们有能力掌握全体数据。

2.处理混杂性：超量数据弥补了统计学样本量数量限制造成的精度不足，将大数据技术用于大体发展方向的研究，掌握宏观层面的洞察力能够获得较高效益。

3.注重相关关系：大数据情况下人类只要了解发生事情的相关关系即可，在不了解其原理的情况下，大数据也可以有效发挥价值。

二、研究现状

（一）第四范式

2007年1月，吉姆·格雷（Jim Dray）——数据库软件的先驱，将对计算机架构和大规模数据处理机制的转变称为“第四范式”（下表所示为科学发现的4种范式）。他认为，必须开发出能够进行海量数据分析的计算公式以适应这种范式。EMC与IDC对大数据进行了总结与预测，与2011年6月发表《从混沌中提取价值》。此后大数据成为一种新的研究方法，受到各界广泛关注。

四种范式

道格·莱尼（Doug Laney）将大数据的特点总结为数量（Volume）、速度（Velocity）和种类（Variety）。国际数据公司（IDC）2011年发布的报告中提出了另一重要特点，价值巨大但密度很低（Value），在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中又新加入了真实性（Veracity），这种定义获得了广泛认同。大数据技术的核心是利用数据，“如果不利用所收集的数据，那么你所拥有的只是一堆数据，而不是大数据”。

（三）大数据的价值链

迈克尔·波特提出“每一个企业都是在设计、生产、销售、发送和辅助其产品的过程中进行种种活动的集合体。所有这些活动可以用一个价值链来表明”。企业胜出的关键来自价值链上关键环节的优势，大数据的到来使企业能够更深入地发现、转换、利用这些优势。

卡夫食品通过采用IBM大数据与分析方案，利用python爬虫在微博、论坛抓取产品相关信息，并进行数据分析，成功完成产品升级，该案例充分证明大数据对企业竞争力的影响。

三、大数据与企业管理

（一）大数据在企业管理中的价值

大数据的主要作用是通过对大量数据的检测分析，发现寻常管理中难以发现的问题，从而提升企业的竞争能力。大数据在企业管理中有三个作用环节：发现市场、优化运营和企业决策。

现阶段，产品的竞争已经不仅仅满足于质量与价格，竞争更深入地达到谁更能有效地满足目标消费者需求。云时代消费者的一切行为都将生成数据，并存储在云服务器上，如果有人能够分析利用这些数据，就能发现消费者的需求甚至能创造出超出消费者预期的产品。

而从优化方面，将企业的生产运营数据保存在企业内部网络之中，通过对企业内部运营的数据进行分析，可以发现企业运行中的异常数据，从而发现并控制企业运营中的异常行为，从而优化企业的生产销售乃至各部门的活动流程。

在企业决策中，掌握数据优势的一方可以更加准确地发现市场，做好产品定位，同时通过更为精准的营销活动，创造出比竞争对手大得多的利润，可以有效提升企业竞争能力，在企业合作中，良好的大数据使用能力也能成为企业至关重要的谈判筹码，良好的大数据能力有利于企业做出科学决策。

（二）大数据在企业管理中的运用步骤

大数据在实际使用中可以根据数据特性分为两个类别，数据共性和数据个性。这两者都分为4个步骤：收集数据、整理数据、分析价值和实现应用。共性和个性的区别主要在应用上。

在大数据这一前提下，搜集数据这一步骤相比地面推广要容易得多，通常情况下用户本身不自觉的行为就在产生数据，将自己的喜好以数据的形式上传。比如在用网易听音乐时，会对喜欢的音乐点击喜欢标志，甚至下载，而不喜欢的就会删除。这一过程中的数据收集活动，在消费者自己选择的过程中就已经生成了。而当有一些未曾出现过的产品需要进行数据收集时，也可以用近似的产品进行替代，或者在既有平台上进行调查活动。

数据整理由大数据的价值特性所决定，需要先对数据进行整理。数据整理这一步骤分为三个部分：数据清洗、数据集成和数据存储。首先需要对云端服务器中的大量数据进行清洗，找出与均值偏差较大的数据，这些数据或人为或意外造成，可参考性较低。

数据集成，是对各种渠道取得信息符合分析标准的标准化处理，之后便是把集成的结果进行存储，方便进一步的分析之用。

分析价值上大数据和营销学的目标有所不同，在庞大数据量的压力下，数据间关系的判断很难由人来完成，同时在商业应用阶段，只需要相关关系就可以满足商业运用的需求。

实现应用则是要对分析的结果付诸实践，需要由实际应用的结果来判断分析结果的价值，从应用中搜集到新的数据，发现企业运营问题，从而提升竞争力。

（三）大数据在企业管理中的运用原理

具体对于数据的应用上，则分为共性运用与个性运用以及二者的结合。三者各自针对不同的消费对象，也有着不同的理论解释。

大数据的共性运用是使用聚类分析为基础，应用在种类少、价值量高的产品上，以一种产品面向所有消费者。如电子设备、影像设备等；在电子设备中，如手机，大数据可以回答消费者需要什么样的手机，企业该生产什么样的手机，该如何策划，如何运营等问题。企业厂商可以通过对现有市场的消费情况进行分析，得到消费者购买各型商品的理由，从而有针对性地设计下一代商品；在影像制品中，出版商可以根据已经面世的产品来设计制作下一代产品，如好莱坞电影日渐成熟的商业模式可以佐证。

大数据的个性运用则是基于长尾理论，主要以多种低价值的商品面对同一消费者。根据二八定律，20%的产品占据80%的利润，而剩下80%的产品占据20%的利润，但在互联网背景下，多种数字产品呈现出零边际成本、零销售成本等特点。因此，常规状态下占据20%利润的长尾产品，也有相当可观的利润。因此，部分企业会搜集消费者个人的喜好，有针对性地对消费者个人进行营销活动，可以大大提升营销成功率。

此外还有一种可能，从消费者个人习惯的个性活动发展成为消费者群体的共性行为，而这之间就需要从质变到量变的“引爆点”。由马尔科姆·格拉德威尔提出，用以解释商品流行的内在机理。该理论认为流行却确实存在着其必要条件——联系员、内行、推销员这三种人导致流行的发生。通过大数据技术可以发现这些人员，从而有针对性地制造潮流的必要条件，提高产品成为现象级产品的可能性。

四、大数据的挑战

大数据发展主要面临两个层面：一个是技术层面，一个是道德层面。

技术层面主要是数据可信性和大量访问控制。大数据的可信性，数据即事实，让事实说话是大数据的普遍观点。实际上，数据也存在可信性问题，主要由信息错误或信息失真造成。其次是数据使用权限有关的大量访问控制，访问控制的难点主要在于难以预设角色和角色划分，访问者通常来自不同的部门，有不同的目的，大数据中有大量用户需要实现权限管理，难以预先设置角色。

在道德层面则主要是数据安全问题企业既是数据的生产者又是数据的存储、管理和使用者。目前用户数据的搜集、储存、管理与使用都缺乏相应的规范与法律标准，主要依靠自律，用户信息存在被盗用、冒用的可能。此外，用户应当有权利决定自己产生的信息在何种场合被利用以及何时被销毁。

参考文献：

[1]马奔，毛庆铎.大数据在应急管理中的应用[J].中国行政管理，2015（3）.

[2]刘晓骁.论大数据在企业决策管理中的应用[J].商城现代化，2015（Z1）.