上海迪士尼于2016年6月开幕以来，急速引来消费者大量涌入和竞争对手的密切关注。同年11月，迪士尼公司召开财报电话会议，称其业绩之优出人意料，并着手兴建第7个主题园区「玩具总动员」。根据资料显示，上海迪士尼开园前4个月游客量突破400万人次，第一季财报显示营收达55亿美元。

迪士尼乐园的成功背後，有着大数据的深入应用

2013年3月，迪士尼公司斥资近10亿美元研发的MyMagic 智慧旅游服务系统在佛罗里达奥兰多的迪士尼世界渡假区试点推出。这一系统整合了网站、手机应用和魔法手环（MagicBands）三个部分，是一个典型的物联网系统。

魔法手环中崁入无线射频识别晶片（RFID），源源不断地产生游客即时资料。基于这些资料，迪士尼不但可以平衡和疏导园内客流，还能为游客提供极具个性化的服务：包括让游客可提前数月通过网站或手机应用预订门票和制定游园行程；在乐园特定情景下提供使用者所需要的资讯，告知等候时间长的游客临近空闲的游乐点和餐厅打折信息；或者让演剧人员突然叫出某个小孩的名字，并送上生日祝福等。

试运行结果显示，在位于奥兰多的4个主题公园和18个酒店服务超过1300万使用者，明显提升游客满意度。到上海迪士尼开园时，这一系统做了进一步升级，使用者手机App完全替代了手环。这不仅给迪士尼公司和用户省了一笔费用，也降低用户参与的门槛。

作为一个体验式游览项目，迪士尼乐园面临最主要的问题除了乐园管理，就是对游客需求的准确把握，即所谓「消费者洞察」。园区是一个封闭系统，公司可以随时获取游客的位置，借助于App所收集的使用者资料和位置，让大数据资料有广阔的用武空间。根据谘询公司麦肯锡2016年分析报告，基于位置的服务正是大数据分析最能发挥价值的领域。从大数据应用来看，一般需要经历基础设施部署、资料收集与加工、资料分析和场景运用等四个阶段。对于企业来说，前三个阶段的工作具有一定的普适性。最大的区别在于场景运用。离开了具体场景，大数据犹如离山之虎、浅滩之龙，功用会大打折扣。换句话说，能不能将大数据资料与场景融合，是检验企业大数据管理能力的试金石。

对企业来说，场景是一个真实存在但又难以把握的东西。它既包括物理空间，也包括虚拟空间；既包括经济、社会环境，也包括文化氛围。如果从整个供应链看，供方和企业内部生产办公场所是一种场景，提供服务的营业场所是另一种场景，产品售出后其使用和运行的环境也属于企业需要关心的重要场景。

有了大数据，可以做的第一件事是分析企业重要场景中的要素，然后尽量将其资料化，以便于分析。从大资料角度看，我们区分场景中存在的三类要素：

• 第一类：客观、可控和可资料化的因素。比如温度、湿度、位置等。

• 第二类：相对主观，只能部分资料化和控制的，但一定程度上可以分析。比如人员之间的朋友关系，与用户互动交谈、使用者对服务的态度等，可以利用扩展大数据资料的功能，开展田野试验的方法，尽可能进行收集和分析。

• 第三类：无法或不可利用大数据来监测的。这可能是由于客观条件限制，如无法接入互联网，也可能是由于法律、伦理和隐私的原因，如涉及个人隐私资讯，使用者拒绝监控。

结合上述两个维度，可以对资料与场景的融合情况分类如下：

从生产办公，到销售服务，再到售后，是产品或服务的控制权和所有权从企业向用户端转移和让渡，最终脱离企业控制范围的过程。各类场景对企业变得越来越模糊，比如使用者是否正确使用产品、是否能保持忠诚度等。模糊性对企业意味着资讯不对称，如何解决这一问题是传统企业的痛点。

互联网与大数据结合 让行销运用更丰富

随着互联网的出现，企业可以借助于嵌入式晶片和智慧终端机持续收集资料，利用演算法分析不同的场景因素，减少场景的不确定性。在此基础上，企业透过与用户的互动，得到更清晰的用户画像和场景描绘。据此修正和优化企业决策，改进产品和服务。

用大数据之烛照亮原先对企业来说，处于黑暗中的场景，将其资料化。场景经过资料化，本身可以构成为大数据模型和分析的一部分，从而变得可控，是数据与场景融合的第一种方式。

大数据与场景融合的第二种方式，是面向不同时空环境下的客户设计有利于销售和服务的场景。此时，大数据的作用不再限于了解场景中的因素，还可以进一步改变场景，进行场景设计，影响用户的行为。

场景设计通常发生在销售和服务现场。企业基于大数据可以获得精准的用户画像，据此为其度身定制，设计一个引导和推动其作出销售决策或提升其满意度的场景。前述迪士尼在现场让演艺人员送游客生日祝福就是一例。

由于现实世界中的场景有无穷多的变化，如何让产品具有更强的适应性是企业赢得用户，提升竞争力的关键。因此，大数据与场景融合还需要有第三种方式，即透过机器学习探索场景中不同因素的组合，用大数据类比出全新的场景，创新产品和商业模式。相比于第二种方式主要关注于现有场景和产品，这种方式强调基于全新场景开发新产品。

谷歌无人驾驶汽车是大数据与场景融合方式的典型应用。自2009年开始就在开发无人驾驶汽车，其总行程已突破了200万英里（约合322万公里）。但是到目前为止，它仍无法适应雪地场景。因雪地会让摄像头和雷射雷达等感测器的准确性下降，导致无人驾驶汽车无法对周围环境做出准确识别。

例如，在雪地中，摄像头和雷射雷达无法识别分道线，这就导致汽车很难防止车道漂移，安全驾驶。下雪天也导致感测器很难探测到意料之外的障碍物。因此如何将大数据与雪地这一全新场景，以及更为极端的场景，如爆炸现场的融合，是无人驾驶汽车未来需要解决的关键问题。

大数据是客观世界近似的反映，可以说明企业减少资讯不对称，在此基础上，它还为人们建构了一个新世界，一个超越现实的世界，能够为企业创新提供全新的思路。大数据与场景的融合，也可以看成这两个世界融合的过程。