很多人把数据比喻为石油，但不同的是，数据来自应用，不管是否自觉，个人、企业，甚至每一部机器，时时刻刻都在贡献并使用着数据。在不远的将来，数据的应用会如同电力一样，成为企业营运的必需品，渗透到企业的每一个业务环节。

数据，未来企业的核心资产

要解决企业在大数据时代面临的挑战与威胁，我们首先必须面对「数据终将成为企业核心资产」的事实。基于这个事实，我们首先要确保数据能随时在线上，因为大数据应该是当你需要时可以立即使用，所以数据一定要在线上，不能只存在于线下。

如何透过数据去解决企业的核心问题，答案其实很简单，就是从工作流程中寻找，因为如果工作流程缺乏效率，或是存在资源过度耗损的问题，往往也是组织的问题所在。而大数据的起点，是基于数据和待解决问题之间的对应关系。在多数情况下，我之所以能够预测未来，往往是因为以前发生过类似的事件，而我又能尽量完整地把它们记录下来，当同类事情发生的次数越多，我预测一件事情的准确性就会提高。

当我们面对组织内部的实际问题时，在组织问题和数据获取之间通常会遇到以下几种可能性：

1.这个状况或问题不常发生，我们称之为「低概率事件」，因为发生的机会极少，所以我们没有机会获得足够的数据去应变或做出对应的预测。

2.企业内部确实有一些数据，但这些数据很零散、格式不标准，散落在企业的不同部门，需要懂得梳理数据的人去管理并应用。

3.企业内部有数据，但是被垄断，或是被控制在不开放的环境中。

至此，你应该已经注意到，大数据的使用与积累，是互相促进的闭环系统，数据越完整、流通越顺畅。这个闭环系统的选择，是数据专案成败的关键，要考虑的问题也超出了数据本身，同时涉及企业文化、组织架构，所以我给企业的意见是，争取最高领导者的支持必不可少，因为企业数据化的进程如建罗马一样，并非一日之功。

找顾客靠数据，不靠运气

零售业的朋友对搜寻引擎行销可谓既爱又恨，怀疑透过这种方式，是否真的能做到精准行销。对出口公司来说，获取企业级别的顾客更是难上加难，难道就只能在一年一度的交易会上碰运气？如何才能用更有效的方法精准地找到目标企业呢？我曾经做过这样的尝试（那时还没有大数据概念），我发现，可以从曾经参加过交易会的企业买家网站上，快速收集到他们的购买意向数据，经过分析，自动配对出有购买意向的准买家名单。这种方法让我轻而易举地识别出大量潜在顾客，并且能够准确地知道这些企业的业务需要。

个人消费者倾向于保护自己的资讯，相较之下，企业就比较愿意对外公开各方面的资料，如他们从事什麽行业、是否零售、有没有线上业务、是否属于中小企业等，这些免费资讯经过整理就可以变成商业情报。我当时就想，如果有家公司能帮我收集资讯，并推送这些企业顾客就好了。

最近已经有公司开始用类似的方法解决企业采购问题了。Lattice Engines这家从事B2B（企业对企业）销售预测的数据分析公司，发布了一款新产品，可以用两个关键字概括这个产品的方向：「意向」和「预测」。他们聚焦在整合企业顾客的意向数据，以及预测顾客需求上。

在获取新顾客这个方向上，Lattice Engines协助顾客在他们原有数据库之外发现新对象。它增加一层新的信号，称为Prospect Discovery，透过抓取相关产品的搜索资讯，以及社交网站上发布的相关内容等，帮顾客发现新的潜在购买对象。比如，他们会留意企业的意向数据（intent data），透过追踪目标企业，发现某公司的员工正在关注某一个产品。

这些数据可能来自部落格、LinkedIn上的交流，以及专业文献，进而预测目标公司可能会采取什麽样的采购决策、现金周转速度等。在大数据时代，我们已然可以利用无处不在的数据来预测商业需求。Lattice Engines正是利用各种管道公布的资讯来预测商业需求，并根据这类数据为企业推荐合适的供应商，我们可称之为企业级的推荐引擎。

其实，在数据的使用方法上，针对企业的预测分析与针对消费者个人的预测分析，在本质上是一样的，但企业预测分析要收集的数据来源更多、更广，并且需要高度的产业专业性。我们可以肯定地说，数据无处不在，身在传统产业也需要多留意数据。我相信，再过十年，不用大数据的企业将追悔莫及。

企业「用」数据的三大窍门

用数据这门学问就像武功，台上一分钟，台下十年功。行情好的时候不养数据，市场差的时候就更难临时抱佛脚。

平日养数据大有好处，这些数据不仅可能成为企业战略分析的关键，而且对某个关键数据盲点的突破，有可能成为企业的必杀技。这里，我就跟大家分享企业用数据的三个窍门：

方法1——AAR原则锁定顾客

首先，企业应该确定，谁是你的目标顾客，透过哪些管道可以找到这些人；当这些顾客进来后，他们的成长轨迹是怎样的；这些顾客对你是否满意，他们是否会离开。这就是我经常使用的AAR原则：

A第一个A是acquire（获取）——如何用最有效的方法获取核心顾客。

A第二个A是activate（活跃）——如何让获取的顾客快速成长，变得活跃、有黏性。

R即retention（保留）——如何防范核心顾客流失。

数据可以贯彻这三个阶段的始终，既可以帮你找出核心顾客，也可以告诉你什麽服务和价格能让他们变成忠诚顾客，同时还可以用数据模型预测顾客未来的需求，甚至是他们离开的机率。当企业充分掌握顾客当前状态的数据之后，就可据此进行预测，发现问题马上纠正，这就是懂得用数据的企业所做的事情。

例如，当你发放折价券时，是否想过，什麽时候应该让顾客当次使用，什麽时候要留待下次使用？企业乱发折价券或经常打折，不但太博爱，还会让顾客养成「无折不买」的习惯。

方法2——行为数据比结果数据更有价值

企业一般关注的重点是交易数据，比如一天有多少客流量、多少交易额，却忽略了这些交易背后的原因。当把顾客的行为数据（交互行为）和交易数据相互关联时，企业才会知道用什麽产品吸引什麽顾客最有效、什麽价格能让这些顾客活跃起来、怎样能让他们对这个平台更感兴趣，我们甚至可以预测到顾客流失的蛛丝马迹。

顾客的行为数据不一定能产生交易，但可以让我们更了解他，让我们知道他为什麽会买，或者为什麽不会买。透过行为数据去发现顾客如何做决策，是个重要课题，即使是负面数据也可能有正面作用。

在互联网世界，这些可以相互关联的数据其实是唾手可得的。如果不知道哪些数据有价值，也不知道哪些数据可以交叉分析，产生价值，着实是一种浪费，相当于将鱼翅当冬粉。

方法3——从小处着手

假如中小企业希望充分使用数据，我的建议是，从结构化的、已有的数据开始，一步一步开展。中小企业要有清晰的具体目标—希望数据帮自己做什麽、数据能解决什麽问题。

必须谨记，我们面对的是消费者，数据的蒐集、整合、决策、回馈，都必须从消费者出发，以人为中心，这样才不至于太分散，盲目地「为了数据而数据」。另外，企业不应把顾客看成一个整体，因为解决顾客的一般性需求，不等于了解顾客的特殊需求。在大数据的驱动下，批量生产的个性化或许并非遥不可及。