如何从你的数据得到更多价值?——卖掉它

  • A+
所属分类:人物观点 行业应用

文 | Alan Lewis,Dan McKone  译者 | wain_pan

这是一个和商业本身一样老的故事:公司在其自身运营过程中产生副产品,然后发现另一家公司乐意花钱买下它。一个新的有利可图的业务产生了。有数不清这样的例子:玉米磨坊主长期卖出的“麦片”其实就是给牲畜吃的生产的玉米粉和玉米油后的剩余料;石油公司定期卖出他们在提炼过程的副产品氢气。

如何从你的数据得到更多价值?——卖掉它

今天,几乎每一个产业的公司都产生另一种有价值的副产品:数据。看起来平常的会计系统和客户数据库现在产生了原物料,能转换为有利可图的新服务项目。但是很少有公司在利用这个机会。数据能成为公司“缺少的一环“,只有你能看到而你的客户端永远没有机会看到。即使那些看起来可能对你的业务毫无关联的数据,当从长远来看,也可能成为另一家公司洞察力的源泉。

从数据副产品——以及现有的产品和服务中获得收入是我们称之为“边际机会”的例子。我们针对62个行业的公司进行的研究显示:表现最好的公司会持续不断地扩展其来自现有经营行为的外围业务,并利用他们已有的能力或资源。

这样做,他们就避免陷入两个常见的圈套中——通常通过整合和兼并来寻求离其经营范围太远的机遇,却经常失败,因为这些公司通常付价过高并过高估计了他们能得到的收益,或者试图通过已存在的业务来补充来润,使得同样的事情做的更多却产生更少的回报。

发现边缘机会更为有效果是因为它能带来新的收入,从现有资产——客户,产品,或者企业活动——这些都是已经存在的。数据,当然是一个最好的例子。在正常的运营过程中,就已经带来了数据。但它可能对其他公司更为有价值。要求很高——更巧妙的运用数据几乎能让任何产品和服务都更好。

但为了充分利用这个机会,公司首先需要克服文化和风俗的障碍。很多的公司将他们的数据当做皇冠一样保卫。他们开发数据是为了寻求超越其竞争者的任何可能的机会。大多数公司拒绝问自己“什么样的公司会愿意为那数据买单?”但是由于没有问这个问题,他们有钱不拿。

关键在于识别那些不是竞争者的公司——那些在相关领域运营但并不是正面交手。例如,联合健康集团开发了一项年度收入为50亿美金的业务,就是重新利用那些包含巨大数量的索赔申请单中聚合的信息。医药公司为这些数据买单,以看到它们的产品的是如何使用的,疗效如何,它们和它们的竞争药物的竞争情况。

联合健康重新销售这些数据引起了一项新业务的创新,称为超级视野,在当下的历史中,体验了多项边际利润和增长率针对联合健康总体的挑战。超级视野带来了高利润的收入流,而这一项是假如它只单纯地关注核心业务,忽略其基本资产的“边际”时会完全忽视的。

丰田,掌握了组装线的效率,已经开创了一项新业务,就是利用它在日本卖出的车里安装的GPS定位设备。它能捕捉车的速度和位置并将其以每月2000美金的价格交通数据卖给市政规划部门,并整合发货队.

嘉吉已经建立了新的数字化生产线来补充其老旧的卖作物种子给农场主的业务。通过分析其巨大的数据库,关于其种子在不同类型的土壤和气候条件下的操作的信息。它建立了软件系统成为下块地数据,能提供给单个农场主如何增加作物产量的个性化的建议。

和联合健康和丰田不一样的,他们是卖数据给新产业,嘉吉创建了新的产品来卖给已经存在的客户。嘉吉的行动,初看起来,有点冒险。联合健康已经有了数据分析业务,丰田也只是提供它的数据给买家来进行分析。但嘉吉创建了新的软件包——这看起来像是从卖种子业务卖出的一大步。

经更进一步分析,创建一个基如软件分析的服务对嘉吉来说却是低风险,高回报的行为。这家公司已经开发了数据库来支持种子开发,以给客户提供建议如何更有效的种植作物。商业化这个数据库和相关的数据分析工具只要求增加少量的精力。但是这却能产生高利润回报——一旦你考虑循环回报的性质和它的最小化送货费用就一点也不奇怪.

对公司来说这项机遇的范围是什么?在2015年,数字领域包含Z比特的数据(1Z比特就是1000的7次开方,也就是1,000,000,000,000,000,000,000 字节)并且这无限的容量到2020年将会增长10倍,多亏了数以百万技的设备在因特网共享信息。但当今只有5%的数据有进行分析。剩下的在等待被开发利用。

联通性并不只是扩展了数据池。它推动着给新产业带来的机遇。多亏了英特网,医疗设备,工业设备,开矿设备,和公用事业——甚至垃圾桶——这一切都在产生并上传有用的数据。制作这些物品的公司——相对数字化,很多都更加机械化——这是一个建立新信息业务的位置。还有,这几乎不用说,公司将继续开发,精炼和沟通与客户相关的数据的隐私政策——并确保客户知道数据如何被使用。

确实是“大数据”!通过当资源来查看这些数据——这些可以被用来为已有的客户提供服务或者为服务新客户创建新业务——公司将会发现还有另一个方式,使得它们能持续不断地从其已经投入的风险中获取一切回报。大数据加边缘心态是一个强大的组合。

End.

36大数据
R语言神经网络模型银行客户信用评估数据
深入浅出数据分析(中文版)
Excel数据可视化分析方法大全
误差分位数的默示有效估计与\ 自回归时间序列的预测区间

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: