天龙八步:传统企业大数据运营的一些思考

  • A+

天龙八步:传统企业大数据运营的一些思考

DT时代,大数据变得如何重要,大量的传统企业也在不同程度的试水大数据价值运营,但相对于互联网企业,我们面临数据、模式、体制,人才、战略等全方面的挑战,也存在诸多困惑。

这里笔者结合实践和个人理解,给出传统企业大数据运营探索的八个建议,供大家参考。

第一步:做成一单买卖

传统企业做大数据,切忌空谈,不停的论证,不停的汇报,不停的调研,不停的考虑组织上的调整,不停的忧虑安全问题,往往讨论了好长时间,事还没做一点,困难列在前面已经一大堆,一句话,下不了决心。这个时候,隔壁家的企业可能已经开始有收益了。

关于大数据价值,是不是大忽悠,是不是炒作,已经无需过多讨论。安全是不是最大问题,当然是,但安全问题的顾虑打消不是在会议室里面讨论出来的,不是叫上几个安全部门,法律部门,业务部门大家拍拍脑袋就能决策的,这种方式最后的结论基本上是还是观望一段时间再说吧,而传统企业所谓的观望往往是以年为单位,一年以后再讨论,也许黄花菜都凉了。大家想想,还没真正身体力行的接触过这个领域,连业务模式还没搞懂,边还没摸到,就否定一个巨大的潜在领域,是不是决策得有点唐突。

企业首先要做的是定下一个责任部门,聚集一堆人,结交一个合作伙伴,完成一单业务(谁说要做成呢),在这个过程中弄清楚它的业务流程,商业模式,数据需求、系统要求、安全隐患等,最后放在管理者面前的,应是一份务实的评估报告,这是决策的基础。

不建议搞什么跨部门,不要东一个责任单位,西一个责任单位,就是一个目标,谈成一笔生意先,越多单位牵扯进来,往往面临越多的困难,这是传统企业的弊端,比如,财务部门考虑的是能否盈利,政企、数据部门考虑的是否应该我做,但我没人啊,战法部门考虑的是风险(哪怕万分之一的风险它也要提啊),当然这些都是部门职责所在,没什么好指责的。

从无到有,我发现很多传统企业,已经走出了坚实的一步,比如起码搞懂了金融大数据大概怎么玩,广告RTB到底是什么,如何合作,定价几何,这些行业对我们的真实诉求是如何,我们的数据到底是垃圾还是金矿,这个就是进步,在跟合作伙伴交流中,我们也不再是被动者,我们也有了自己的看法,逐步形成了自己的观点,也许一开始很小,但这一小步,也许是你行业的一大步。

第二步:要独立不要关联

传统企业搞大数据的组织,建议尽量独立,不要关联,尽量不要跟其他任何部门有利益纠葛,比如有的公司搞虚拟结算,我不太赞成,企业内部自己搞虚拟结算,往往是皇帝的新装,看着好看,但往往陷入了数字游戏,搞大数据创新,我们不需要报表上的数字,即使亏也亏出个所以然,赚也要赚个明白,正视亏得问题,只要总体形势上是向上发展,那就干吧。

所谓的独立包括组织独立,人员独立、商务独立、业务独立、流程独立、财务独立,合同独立、数据独立等,这确保拥有最快的决策效率,当然,企业一开始不可能完全满足,就先拉出一拨人吧,有人就有了开始。

这个组织人员构成,最好对企业的大数据有较好的理解,平时工作最好离数据近一点,如果是数据和业务的复合人才就最好了,比如搞经分的,搞报表的。

从成立伊始,就应该将自己定位为一个独立公司的方式运作,即使当前不具备条件,也要尽量往这边靠,同时我们需要“轻装上阵“,作为企业创新的排头兵,不能背负太多的历史和存量包袱,因为存量工作往往意味着跟原有公司各部门有关联,有关联就有利益上的冲突,比如先做哪个的问题,我们的人员既背负着创新的职责,还担负传统企业的一些工作,很难兼顾。

第三步:闯出来的好机制

大数据运营,随着业务开展的深入,比如业务管理、资费管理、合同管理、财务管理等工作都会冒出来,公司以往的机制和流程往往跟这个不适应,我建议在实践中去逐步建立,这个是最靠谱的,尽量不要套用原有的流程,可能牵扯太多,同时招到合适的人很难,就自己干吧,比如我所在的企业创造了大数据运营的九步法,跟以前企业的流程很多不同,我们也拟定了自己的价格体系,很艰难,但不得不做,诸如此类很多,都是从无到有。

当然有些流程必须要复用公司原有的,比如合作伙伴入驻账号申请等,传统大企业往往有较长的审核流程,但这个流程我们发现速度不够快,就会主动想办法去精简原有的流程,包括预设账号等,以适应新的形式。

提到业务模式,也需要在实践中不停的尝试和总结,走出自己的路,比如我们创立了标准化服务模式,合作运营模式,项目化合作模式,PaaS服务模式等,因为不同的伙伴能力不同,要求不同,传统企业在大数据运营初期能力往往很弱,我们需要与更多的合作伙伴去合作,逐步积淀经验,你总是需要从中找到合适的支撑模式。

在合作过程中,会发现传统的对内的数据服务模式远远达不到对外要求,这个时候必须改变自己,比如我们组建了对外的模型服务团队,招聘了不少数据产品研发人员,在实践中不停的学习,以让我们的核心能力能够满足外部较为苛刻的要求,这个都是对于传统企业的挑战,总是需要与时俱进。

更为重要的是,面向外部客户,我们需要转变固有思维,从传统的甲方角色变成乙方,这个的确很难,但必须这么做。

第四步:相信自己的员工

很多人来问我们搞大数据运营,自己要配置多少人,这个其实很难回答,随着业务领域扩展,人员自然也扩大,但一开始的时候,并不需要很多,因为我们的管理能力没到这个程度,很多探索性的工作,需要的是深入能力,人多也没用,而且,大数据这么火爆,哪来那么多人才,传统企业在人才市场的争夺上,完全处于劣势地位,比如我所在的城市杭州,招人真得力不从心,大家都懂得。

我比较反对外来和尚好念经的说法,虽然大数据运营上我们求才若渴,但我们首先需要的是跟我们有同样理念的人,拒绝抱着安稳的心态来传统企业安度晚年的“外部精英”,我们自己内部的员工,只要愿意来做这块业务的,都是有决心和期盼的。

其次,大数据运营的核心还是数据,一个企业的数据能否开采利用好,首先需要的是对于数据的理解能力,在运营初期,企业自己的人员应该起到中流砥柱的作用,这个毫不怀疑。

最后,传统企业,特别是如运营商,员工很多都是985,211大学毕业的,基本素质很不错,没理由比人家差,我们需要的是一个机会,无论如何,在大数据这个领域,人员可以接收更多的信息,获得更快成长,对于企业也是好事。

第五步:第二年考核利润

任何业务创新,利润总会成为最终的目标,搞大数据运营,不能忘记初衷,无论你的这个业务收入当前对于公司的总收入来讲是如何无可轻重,都要树立绝对的商业意识,按照企业的规律办事。

因此,一开始就要对于投入的成本,获取的收入有个通盘的考虑,收入边界要与传统的业务划的清清楚楚,否则后患无穷,不要搞收入拆分这种事情,哪些业务属于大数据,哪些业务不属于,在公司内从上到下都要有清晰的说法和口径,是你的就是你的,不是你的就不要窥觑。

比如,每月都需要拉出大数据的运营成本,包括开发成本,硬件成本,人员成本等,让每个员工都有成本意识,就会更加珍惜手中的资源,在投入之前考虑清楚获取的收益是否值得。

第六步:从价值数据开始

大家都在谈企业级大数据平台的建立及企业级大数据的采集,但一个企业的数据是如此之多,有多少企业有这个能力一下子梳理清楚和整合清楚,这个代价甚至不是一般企业能够承受的。

我这里还是提一个词叫作有的放矢,有能力的你就搞大数据平台,没能力的用原有的报表系统也可以,有能力你可以把所有的数据都采集进来,没能力就采集你客户最为迫切需要的价值数据,2/8效应总是存在的,你可以在没做任何系统改造前提下,去承接客户的需求,有需求就有老板和资源的支持,因此大数据是否采集全及大数据平台是否建立不是你要开展大数据运营的必然前提,我们现在很多大数据业务开展的很好的友商也是先有业务,平台慢慢建立完善嘛,两者是相辅相成的。

当然,拥有更多的数据肯定能挖掘更多的价值,但这个也是循序渐进的,毕竟你看,基于你当前的认识,纵观整个企业的数据,能被你用于创造价值的数据可能不到5%,因此,视野决定了数据的价值,在没有伯乐的前提下,所有数据可能都是垃圾,比如,在AlphGo之前,有多少人会认为一盘质量很差的在线围棋对局会有保存再利用的价值呢。

第七步:从低端做到高端

我始终认为,传统企业要以敬畏之心进入大数据这个产业,毫无疑问互联网企业是你的老师,在他们面前,我们就是个BABY,我们对于大数据的认识可能现在只有一维,BAT可能是三维,多维对一维,那是吊打的节奏,你甚至看不懂BAT到底在干嘛,马云说了我们本质上是个数据公司,估计很多人都不理解其含义,以为又在忽悠吧。

因此,在这个行业,我们当前只能干比较低端的活,就好比学徒,要学得真功夫,先挑水挑几年吧。前段时间,我跟一些朋友交流大数据,他们说,你在干嘛,我说我们只能做XXX,他们很吃惊,难道我们不能做数据产品吗,我们自己搞模型啊?传统企业,对于大数据无论是认识上,技术上,都是落后的,一个支付宝的建模师,数量上应该就吊打三大运营商所有的能称得上建模师的人数量了吧,这就是现实。

因此,传统企业还是要脚踏实地,开始的时候做的尽量少一点,但做的深一点,由点到面,逐步形成自己的能力和产业,这需要有个过程。我们的方向是依托自己的数据优势,去理解这个产业,不断优化自己的模型和打造自己的技术,逐步由原油开采向原油加工转变,并衍化自己的产品。

要在大数据产业上有发言权,依赖于持续的努力,但不能好高骛远。

第八步:连接连接再连接

从省公司,到集团公司,从移动到电信、联通、从电信行业到各行业,我们面临的最大问题是数据没有联合,我们的数据维度太少,因此,我们的数据还缺乏力量,我们对于客户的洞察还很弱,我们建立大数据的生态路还很长。

因此,传统企业,从做大数据伊始,就要以开放的心态,就要树立连接的意识,想办法扩充自己的数据,当前大数据交易所如雨后春笋的起来了(从贵州到武海长江,从上海到浙江,到有燎原之势),这是个好事,大家都应该参与进来,加强行业间的交流和合作。有个词叫作数据爆炸,未来的数据企业只有抱团才能有力量,才能生存,就让我们现在开始吧。

天龙八步,是笔者的一点随笔性质的思考,很多不成熟,不定几天以后我也不这么认为了,仅供大家参考,如果能引起你的一点共鸣,那就再好不过了。
来源:与数据同行
作者简介:傅一平(博士), 毕业于浙江大学,从事电信行业工作,专注于大数据采集、处理、建模、管理、变现及产业等研究。
南霁月
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
深入浅出数据分析(中文版)
机器学习电子书
Excel数据可视化分析方法大全

发表评论

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