Upload
hardway-hou
View
29
Download
0
Embed Size (px)
Citation preview
泛数据时代给各行业所带来的变革与机遇
Revo lu t ion:What Farmers , Doc to rs and Insurance agen ts teach us
abou t t he fu tu re
信息化阶段:
实现业务流程 产生数据
数据化阶段:
自动化数据产生 出现数据价值
数据洞察阶段:
万物互联 数据互通
自动产生业务流程优化策略
数据时代的来临
• 否定对任何可行性的质疑,创造出他们对可能的定义。
• 内在化的模型识别的知识与洞悉,将某个行业或维度的模型运用到其它看
似毫无关联的行业上去。
• 致力于改善与数据相关的每一个方面,哪怕只有百分之一。
George Bernard Dantzig Nelson Peltz Dave Brailsford
数据改变农业
1.数据支撑。根据不同环境的种植测试产生实际农业生产过程中的指导数据;
2.浮动式施肥。根据不同环境条件调整田间地头的处置方式;
3.精密播种。实现最佳的农作物间隔;
4.施肥与病虫害管理。根据实际需要实现定制化数据处理;
5.产量监控。提供高精度的数据;
6.育种培育。增加数据点的收集来改善遗传基因。
被颠覆的医疗
• 数据获取与信息解释的成本将被大幅降低;
• 数据是克服刻板偏见的重要依据;
• 理性与感性的基础在于数据;
不断演变的保险行业
公元前18 世纪 公元4世纪 公元17 世纪 公元18 世纪
现代保险业
• 业务流程(8周到8天)
• 数据的收集与输入
• 决策制定
保险的数据时代
• 动态风险管理
• 精算科学保险
“精算师通过数学方法估算意外事件发生的概率,并量化其结果,从
而尽可能减少这些不确定的事故所造成的经济损失。”
“精算师的工作在未来一定会发生改变”
—— Chris Lewin
个性化的零售与时尚行业
20 世纪初。许多城镇的街角出现了各种小店。
1920 年~1940 年。百货商店开始出现,还有一些专营化的商店应运而生。
1940 年~1970 年。大型商场与购物中心在这一时期纷纷涌现出来。
1970 年~1990 年。沃尔玛或许是这一时期最好的代名词——大型商家的出现挤压了当地的杂货店老板。
1990 年~2008 年。这个时期更加注重折扣力度、选择范围,以及方兴未艾的电子商务。
渠道,并不决定一切。
改写传统的企业关系
动机 + 大数据 + 游戏化 = 忠诚度
一家集电子邮件、Twitter、电话、聊天工具与数据搜索于一体,提
供个性化客户体验的公司。
应对可持续发展的早期预警系统
漏油事件对埃克森美孚与英国石油公司股东的影响
构建数据时代的适应性与弹性
• 机器智能
• 社交媒体
• 预警系统
模型识别 筑地市场 虽然很难精确地表述风险投资企业的成功要素,但
其中蕴涵着共通性。在对企业进行评估的过程中,成
功的风险投资者经常会发现某些细节,让他们回想起
曾经看到过的某些模型。
——Benchmark Capital, Bruce Dunlevie
输入 数据的传感与采集
预处理 特征提取
结论 后处理 分类
大数据模型 • 重新定义一位熟练的从业者
• 创建并利用全新的数据源
• 建立新的数据应用方式
• 改造及创造全新的业务流程
• 通过数据收集实现竞争优势
• 揭露经验性的偏见
• 实时监控与决策制定
• 社交网络的利用与数据创造
• 解构价值链
• 提供全新产品(数据)
• 量身定制而非批量生产
• 在隐私与洞悉之间达成某种平衡
• 改变产品的定义
• 数据挖掘过程中的反向检索模式
• 数据安全性
• 建立在数据之上的合作伙伴关系
• 压缩创新周期
• 定义全新的营销渠道
• 全新的经济模式
• 推测和预估未来事件
• 改变激励策略
• 全新的(公共与私人)伙伴关系
• 实时的监控和决策(早期预警系统)
石油的勘探与数据炼化
勘探
钻井
采集
蒸馏
精炼
添加
运输
探索
存取
采集
蒸馏
精炼
添加
传输
石油的提炼过程 数据的提炼过程
大数据运用的三个阶段
• 策略阶段。由领导者制定数据战略,阐述愿
景与目标,并动员团队制定具体措施,准备
执行。
• 执行阶段。这个阶段类似于石油精炼的环节,
是将数据资产转化为能使企业组织从中获益
的有用资产的关键步骤,其中包括数据存取、
收集,并最终提纯为一种易于消化的知识与
见解。
• 基础架构阶段。基础架构阶段是指企业的IT
环境演变能够支持企业的数据战略。这其中
可能包括物理基础架构,以及管理数据资产
生命周期的政策与流程。
运用大数据模型的关键步骤 • 理解数据资产。定位、梳理并评估所有潜在的数据
资产。这些资产可能源自企业内部或外部。
• 探索数据。探索在第1步中发现的数据资产,运用
严格的方法寻找出统计学上的观点。
• 设计未来。使用数据探索的观点做出更好的决策,
设计一种新的商业模式,或者对当前业务流程进行
重新组合。
• 设计一种由数据推动的商业模式。在适当的情况下,
设计的这种商业模式可以充分利用发现的最新数据。
• 改变业务流程,适应数据时代。在适当的情况下,
重新设计现有的业务流程,可以充分利用从步骤1
和步骤2 中所获得的全新认识。
• 设计管理与安全策略。在认识到运用数据资产及其
所带来的洞察力的同时,理解数据使用过程中隐私
的重要性。
• 分配指标与激励策略。开发一套系统,以确保有适
合的绩效指标来衡量、激励利益相关者持续运用基
于事实的决策,鼓励利用新的发现。
大数据体系架构
大多数企业的参考体系构架图
参考体系架构的业务视图
参考体系架构的逻辑视图