大数据服务战略原则

专注于人工智能、大数据、物联网与新科技动态

（ID：bdnews01）

俗话说：“没有规矩，不成方圆”，大数据服务同样需要指导原则。

与面向操作的事务型应用不同，大数据服务属于分析型应用，其特点更多地体现为探索性，因而大数据服务的风险也很大。如果能够从大数据中找到对企业决策有价值的信息，那么大数据服务的回报也是巨大的。如果说面向事务的应用的重点在于如何提高企业生产和经营的效率、降低成本以及提升客户感知，那么面向决策的分析型应用的关键则是减少失误。

面向操作的事务型应用是“正确的做事”，而面向决策的分析型应用“做正确的事”，这就是两者在企业价值创造方面的不同之处。

价值创造原则

决定大数据服务是否有必要的前提条件是大数据服务能够为组织创造什么价值和多少价值，因此价值创造是大数据战略的首要原则。

对于大数据服务战略，其目的是提高企业利润，包括提高企业收入和节约成本支出两个方面。企业可以借助大数据服务来精确地掌握客户的需求并为客户提供满足其需求的产品和服务，通过提高企业的销售能力达到增加企业收入的目的。

一方面，企业也可以借助大数据服务，提升客户获取企业产品或者服务的便捷性和高效性，借助服务水平的提高达到提升客户感知的目的。客户对于企业感受好了，自然更愿意在企业购买更多的产品和服务。

另一方面，企业也可以借助大数据服务来发现企业业务流程中存在的问题，分析产生这些问题的原因并实施流程改进，通过流程的改进提升企业运营效率，这样可以间接地降低企业的成本支出。

大数据服务可以为企业创造价值，无论是直接创造还是间接创造。但是大数据服务设计时同样需要考虑大数据服务与企业已有业务过程的集成关系，保证大数据服务无缝地嵌入到现有业务活动中。同时，不同的大数据服务在企业中的地位和作用也是不同的，应当分析大数据服务为企业带来的价值高低并进行优先级排序，优先保障那些对企业价值大并且具有紧迫要求的大数据服务。

价值网络原则

任何企业都属于整个社会生产中的一个环节。企业以劳动、资金、原材料、知识等为输入，借助企业的采购、生产、运营以及管理活动，完成价值的创造，为社会提供产品或者服务，然后借助渠道将产品和服务传递给客户。这种从资源输入、价值创造到价值交付的过程，业界将其定义为“价值链”。由著名竞争战略专家迈克尔·波特提出的价值链模型如图3-1-4所示：

图3-1-4波特的价值链模型

从图3-1-4可以看出，价值链就像一根链条，形象地说明了企业输入、处理、输出的过程，随着近年来科学技术尤其是网络技术的迅猛发展，社会专业化分工越来越细，企业更需要与多个参与方协同，因此传统单一链条的价值链模式已经不再适用于现代企业，取而代之的是新型的价值网络模式。由客户、咨询师、设计师、服务提供商、领导者等角色参与的价值网络模型图3-1-5所示：

图3-1-5简单的价值网络模型

价值网络时代更加强调企业之间的协同配合，企业应当取长补短，在竞合中找到自己在价值网络中的位置，不断提升企业自身的核心竞争力。

面对企业从价值链到价值网络模式的转变，企业在大数据服务能力的构建和服务能力的开放时，需要善于寻找和发现社会中已有的大数据服务，主动引入外部有价值的数据源，不断丰富和完善数据资产。同时，企业也应当积极将企业自身数据资源以大数据服务的形式开放出去，最大程度地释放大数据服务的潜力，在竞争和合作中取得竞争优势。

（本文摘自：李福东《大数据运营-服务型企业架构新思维》，经作者授权转发，图片来自网络）