第八章 撬动商业：新“规模经济”，数最懂你
每一个消费者在消费的过程中留下数据，就会形成商业大数据。
“”智慧门店”与天猫围绕新零售在新品首发、渠道管理、大数据赋能和线上线下全渠道融合等领域展开一揽子合作。
**向新零售转变，卖货层面是最直接的，其次是数据要打通。**海澜之家采用RFID技术给2亿件衣服分配了各自的身份编码，进而实现了线上下单、线下发货，并在门店之间实现了数据共享互通，让一条条销售数据从“碎片”走向“整合”，然后又通过大数据分析，更好地分析和洞察消费者需求，及时调整经营策略，降低整体经营性投入，最终实现品牌重塑升级。
数据已成为商业领域中一种重要的生产资料。
8.1 精准营销：从广而告之到瞄准目标
运用大数据技术可以进行消费者信息检索、消费者定向，以及消费者数据获取和挖掘与计算分析，然后通过用户画像，把数据人格化，描绘出消费者的特点、地域、兴趣爱好、购物意向和经济潜力等，从而帮助商业决策者更精确地锁定和分析目标消费群体。这样广告主就像是掌握了“读心术”的魔法师，能够知晓用户“心中所想”。
微信的精准营销集消费者要素、成本要素、便利要素和沟通要素为一体。微信平台依靠庞大而深刻的影响力，运用Lookalike（相似人群拓展）等大数据技术，对其所拥有的用户数据进行挖掘分析，根据用户的性别、年龄、兴趣爱好、职业、收入状况和地理位置等对用户根据需要进行分类画像，并在此基础上帮助广告投放者精准地找到目标消费群体，进一步扩大潜在受众群体，对不同身份、不同偏好和不同地区的客户，推送不一样的广告内容，最大程度使每一则广告都能覆盖到最有价值的客户。
“一部手机游云南”是一个“互联网+旅游”的深入融合平台，物联网、云计算、大数据、人工智能等技术被运用到旅游的各个环节中。当消费者在旅游前通过朋友圈、QQ空间对云南产生旅游兴趣后，他们可能会通过微信、浏览器等检索有关旅游的信息，而微信和腾讯其他平台则会快速启动对这些行为数据的深入分析，制定个性化的精准广告策略。不久之后，消费者可能会在朋友圈接收到腾讯为云南旅游制作的社交广告。而在观看广告后，消费者还可以根据广告提供的机票、酒店预订链接购买出行所需要的商品。在旅游的行程中和旅游结束后，消费者可能会通过微信朋友圈、QQ空间反馈他们的旅游感受，比如在朋友圈晒一波景点打卡照，分享或吐槽一下旅行中的意外经历等，这些用户点评数据则能为后续的服务改善和广告营销提供支持，为幕后的决策者提供更完整的信息指导。
除了精准投放，微信的朋友圈广告也可以成为新的大数据来源。因为微信用户与广告的互动会留下相关数据，如用户点赞、评论、转发和点击“不感兴趣”等行为可以帮助微信进一步了解用户对广告的反应和个人偏好，为用户画像的进一步精细化提供支持。
8.2 数据“智导”：再造影视创作模式
影视投资是一项充满风险的商业活动，收视率、票房与投资回报率等重要指标的可预测性一直都很不准确。
Netflix的数据来自于它的千万级注册用户。用户每次观看视频的所有操作，例如影视剧的搜索、正面或者负面的评分等，以及地理位置数据、设备数据、社交媒体分享数据和添加书签数据，都会被纳入Netflix庞大的数据分析系统。通过Netflix的大数据算法，Netflix可以了解用户几乎所有的观影习惯，如记录哪些用户当一集节目结束、演职员表开始滚动时就会停止观看节目，哪些用户则会一直坚持到最后。再比如知道用户在不同的时间段喜欢看什么类型的影视作品，了解用户喜欢观影的终端设备是手机、平板电脑还是台式计算机，最终推测出具体的观剧场景，如哪些地方的人们更加喜欢在星期天下午用平板电脑观看恐怖片等。
《白夜追凶》通过对以往用户观剧习惯和偏好等数据的深入挖掘与分析，在制作时对剧情节奏和情节安排的设置进行了更为优化的时间配比，让用户全程都有观剧的紧迫感和新鲜感。
8.3 “数造”个性：以社群文化带动新营销
“咕咚”的发展战略是结合线下产品与线上App。“咕咚”的线下产品与线上App都产生、积累了海量的运动数据，而对这些数据的分析与应用，为“咕咚”成功融合线下与线上产品，搭建结合数字和实境的客户关系，最终成功构建商业生态圈——“全民运动生态系统”提供了核心支撑。“咕咚”得以了解用户特征（年龄、需求偏好、运动时间、运动方式、运动地点等），为其优化更新产品和提升营销策略提供了有效支撑。“
8.4 大数据何以撬动商业变革
在互联网时代，（提供商品或服务的）公司与消费者之间的边界被打破，消费者同时也有可能是产品的创造者，即“消费众包”。卖家和买家通过互联网直接连接进行交易的方式，使消费者的信息被转化为数据，直接进入研发、制造、流通和营销各环节，并对最终的产品和服务产生巨大影响，让C2B的规模个性化成为可能。
消费者行为的数据化还需要借助一定的电子媒介，因为能够用于大数据分析的数据必须是电子数据，而电子数据只有通过互联网才能够实现记录、流动与聚合。推动消费行为数据化的媒介包括智能手机、平板电脑等移动设备。以智能终端为代表的用户设备。这些设备成为了服务提供的重要界面和大数据采集的重要源头。
8.5 数据创造价值：前提是规则和边界
大数据正在颠覆传统的商业模式，赋予商业决策、产品设计与优化、服务提供和广告营销等商业行为新的可能。
商业的效率与消费者的利益并非完全一致，甚至还可能因为大数据的介入而变得更加对立。例如，大数据一方面让广告投放变得更加智慧和精准，另一方面也让“千人千价”和“同品不同质”的普遍化成为可能。在现实中已经有很多电商平台开始运用大数据技术对消费者群体进行划分，区分出所谓的新客户和旧客户、敏感客户和不敏感客户，然后对他们制定差别化、歧视性的价格，提供不同质量等级的产品和服务。
消费者的私人空间正面临着被大数据侵蚀的危险，明确数据的权利和使用边界已成当务之急。比如用户在平台上留下的个人行为和特征数据，真的完全属于平台吗？我们在安装App时选择的“同意与否”，是否真的就意味着是对个人信息使用权利的完全让渡？我们是否有权利要求平台“遗忘”自己的隐私数据？当个人数据被用于商业营利，我们是否有权利拒绝被广告锁定？我们又该如何保护我们的隐私，不让个人数据轻易地被商家泄露？这需要对数据的收集、交易和应用都有严格细致的规制和管理。
第九章 数据革新：正被重构的制造业版图
以大数据为代表的创新意识和传统产业长期孕育的工匠精神相结合，使新旧动能融合发展，并带动改造和提升传统产业，有力推动虚拟世界和现实世界融合发展，打造中国经济发展的‘双引擎’。”
9.1 个性化定制：规模化和差异化的结合
**既然大规模生产已经被证明是非常具有竞争力的生产方式，要做个性化生产，就相当于放弃了大规模生产带来的竞争优势。**另外，生产个性化产品，还涉及消费者皮肤检测的方法、皮肤数据库和原料配方数据库的建设、数据间的匹配、数据传输和智能机器人的研发与布控，不但技术上突破难，没有经验可借鉴，而且投资效果及回收期不确定。无论从哪个角度来看，美妆产品的个性化生产都是一条“看得见的不归路”。
每个人的皮肤状况不一样，如果想从根本上解决消费者的皮肤问题，做到精准美容，护肤品行业必须转大规模生产为规模定制化生产，也就是基于规模生产能力的同时实现柔性和个性化的生产制造方式，实现生产的范围经济，由生产方式的转变推动制造转型和产品升级。伴随着消费升级加速，制造业从自动化向智能化、个性化的跨越早已成为业内共识，长远来看，定制才是制造业的活路！伊斯佳终于形成了集皮肤和头发检测、诊断、方案设计、制造、物流和服务于一体的“互联网+制造”体系。由于个性化制造的根本是个性化的产品配方，因此需要庞大的皮肤、原料、配方数据作为支撑。
个性化定制和大规模生产是伊斯佳智能制造的两个重要表现。目前国内大多数护肤品制造工厂，基本都是围绕同一配方产品组建机器人生产线，也就是说一条生产线只能同时接受一张订单，批量生产同一配方产品。它们做的不过是机器换人，即生产的自动化。而伊斯佳在国内首次实现了生产线的智能化升级：以订单和消费者数据为基础，一条生产线就可以生产满足不同消费者需求的多样化产品，实现了C2M（顾客对企业）大规模个性化定制生产。
在对消费者的皮肤进行诊断后，通过产品数据管理系统，计算机会根据结果自动生成数字配方，并将相应的配方信息发送到智能制造车间后台，接着智能护肤品生产线根据接收的配方信息进行个性化护肤品生产、灌装和检验，根据用户订单信息分拣并加外包装，最后利用现代物流系统快速将产品送至消费者手中。每套产品具备二维码形式的唯一编码，即产品的“出生证明”，只有定制者本人才能有效解读编码上的信息。定制产品在生产、检验和包装完成后，直接对接智能物流平台，现场装入快递箱，智能打印快递单，直接快递发货，减少了成品仓储环节，可做到当天生产，当天发货。
在整个制造智能化升级迭代的过程中，伊斯佳也遇到了创新型项目与现有国家监管法律法规之间接轨的问题。举例来说，即使一种护肤品的成分完全与其他同类相同，只是存在颜色上的差异，这也被视为一种新产品，要上市就必须付出极高的监测成本和周期，更不用说成分比例个个都不同的个性化产品了。
通过充分利用消费者数据，智能工厂能够生产出世界上独一无二的个性化产品，而且都是普通人能消费得起的上好产品。如果说工业时代考验的是企业大批量生产的能力，那么数据时代考验的是企业如何实现“多样化、小规模、高质量、周期可控”的柔性化生产能力。
而要实现个性化订单智能生产，企业首先需要搭建统一平台的大数据系统，以实现数据预警和驱动；其次要建立面向用户的标签化营销大数据平台，并实现零部件标准化、模块化及数字化柔性制造等深度业务变革和系统升级。这样企业最终才能实现一件起订的小批量化生产，提高工厂的生产效率，盘活企业资产。
9.2 大数据“问诊”：为制造开一剂良方
在直接面向消费者的行业，如服装、家电和家居等领域，个性化定制大行其道；而在生产设施、电力装备和工程机械等基础性领域，大数据支持的远程运维等模式也不断涌现。
让数据参与生产，不仅仅是依靠那些站在生产一线的机械手和传感器，更要用数据对生产流程、产品质量进行老中医式的“望闻问切”，让数据完整地参与到生产过程的管理和控制中去，将海量的隐性数据转化为显性数据，并将信息及决策建议实时提供给生产一线操作工人、主管和高级管理人员，帮助企业科学安排生产能力，从而实现精益管理。
通过部署332个能耗监测点传感器，娃哈哈的生产线收集、传输、存储并整合了整个生产基地的水、电、天然气和水蒸气的使用或者消耗的实时数据，将企业岗位与设备相关应用系统互联互通，实现了内部业务数据和生产流程的横向整合，并通过设备生产数据可视化呈现来辅助管理者决策。
除了可以给生产设备问诊，实现设备运作优化和节省能源成本，大数据还能对产品开方问诊，用可靠的方式识别残次品并控制出厂次品率，减少残次品带来的损失，实现精准的产品质量控制。
现在系统自己就能利用生产流程数据准确快速地定位元器件：它正在哪条生产线、哪道工序、经过了哪台设备的测试，甚至最后被装入哪部手机。
在乐事薯片的自动化加工系统中，设备采用激光“打击”薯片，通过采集返回的声音来判断薯片纹理。在这个过程中，就用到了智能技术来分析声音信号以判断薯片纹理，从而实现自动化质检。你可能会问了，薯片的纹理还需要这么复杂的机器学习来检测么？是的！因为好的纹理能增加薯片的强度，不至于一打开就是一袋碎屑。如果你打开的是一袋碎屑，恐怕你再也不会买这个牌子的薯片了。
那么这个系统如何保障自动化码头的安全作业呢？答案就在于振华重工港机上布置的各种用于采集数据的物理传感器设备。由这些感知设备采集到的各类数据被输入3D仿真模型中，并与“虚拟传感器”的数据融合，即可实现港机总体载荷的实时分析、关键部件的疲劳寿命预测分析等“智慧功能”。通过利用深度学习算法对不断更新的港机大数据进行学习，系统最终得出一系列准确的数值。
9.3 工业互联网：不仅仅是机器换人
长虹打通了原本孤立的用户需求分析、市场预测和生产计划等环节，实现了整体维度上的数据串联，实时指挥制造系统，完成了生产智能化的升级转型。
大数据在生产研发创新、质量监控和供应链的分析优化等重要环节发挥着越来越重要的作用，智能化的工厂不仅仅是设备联网或机器换人，而是以人机互联、软件和大数据分析结合为核心所形成的工业互联网。我国工业互联网的提出可以追溯到2015年的“互联网+”行动。
相比消费大数据，工业大数据更复杂。一方面，它有着不间断、多样性和实时性等特点；另一方面，互联工厂的供应参数、生产工序的每一点变化，都会导致数据本身产生很大的变化。因此，互联工厂要真正实现自动化生产，首先企业要实现信息化，在此基础上推动所有流程的数字化。企业必须倒推流程，从原来生产主导，转到以用户为中心来开发产品。
从企业生产流程纵向看，当用户直接在美的线上商城上订购个性化产品时，订单信息通过C2M（顾客对企业）系统实时传到互联工厂，智能制造系统自动排产，并将信息通过协作平台传递给各个工序生产线及所有模块供应商、物流商，以及不同的工序对应的产品模块生产。这是第一步，互联工厂的大数据平台实时呈现生产线、营销等企业运营活动的真实状况。第二步，基于大数据融合的管理系统，所有生产设备、工人或机器，甚至每一个机械手都能产生数据，因而从原料配置、产品生产到下线包装、物流数据，企业都能实时监测，并掌握最终产品的销售区域市场去向，搭建柔性生产线按需生产，从而实现真正意义上的智能制造。第三步，横向跨越设计、生产、销售和服务数字化全链条，从而实现企业自动化运作，完成智能化的数据闭环。例如，传统企业需要10多天才能通过企业信息化的ERP云平台拿到生产报表数据。但是，智能化的互联工厂提供了实时的大数据，包括外部供应商的多个环节都可以直接看到用户的需求，可实现经营管理优化和资源匹配协同。
制造企业每天都产生海量的数据，包括内部的运维、管理、流程和质量等。同时，互联网大数据时代，关联的外源数据更多，包括供应商、竞争对手和客户需求反馈等。如何通过建构大数据系统，结合制造行业的知识经验将硬件、机器和工业软件更好地整合起来协作，是工业互联时代的考验。
智能制造的目的，就是利用数据整合产业链和价值链，通过大数据技术完成需求预测、生产模拟、生产可视化并监测“不可见问题”，实现全价值链的数字化解决方案。在那些率先完成智能化转型的生产车间里，频繁流动的要素不再是电流、人流、资本流或者物流，而是数据流。
据工业互联网产业联盟近期的一份报告分析，在调研的国内外366个工业互联网平台应用案例中，四成的平台应用仍然局限于产品或设备数据的检测、诊断与预测性分析领域，还没有涉及经营管理优化和资源匹配协同等场景，因为与后者相关的数据涉及面更广、分析复杂度更高。究其原因，一方面，传统企业一个个数据载体孤立，各个“节点”并不连通，无法跨系统、并联协同快速响应用户的需求；另一方面，需要长期的工业知识和经验积累，才能将异构数据源的数据高质量、高效率地整合到一起，满足企业“智造”升级的需求。
9.4 未来已至：觉醒的“智”造业大国
未来20年是中国制造由大到强转型的关键时期，也是制造业发展质量变革、效率变革、动力变革的关键时期。大数据带来的颠覆性创新技术将彻底撼动传统工业活动与制造工艺，革新生产方式，重构制造业的产业格局，建立起数据拉动、需求拉动的新经济生态。
第十章 数治生态：行进中的美丽中国
10.1 关注点滴：知水方能节水
需要实时采集供水区域管网压力监控点、关键流量点及水质监测点反馈回来的数据，及时掌握管网运行、流量和水质情况，按照需求供水。这样就能减少管网损害及能源消耗，避免供水滴漏。
浙江省绍兴市利用大数据、物联网和管网仿真等新一代信息技术，建立了“三维立体式”的供水管网地理信息（GIS）系统，数据涵盖了从用户水表到出厂流量计的全部管网和阀门、消火栓和排放口等供水附属设施，其中水表信息涉及40余万用户，率先在行业内构建起“用数据管理、用数据服务、用数据决策”的智慧水务体系，实现了精准高效控漏，管网漏损率连续多年稳定控制在5%以下。
10.2 灌溉有“数”：别让农作物“喝多了”
农业灌溉用水量占全国总用水量的61.4%，因为我国95%的灌溉土地，仍然延续传统的漫灌和沟灌方法，水利用效率仅为30%～40%。
能精准灌溉，是指对农作物生长发育状态过程及土壤墒情、降雨量等环境要素的现状实现数字化、网络化和智能化监控。对精准农业而言，土壤干或湿，如土壤水分数据30%、20%，并没有实质指导意义，**真正有意义的是“墒”，也就是作物根系周围含水量的变化量，才能正确反映作物根系的吸水和生命活动情况。**如果前一天根系吸水使土壤含水量降低了5%，今天根系吸水仅使土壤含水量降低了2%。这可能说明作物根系吸水少了，不容易从土壤中吸收水分了，那就该灌溉了。系统通过收集土壤墒情、天气和湿度等各类农作物生长环境数据，并利用农作物生长环境大数据分析模型，计算核定农作物在不同阶段所需的水肥量，并实时动态调整。数据分析还可以包括水渗入土壤剖面所需的时间、特定时期内的用水量比较、历年的情况，以及灌溉性能（实际土壤湿度处于最佳水平、过低或过高的时间）。
在广东省最南端的雷州半岛，有一座科技感十足的辣椒示范种植园：气象站的仪器立在田间，搜集环境温度、空气湿度和光照度等数据，土壤墒情仪可以实时记录土壤中的水分变化、温度、pH值和EC值[插图]等数据。
孟山都公司在意大利9块农田中安装了特殊探测装置来测量土壤含水量，同时又安装了卫星识别装置，结合天气信息并参照卫星数据，对土壤湿度、温度和氮气浓度等环境大数据进行分析处理，不断训练农作物生长环境模型，从而得到农作物最佳生长条件，包括土壤湿度、温度和氮气浓度等环境参数，这为精准灌溉的实施提供了可靠的依据。
10.3 环保云平台：打破“部门割据”强化监管
水，是生态环境的控制性要素。
大数据如何实现海绵城市的缔造？大数据将原本分割于各部门的数据，如城市水文数据、水资源数据、水质数据、实时雨情数据、历史大洪水数据、气象数据、灾情数据和水土保持数据等统筹整合，可以实现对城市水务、天气和土壤湿度等各类动态数据的收集。
悦来海绵城市监测与信息平台通过300多个监测站点实时采集、传输的监测数据，由后台数字化水文、水力模型进行不间断的实时模拟计算，预测未来2小时之内的降雨是否会造成排水管涌、路面积水和城市内涝等现象。除了计算降雨时的流量，该模型还密切监控异常数据并及时分析，对违规排放进行精准定位报警，或在管网发生异常淤积时及时报警。
如果建立起大数据平台，同时列入植被情况、降雨分布、温度差异、季风情况和空间开发情况等一系列生态数据，就能高效地筛选出适合草原各地区种植的牧草品种、生长规律和种植过程中所需水肥的配置方案。
福建省充分发挥生态云的作用，推动数据可视化，汇总省、市、县三级环保系统及部分相关厅局的业务数据、物联网监测数据（水、大气、辐射、污染源和机动车环保监测等）及互联网等数据，将区域、流域发展水平和产业分布、资源消耗、污染排放和环境质量等形成智能画像，使大数据预测模型更加精准。
第十一章 大数据的未来：数据主义还是人文回归
对未来最大的慷慨，是把一切献给现在。
11.1 大数据还将改变什么
人工智能的本质是计算，要对如此巨大、动态和多元的数据进行迅速的组织和分析，机器计算能力的提升和算法的革命性改进就显得尤为重要。
11.2 实现改变还面临哪些挑战
在大数据发展的过程中，还有诸多问题和挑战需要直面与应对，包括缩小数据鸿沟、促进数据流动和保障数据安全等紧迫的议题。
数据只有跨越层级、组织和地域的边界流动，才能释放出其潜在价值。
全球化已经进入了一个以信息、思想和知识流动为特征的新阶段，而数据的流动是以上这一切流动的基础。
2018年7月，谷歌、脸书、微软和推特四大互联网巨头联合发起了一项数据转移项目，旨在增强平台之间的数据流动，允许用户将数据在不同服务平台之间直接转移。欧盟《一般数据保护条例》也通过了数据可移植性（Data Portability）等方面的条款，在促进数据流动与保护数据安全之间，以及在保持商业活力与监管规范市场之间寻求平衡之道。
但与此同时，由于不同国家在数据主权和网络空间主权问题上的立场和观点各异，有关数据流动的话题仍充满争论。
数据安全是利用数据产生价值的基本保障。
当前，数据安全已经不再局限于数据的保密性、完整性和可用性，一系列新问题需要直面。依靠对数据画地为牢来保障安全已经毫无意义，如何平衡数据流动与数据安全？除了防止数据被非法获取的传统做法之外，如何防止数据的污染、滥用以及误用？在大数据时代，数据生成/获取、存储、处理、利用、流通、管护、销毁的全生命周期中涉及的主体更多，面临的情况更复杂，每一个环节都存在数据失控的风险，在这样一个相互依赖的数据生态中，各个利益相关方应该如何保护自己和伙伴的数据安全呢？
随着各行各业的数字化转型，作为基本的生产资料，数据跨越组织和行业的边界进行流动将变得更为普遍，数据安全问题已无法依靠任何一方的力量来解决。
11.3 什么不应该被改变
坊间曾流传过这样一个笑话，说某互联网电影公司高管在行业会议上发言：“通过大数据挖掘，我们发现了不同电影观众的卖品偏好，比如《芳华》的观众比《战狼2》的观众消费了更多的热饮”。其实，《芳华》的观众不仅比《战狼2》的观众更爱喝热饮，也更爱穿厚衣服，因为前者的上映时间在冬天，后者则在夏天。同样，当一个音乐App发现用户有一天把一首情歌循环听了几十遍时，不一定是他那天有什么特别的情愫，可能只是因为他专注于工作而忽略了音箱里在放什么歌；当一个支付软件发现很多人的旅行支出明显下降时，也并不一定是因为他们都成了“御宅族”，而可能只是因为单位要求他们必须用公务卡结算差旅支出。
**大数据并不等同于事实本身。**大数据自身可能不全面、不及时，甚至不准确，大数据分析的结果也很可能被误读、被扭曲甚至被操纵。“让数据自己发声”[32]的理想离现实还有很大距离，对大数据绝不能盲目迷信。
数据也许比你更了解这个世界，但数据未必比你更了解你自己；数据也无法钻进人的大脑，无法解释和操纵人类的自由意志。
采集数据的权力是否应该有边界？如果有，这条边界应该画在哪里？大数据时代的法治建设亟须对这些问题做出回答。
11.4 改变是为了什么
康德曾说：“人就是人，而不是达到任何目的的工具。”
在大数据时代，人会成为自己还是成为工具？大数据的未来会走向“数据主义”、视一切为数据、以数据为中心，还是会以人为中心、维护人的自由和尊严、促进人的全面发展、满足人对美好生活的向往？
|