请用大数据举例。

大数据应用于各个行业，包括金融、汽车、餐饮、电信、能源、娱乐等在内的社会各行各业都已经融入了大数据的痕迹。

1、制造业：利用工业大数据提升制造业水平，包括产品故障诊断与预测、分析工艺流程、改进生产工艺，优化生产过程能耗、工业供应链分析与优化、生产计划与排程。

2、金融业：大数据在高频交易、社交情绪分析和信贷风险分析三大金融创新领域发挥重大作用。

3、汽车行业：利用大数据和物联网技术的无人驾驶汽车，在不远的未来将走入我们的日常生活。

4、互联网行业：借助于大数据技术分析用户行为，进行商品推荐和针对性广告投放。

5、餐饮行业：利用大数据实现餐饮O2O模式，彻底改变传统餐饮经营方式。

6、电信行业：利用大数据技术实现客户离网分析，及时掌握客户离网倾向，出台客户挽留措施。

7、能源行业：随着智能电网的发展，电力公司可以掌握海量的用户用电信息，利用大数据技术分析用户用电模式，可以改进电网运行，合理设计电力需求响应系统，确保电网运行安全。

8、物流行业：利用大数据优化物流网络，提高物流效率，降低物流成本。

9、城市管理：利用大数据实现智能交通、环保监测、城市规划和智能安防。

10、生物医学：大数据可以帮助我们实现流行病预测、智慧医疗、健康管理，同时还可以帮助我们解读DNA,了解更多的生命奥秘。

11、公共安全领域：政府利用大数据技术构建强大的国家安全保障体系，公共安全领域的大数据分析应用，反恐维稳与各类案件分析的信息化手段，借助大数据预防犯罪。

12、个人生活：大数据还可以应用于个人生活，利用与每个人相关联的“个人大数据”，分析个人生活行为轨迹，为其提供更加周到的个性化服务。

大数据的价值远不止于此，大数据对各行各业的渗透，是推动社会生产和生活的核心要素。

扩展资料

七个典型的大数据应用案例

1、梅西百货的实时定价机制。根据需求和库存的情况，该公司基于SAS的系统对多达7300万种货品进行实时调价。

2、Tipp24 AG针对欧洲博彩业构建的下注和预测平台。该公司用KXEN软件来分析数十亿计的交易以及客户的特性，然后通过预测模型对特定用户进行动态的营销活动。这项举措减少了90%的预测模型构建时间。SAP公司正在试图收购KXEN。

3、沃尔玛的搜索。这家零售业寡头为其网站Walmartcom自行设计了最新的搜索引擎Polaris，利用语义数据进行文本分析、机器学习和同义词挖掘等。根据沃尔玛的说法，语义搜索技术的运用使得在线购物的完成率提升了10%到15%。“对沃尔玛来说，这就意味着数十亿美元的金额。”Laney说。

4、快餐业的视频分析。该公司通过视频分析等候队列的长度，然后自动变化电子菜单显示的内容。如果队列较长，则显示可以快速供给的食物;如果队列较短，则显示那些利润较高但准备时间相对长的食品。

5、Morton牛排店的品牌认知。当一位顾客开玩笑地通过推特向这家位于芝加哥的牛排连锁店订餐送到纽约Newark机场（他将在一天工作之后抵达该处）时，Morton就开始了自己的社交秀。首先，分析推特数据，发现该顾客是本店的常客，也是推特的常用者。根据客户以往的订单，推测出其所乘的航班，然后派出一位身着燕尾服的侍者为客户提供晚餐。

6、PredPol Inc。PredPol公司通过与洛杉矶和圣克鲁斯的警方以及一群研究人员合作，基于地震预测算法的变体和犯罪数据来预测犯罪发生的几率，可以精确到500平方英尺的范围内。在洛杉矶运用该算法的地区，盗窃罪和暴力犯罪分布下降了33%和21%。

7、 Tesco PLC（特易购）和运营效率。这家超市连锁在其数据仓库中收集了700万部冰箱的数据。通过对这些数据的分析，进行更全面的监控并进行主动的维修以降低整体能耗。

1 为多少并不是一个确定的数字，因为存货毛利率是一个动态的指标，会随着销售情况、采购成本等因素的变化而变化。
2 一般来说，沃尔玛连锁的存货毛利率相对较低，这是因为沃尔玛在市场上的竞争压力较大，需要通过降低价格来吸引更多的消费者，因此存货毛利率相对较低。
3 此外，沃尔玛连锁的存货周转率非常高，这也会对存货毛利率产生影响。
如果存货周转率越高，相应的，存货毛利率就会越低。
4 总的来说，是一个复杂的指标，受到多种因素的影响，需要综合考虑。

金融本身或许并不直接产生价值，但它可以融入所有行业中，间接地加速价值的产生。

——馨金融

洪偌馨、伊蕾/文

1

2003年初，亚马逊的创始人贝索斯醉心于一本叫做《创造》（Creation: Life and How to Make It）的书，作者史蒂夫·格兰德（Steve Grand）是20世纪90年代的一个视频 游戏 「生物」的开发商。

这款类似后来很流行的「养成」系 游戏 ，可以让玩家在电脑上培育自己的「智能生物」。格兰德总结创造「智能生物」的奥义是：专注于设计简单的计算构件——原语，然后就可以坐等那些奇怪的行为出现。

尽管《创造》的内容有些生涩难懂，但并不妨碍它在亚马逊内部快速流行起来。因为当时，公司内部正对于是否要做一个互联网「基础设施」而激烈辩论。

而按照格兰德的说法，再复杂的智能系统也是由无数小设备、代码像积木一样从底层搭建起来，最终形成一个有机的生物体，进行自我地迭代和进化。这种观点启发了贝索斯，也推动了亚马逊云的发展。

后来的故事大家也都知道了，就像比尔盖茨抓住了个人计算机革命的红利，让微软引领了整个PC时代。贝索斯则预见到了「数据大爆炸」的未来：每家企业都会需要灵活的储存和计算能力，而云服务的出现彻底改变了计算经济。

所以，成就伟大企业的要义，除了超凡的远见，更重要的是要成为 商业的基础设施 。

而当下，数字经济高速发展正在重塑所有行业，伴随着5G的发展，物联网、云计算、大数据等技术也将愈发成熟，并与商业的融合不断加深。那么未来，还有什么可以成为新商业重要的润滑剂、加速？

或许金融 科技 是其中一个答案。

最近在360数科首届技术开放日上，首席科学家张家兴提到， 未来每家公司都需要金融 科技 服务。 它可以提升企业效率、增强用户黏性，进而让企业更有市场竞争力。

事实上，金融 科技 作为商业基础设施的认知由来已久，尤其是在美国，从超商巨头沃尔玛到物流巨擘美国运通，他们都可以为用户提供金融服务，也借助 科技 的力量让企业跨越了周期，成为了商业世界的王者。

回看国内，过去几年伴随着移动互联网时代的来临，新技术的应用推动了新经济、新金融的演进。一批金融 科技 企业趁势而起，并经历了商业市场的磨砺和发展周期的考验，比如那些已经上市和即将上市的几家金融 科技 巨头。

如果说这些行业巨头的崛起是抓住了中国从PC向移动互联网转轨的时代机遇，并在过去几年里完成了商业模式和核心能力的锻造；那么眼下，无疑又迎来了一个新的市场「拐点」。

张家兴提到，在360数科在过去几年的实践中感受到了巨大的市场缺口。

例如，各类场景端，零售、医疗、制造业等都在加速数字化转型升级的过程中，不管是B端自身内部，还是对外的C端服务的过程中都越来越多地出现了金融 科技 的身影。

还有大量的金融业机构，更是加大了金融 科技 应用的力度和深度。甚至把它作为了下一步战略转型的关键驱动力。尤其在今年疫情发生之后，「无接触」金融成为了主流趋势。

事实上，长久以来金融都被认为是 社会 经济生活的「血液」，而金融 科技 的核心则是以技术提升金融服务的效率和效果，当它与商业发生更紧密的融合时，势必将成为一种能够提供更高效服务的基础设施。

2

我们也可以换一个角度来看：为什么金融 科技 可以成为商业的基础设施？

这几年，「熵减」成为了企业发展和管理中的一个网红词。它源于物理学上的概念——熵增定律，也被称为热力学第二定律： 一切自发过程总是向着熵增加的方向发展。

「熵」在物理学中被用于计算系统的混乱程度，因此，我们可以简单理解为，大至宇宙、国家，小至企业、个体，在一个封闭的体系里，在外界不加干扰自然发展的过程中，终会进入无序混乱的状态，甚至最终走向毁灭。

以企业发展为例，「熵增」被认为是一个必然的趋势。

由于企业经营规模扩大，管理的复杂度也随之增加，边际效益往往会开始递减；再加上外部的技术进步、新商业模式层出不穷、产业周期规律等等因素，就会对企业构成源源不断地威胁，最后就表现为「企业创造价值的功能失效」。

这也是为什么这个概念会被引入现代管理学领域，备受许多企业家推崇。

华为创始人任正非就曾多次引用这个概念，并以此为华为不断推动开放创新的动力，包括优化组织架构管理、加大研发投资结构，归根结底都是为了对抗「熵增」，实现「熵减」。

一家公司尚且如此，一个行业更是如此。360数科CEO吴海生也在分享中提到， 相比其他很多传统产业，金融行业更需要对抗「熵增」。

他举例说明到，金融行业是一个财富创造能力极强的存在，而财富本身就容易给企业带来腐败等问题。再比如，金融行业掌握着其他企业不敢奢求的海量数据，在数据成为新「财富密码」的今天，数据的管理和运用不当将带来难以想象的灾难性后果。

此外，金融机构拥有庞大的线下网点和团队，一家大型金融机构动辄就有数万名员工，这也及容易带来管理低效、人员冗余甚至业务变形等等问题。而在数字化转型提速的今天，这些问题就变得格外突出。

一个典型的案例是美国零售之王「富国银行」，它曾在2016年爆出的「假账户」丑闻——其在未经用户允许的情况下开设账户并违规收取费用，最终被监管机构处以天价罚金，零售业务也受到了极大打击。

复盘事件的过程可以看到金融企业所面临的「熵增」挑战——曾经的「交叉」销售战略不再奏效，边际效益开始衰减，而员工也在KPI的压力之下逐渐走向了无序与混乱。

那么，今天再来看金融行业，到底该如何对抗「熵增」、实现「熵减」呢？

吴海生在分享中总结了几个关键点：

其一是 「开放」 。他认为，越开放的公司越能够引入新的观点，让自己变得更加有序。这也是任正非和贝索斯反复提及「熵减」的原因，企业必须打破封闭体系，不断检视自身，推动进化与迭代。

以金融 科技 中最为重要的人工智能应用为例，数据、算法，再加平台本身构成了一个滚动的「飞轮」，数据衍生了算法，算法给平台赋能，平台有了更好能力在吸引了更多用户，进而产生更多数据。

而在这个过程中，数据的积累、算法的演进与能力的共享很难完全由某一家企业独立完成，尤其在移动互联网时代。数据增长和技术演进的速度越来越快，企业需要更加充分的协同、合作才能使「飞轮」转得更快，实现能力的进化。

其二是 「技术」 。企业可以通过「持续的技术投入和开放的形态」变得更加强壮。

我们也可以看到，眼下无论是传统金融机构还是金融 科技 公司，他们对研发投入的占比都在不断提高，这也是整个行业不可逆的发展潮流。

事实上， 科技 与开放两个关键词本来就是让金融 科技 行业安身立命的关键，以此拓展了触达范围、提升了服务效率并从一开始就打破封闭的商业生态，而连接和共生的本质则让商业的能量进一步释放。

3

那么，在实践中，金融 科技 对抗「熵增」上的效果如何？

众所周知，过去几年，金融 科技 给支付行业带来了一次近乎颠覆式的变革。

工信部数据显示：截至2019年9月底，我国移动互联网用户总数约1598亿户，使用手机上网的用户为1304亿户。而根据此前益普索的测算，第三方移动支付在网民中的渗透率高达969%。

毫无疑问， 移动支付已经成为了中国商业的基础设施， 它大大地提升了支付效率，加速了金融线上化的进程、催生一大批新的商业模式，并由此累积了海量数据反过来进一步加深了金融 科技 应用的广度和深度。

互联网贷款又是另一个典型案例。通过人工智能、大数据等技术的应用，互联网贷款的发展让服务群体进一步「下沉」，贷款的人群、场景、产品形态也都发生了不小的变化。

以360数科为例，在过去4年里，它服务了超过15亿用户，以核心千人的员工规模撬动起每年超过2000亿的GMV规模，增长速度之快、触达人群之广是传统的金融服务方式难以想象的。

达到这一目标的核心就是将AI技术逐步应用于贷前、贷中和贷后的全流程。

比如360数科自主研发的Argus风控引擎，通过对于后台数据的复杂风控计算，可以做到自动过滤和监测风险人群、智能决策、并且实时监测贷中风险变化，评估用户资质变化、实现智能催收、智能客服等。

数据显示，Argus为360数科拦截新型风险人数超过了100万，自动过检率超过了99%，保护资产超过700亿，日均挽回损失1000万，平台欺诈损失率小于02%。

在AI能力不断成熟的基础之上，360数科将这些能力向金融机构开放，为其提供五大解决方案：数字化营销方案、数字化运营方案、数字化风控方案、数字化贷后方案，以及智能金融全链路方案。

360数科2020年二季报显示，平台 科技 业务占比提升至269%，综合 科技 服务收入占比已接近50%。结合前面提到的AI「飞轮」来看，其开放策略之下交易与数据的积累使得平台的「飞轮」自动高速运转。

在数字化成为日常的未来，每家企业都在努力成为 科技 公司，而每家 科技 公司都有一个AI大脑。 金融 科技 企业在数据、技术方面的积累，在业务发展过程中所锻造的能力，也使得其在AI时代有了更大的舞台。

尽管金融 科技 的发展一直伴随着很多争议和挑战，但今天来看，在金融这件事上，大多数人享受到了更便捷、高效、灵活，甚至低成本的服务，这也证明了金融 科技 蕴藏着改变整个商业格局的潜能。

无论未来如何发展，金融 科技 都在数字时代留下了最深刻的烙印。

在零售行业中，持续的现金周转率是零售企业在商业竟争中脱颖而出的关键。零售业的典范企业沃尔玛通过自身强大的信息系统中将现金周转率控制到30天左右，国内连锁零售巨头苏宁和国美控制到40天左右，而京东商城目前可做到10天。
之所以京东可以做到如此短的时间，得益于其将物联网技术应用于供应链管理中，井然有序的供应链管理让京东的现金周转率持续降低。下面具体从采购、仓储、配送分拣、运输等环节来具体分析一下京东商城是如何将物联网技术融入供应链管理环节的。
1）在采购环节，京东商城依靠其包含RFID、EPC、GIS、云计算等多种物联网技术的先进系统对一个区域进行发散分析，从而了解客户的区域构成、客户密度、订单的密度等，根据这些数据提前对各区域产品销售情况进行预测，根据预测销售量备库，同时决定采购商品分配到哪些区域的仓库，及各仓库分配数量。
物联网技术的应用可以使京东由产品销售总量的预测细化到各个区域，根据销售前端传来的详细信息，有利于采购人员做出更合理的采购决策。例如，在京东成熟的3C数码市场领域，其产品平均库存周转率约为116天，京东采购人员会对相关产品进行频繁采购，同时开放平台的供应商可以在其后台即时查看产品销售情况以及时补货。在这个环节上，物联网技术减少了用户在下订单出现缺货现象的可能性，有利于顾客更快做出购物决策，增加购物的流畅感，提高了顾客的消费体验。从成本管理角度分析，物联网技术可以帮助采购人员更合理的做出采购决策，加速了产品库存周转率，提高了产品合理分配仓库程度，节约了属于作业成本范畴的采购成本、库存成本、物流成本；销售数据与供应商的直接交流，允许供应商自行补货，也降低了交易成本的谈判成本、协调成本、信息成本。
2）在仓储环节，京东商城应用的主要是RFID技术、EPC库存取货技术、库存盘点技术以及智能货架技术，以此实现仓库自动化管理。京东商城将自身库房划分为三大区域，分别为收货区、仓储区、出库区。在收货区，京东商城首先对供应商送来的商品进行质量抽检，然后利用EPC和电子标签技术给每一件商品贴上条形码标签，作为该件商品的独一无二的身份识别证据，随后全部商品在仓储区域上架入库，每一货架均有唯一编号。上架时，京东仓库商品管理人员会利用PDA（手持终端）设备扫描商品条形码和商品进行关联后传入信息系统。这样，用户订单下达后，仓库商品管理人员可以依据系统记录直接到相应的货

计算机网络拓扑结构根据其连线和节点的连接方式可分为以下几种类型：

1、总线型

计算机网络拓扑结构中，总线型就是一根主干线连接多个节点

而形成的网络结构。在总线型网络结构中，网络信息都是通过主干线传输到各个节点的。总线型结构的特点主要在于它的简单灵活、构建方便、性能优良。其主要的缺点在于总干线将对整个网络起决定作用，主干线的故障将引起整个网络瘫痪。

2、环型

计算机网络拓扑结构中，环型结构主要是各个节点之间进行收尾连接，一个节点连接着一个节点而形成一个环路。在环形网络拓扑结构中，网络信息的传输都是沿着一个方向进行的，是单向的，并且，在每一个节点中，都需要装设一个中继器，用来收发信息和对信息的扩大读取。

环形网络拓扑结构的主要特点在于它的建网简单、结构易构、便于管理。而它的缺点主要表现为节点过多，传输效率不高，不便于扩充。

3、星形

在计算机网络拓扑结构中，星型结构主要是指一个中央节点周围连接着许多节点而组成的网络结构，其中中央节点上必须安装一个集线器。所有的网络信息都是通过中央集线器（节点）进行通信的，周围的节点将信息传输给中央集线器，中央节点将所接收的信息进行处理加工从而传输给其他的节点。

星型网络拓扑结构的主要特点在于建网简单、结构易构、便于管理等等。而它的缺点主要表现为中央节点负担繁重，不利于扩充线路的利用效率。

4、树形

在计算机网络拓扑结构中，树形网络结构主要是指各个主机进行分层连接，其中处在越高的位置，此节点的可靠性就越强。

树形网络结构其实是总线性网络结构的复杂化，如果总线型网络结构通过许多层集线器进行主机连接，从而形成了树形网络结构，在互联网中，树形结构中的不同层次的计算机或者是节点，它们的地位是不一样的，树根部位（最高层）是主干网，相当于广域网的某节点，中间节点所表示的应该是大局域网或者城域网，叶节点所对应的就是最低的小局域网。

树型结构中，所有节点中的两个节点之间都不会产生回路，所有的通路都能进行双向传输。其优点是成本较低、便于推广、灵活方便，比较适合那些分等级的主次较强的层次型的网络。

5、网状

在计算机网络拓扑结构中，网型结构是最复杂的网络形式，它是指网络中任何一个节点都会连接着两条或者以上线路，从而保持跟两个或者更多的节点相连。

网型拓扑结构各个节点跟许多条线路连接着，其可靠性和稳定性都比较强，其将比较适用于广域网。同时由于其结构和联网比较复杂，构建此网络所花费的成本也是比较大的。

扩展资料

谈到物联网，就不得不提到物联网发展中备受关注的射频识别技术（Radio Frequency Identification，简称RFID）。RFID是一种简单的无线系统，由一个询问器（或阅读器）和很多应答器（或标签）组成。

标签由耦合元件及芯片组成，每个标签具有扩展词条唯一的电子编码，附着在物体上标识目标对象，它通过天线将射频信息传递给阅读器，阅读器就是读取信息的设备。RFID技术让物品能够“开口说话”。这就赋予了物联网一个特性即可跟踪性。

就是说人们可以随时掌握物品的准确位置及其周边环境。据Sanford C Bernstein公司的零售业分析师估计，关于物联网RFID带来的这一特性，可使沃尔玛每年节省835亿美元，其中大部分是因为不需要人工查看进货的条码而节省的劳动力成本。

RFID帮助零售业解决了商品断货和损耗（因盗窃和供应链被搅乱而损失的产品）两大难题，而现在单是盗窃一项，沃尔玛一年的损失就达近20亿美元。

参考资料来源：百度百科-物联网

参考资料来源：百度百科-拓扑结构

“效率（Efficiency）是以’正确的方式做事’，而效能（Effect）是‘做正确的事’。效率和效能不应偏废，但这并不意味着效率和效能具有同等重要性。我们当然希望同时提高效率和效能，但在效率与效能无法兼得时，我们首先应着眼于效能，然后再设法提高效率。”

                                                                                                         ---- 彼得·德鲁克

在清楚了什么是数字化转型（What），企业为什么要做数字化转型（Why）之后，我们就会迫切地想知道如何做数字化转型。

其实不然，如管理大师彼得·德鲁克所言，与“正确地做事”相比，“做正确的事”更重要。所以在介绍如何做数字化转型（How）之前，我们先看看企业数字化转型应该重点关注在哪些方面(Where)。

数字经济时代的四大特征

我们先来看看数字经济时代的四大特征。

用户为王

纵观商业发展历程，经历了以下三个阶段：

-    产品为王：物资匮乏时代，产品生产厂商具有绝对的话语权，这个主要体现在德国和日本的制造业雄霸全球的阶段。

-    渠道为王：谁控制了触达客户的销售渠道，谁就控制了产品的定价权和市场的话语权。这是各种经销商、代理商盛行且赚的盆满钵满的年代。

-    用户为王：现今互联网迅猛发展的数字经济时代，物资丰富、需求个性化、渠道去中间化，产品直达客户，一切以用户为中心。苹果手机、小米手机等就是以客户为中心、重视用户体验的典型。

跨界融合

这里面有两个层面的跨界。

首先企业突破企业自身的内部边界，关注点延伸到行业价值链上，做商业模式的创新，进行价值链和行业生态的重构，这个在之前第一篇讲述“什么是数字化转型”章节已经提及。

另外，“门口的野蛮人”也正在对企业所处行业虎视眈眈。不管你身处哪个行业，对你威胁最大的往往不是行业内的对手，而是行业外你看不见的对手。不拥有一辆车和一位司机的打车平台优步、滴滴等完美颠覆了持有重资产的传统出租车行业。

主动跨界竞争的企业和被跨界的企业之间在一开始惨烈竞争，而后彼此渗透、逐步融合，直至形成新的产业生态。

万物互联

智能手机以外，各种智能硬件的普及，使得人人互联、物人互联、物物互联成为现实。小米、海尔、华为都在布局自己的智能硬件生态链，万物互联，使其与用户有更多的触点，保持跟紧密的交互。小米模式就是将硬件用接近成本的方式销售，借此建立一个万物互联的移动互联网平台，然后再在此之上做增值服务。

数据驱动

现代数字化企业中，企业数据成为新时期的石油，无处不在，无时不在，如何充分利用数据进行数据挖掘和分析进而决策已经成为企业的核心竞争力。基于360度客户画像的精准营销、信用评估、精确的产品研发、各种科学的管理决策都离不开企业数据，都是数据驱动的结果。

而数字化企业的特征，就是企业与客户、供应商及员工之间几乎所有重要的业务关系都被数字化赋能及驱动，支持关键业务决策的所有信息可以在企业的任何地方任何时候获取。

数字化转型关键领域 之 优化业务运营

企业内部核心业务流程的数字化程度决定了企业的运作效率，企业首先应该练好这个内功，简化核心业务流程并打通核心业务数据，将业务运营效率提高到极致。

雷军在小米创立之初就确立了几个学习样板：像同仁堂一样做产品，像海底捞一样做用户服务，像沃尔玛学习运营效率，目标是简化流程“少做事”。传统企业在做数字化转型时也应该像互联网公司那样首先去简化现有流程，优化业务运营，从而降本增效。虽然业务运营优化不是数字化转型的工作重点，实际上传统信息化建设就应该去做的，但是作为数字化转型初期阶段，通过优化业务运营，同时适当引入云大物移智等新的数字化技术，可以让业务部门和企业老板很快看到效果，从而坚定数字化转型信心。企业最基础的核心业务有研产供销服，不可能一哄而上同时优化，需要结合企业战略、分析业务场景及其重要性和影响力，根据业务价值确定优先级，最后分批逐步优化。这些内容属于如何进行数字化转型的内容，具体在后续的文章里会再详细介绍

数字化转型关键领域 之 密切外部交互

如前所述，用户为王、万物互联及数据驱动是当今互联网及数字经济时代的特征，为了获得客户动态画像做到精准营销、交叉销售或重复销售，必须突破企业界限，建立和客户的常态直连通道，密切和客户沟通并持续互动，增强客户的参与感和代入感，利用数据驱动决策。同理，对于价值链中的供应商及销售渠道，我们也要把他们纳入到我们企业的数字化转型中的重要环节，在业务流程和IT系统层面与他们建立常态连接互动渠道，他们的数据（如经销商的订单及销售数据、供应商的库存数据等）的客观性、准确性、完整性及时效性等将极大地影响我们企业自身的决策，同时企业给予供应商或经销商的数据（如产能数据、零部件需求数据）也将极大地支持对方的经营活动，提高效率，从而间接提高了我们的效率、降低了我们的成本。

数字化转型关键领域 之 转型产品及服务

不同行业，产品形态向数字化转型的方式和水平差异很大。

有些行业，如金融、媒体、音乐、影视、游戏等，产品形态本身就是虚拟产品或者数字产品。可以利用数字化技术提升产品可视化体验，并丰富产品品类。

有些行业，最终交付产品的形态为实体，利用VR和AR等数字化新技术，可以提供产品体验的入口，并提升产品的生产和交付过程。例如，在产品的研发和设计过程中利用数字孪生子Digital Twin与客户沟通，生产过程中利用3D打印技术进行个性化单品定制快速生产。

还可以利用新的数字化技术在产品和服务品类上创新。例如利用物联网连接设备，对设备进行远程预测性维护。

数字化转型关键领域 之 赋能组织及员工

数字化转型中最难也最关键的是进行企业文化的转变和培训员工，以赋能组织和员工。

先说企业文化的转变。

首先，成长型思维模式自上而下渗透。国际大厂都会首先对高管层进行这方面的培训和训练，然后逐层渗透，形成成长型思维的企业文化。关于成长型思维本身，是一个比较独立的话题，笔者曾经在美国接受过这个主题的培训,合适的时候今后我再写文章介绍，大家可以先看一下下面这个对比图。

其次，员工职责自下而上由流程执行转向业务驱动。在传统企业中，组织架构大多是金字塔结构，塔尖管理层做决策（做正确的事），塔底员工执行流程（正确地做事），自上而下决策意识和决策权逐层减弱。而在数字化转型的组织中，很多事情处于不确定状态，没有现有的流程或者解决方案可参照，需要员工从业务价值角度自行去判断并寻找解决方案。这些细节将会在另一篇文章中详细讲述。

再说员工能力提升。

如上所说，为了使员工能够从业务价值角度自行判断并寻求解决方案，员工需要具有自行判断的意识和能力，显然这就需要在相应领域给员工培训赋能，内容涉及知识性的和方法论方面的，方法论的培训一般采取实 *** 训练营方式进行。

后续更精彩，敬请持续关注。

- End -

声明部分，版权归原作者所有。

　大数据泛指巨量的数据集，因可从中挖掘出有价值的信息而受到重视。《华尔街日报》将大数据时代、智能化生产和无线网络革命称为引领未来繁荣的三大技术变革。麦肯锡公司的报告指出数据是一种生产资料，大数据是下一个创新、竞争、生产力提高的前沿。世界经济论坛的报告认定大数据为新财富，价值堪比石油。因此，发达国家纷纷将开发利用大数据作为夺取新一轮竞争制高点的重要抓手。
大数据时代的来临
互联网特别是移动互联网的发展，加快了信息化向社会经济各方面、大众日常生活的渗透。有资料显示，1998年全球网民平均每月使用流量是1MB（兆字节），2000年是10MB，2003年是100MB，2008年是1GB（1GB等于1024MB），2014年将是10GB。全网流量累计达到1EB（即10亿GB或1000PB）的时间在2001年是一年，在2004年是一个月，在2007年是一周，而2013年仅需一天，即一天产生的信息量可刻满188亿张DVD光盘。我国网民数居世界之首，每天产生的数据量也位于世界前列。淘宝网站每天有超过数千万笔交易，单日数据产生量超过50TB（1TB等于1000GB），存储量40PB(1PB等于1000TB)。百度公司目前数据总量接近1000PB，存储网页数量接近1万亿页，每天大约要处理60亿次搜索请求，几十PB数据。一个8Mbps（兆比特每秒）的摄像头一小时能产生36GB数据，一个城市若安装几十万个交通和安防摄像头，每月产生的数据量将达几十PB。医院也是数据产生集中的地方。现在，一个病人的CT影像数据量达几十GB，而全国每年门诊人数以数十亿计，并且他们的信息需要长时间保存。总之，大数据存在于各行各业，一个大数据时代正在到来。
信息爆炸不自今日起，但近年来人们更加感受到大数据的来势迅猛。一方面，网民数量不断增加，另一方面，以物联网和家电为代表的联网设备数量增长更快。2007年全球有5亿个设备联网，人均01个；2013年全球将有500亿个设备联网，人均70个。随着宽带化的发展，人均网络接入带宽和流量也迅速提升。全球新产生数据年增40%，即信息总量每两年就可以翻番，这一趋势还将持续。目前，单一数据集容量超过几十TB甚至数PB已不罕见，其规模大到无法在容许的时间内用常规软件工具对其内容进行抓取、管理和处理。
数据规模越大，处理的难度也越大，但对其进行挖掘可能得到的价值更大，这就是大数据热的原因。首先，大数据反映舆情和民意。网民在网上产生的海量数据，记录着他们的思想、行为乃至情感，这是信息时代现实社会与网络空间深度融合的产物，蕴含着丰富的内涵和很多规律性信息。根据中国互联网络信息中心统计，2012年底我国网民数为564亿，手机网民为42亿，通过分析相关数据，可以了解大众需求、诉求和意见。其次，企业和政府的信息系统每天源源不断产生大量数据。根据赛门铁克公司的调研报告，全球企业的信息存储总量已达22ZB（1ZB等于1000EB），年增67％。医院、学校和银行等也都会收集和存储大量信息。政府可以部署传感器等感知单元，收集环境和社会管理所需的信息。2011年，英国《自然》杂志曾出版专刊指出，倘若能够更有效地组织和使用大数据，人类将得到更多的机会发挥科学技术对社会发展的巨大推动作用。
大数据应用的领域
大数据技术可运用到各行各业。宏观经济方面，IBM日本公司建立经济指标预测系统，从互联网新闻中搜索影响制造业的480项经济数据，计算采购经理人指数的预测值。印第安纳大学利用谷歌公司提供的心情分析工具，从近千万条网民留言中归纳出六种心情，进而对道琼斯工业指数的变化进行预测，准确率达到87%。制造业方面，华尔街对冲基金依据购物网站的顾客评论，分析企业产品销售状况；一些企业利用大数据分析实现对采购和合理库存量的管理，通过分析网上数据了解客户需求、掌握市场动向。有资料显示，全球零售商因盲目进货导致的销售损失每年达1000亿美元，这方面的数据分析大有作为。
在农业领域，硅谷有个气候公司，从美国气象局等数据库中获得几十年的天气数据，将各地降雨、气温、土壤状况与历年农作物产量的相关度做成精密图表，预测农场来年产量，向农户出售个性化保险。在商业领域，沃尔玛公司通过分析销售数据，了解顾客购物习惯，得出适合搭配在一起出售的商品，还可从中细分顾客群体，提供个性化服务。在金融领域，华尔街“德温特资本市场”公司分析34亿微博账户留言，判断民众情绪，依据人们高兴时买股票、焦虑时抛售股票的规律，决定公司股票的买入或卖出。阿里公司根据在淘宝网上中小企业的交易状况筛选出财务健康和讲究诚信的企业，对他们发放无需担保的贷款。目前已放贷300多亿元，坏账率仅03%。
在医疗保健领域，“谷歌流感趋势”项目依据网民搜索内容分析全球范围内流感等病疫传播状况，与美国疾病控制和预防中心提供的报告对比，追踪疾病的精确率达到97%。社交网络为许多慢性病患者提供临床症状交流和诊治经验分享平台，医生借此可获得在医院通常得不到的临床效果统计数据。基于对人体基因的大数据分析，可以实现对症下药的个性化治疗。在社会安全管理领域，通过对手机数据的挖掘，可以分析实时动态的流动人口来源、出行，实时交通客流信息及拥堵情况。利用短信、微博、微信和搜索引擎，可以收集热点事件，挖掘舆情，还可以追踪造谣信息的源头。美国麻省理工学院通过对十万多人手机的通话、短信和空间位置等信息进行处理，提取人们行为的时空规律性，进行犯罪预测。在科学研究领域，基于密集数据分析的科学发现成为继实验科学、理论科学和计算科学之后的第四个范例，基于大数据分析的材料基因组学和合成生物学等正在兴起。
麦肯锡公司2011年报告推测，如果把大数据用于美国的医疗保健，一年产生潜在价值3000亿美元，用于欧洲的公共管理可获得年度潜在价值2500亿欧元；服务提供商利用个人位置数据可获得潜在的消费者年度盈余6000亿美元；利用大数据分析，零售商可增加运营利润60%，制造业设备装配成本会减少50%。
大数据技术的挑战和启示
目前，大数据技术的运用仍存在一些困难与挑战，体现在大数据挖掘的四个环节中。首先在数据收集方面。要对来自网络包括物联网和机构信息系统的数据附上时空标志，去伪存真，尽可能收集异源甚至是异构的数据，必要时还可与历史数据对照，多角度验证数据的全面性和可信性。其次是数据存储。要达到低成本、低能耗、高可靠性目标，通常要用到冗余配置、分布化和云计算技术，在存储时要按照一定规则对数据进行分类，通过过滤和去重，减少存储量，同时加入便于日后检索的标签。第三是数据处理。有些行业的数据涉及上百个参数，其复杂性不仅体现在数据样本本身，更体现在多源异构、多实体和多空间之间的交互动态性，难以用传统的方法描述与度量，处理的复杂度很大，需要将高维图像等多媒体数据降维后度量与处理，利用上下文关联进行语义分析，从大量动态而且可能是模棱两可的数据中综合信息，并导出可理解的内容。第四是结果的可视化呈现，使结果更直观以便于洞察。目前，尽管计算机智能化有了很大进步，但还只能针对小规模、有结构或类结构的数据进行分析，谈不上深层次的数据挖掘，现有的数据挖掘算法在不同行业中难以通用。
大数据技术的运用前景是十分光明的。当前，我国正处在全面建成小康社会征程中，工业化、信息化、城镇化、农业现代化任务很重，建设下一代信息基础设施，发展现代信息技术产业体系，健全信息安全保障体系，推进信息网络技术广泛运用，是实现四化同步发展的保证。大数据分析对我们深刻领会世情和国情，把握规律，实现科学发展，做出科学决策具有重要意义，我们必须重新认识数据的重要价值。
为了开发大数据这一金矿，我们要做的工作还很多。首先，大数据分析需要有大数据的技术与产品支持。发达国家一些信息技术（IT）企业已提前发力，通过加大开发力度和兼并等多种手段，努力向成为大数据解决方案提供商转型。国外一些企业打出免费承接大数据分析的招牌，既是为了练兵，也是为了获取情报。过分依赖国外的大数据分析技术与平台，难以回避信息泄密风险。有些日常生活信息看似无关紧要，其实从中也可摸到国家经济和社会脉搏。因此，我们需要有自主可控的大数据技术与产品。美国政府2012年3月发布《大数据研究与发展倡议》，这是继1993年宣布“信息高速公路”之后又一重大科技部署，联邦政府和一些部委已安排资金用于大数据开发。我们与发达国家有不少差距，更需要国家政策支持。
中国人口居世界首位，将会成为产生数据量最多的国家，但我们对数据保存不够重视，对存储数据的利用率也不高。此外，我国一些部门和机构拥有大量数据却不愿与其他部门共享，导致信息不完整或重复投资。政府应通过体制机制改革打破数据割据与封锁，应注重公开信息，应重视数据挖掘。美国联邦政府建立统一数据开放门户网站，为社会提供信息服务并鼓励挖掘与利用。例如，提供各地天气与航班延误的关系，推动航空公司提升正点率。
大数据的挖掘与利用应当有法可依。去年底全国人大通过的加强网络信息保护的决定是一个好的开始，当前要尽快制定“信息公开法”以适应大数据时代的到来。现在很多机构和企业拥有大量客户信息。应当既鼓励面向群体、服务社会的数据挖掘，又要防止侵犯个体隐私；既提倡数据共享，又要防止数据被滥用。此外，还需要界定数据挖掘、利用的权限和范围。大数据系统本身的安全性也是值得特别关注的，要注意技术安全性和管理制度安全性并重，防止信息被损坏、篡改、泄露或被窃，保护公民和国家的信息安全。
大数据时代呼唤创新型人才。盖特纳咨询公司预测大数据将为全球带来440万个IT新岗位和上千万个非IT岗位。麦肯锡公司预测美国到2018年需要深度数据分析人才44万—49万，缺口14万—19万人；需要既熟悉本单位需求又了解大数据技术与应用的管理者150万，这方面的人才缺口更大。中国是人才大国，但能理解与应用大数据的创新人才更是稀缺资源。
大数据是新一代信息技术的集中反映，是一个应用驱动性很强的服务领域，是具有无穷潜力的新兴产业领域；目前，其标准和产业格局尚未形成，这是我国实现跨越式发展的宝贵机会。我们要从战略上重视大数据的开发利用，将它作为转变经济增长方式的有效抓手，但要注意科学规划，切忌一哄而上。

目前区块链技术并不成熟，所以其在农业领域的应用并不多，比较典型的是农副产品的可溯源工程。即通过扫描购买的产品包装袋上的二维码，了解农副产品的生长过程，如何时种植，何时收获等。吉民生商城便是典型的农业领域区块链应用的电商平台。

---