提到大数据，甚至是人工智能，大家耳熟能详的都是一些面向消费者的应用场景。比如被人民日报批判的今日头条的个性化推荐（千人前面），电商平台购买商品后推荐的其他商品等。在这个场景的另外一边是众多的企业，特别是传统企业，他们一直想突破“+大数据”的战略，如何才能像今日头条，京东，阿里一样构建自己的数据体系，最终让大数据为企业带来真正的商业价值。然而，经过这几年企业服务市场中对大数据细分的不断投入，探索，我们看到2018年大数据商业价值的突破才刚刚开始。接下来从数据资产管理，数据价值挖掘，商业应用及运营优化闭环三个方面来回顾一下历史，同时展望一下未来。
数据资产管理：
互联网企业天生就是信息化，移动化的，所以诸多的数据资产都早早被收集，或者说相对容易的就可以被收集起来。从最初的线上线下营销（如广告投放，活动，促销运营等）流量数据，到用户的注册及档案信息，到用户和互联网产品的各种交互行为或者用户间的互动，到用户的购买行为，到后续用户的再传播等。
而更多的传统企业却往往是可望不可及的状态，能通过传统的erp，crm，渠道管理，excel等方式积累数据的企业已经算是很不错的企业了，但是他们是以资金流和商品流的形式在链路上采集数据，而互联网企业天生练就的就是以用户为中的形式来采集数据。
从数据资产管理的角度来看两种方式采集数据并没有任何的优劣之分，因为数据资产管理的基础是整合数据形成统一的数据基础。并且都可以最终抽象成一个人（用户），物(商品），场（场景）的三元结构来存储，只要数据完整性和关联性没有问题，现行方式差异并不大。
这其中看似是差异的部分主要是来自对新技术的支持差异，特别是移动互联网和iot的支持。 比如在很多传统企业的经营重点中对客户和产品交互的忽略，导致了对iot和互联网技术的忽视。比如app和网站中可以通过sdk的方式来采集用户的行为数据，比如线下消费场景中同样也可以通过wifi，nfc，ibeacon，甚至是视频分析来做用户的行为分析等。还有比如之前生产一个温度计或者净化器是不会去思考用户是如何使用的，使用过程中碰到的问题，甚至是使用的环境，但是你看看小米这种互联网思维的企业生产出来的温度计和净化器。iot和网络技术赋予了企业更多的了解客户需求，优化用户体验的数据来源。
回顾历史，我们看到市场上企业对于数据资产的重视程度已经很高，同时各种数据采集和整合方案的提供商也不断增加，企业在构建数据资产平台上面临的问题也越来越少。2018年我们将看到井喷式的需求，这个时候考验企业的就是实施交付能力和基于客户的方案设计能力了。同时产品的健壮性，可扩展性，实施工具等的支持对于提升标准产品通过配置来完成80%的需求之后的完整落地也非常重要。
数据价值挖掘
构建了统一的数据资产管理平台之后，数据的价值如何挖掘就成了数据商家价值变现的核心gap。传统的数据挖掘服务，比如企业内的bi系统和数据分析师团队都是非常重要的，但是随着从物品和场景的分析扩展到人物场组合下的精细分析需求的增长，分析系统的性能和工作效率都成为了新的瓶颈。 另外人才的匮乏也是一个大问题，越来越多的企业需要数据挖掘和分析，并且要做好数据挖掘和分析对于人的要求也不低，他们需要数据敏感度，行业知识，和建模分析能力。
数据价值的挖掘取决于最终的应用场景，从大的方面来看可以基于最终受益者的层次来简单分为决策层和执行层。 而他们需要分析的场景也可以分为探索性分析和验证性分析。 对于验证性分析来说核心的诉求应该就是需要能自助式而且是实时的得到数据分析的结果（统计数据和预测数据），对于具体的执行层面的优化是基础。 探索性需求的满足更多的是需要从数据本身，通过对数据分布，关联性分析，归因分析等来探索不是那么显而易见或者能想到的需要验证的假设。
回顾历史，在数据价值挖掘层面上需求强烈的企业目前还是集中在大中型的高单价消费品或者是b2b的企业中。这类企业一般都希望构建自己的数据团队，而且企业内部对于业务的理解和商业诉求更清楚。 基于人员的欠缺等现状，在数据价值挖掘方向的服务的核心是：可标准化的分析框架+专业的数据分析咨询，辅助企业开启数据价值挖掘的第一步，通过具体某个项目的poc来验证数据的商业价值和roi的衡量。
商业应用及运营优化
通过挖掘分析之后的数据洞察如何才能高效的产生价值，这是最重要的一环也是最容易被忽略的一环。最常见的情况是输出的报告形式的数据，期初企业内还是有人关注的，大家也能发现一些问题，然而久而久之因为没有实行相关的优化策略和应用数据的变化也不大，或者数据一直在恶化，但是大家都无从下手。 当然也有好一点的情况，集中关注某一个核心指标通过具体的运营优化最终实现了指标的优化和提升。
商业应用及运营优化的核心在于：首先要有完善的数据流转和反馈机制，也就是说每个人都能看到自己想看到的数据，而且能够将相关的数据反映的问题反馈出来； 其次是要讲数据融入到企业的作业流程中去，通过无缝的对接，让数据真正成为应用和优化的基础纬度；最后最重要的是有及时的反馈，每一次基于数据的应用和优化需要有明确的量化的反馈，做之前和之后的差异在哪里？后续应该如何选择更好的优化策略，形成相关的知识库。
然而这一步是第三方企业服务软件，咨询公司，顾问，老板等无法自己完成的一个任务，这个就涉及到企业的数据驱动的文化构建，也取决于企业的dna。当然随着信息化，智能化的发展，我们看到有一部分工作其实是可以通过机器来替代完成的，对于这一类工作来通过数据驱动的优化形成闭环，再通过自学习和优化是很好的已选择。比如目前有些营销自动化服务商针对一些特殊场景提供的服务，还有后续的智慧交通，物流等都存在巨大的机会。
总体来看，大数据商业价值的挖掘将是2018年企业服务的重点，而且最终的突破一定是在传统行业爆发，特别是零售，教育，和大健康。 在国际市场中的核心服务提供商包括ibm，adobe，salesforce等老牌企业。同时也给新兴的创业企业巨大的机会比如美国的looker，domo，tableau, qlik等。
目前国内有大量的公司都在号称做成中国他们。 但是为什么我们还没有看到巨头的出现呢？中国企业的信息化，数据思维不够？企业服务提供方的专业知识不够？技术壁垒应该不存在吧，那就是行业理解和落地实操经验欠缺？中国的企业对效果的要求操之过急？这些问题我们无法回答。但是我们最新推出的壹看板1kanban数据产品中，我们非常明确的帮助企业去解决从数据治理，到数据价值挖掘，到数据应用和运营优化，辅助完成商业价值的闭环。 1）构建数据资产的最后三公里，实现多方数据源的无缝对接，让数据说话有理有据，站在同一个基础之上。2）贴心的咨询服务和专业的poc验证流程，为企业解决具体的数据驱动问题，系统能够长期用起来，滚动数据的价值； 3）通过可视化展示降低企业使用门槛，实时的，交互的产看运营效果，及时反馈和优化。