工業(yè)大數據

工業(yè)大數據是未來(lái)工業(yè)在全球市場(chǎng)競爭中發(fā)揮優(yōu)勢的關(guān)鍵。無(wú)論是德國工業(yè)4.0、美國工業(yè)互聯(lián)網(wǎng)還是《中國制造2025》，各國制造業(yè)創(chuàng )新戰略的實(shí)施基礎都是工業(yè)大數據的搜集和特征分析，及以此為未來(lái)制造系統搭建的無(wú)憂(yōu)環(huán)境。本書(shū)基于工業(yè)4.0的時(shí)代背景，通過(guò)深入剖析未來(lái)工業(yè)的商業(yè)模式和智能服務(wù)體系的創(chuàng )新技術(shù)變革，論述如何通過(guò)工業(yè)大數據的分析和應用去預測需求、預測制造，整合產(chǎn)業(yè)鏈和價(jià)值鏈，發(fā)現用戶(hù)的價(jià)值缺口，發(fā)現和管理不可見(jiàn)的問(wèn)題，實(shí)現為用戶(hù)提供定制化的產(chǎn)品和服務(wù)。

如何以較低成本滿(mǎn)足用戶(hù)定制化的需求？
如何使制造過(guò)程的信息透明化、更加高效、提升質(zhì)量、降低成本和資源消耗和更有效的管理？
如何提供設備全生命周期的信息管理和服務(wù)，使設備的使用更加高效、節能、持久？
如何使人的工作更加簡(jiǎn)單，甚至部分代替人的工作，在提高生產(chǎn)效率的同事降低工作量？
如何實(shí)現全產(chǎn)業(yè)鏈的信息整合，使整個(gè)生產(chǎn)系統達到協(xié)同優(yōu)化，增加生產(chǎn)系統變得更加動(dòng)態(tài)和靈活，進(jìn)一步提高生產(chǎn)效率和降低生產(chǎn)成本？
工業(yè)大數據則以分析這些問(wèn)題為出發(fā)點(diǎn)，圍繞它能夠解決什么樣的問(wèn)題和為用戶(hù)提供什么樣的服務(wù)為價(jià)值。同時(shí)，工業(yè)大數據能夠在橫向與縱向環(huán)節的互聯(lián)與在統一平臺的信息共享，由此將資源利用與分析維度規?；?、價(jià)值最大化，進(jìn)而能夠最大范圍地面向各環(huán)節的用戶(hù)進(jìn)行應用服務(wù)的定制與按需分發(fā)，由此又可衍生出持續性服務(wù)共贏(yíng)的模式。

大數據給營(yíng)銷(xiāo)帶來(lái)了非常大的希冀。特別是，它能解決營(yíng)銷(xiāo)人員一直覺(jué)得棘手的兩個(gè)問(wèn)題：

1. 誰(shuí)在什么時(shí)候以什么價(jià)格買(mǎi)了啥？

2. 客戶(hù)所聽(tīng)、所讀和所看到的東西究竟與他們消費購買(mǎi)有無(wú)關(guān)聯(lián)？

解決它們就能更容易地鎖定目標客戶(hù)，發(fā)現并消除所謂被“浪費了的50%”的廣告預算，從而使營(yíng)銷(xiāo)變得更高效。因此，為了解決這兩個(gè)問(wèn)題，營(yíng)銷(xiāo)官們把自己的大數據望遠鏡對準這樣一個(gè)目標：預測消費者的下一筆交易。他們努力地畫(huà)出每位消費者更為詳細的用戶(hù)畫(huà)像、記住他的媒體偏好、仔細觀(guān)察他的購物習慣、并將他的喜好愿望和想要的都進(jìn)行歸類(lèi)。其結果就是給出了一個(gè)精致、高分辨率的用戶(hù)特寫(xiě)，揭示他的下一步舉動(dòng)。

然而，急著(zhù)探索和瞄準下次交易令許多行業(yè)很快面臨一種令人擔憂(yōu)的現實(shí)：贏(yíng)得了下一筆交易最終也只是短期的策略?xún)?yōu)勢。它忽視了一個(gè)巨大且必然的結果，那就是如果每個(gè)競爭者都能掌握了預測客戶(hù)下一筆交易的能力，營(yíng)銷(xiāo)官們也會(huì )不可避免地犧牲掉邊際交易的利潤。這種沒(méi)有贏(yíng)家的短期軍備競賽最終會(huì )導致在中長(cháng)期讓所有競爭對手地位均等。追求下一筆交易將不會(huì )帶來(lái)持續性的競爭優(yōu)勢。

這并不意味著(zhù)企業(yè)不應嘗試去預測和捕抓消費者下一次的購買(mǎi)意圖。而是他們要知道，只有在競爭對手普遍落后，成為領(lǐng)先者還依舊有點(diǎn)兒優(yōu)勢的行業(yè)里，這種做法才能取得高于平均水平的回報。在旅游、保險、電信、音樂(lè )和汽車(chē)這些行業(yè)里，各競爭對手之間的預測水平已迅速趨于平衡， 能從預測下一次購買(mǎi)中獲得的可持續競爭優(yōu)勢已非常少。

營(yíng)銷(xiāo)方案若想依靠大數據獲得持續性?xún)?yōu)勢，就必須問(wèn)一些有關(guān)長(cháng)期客戶(hù)粘度、忠誠度以及客戶(hù)關(guān)系的戰略性問(wèn)題?；诖髷祿岢龅膯?wèn)題，不僅要關(guān)注什么能誘發(fā)下一次購買(mǎi)，也要問(wèn)問(wèn)哪些因素能讓客戶(hù)保持忠誠；不僅看客戶(hù)下次愿意付多少價(jià)錢(qián)，也要問(wèn)問(wèn)他們能提供的終身價(jià)值是多少；不僅看怎么從對手那里挖來(lái)客戶(hù)，也要問(wèn)問(wèn)在對手有更優(yōu)惠的價(jià)格時(shí)，怎么才能讓他們留下來(lái)。

要想知道這些更具戰略性問(wèn)題的答案，就得以不同的方式運用大數據。與其只看如何用數據鎖定客戶(hù)，我們更應該關(guān)注如何用大數據給客戶(hù)創(chuàng )造價(jià)值。也就是說(shuō)，我們需要做個(gè)轉化，不問(wèn)大數據能為我們做些什么，而是關(guān)注大數據能為客戶(hù)做什么。

工業(yè)大數據能幫助提供設計資料，增強產(chǎn)品與服務(wù)，或完全打造一個(gè)全新的出來(lái)。簡(jiǎn)單例子有像亞馬遜和Netfilx，通過(guò)推薦引擎減少搜索和評估成本，給客戶(hù)創(chuàng )造價(jià)值；或者是像Opower利用定制化的使用信息增強商品的實(shí)用性。更有趣的例子是一些來(lái)自眾包的數據，可以回答消費者諸如“我能從其它消費者學(xué)到什么”或“我跟其它消費者相比起來(lái)如何”等重要問(wèn)題。

多參考一些利用大數據創(chuàng )造新價(jià)值的初創(chuàng )公司能給我們帶來(lái)不少啟發(fā)。Opower允許客戶(hù)給他們的Facebook好友分享自己的水電賬單，了解自己與其它用戶(hù)相比起來(lái)排名情況如何。 INRIX則是集合客戶(hù)手機和其它來(lái)源的交通數據，提供實(shí)時(shí)的路況報告。房地產(chǎn)網(wǎng)站Zillow結合各方信息給買(mǎi)家、賣(mài)家和中介提供關(guān)于地產(chǎn)特性與價(jià)值，性?xún)r(jià)比高的房地產(chǎn)以及市場(chǎng)特征的綜合洞察。這些公司都是天生大數據企業(yè)。他們的成功也為所有行業(yè)敲響了警鐘：今天，所有的生意都是信息生意。