企业市场的研究

前 言：随着时代的发展和科技的飞速进步，各种高科技产品不断出现，伴随手机普及率的迅速提高，手机几乎成了每个国民手中的标配，手机的更新换代速度也越来越快，，在运营商移动、联通、电信三大巨头的带领下，我国的电信业务逐步趋近于成熟和完善，同时手机市场竞争呈现一个非比寻常的激烈竞争状态，在设备方，华为、中兴等诸多企业也逐步走向世界，在这几年发展时间里，华为有了一定的品牌基础。根据国际数据公司公布的2019年第一季度的手机销量排行榜中，华为排名第二名，与去年同期相比，华为手机销量涨幅50%，国产手机在全球手机市场占有率大幅提高，数据表示华为第一季度销售5910万台，同比增幅50.3%。可以预见的是，华为等国产手机的销量份额和市场占有百分比还将会上升。华为手机的品牌基础好，市场潜力大。在市场大环境下，一个有远见的手机智能企业在注重产品质量的同时更加会注重市场营销。华为手机该如何吸引更多的客户，在“互联网+”时代如何维持第一的市场份额？1、企业的基本情况华为技术有限公司成立于1987年，创立于广东深圳；1990年开始自主研发面向酒店与小企业的PBX技术并进行商用；1992年，开始研发并推出农村数字交换解决方案；1994年，推出C&C08数字程控交换机；1995年，销售额达15亿人民币；1996年推出综合业务接入网和光网络SDH设。并在俄罗斯之旅中抓住了商机接着进军欧美市场。2002年华为技术公司又取得了3797公里的超长距离国家光传输干线订单。华为是全球领先的信息与通信技术（ICT）解决方案的供应商。凭借着过硬的技术和良好的服务一直以来保持快速、稳定、健康的发展。华为拥有专利2575项，联想具有2331项。公司视人才为企业的核心竞争力，拥有经验丰富的研发团队和销售团队，华为的“狼文化”可以用学习、创新、获益、团结。华为的产品和解决方案涵盖移动、宽带、IP、光网络、网络能源、电信增值业务和终端等领域、所有产品均为自主研发并拥有知识产权，多年来一直保持快速、稳健的发展，客户的需求是华为发展的原动力；坚持以客户为中心的服务理念；自我批判式的不断进步的理念；至诚至信，团结共赢的团队意识使得华为一直处于进步成长的状态。2 企业的现行的营销策略及市场定位目前，华为的产品和解决方案已经应用于140多个国家，服务全球运营商50强中的45强以及全国1/3的人口，华为是继联想集团之后，成功闯入世界500强的第二家中国民营科技企业。并坚持将不少于销售收入的10%的研发投入用于对新科技、新领域进行持续不断的研究和跟踪。华为技术有限公司中43%为研发人员。华为技术公司加入了ITU、3GPP、IETF、ETSI、OMA、TMF、FSAN和DSLF等70个国际标准组织。华为公司也专注于对标准和专利的投入，坚持掌握未来技术的制高点。在3GPP基础专利中，华为居全球第五。华为实施全球化营销战略，在海外建立了8个地区部，100多个分支机构。在美国、印度、俄罗斯等国家设立了12个研究所，采用国际化的全球同步研发体系，使得在技术上与全球同步。并与众多世界领先的运营商建立长期稳定的合作关系，在固定网络、IP网络和电信增值业务等产品领域表现出稳健的增长态势，稳步提升市场份额。 在面对中兴等老对手的竞争中，华为分出去的子公司对华为的盈利、销售和成本控制有很强的影响。利润相对可观。华为技术公司虽处于产业的领导位置，但也需要注意现有和潜在的代替品的威胁。所以华为企业应加大对产品的研发力度和技术含量，使产品更具有竞争力，减少可替代性。其次对企业影响较大的因素还有批发商和零售商较强的价格谈判能力。对此，华为公司在保证产品质量和服务的情况下，研发新技术进行创新从而减少成本。华为手机采取的是差异化策略,针对用不同的细分市场用不同的产品服务。对于四十岁以上的消费者来说性价比最为重要。华为针对年龄二十岁到四十岁之间的消费者华为推出荣耀系列手机。用技术先进、功能多样、外形绚丽的特点拉拢这一细分市场的消费者。三、SWOT分析1、优势分析华为在研发、成本、服务等多个方面具有自己的品牌优势。其中最引以为豪的竞争力之就是研发，在研发投入上，华为的投入比例远远高于了国际高技术公司的平均水平。将不少于销售收入的10%的研发投入用于对新科技、新领域进行持续不断的研究和跟踪。这一比例在全国电子百强中排列第一华为技术有限公司中43%为研发人员。并将所研发的技术用于自主产品上。也正因如此华为凭借自主研发了全球尖端核心技术在高端市场上站稳了脚步。华为也是中国申请专利最多的企业，华为利用在产品的扩展能力、系统设计和业务特性方面的管理优势等方面满足企业网络和宽带网络的需求，为客户提供更加高效、安全的解决方案。不断推出性价比更优的解决方案与产品。服务优势：客户为本，华为开发的产品以客户需求为导向，实现服务至上的本土化服务，并以创新手段来提供支持，并以从整体TCO角度去降低客户成本，跟客户一起去追求成本优势的商业模式，进而也从原有电信设备巨头市场中砍出了自己的市场。这种方法远远比卖低价产品有效。成本优势：在面对供应商的价格强势和进货商的砍价议价能力上，成本成为了最为主要的因素。在产品成本上比国外其他厂商相比，华为利用国内劳动力及设备较为廉价这一优势，使得华为在价格上更具明显优势。 华为投入1块钱研发,相当于欧洲公司投入10块钱，也就是华为的研发成本是欧洲公司的十分之一。领导优势：华为的总裁是任正非，就读于重庆建筑工程学院，在2003年被网民评选为“2003年中国IT十大上升人物”；2005年入选美国《时代》杂志全球一百位最具影响力人物。2011年，又以11亿美金首次进入福布斯富豪榜，全球排名1153名，中国第92名。这是一条为了观念而战斗的硬汉。他的名篇佳作《华为的冬天》曾经被许多企业(尤其IT界)作为企业危机管理的范本。任正非十多年的励精图治，把华为建成了中国IT界的标杆企业，与国际著名企业一样成为众多名牌大学学子择业的首选企业之一。并于2018年3月，辞去副董事长的职位，变成董事会成员。由于任正非是军转干部出身，将他的“毛泽东思想"、“狼性文化”、“军事化管理”等一系列新式的企业管理文化融入华为企业的精神与治理方面。2 劣势分析1、华为企业在任正非的领导下，有利亦有弊，企业文化和管理方面具有非常浓烈的个人色彩。这也是一般民营企业都存在的通病，在这一权独大的情况下，很容易出现决策失误。2.财力资源比较薄弱。由于华为没有上市，融资比较困难，其财力与市场上一些巨头相比要薄弱的多。这在一定程度上会阻碍国际化进程，而且也限制了它的研发支出。3、宣传力度不足，不足的宣传力度和低调的公关风格不利于提高企业形象。由于华为如今涉足手机等终端产品，其消费群体将是广大群众，而其低调的作风不利于公司产品的推广针对这-一点，华为当下也进行了改进。因此，华为当下也逐渐重视产品的宜传。3 机会分析通信业的快速发展，给华为带来了机遇。当前国内市场趋于饱和，品牌过度集中，竞争也很激烈。但随着国家政策的施行和文化的复兴，人们越来越重视国产，再加上国家互联网计划的提出，使得华为公司飞速发展，在面对这样的发展情况下，华为用自己独特的网络营销策略积极面对这些挑战。网络的发展，对于手机市场来说既是挑战也是机遇，华为在建立网络营销电商渠道的同时，还积极与京东、苏宁、天猫等一些知名网站积极合作。另外，华为在广告方面打破常规，很少在电视、杂志、媒体做广告，而是通过微博、微信各大社交网站来做广告。而是通过微博与名人互动，建立自己的网站。提升产品热度。每次的产品都采用发布会的形式，来吸引媒体的关注度，提高消费者的参与度。此外，华为公司同时采用饥饿营销模式通过抢购、预约的方式保持产品的关注度，增加消费者的购买欲望。 华为的营销模式虽然已经很全面，但是面对当今社会激烈的竞争环境，可能日后的发展还需要改进。 4 威胁分析：近些年来，虽然中国企业在核心技术层次不断的取得进步，但还是没有到达超越美国、日本的地步，在很多核心技术方面还需依赖外国公司。虽然华为公司在技术方面已经打破了美国高通的技术垄断，华为手机芯片自主研发，技术世界领先，CPU，GPU采用英国ARM架构，现被日本软银收购的ARM。内建的AI处理单元NPU。华为的麒麟系列芯片在台湾台积电封装。早在2017年，美国运营商AT&T就宣布取消与华为在美国的合作销售订单。根据相关专家的调查发现，美国此举是因为华为的Mate10的芯片采用了自主研发的，没有用美国高通公司的。由于国外的技术封锁中国每年在芯片方面都需要进口，所花费的总价值已经远远超过了石油的花销。手机里其他的核心配件，屏幕，存储，电池等都可以采购非美国供应商的产品。另外华为也不是单纯的只做手机产品，通讯类产品包括基站，其它通讯设备。就怕华为被国外技术挟制后，会落得一个跟中兴一样的结果2.因为中国便宜的劳动力和中国低成本的工程和制造能力，全球电信提供商正把更多业务活动转移到中国，这将使华为的低价优势不再明显，竞争压力加大。四 现行营销策略存在的问题及改进意见S: 有力的战略、成本优势、有力的金融环境、有力的产品形象和美誉、被广泛认可的市场领导地位专利技术、产品创新技能。W：缺少关键技能和资格能力、过分狭窄的产品、利润的损失部分、内在的运作困境、市场规划能力的形式的缺乏。O:服务独特的客户群体、产品组合的扩张、新的地域领域的客户扩张、分享竞争对手的市场资源。T：替代品引起的销售下降、强势的竞争者、商业周期的影响、人口和环境的变化、市场增长的减缓.由新规则引起的成本增加。1、优势威胁策略：成为世界级通信制造企业，利用全球电信业的快速发展和国内的成本优势，华为应以成为世界级的通信制造企业为目标。创新并推出更多拥有自主知识产权的技术和设备。不管市场怎样变化，拥有自己的核心优势技术和领先F市场曾遍应用的设备是每家通信企业必须的追求。拥有更多的自主知识产权，就意味着在以后的竞争中占据更大的的市场份额和利润，这也是企业的根本目的。实现在全球范围内资源的最佳整合和配置：一家大企业，特别是一家国际化企业，拥有比小企业多得多的人力和财力优势，培养客户和市场，努力培养优秀的销售管理人员，是管理者必须着重考虑的事情，而实行全球范围内资源的整合和配置，走向全球化的必经途径。2、劣势机会策略：将人员向有潜力的市场调配，提高设备技术含量和服务水平，吸引对服务质量要求较高的经济实力强的用户。加强与政府相关部门合作，充分利用政治带动经济并用技术、专利等知识产权进行跨国合作，充分利用全球市场的发展势头，利用自己先进的技术走出去。总结：通过对华为公司的发展战略研究，我们可以得出以下结论:在市场经济的不断发展和外资企业的大量涌入的情况下，全球经济一体化日益密切,我国通信市场若想激烈的竞争取得胜利，就必须在自主研发上花精力，下功夫。华为公司在在竞争中求发展求生存, 占领市场主导地位,提高自己的市场竞争力就需进行企业目标的确定，制定适合公司发展的发展战略措施，华为坚持将不少于销售收入的10%的研发投入用于对新科技、新领域进行持续不断的研究和跟踪。这也是华为技术公司的潜力所在。

市场调研的作用主要取决于使用者怎么运用调研结果，主要以下5个方面发挥作用：1、避免营销决策“踩坑”通过了解分析提供市场信息，可以避免企业在制订营销策略时发生错误，或帮助营销决策者了解当前营销策略以及营销活动的得失，以作适当建议。只有实际了解市场情况下才能有针对性地制定市场营销策略和企业经营发展策略。在企业管理部门和有关人员要针对某些问题进行决策时，如进行产品策略、价格策略、分销策略、广告和促销策略的制定。通常要了解的情况和考虑的问题是多方面的，主要有：本企业产品在什么市场上销售较好，有发展潜力；在哪个具体的市场上预期可销售数量是多少；如何才能扩大企业产品的销售量；如何掌握产品的销售价格；如何制定产品价格，才能保证在销售和利润两方面都能上去；怎样组织产品推销，销售费用又将是多少；……这些问题都只有通过具体的市场调查，才可以得到具体的答复，而且只有通过市场调查得来的具体答案才能作为企业决策的依据。否则，就会形成盲目的和脱离实际的决策，而盲目则往往意味着失败和损失。2、把握市场变化“风向”提供正确的市场信息，可以了解市场可能的变化趋势以及消费者潜在购买动机和需求，有助于营销者识别最有利可图的市场机会，为企业提供发展新契机市场竞争的发展变化日益激烈化，不断地发生变化，而促使市场发生变化的原因很多，在产品、价格、分销、广告、推销等市场因素和有关政治、经济、文化、地理条件等市场环境因素。这两类因素往往又是相互联系和相互影响的，而且不断地发生变化。企业为适应这种变化，就只有通过广泛的市场调查，及时地了解各种市场因素和市场环境因素的变化，从而有针对性地采取措施，通过对市场因素，如价格、产品结构、广告等的调整，去应付市场竞争。对于企业来说，能否及时了解市场变化情况，并适时适当地采取应变措施，是企业能否取胜的关键。3、促进企业经营“纠偏”优质的市场调研有助于企业了解当前相关行业的发展状况和技术经验，为改进企业自身的经营活动提供信息。当今世界，科技发展迅速，新发明、新创造、新技术和新产品层出不穷，日新月异。技术的进步自然会在商品市场上以产品的形式反映出来。通过市场调查，可以得到有助于我们及时地了解市场经济动态和科技信息的资料信息，为企业提供最新的市场情报和技术生产情报，以便更好地学习和吸取同行业的先进经验和最新技术，改进企业的生产技术，提高人员的技术水平，提高企业的管理水平，从而提高产品的质量，加速产品的更新换代，增强产品和企业的竞争力，保障企业的生存和发展。4、为品牌宣传“助阵”市场调研作为促进市场与企业“共谐”的重要手段，为企业市场地位和产品宣传等提供信息和支持市场宣传推广需要了解各种信息的传播渠道和传播机制，以寻找合适的宣传推广载体和方式以及详细的营销计划，这也需要市场调研来解决，特别是高速变化的环境下，过去的经验只能减少犯错误的机会，更需要实时的信息更新来保证宣传推广的到位。通常在市场宣传推广的还需要引用强力机构的市场信息支持，比如在消费者认同度、品牌知名度、满意度、市场份额等各方面提供企业的优势信息以满足进一步的需要。5、提升市场趋向“预测”通过市场调查所获得的资料，除了可供了解市场的情况之外，还可以对市场变化趋势进行预测，从而可以提前对企业的应变作出计划和安排，充分地利用市场的变化，从中谋求企业的利益。基于上述几方面原因，企业增强市场调研能力是市场、产品、管理、运营等多方面的综合需求。随着体验管理的概念越来越普及，提升市场调研能力将成为企业优化客户体验、赋能运营决策的重要手段（关注倍市得公号，了解更多资讯）。

编者按：本文来自微信公众号“艾瑞咨询”（ID：iresearch-），36氪经授权发布。核心摘要：中国企业信息化水平与经济总量的关系极不平衡；SaaS作为突破口拉近中国与领先国家之间的差距：2018年中国GDP占全球的比例达到15.8%，IT支出占比仅为3.7%，企业信息化发展水平滞后；企业级SaaS市场规模为243.5亿元，中国市场起步较晚，预计将在全球市场增长趋缓后继续保持高增长率。软件SaaS化大势所趋，但追赶差距不在一朝一夕；企业应用SaaS的优先级不同，细分市场机会各异：企业信息化水平的提高、对软件的付费意愿和SaaS订阅模式习惯的培养均需要较长时间，企业级SaaS不会出现类似2C市场的爆发式增长。总体而言增量市场应用将先于存量市场，小微企业被率先激活，大中型企业的创新型业务将有利可图。领先厂商做深行业解决方案，形成SaaS生态体系：业务垂直型与行业垂直型之间存在动态竞争关系，两者均需要更加关注行业性需求以做深解决方案。SaaS厂商间的投资并购更加频繁，领先厂商积极搭建PaaS开放平台，未来有望出现多强并存的SaaS生态体系。产品功能趋同，应针对赛道特点构筑差异化壁垒：一味比拼功能覆盖的全面性并不能让SaaS厂商脱颖而出，在形成了产品、销售和客户成功的协同作用后，网络效应和增值服务往往能让SaaS厂商更有“钱景”。预期偏差：企业信息化水平远落后于经济体量对标美国企业级SaaS的预期偏差企业服务厂商市值成长空间大，客户付费意愿未完全激活美国CRM SaaS公司Salesforce一直以来被作为全球SaaS行业的标杆。2018年，Salesforce市值首次突破千亿大关，从市值500亿美元到1000亿美元，它仅用了不到三年时间。具有打造“中国版Salesforce“野心的中国SaaS厂商不在少数，但至今尚未出现任何一家能够望其项背。事实上，不仅仅是在SaaS行业，即使是放大到整个企业服务市场，中国厂商的市值都远远落后于欧美市场，和消费级服务相比有极大的成长空间。公司的价值评估取决于资产的盈利能力，SaaS厂商以客户订阅为核心商业模式，客户的付费意愿和能力直接决定其了市值。相比Salesforce订阅收入占比超过90%、毛利率近80%，过去几年中国SaaS厂商普遍存在的痛点是，中小企业更倾向于免费产品，付费意愿有待激活，中大型企业习惯于定制化项目的服务模式，对标准化SaaS产品的积极性有限。跨界打造移动办公平台难度高，巨头入场加速市场淘汰自2007年Salesforce推出PaaS平台以来，其应用市场平台AppExchange汇集了超4000款预集成的应用程序，与PaaS平台相关的收入占云服务收入的比重增长到2019财年的23.0%。Salesforce通过搭建PaaS开放平台扩展和完善自身功能的举措大获成功，因此为诸多国内SaaS厂商所效仿。2014年左右，CRM、OA协同等领域的领先玩家开始基于自身垂直产品跨界打造移动办公平台。背靠阿里和腾讯的钉钉和企业微信以企业级IM强势切入，在短时间内实现大规模扩张，竞争空间迅速收窄导致不少跨界玩家发展受阻。从目前的市场表现来看，国内尚未出现类似Salesforce体量的PaaS平台，平台中立性、平台与开发者的利益分配以及厂商间的数据打通等诸多问题仍有待解决。中国企业信息化发展特征企业信息化整体水平的滞后造成SaaS市场的预期偏差站在全球视角下，中国企业信息化投入与整体经济发展水平的关系极不平衡。2018年，中国GDP占全球的比例达到15.8%，但中国企业的IT支出占比仅为3.7%，在过去以粗放式增长为主导的模式下，中国经济总量的快速增长在很大程度上没有反应到企业的信息化投入当中。企业信息化整体水平的滞后造成了SaaS市场的预期偏差，在将美国SaaS市场作为对标对象的同时，应当意识到中国企业IT应用的成熟度与个人消费者之间的差异。Salesforce在美国市场打出了“软件终结者”的口号，而在中国，SaaS厂商面临的市场环境中依然有大量企业的信息化停留在纸质资料电子化的浅层水平，ERP、SCM、CRM等软件应用并不非常广泛，即在业务数字化尚未完全普及的情况下就需要直接进入到数字化转型阶段。中国企业信息化发展阶段技术驱动信息化迈向新成长周期，中美差距将有望逐步缩小根据著名的诺兰阶段理论，企业的信息化成长遵循S形曲线，同时IT领域的每一次重大技术变革，都将推动企业进入新的循环。从微机时代进入互联网时代，企业第一次意识到了IT应用对企业发展的重要战略性作用。20世纪90年代中国进入互联网时代，比互联网起源地美国晚了整整20年，这一差距直接造成中国企业信息化发展阶段的滞后。进入移动互联网时代，C端用户行为习惯的改变作用于企业商业模式，基于移动互联网开展的新型业务大行其道，海量数据对计算性能和效率提出了更高的要求。移动互联网和云计算叠加大数据、物联网、人工智能等新兴技术，从需求端和供给端共同推动中国企业信息化进入新的成长周期，变革由领先互联网公司开始向各行业各领域渗透。驱动因素：各方势力入场推动SaaS应用加速中国企业级SaaS发展驱动力：供给端传统软件厂商以云服务作为增长引擎，激活高端存量市场目前中国企业级SaaS市场主要由三类玩家构成，即新兴SaaS创业公司、传统软件厂商和2C互联网巨头。其中，传统软件厂商从事企业信息化时间最久，客户基础和业务积累最为深厚。以金蝶、用友为代表的一众传统软件厂商高调向云转型，伴随着SaaS产品收入贡献比例的持续增加，SaaS业务已经成长为拉动增长的关键引擎。作为SaaS市场上单体营收能力最强的一类玩家，传统软件厂商重点服务于中大型以及超大型企业，无论是将原有软件产品转化为SaaS，还是针对新模式、高性能的业务需求推出的全新SaaS产品，都有助于快速激活高端市场中的存量客户，从而填补2C互联网巨头和SaaS创业公司较难触及的领域空白。2C互联网巨头的“B计划”，多维度刺激SaaS行业加速发展消费互联网红利见顶加之云服务整体产业趋向成熟，2018年2C互联网巨头在企业服务市场动作频繁，腾讯、美团、阿里、百度四家公司相继宣布进行组织架构调整，产业互联网战略地位持续升级。除钉钉、企业微信等入口级产品来势汹汹外，巨头们更是积极展开投资并购与生态合作，斥重金搭建自身的企业服务生态。2C巨头进场为SaaS行业带来了多维度的刺激，扮演着行业催化剂的角色。比起直接的市场竞争，巨头的生态思路通常更加侧重平台技术和能力的输出，帮助合作伙伴快速形成解决方案共同服务于客户；借助巨头的品牌和流量优势，其合作伙伴也能够实现高效的客户触达。巨头们的高调向市场释放产业互联网时机已来的信号，对数字化转型重视程度的提高有助于加速SaaS市场教育；而以投资或扶持计划名义投入市场的资金，也将激励中小创业公司开发出更优质的SaaS产品。中国企业级SaaS市场规模整体规模约250亿元，预计未来三年复合增长率近40%2018年中国企业级SaaS市场规模为243.5亿元，较上年增长47.9%。在经历了短暂的爆发式增长后，SaaS市场体量快速跃升，随后年增长率在2016年到2017年间回落明显。进入到2018年，资本市场对SaaS的态度趋于理性，客户对SaaS的认可度进一步提升，同时各细分赛道的领先厂商在商业化的探索上愈发成熟，SaaS市场增速再度上扬。预计未来三年内中国企业级SaaS市场将保持39.0%的年复合增长率，到2021年整体市场规模将达到654.2亿元。中国企业级SaaS市场细分结构CRM、客服与呼叫中心、ERP和通信占业务垂直型市场六成2018年中国业务垂直型SaaS市场规模达到140.2亿元，同比增长42.1%。其中，CRMSaaS市场最大，约占业务垂直型SaaS市场的20%，其次为客服与呼叫中心、ERP和通信（含邮箱、会议和直播）SaaS，占比分别在15%、11%和11%。从市场增速来看，除电子签名市场2018年增长率超100%，其他市场年增长率基本落在30%-50%的区间。总体而言，业务垂直型SaaS细分市场结构近两年变化不大。行业垂直型中零售电商SaaS市场规模最大，占比超四分之一2018年中国行业垂直型SaaS市场规模达到103.3亿元，整体规模略小于业务垂直型SaaS，但年增长率更高为56.6%。其中，零售电商SaaS市场规模最大，约占行业垂直型SaaS的26%，受益于新零售、智慧零售、无界零售概念的兴起，零售电商SaaS年增长率达到66.2%。医疗、物流SaaS市场规模紧随其后，占比约为16%和13%。目前，行业垂直型SaaS主要出现在行业性需求强且与互联网结合更紧密的领域，大量传统行业的SaaS渗透率依然有很大提升空间。实践路径：客户分层，商业化探索初见成效中国企业级SaaS的客群结构小微企业需求标准化，中型企业行业化，大型企业定制化根据企业员工规模和营收能力粗略地对SaaS目标客户进行划分，通常而言企业规模越大对定制化的要求就越高。受限于自身的IT预算和开发能力，小微企业的信息化建设落后，以按需订购模式提供的标准化SaaS产品天然适合于小微企业。虽然客单价最低，但因为占据数量优势，小微企业对GDP的贡献高达60%，整体市场空间不容小觑。中型企业比小微企业需求更加定制化，付费能力依然不及大型企业，SaaS厂商多围绕客户的行业属性提炼共性需求，利用PaaS对通用型产品进行延伸。处于金字塔顶端的客户业务和组织架构复杂，且往往已经拥有较为成熟的IT系统，对SaaS产品的需求集中在创新型业务上，在SaaS+PaaS的基础上，厂商还需要辅以更多定制化的增值服务才能撬动大型企业。中国企业级SaaS的竞争要素产品、销售、客户成功三位一体，共同形成全生命周期闭环SaaS厂商经常面临的三个难题是产品难做、产品难卖和产品难用，仅产品切中客户的业务和场景痛点还不够，需要进一步通过销售和客户成功的环节来完成客户全生命周期的闭环。由于客户较难在短时间内认识到2B产品创造的价值，SaaS产品与获客渠道的契合显得至关重要。部分2B产品如文档协作、企业IM、企业网盘等，和2C产品之间的界限相对模糊，可以采用自下而上（非自上而下的管理层决策）的销售路径，有机会发挥类似2C产品的病毒式传播和网络效应优势。基于SaaS商业模式，客户成功环节决定了厂商的续约能力，在客户全生命周期中扮演着重要的角色。客户成功团队需要充分调动厂商内部的各类资源，让客户会用并且用好SaaS产品。产品、销售、客户成功三者构成木桶效应，缺一不可，同时三者间亦存在协同的正向反馈，共同助力SaaS厂商的成功。中国企业级SaaS的平台化策略入口级产品降维打击，垂直型产品宜遵循平台到生态的路径目前中国企业级SaaS市场上存在着两种类型的平台化厂商。一类采取的策略类似Salesforce，通常为专注在特定业务或行业的领先厂商，通过搭建PaaS平台解决SaaS产品标准化与客户需求定制化的矛盾，以拓展大中型企业客户群体。另一类以钉钉、企业微信等具有巨头背景的产品为代表，从需求高频且相对通用的IM、OA协同等领域切入快速形成入口，进一步依托品牌、流量、资金等优势吸引第三方合作伙伴打造开放生态。采取降维打击的入口级产品自身只涉足通用的基础功能，入驻合作伙伴理论上可覆盖企业服务的所有领域，在平台化的效率上远高于CRM、HRM等垂直型产品。垂直型产品的平台化更加聚焦于自身的业务场景，平台化较为成功的厂商基本都遵循由客户验证提炼高可扩展性平台再到开放生态的发展路径，从实际市场表现来看，操之过急者往往会适得其反。中国企业级SaaS产业图谱未来趋势：在慢市场中挖掘赛道差异化机会中国企业级SaaS整体市场趋势软件SaaS化大势所趋，信息化演进背景下潜在市场空间巨大相比传统软件，SaaS简化管理、快速迭代、灵活付费和持续服务的优势在当前竞争环境中愈发突出，因而成为越来越多场景下企业客户的优选。2018年中国SaaS市场规模占应用软件的比例由2014年的6.0%上升到13.3%，软件SaaS化趋势不可逆转，预计2021年该比例将进一步增长至24.0%。考虑到中国企业信息化与领先国家的差距，企业营业收入中用于IT支出的比例每上升万分之一即可释放超过200亿元的市场空间，同时企业的IT支出结构也在不断优化，应用软件的投入比例将持续上涨。可以见得，SaaS的市场潜力远不止于当前的应用软件规模，未来的市场空间将非常可观。企业服务难出现爆发式增长，差距的追赶不在一朝一夕根据中国信通院数据，2018年中国数字经济总量超过3.1万亿元，占GDP比重达到34.8%，数字经济内部结构持续优化，产业数字化规模接近2.5万亿元。尽管数字经济的作用正在加速由IT、互联网等信息通信产业向其他产业传导，但能够看到的是，中美产业数字化规模占GDP的比重依然有近一倍的差距，难以在一朝一夕就追赶上。在中国SaaS市场巨大的潜在空间之下，企业信息化整体水平的提高、对软件的付费意愿和SaaS订阅模式习惯的培养都需要时间，2B市场不会出现像2C市场一样的爆发式增长，长路漫漫，仍需砥砺前行。中国企业级SaaS应用优先级小微企业市场率先激活，大中型企业创新型业务有利可图SaaS赛道众多，各细分市场间的差异来自于企业客户应用SaaS的优先级，总体而言增量市场的应用将先于存量市场。从客户群体来看，小微企业对应的增量市场被SaaS激活，其市场主体数量庞大，决策链条相对简单，高性价比的SaaS模式率先迎来快速增长，其中创新型业务的效益更加立竿见影，增长更快。大中型企业对SaaS的态度略显谨慎，但在创新型业务上已经开始表现出对SaaS的偏好，因其付费意愿和能力更强，大中型企业对应的潜在市场空间预期将高于小微企业。针对传统型业务，大中型企业在短期内没有动力替换使用中的传统软件，因而位于图中左下角的市场将呈现出相对缓慢、渐进式的存量替换。中国企业级SaaS细分市场机会明星赛道领先厂商突围，新兴赛道变数下暗藏机会下图呈现了具备一定规模的SaaS细分市场，通常而言，市场渗透率越高代表该领域SaaS应用越成熟，市场教育成本越低，行业集中度越高代表领先厂商的优势越明显，新进入者进入难度越大。CRM、零售电商赛道受移动互联网带来的新模式冲击最大，市场和资本关注度遥遥领先，目前已经出现多家营收过亿的创业公司。随着SaaS渗透率的进一步提高，领先厂商将加速收割市场，竞争趋于白热化。渗透率居中的新兴赛道竞争格局不确定性更大，虽然已经出现部分领军者，但后起之秀同样活跃，各方势力均有机会。市场渗透率和行业集中度双低的区域，SaaS应用成熟度低，同时传统软件竞争格局较为分散，在该区域深耕、培育市场者可以积累先发优势。市场渗透率低、行业集中度高的区域多为传统软件巨头把控，随着传统软件巨头加大SaaS转型力度，除已经占据一定市场份额的创业公司外，留给新进入者的机会相对有限。中国企业级SaaS玩家策略挖掘产品网络效应，延伸上下游增值服务，“钱景”更可观SaaS各细分赛道厂商数量的增多不可避免的带来产品同质化，但一味比拼功能覆盖的全面性并不能让SaaS厂商脱颖而出。观察当前市场上高增长、高收入的明星公司，在形成了产品、销售和客户成功的协同作用后，网络效应和增值服务往往能让SaaS厂商更有“钱景”。尽管2B市场整体不具备2C的爆发式增长属性，但通过挖掘所在赛道的网络效应依然能够帮助厂商获得高于竞争对手的增速。网络效应一方面可以来自于产品自身的连接属性，帮助客户与合作伙伴形成连接，另一方面也可以来自于对数据价值的有效使用，以行业大数据驱动营销、金融等数据类增值服务。在SaaS市场尚不成熟、付费意识有待培养的当下，围绕SaaS产品拓展上下游增值服务能够为SaaS厂商提供新的营收来源，从而在短时间内获得更可观的财务数据。典型的增值服务包括精准营销、第三方支付、供应链金融、咨询和培训等，同时搭载SaaS产品的硬件设备也可被视为广义的增值服务。看过来

文 | 方鑫图片来源 | Pexels根据国家统计局核算，我国 2018 年工业GDP达到 30 万亿元，提升1%的效能，即可带来 3000 亿元的经济增值，可见工业升级的经济空间之大。本文是 BV 百度风投对工业智能的深度行业研究报告，系统梳理了工业“研产供销”全产业链上，技术变革带来的效率提升机会，并从数据、模型、决策角度分析了数据产业链的价值。本文作者方鑫，BV百度风投投资副总裁，长期关注AI行业解决方案、企业服务智能化、工业智能、数据智能等领域，并致力于帮助产业方、科研学者、创业者和技术拥有者等打造和完善行业智能创新方案。在工业智能领域主导或参与投资项目包括玄羽科技、汇电云联、湃方科技、埃睿迪、长扬科技、数见科技、云丁科技等。目录一、工业智能化概述1.1 我们理解的工业智能化，是技术带来的开源节流、生产组织方式变革或行业效率模型再造1.2 工业智能化的形态和商业模式发展：强解决方案大乙方&强运营新甲方二、工业智能化创业与投资机会详解1. 平台型企业并不垄断，互相赋能正当其时2. 垂直重度打造细分行业工业智能系统大有可为3. 单点切入，资产/设备、流程优化打造新型智能系统3.1资产/设备的智能化机会3.2 算法和数据驱动的流程优化打造新型调度决策系统4. 智能工厂操作系统，从点线运营效率到系统效率提升4.1 串联制造执行，获取业务数据，MES的价值4.2 精准和柔性，从制程优化到全局智能FOS（工厂操作系统），未来工厂的畅想5. 工业智能化带来的产业效率提升和商业模式变革5.1 以工厂为核心，企业作为主体，技术赋能上下游的产业效率提升5.2 连接研产供销，企业级的流程再造和商业价值重塑6. 工业智能中数据产业链的投资价值三、共创工业智能未来：技术孵化、产业连接和资本助力一、工业智能化概述1.我们理解的工业智能化，是技术带来的开源节流、生产组织方式变革或行业效率模型再造所谓工业智能化，我们关注的是能够带来开源节流、生产组织方式变革的产品或技术解决方案，以及通过效率模型的变革和再造带来的运营型机会。工业智能化是以工业感知、IOT、AI、数据、软件、机器人等技术为基础，实现全局语义化的智能感知、控制、调度和决策，通过这些手段，可能会对有原有的设备、制程、工厂、供应链进行优化和改造，以达到提质、降本、增效或生产组织方式变革的目的，也可能诞生新的智能设备、新的制程、新的OEM、新的供应链组织形式甚至新的品类。但效率模型变革在各个行业并非一蹴而就，工业领域将在数据化和信息化进程中，迎来渐进式的智能化变革，本文系统梳理了工业产业链上技术变革带来的作业效率和商业效率提升机会，并从数据、模型、决策角度分析数据产业链的价值。图 1 工业智能化技术概览2.工业智能化的形态和商业模式发展：强解决方案大乙方&强运营新甲方用技术手段实现工业智能化，其呈现的形态和商业模式又是什么呢。本文试图从一个技术、产业观察者，产业投资者的角度来阐述和分析工业智能化的一些方向和可能。概括如下图，工业智能的表现形式可能为硬件、软件、业务系统、算法、平台、解决方案等，从商业模式看，可能强解决方案，终极路径成为一个大乙方；也可能通过强运营模式再造新甲方或成为新型甲方。图 2 AI赋能的机会：解决方案or重度运营然而平台林立，创业公司的机会在哪里？细分行业繁多，哪些领域有大的机会？是做解决方案的机会还是运营的机会？本文试图通过平台的分析、技术配置和行业选择的梳理、工厂解构、产业链拆分和数据的链条来寻找投资和创业的机会。并总结如下：图 3工业智能化的未来方向和发展可能二、工业智能化创业与投资机会详解1.平台型企业并不垄断，互相赋能正当其时近年，市场涌现了众多的工业互联网平台级企业，但工业行业本身细分非常多，且各自的行业属性和特点差异很大，不可能出现一个放之四海而皆准的模型和技术。这里面技术应用的逻辑和商业闭环的形成可能需要不同技术背景、产业背景的人或公司来参与和验证。以国内比较早的工业互联网平台为例，基于母公司或原企业的禀赋特征，大型工业企业工互平台多少都承载了原有企业的烙印。比如根云互联以设备物联为基础，建立设备全生命周期的管控，搭建工业云平台；围绕三一重工销售全世界各地产品，利于IOT、大数据、人工智能技术进行商业模式的创新，并延展至其他设备和产业。而海尔CosmoPlat则是以用户为中心的柔性生产平台，区别德国工业4.0工厂智能化升级改造，Cosmo除关注厂内的作业效率外，更注重于商业效率的提升。通过Cosmo实现了部分品类的零库存、可控成本大规模定制等。并尝试将家电领域实现的体系化的大规模定制能力赋能给陶瓷、纺织服装等产业。新晋上市的工业富联依托富士康现有大量客户资源、长期深入稳定的战略合作关系，规模效应下的产业及供应链优势，期望进行上下游延伸，打造工业互联网平台。从上市后的业务进展来看，在刀具预测、制程优化等等方面纷纷开始发力。相较于国内新兴的工业互联网平台，GE Predix及西门子MindSpere是国际上较早的将工业互联网、大数据等理念应用于工业的平台。且历史发展进程来看，他们也在不断用各种收购兼并的方式丰富自己的产品、解决方案及行业线。除历史悠久的西门子和GE这样的大型企业和新兴工业互联网平台之外，传统的软件厂商和系统集成商也在谋求工业互联网方向的转型和布局，如用友、汉得信息、东方国信、宝信等等。另一类的代表是阿里云、华为这样在国内具有较强的2B能力的互联网或科技企业，阿里云ET工业大脑在流程行业的方案，如钢铁、石化、能源做的比较多；淘工厂平台主要为淘宝商家提供制造和供应链能力。但这些公司都希望提供的是更通用、底层、标准化的能力，在其生态，也需要更多掌握细分行业knowhow和算法的方案商的合作。所谓平台，大家都是想要搭建一个更开放和广阔的生态，赋能给更多的工业企业，但中国的工业互联网或者工业智能化才刚刚开始，大型平台企业也只是冰山一角，且不同行业的knowhow的差异较大，留给创业者的机会还很广阔。2.垂直重度打造细分行业工业智能系统大有可为工业本身是一个非常泛的概念，不同行业之间差异较大，单论流程工业与离散工业的生产自动化程度、数据可得性和工业复杂度都不尽相同，存在的机会也有所不同，而最大的共性在于，每一个场景都需求各异，进入任何一细分领域都需要足够深厚的行业knowhow和上下游资源整合能力。不同行业的智能化诉求可能也不尽相同。这种特质的好处在于在产业服务的层面，无法形成传统大企业垄断的局面，而各个细分都有平台级的机会。从离散到混合到流程，从产品到服务，从生产到管理，存在不同的智能化变革的机会。可供选择和配置的技术手段有很多，且成熟度和领先性各有不同，什么才是有价值的机会点，如何进行选择，本文试图做出一些逻辑上的梳理。如果将上文提及的技术、与行业以及行业相应的功能和环节进行结合，就可能产生相应的商业模式和创业机会。图 4 从离散到连续，技术及行业配置的机会以下举例来说，不同行业都存在智能化变革的可能，这里面可能是卖解决方案的机会，也可能是运营型的机会。产供销一体2C产品型行业：2C型产品都有定制和柔性生产的需求，例如纺织服装、食品饮料、家电等，2C领域由于需求和产品的差异化，比较分散，集中度可能不高，有做出新品类、新网络和做出集中度的可能。这其中可能结合了大数据、排产排程、运筹优化、柔性产线改造技术及各种工业软件来得以实现。高能耗流程型行业：诸如钢铁、有色、化工、陶瓷等行业，周期性较强，涉及国计民生，体量大，且多面临产能过剩问题，能源消耗占据了很大成本，在感知、实时检测、能效等方面都有强需求。有做成一个大的解决方案商的机会。设备装备类企业：基于边缘计算和工业物联网技术，设备类企业都商业模式转型的可能，从销售服务效率、资金效率等等层面都有很大增加值的可能。半导体和面板产业：本身精细化、自动化程度比较高，但产业链的国产化程度低，良品率的提升对于整个产业的附加值大。从单个行业产业链来看，我们从什么地方下手和切入，结合大的大乙方和新甲方的方向，笔者通过系统的调研和投资践履，梳理了在工业产业链上和工厂内部技术变革带来的作业效率和商业效率变革机会。并简要概括如下：图 5 工业智能化的世界观3.单点切入，资产/设备、流程优化打造新型智能系统3.1 资产/设备的智能化机会工业机器人及智能装备从设备、资产角度，不同信息化和自动化程度的工厂都有资产升级更新迭代的需求，近年涌现了一批成长很快的新型集成商、本体研发商。同时在产品体系上，也出现并联、协作等新型的需求和团队，人机互融、仿生、自适应等新兴技术层出不穷，我们认为机器人本身是一个很大的系统性投资机会，从产业链到不同细分，在这里就不做更多展开。另一个方向是装备的智能化，部分行业和工厂的自动化程度已经比较高了，但设备和资产本身在技术突破层面有很大的空间，装备本身借助工业视觉、大数据、计算机仿真等技术进一步自适应、自校准、自主化。同时装备往制程的延展和产线的结合，可以进一步影响产品的良率。设备故障预测和健康管理(PHM)传统设备原厂商都没有太关注设备、产品销售后带来的后服务问题，典型的三大发动机厂商GE、罗罗、普惠在PHM层面做得不错，但大量机械设备厂商不具备自带PHM的服务能力。从数据采集、数据分析层面，设备的故障诊断和预测结合了算法能力、工程经验和复杂机理模型的理解，对传统的设备厂商带来比较大的技术挑战。从技术路径上，在端上做特征提取，在云端训练模型是验证的路径，但具备这样的能力的团队在市场上较为稀缺。以美国的Uptake为例，依托卡特彼勒的内燃机产品的PHM，几年内迅速成为数十亿美元的独角兽。另一个代表是全球最大的风机厂商Vestas，他们从制造开始，对风机进行了改造，传感器遍布所有部件，从2016年起，服务收入超过设备销售收入，成功转型成为一家风机服务的提供商。从市场规模看，我国有一千座钢铁高炉，47万个燃煤锅炉、200万台数控机床、30万的大中型空气压缩机、5万台的内燃机，而且还有海量的泵等机械设备，且绝大部分设备、产品、装备都没有考虑过健康管理问题。但也有三个方面的因素限制了这个方向的发展，一是AI技术与工业Knowhow不能有效结合，大多数团队也缺乏相关的工程化经验；二是算力成本过高，让资产端无法获得高性价比的预测性解决方案；三故障数据和标注的缺失，无法进行经典意义的深度学习路径去做预测。今年汉诺威工业展上预测性维护是一个非常热的话题，科技大厂、传统工业软件厂商、设备商、众多细分的创业公司在这涉足这一领域，在欧洲市场来看，这也是比较落地的工业AI和工业互联网应用场景，基于人力成本高昂等原因，预测性维护在商业逻辑也比较说得通，比如每次上门的巡检和运维单人需要300欧元，但预测性维护的方式完全可减少或避免这一支出。设备厂商也在积极拥抱这一技术，尝试进行商业模式的转型，比如Durr集团与Software AG的合作，帮助其从设备销售往服务转型。与IOT结合的商业模式变革从设备使用角度，通过共享/租赁的模式，甲方可以选择使用而不是持有，同时结合长期数据提取和分析，可以将保险、金融等商业模式嫁接进来。例如美国工程机械租赁平台Yard Club为卡特彼勒收购，国内的树根互联、徐工信息、中科云谷也在设备金融保险方面有实践。从资金端的需求看，国内一些金融机构也在寻找机器人等智能设备的融资租赁机会，基于精准的物联网检测和数据服务租赁模式可能会为智能设备领域带来新的产业增长机会。结合PHM和IOT相关的商业模式变革，我们总结了以下的技术变革和创新机会点。图 6 资产使用优化图解3.2 算法和数据驱动的流程优化打造新型调度决策系统跳出单个设备，大型的甲方也在寻找不同的制程优化解决方案，但不同的行业差异性较大，且同行业也会涉及大量复杂的制程，可能有物理、化学、生物的变化。结合数据的分析，对原料、设备、工艺进行优化以期达到提质、增效、节能等效果。我们系统梳理了从离散制造到连续制造的各个行业，从行业空间、信息化程度、能力边际提升空间、产能提升等层面进行了一些比较。总结了可能存在巨大市场机会和技术赋能机会的数个制程。BV也布局了3C领域、环保、钢铁等领域涉及制程优化的公司，比如在手机加工领域，在成型、冲压、合金、涂装、表面处理领域涉及数十个制程，每个制程都有通过数据、算法进行优化的空间。终极形态是打造一套AI闭环控制的新型调度决策系统和智能工厂操作系统。过去的专家系统更多是一个机理模型，但数据的决策最终要和工艺和机理模型结合起来，这也是在工业领域无法产生一个放之四海皆准的通用型平台的原因。部分投资者对于制程的非标性存在质疑，这种非通用的需求和场景一定程度限制了复制的速度和规模效应。重述一下我们在工业智能化领域寻求两类投资机会，解决方案商和运营商，在信息化和自动化时代，很多行业比如3C、钢铁、石化等等领域，都产生了多家上市公司，从市场规模的体量上看，在智能化时代，很多行业都可以支撑多家大的解决方案商或运营商诞生，对于我们的核心重点是要找到好的行业、结合新兴技术和工业场景理解的团队和真正能有效变革和提升行业效率模型的方案。另外，除了行业各异的制程外，与物联网、数据、人工智能等技术结合通用型需求，在这里还想讲三点，设计、安全、检测和能效。设计+AI工业仿真天然与机器学习相关，为获得最优的设计、装配、运维等实践，需要新型的智能化工业仿真软件。CAD、CAE本身是一个很大的生态，可以类比安卓和IOS，主流的参与者西门子、达索等都在积极布局和收购在不同领域，如流体力学、散热学、振动力学等等方面的优化算法和求解器，软件、插件产品可广泛用于汽车、航空航天、机械装备、3C等行业。不过目前在中国市场还未出现做设计做的很大的软件公司，大的想象空间可能在于结合大规模定制、柔性供应链等模式，获取需求数据、结合领先软件仿真和AI技术、无缝衔接，快速生产适销产品，直接切入到运营领域，再造某一新品类，重整供应链。安全要素的必要性和价值在往工业智能化时代行进的过程中，必然有大量的机器、设备、station都通过DCS、Scada等系统来调度，除传统工业软件外，还有很多新兴的业务调度和决策系统出现。在人的介入越来越少的情况，安全的把控更为不可或缺。在工业安全领域，过往在国内大多是一些垄断性企业基于合规性或等保的需求进行采购，但近年，逐步从政策性驱动往市场化驱动发展，拥有多元工控协议解析能力、强产品能力团队将有机会快速脱颖而出，并不断迭代自身产品线，储备下一代的与数据AI结合安全防护需求。美国工业网络安全公司Claroty获得了Rockwell Automation、西门子风投Next 47、施耐特等工业巨头的投资，在工控协议的解析和自动化、信息化的融合方面获得了投资的支持，同时也获得了淡马锡等财务投资者青睐。能效与AI的结合点能源是众多工业企业主要成本之一，诸如钢铁、石油、水泥、环保等流程行业，能耗占据了企业大部分的成本。传统的LMS扮演了一定的能效管理职能但在优化方面做得有限，一些科研机构掌握众多的机理模型和控制逻辑有一定的节能效果，新的机会是在于这些机理模型与AI的进一步结合。另一方面，随着电力市场的逐步改革和市场化，工商业用电的放开，多元化的参与者进入到这一市场。我们也期待技术、数据能够产生一定的鲶鱼效应，帮助企业降本增效。工业检测的通行需求和非标特性通过计算机视觉技术去提升检测环节的效率不是一个新的话题，在3C面板、盖板、锂电池、晶元、医药等领域都有些公司在做。但也存在许多挑战，诸如非标问题，机器视觉系统开发成本高，周期长；算法和软件存在易用性差，使用门槛高等问题；且还存在高精度、高动态、高反等技术上的难点和挑战。但如果能做出较为通用的平台公司，且能够解决低成本规模化行业复制的问题，必然能产生大的机会。4. 智能工厂操作系统，从点线运营效率到系统效率提升如果设备是点，制程是线，上升到面的层面我们再来看看智能化的变革机会。将制程的分段优化进行串联，并辅以工业软件及先进的传感其技术、自动化技术、机器人技术，实现全局语义化的调度和决策是理想的智能操作系统状态。从工厂运营层面，我们关注作业效率的提升，我们从资产/设备——制程——智能操作系统（Factory Operating System），三个层面看工厂智能化的投资机会；并以数据库、边缘计算、PAAS、新的感知作为承载智能化改造的基础。图 7 智能工厂操作系统结构4.1 串联制造执行，获取业务数据，MES的价值美国先进制造研究机构AMR将MES定义为“位于上层的计划管理系统与底层的工业控制之间的面向车间层的管理信息系统，整体来看，MES在我国的渗透率还是比较低的。MES产品具有比较强的行业属性和定制属性，领先的产品和技术掌握在大部分外资企业的手里，比如Rockwell、西门子、GE，同时通过兼并收购丰富其行业覆盖；半导体软件领域的领先技术都掌握诸如Applied Materials等国外企业。从国内部分企业的过往发展来看，或是依托集中度高的行业各样发展起来，比如宝信和石化盈科，或是限于产品特性未能做大。同时，真正拥有强产品的能力和团队在国内较为稀缺。但我们认为，MES作为工厂智能操作系统的基础在未来不可或缺。这里面有两层的投资逻辑，第一是能否成为一家大型的解决方案商，MES公司存在三个方面的价值，一是客户壁垒，细分行业客户黏性高，积累难度高；中大型客户、外企看中服务质量和稳定性，一般与服务企业建立长期稳定合作关系；二是行业理解：离用户近、理解业务逻辑，可能做一定的定制开发；三是场景数据优势：基于数据积累应用数据科学进行效率模型变革；第二个投资逻辑是否有强产品、云化的可能，诸如Rockwell、GFOS、ITAC Software等领先MES厂商兼认为云端是未来的发展方向，都在谈物联网平台，将数据放到云端，从制造执行往工作协同、安全等方向发展。在国内工业互联网的大背景下，这个趋势也在渐进式的发展。MES是串联工厂作业和制程的系统，但有定制化程度高、实施周期长等发展瓶颈。但整体来看，MES在我国的渗透率还是比较低的，但作为智能操作系统的基础，MES将管理层面和生产层面（工业控制）进行连接，使得全局的数据分析、调度、决策成为可能，同时在能耗分析和优化、以及排产排程、柔性制造层面，可以通过AI的结合提升效率。MES通常囊括了工厂内人、机、料、法、环各个环节，且与行业knowhow、业务流程强相关，举例说来，有了MES才能有效量化单品能耗和单人产出。广义来讲，APS是MES的一部分，它扮演了排期优化执行生产的角色，排产排程本身是一个运筹学的最优化问题，结合多条件的约束，需求最优的排产排程计划，人工智能可以提升效率。例如油田的开采周期持续8-10年，如何获得最优的产量本身是一个多阶段求最优解的过程。另外高级排产排程的算法可以使得生产获得更强的柔性，在某些领域可能数倍提升生产效率。4.2 精准和柔性，从制程优化到全局智能FOS（工厂操作系统），未来工厂的畅想现阶段的智能化可能大多数还不能做到全厂全域的情况，大多是点、线的技术，但在方向和路径上，一些大型企业和创业者也在试图去延伸自己的能力边界，从单一制程往全制程发展。试想一下，在工厂运营环境下，对物理世界的信息进行全局语义化的解析，机器与机器，人与机器能够进行高效的交互，同时智能化的操作系统完成众多的控制、调度、决策，包括AR、视觉技术对于人或数字员工的引导，仓储物流柔性化的作业调度，新型业务软件系统执行的决策调度，用户意图的获取3D重建和模拟……同时这种控制、调度、决策能够保证最优的实践。工业企业的效能提升必将进入一片新的天地。5. 工业智能化带来的产业效率提升和商业模式变革以上的梳理集中于工厂运营层面，如果上升到工厂作为一个企业，作为一个盈利主体这一层面，它要结合上下游全面考虑研、产、供、销。图 8 工厂运营之外的效率变革机会5.1 以工厂为核心，企业作为主体，技术赋能上下游的产业效率提升工业智能化不仅涉及工厂内全局语义化的智能操作系统，同时上下游的协同，生产、资金和销售服务层面都有巨大的效率提升空间。在生产采购层面，通过设备、数据的连接，IOT的赋能，线上线下的打通，云工厂可以带来产业链效率的提升，在产量、价格、投入等层面都质的突破。借助各种优化算法，工业企业在采购、库存、物流等层面都存在降本、增效的机会，早在本世纪初，惠普公司应用库存优化及数学规划模型来重构其供应链模型，两年时间节省1.3亿美元。借助产业链里的数据获得更精准的风险模型，也能帮助企业提升资金层面的效率。在销售服务层面，海尔、酷特智能都是典型C2M的代表，海尔通过反向定制，实现了部分产品的零库存，带来巨大的财务收益，当然这一结果也是工业软件、数据积累、智能化的效能。总体来讲，数据算法和智能软硬件可以作为配置器，进行产能撮合、供需匹配、资金匹配和赋能供应链协同。5.2 连接研产供销，企业级的流程再造和商业价值重塑从制造型企业的职能来看，价值的闭环通过研产供销来实现，创业或投资的逻辑也可循着企业自身价值实现的逻辑来探索新的机会。过往一些做精益咨询的公司一定程度扮演了局部或全局优化的智能，AI时代，借助技术的赋能，在企业的价值实现角度，可能带来新部门、新的供应链组织形式甚至新品类（公司）的投资机会。图 9 企业级AI：连接研产供销6. 工业智能中数据产业链的投资价值在作业效率和商业效率，资产到制程到FOS的框架之外，我们再来讨论一个贯穿始终的主题，就是数据。过去的工业领域投资，重点着力产品设备、自动化的产品和解决方案等等，整体偏硬，总体是对于人的手脚，体力劳动的替代。AI能做的事，当然不仅限于动作的执行，在数据决策层面，AI能够赋能工业企业的一些内部部门，或者替代一些大型专业服务公司，帮助其更好地完成运营和商业的决策。从数据的产业链来看，我们划分了三个层级来看：图 10 工业数据产业链投资机会在设备物联角度，面对多种协议并存的异构设备，如何把他们连接、数据汇集、融合起来，实现在边缘或云端计算，是一个基础的命题。从数据源和数据采集层面，我们也在关注新的数据轴，新的感知和采集手段，比如领先和跨代际的传感器，BV也在此领域系统布局多家国内外领先的前沿传感器公司。或者能够快速帮助企业完成工业3.0的软件产品等，如果一个企业无法量化一些指标，诸如能耗、成本或工时，则谈不上更多数据决策问题。在存储、处理和分析角度，我们关注新型的数据技术、中间件和算力需求，数据融合、集成也是智能化的一个通用需求；同时，工业机理、工业流程、模型方法经验和知识积累不足，也成为工业领域算法层面的瓶颈。在应用层，数据可以帮助人完成在供应链、设计、生产制造、检测、后服务全局的决策，因此产生了各种技术解决方案和商业模式，上文提及的作业效率和商业效率反映了数据的能力边际足以为工业带来巨大的效能和变革。三、共创工业智能未来：技术孵化、产业连接和资本助力国内不同行业、不同地区的企业，所处阶段不尽相同，有的处于2.0需要补课，有的处于3.0待普及，有个别企业处于4.0需示范，多元化的发展阶段，差异化的改造需求，碎片化的市场订单，造就中国工业智能化改造最复杂的市场。在投资孵化，深入产业的过程中，我们也看到了对于技术创新者诸多的挑战，例如数据完整性、解决方案不能闭环、商业模式不够有吸引力、没有很好的环境数据和模拟环境、运营边界比较窄、还有诸多传统to大B面临的困扰和问题。前路不可谓不光明，但道路不可谓不曲折。BV的逻辑是循着大的行业效率变革的方向，布局以前沿技术作为手段，做解决方案或运营类公司，同时借助智能产业实验室、高校科研院所研究资源整合，技术方案连接等手段助力中国乃至全球的工业转型升级。我们也期待与更多的技术先驱、学者大牛、创业者、产业领导者、投资者进行更深度的交流和合作。

在IaaS和SaaS如火如荼之后，PaaS也迎来了属于自己的春天。毫无疑问，PaaS与企业在服务与开发过程中的需求密切相关，特别是随着云计算的发展和企业平台化战略的驱动，企业对于云原生应用和全新的应用开发都提出了更高要求，而PaaS作为“承上启下”的中间层也变得越来越重要，更成为了当下云计算技术和应用创新最活跃的领域。根据计世资讯最新发布的《2018-2019年中国PaaS市场研究报告》数据显示，近三年我国PaaS行业市场规模及增速逐年上升，从2016年的49%的年增长率到2017年的52%再到2018年的57%，每年都有可观的增速增长。在我看来，PaaS市场的爆发，无疑将对过去企业服务与开发起到一个根本性的变革。那么，PaaS市场目前正呈现出哪些新的发展趋势？面对如今众多的PaaS提供商，又有哪些公司是值得关注的呢？PaaS迎来新一轮爆发期事实上，从计世资讯对中国PaaS平台市场竞争力分析中，我们就能够看到，包括浪潮、华为、用友、新华三凭借出色的产品服务能力和市场以及战略能力位居市场领导者的位置；而在Paas的细分产品领域，aPaaS作为PaaS市场中最大的一块蛋糕，同样也得到了快速发展。计世资讯通过对市场中各厂商进行系统的评估后也发现，包括浪潮、用友和SAP等公司正在引领当前企业级市场的aPaaS领域。中国PaaS平台市场竞争力分析从计世资讯的研究报告中，我们不难看到目前中国PaaS以及aPaaS市场的发展，正在呈现出以下几个特点：一是，从发展趋势看，PaaS正在成为企业数字化转型过程中“不可或缺”的解决方案，尤其是aPaaS在细分产品中能够实现蓬勃发展就佐证了这一发展趋势。背后的原因是，过去几年中大型企业由于其庞大的规模和业务的复杂性，更倾向于选择aPaaS，因为它可实现将一个应用平台上的基础服务能力进行“选购”，封装成一个SDK包，提供给企业开发自有的APP，由此化解个性化难满足、业务场景变化快、IT运维成本高等方面带来的挑战。二是，从产品创新看，中国PaaS市场也正从过去的标准化和通用型模式，走向以场景应用和个性化需求为主导的产品创新模式。客观的说，目前大中型企业在云化的过程中，其不同阶段和不同场景下确实有着不同的PaaS需求，因此PaaS服务显然不能继续走过去的标准化模式，而是要提供场景化和个性化的解决方案，才能让整个PaaS服务无限贴近产业、企业和业务，满足企业的数字化转型需求。以aPaaS这个细分市场为例，除了浪潮、用友、SAP、金蝶在领跑，纷享销客、销售易这类专注于CRM市场，以及兴业数金、招银云创这类深耕金融市场的公司能够入围报告，就体现了这一重要变化。中国aPaaS平台市场竞争力分析三是，从市场格局看，中国的PaaS服务商也正在重构PaaS市场新的格局，同时更成为了整个中国PaaS舞台上的有力的领导者。可以看到，无论是在PaaS市场还是aPaaS等细分领域，整个市场目前正处于“百花齐放”的状态，这无疑改变了过去由国外厂商“一统天下”的旧格局，比如用友、浪潮、金蝶等公司，这些主流的企业管理软件厂商都开始提供PaaS和aPaaS服务，并将二者的优点有机结合提供更为个性化的服务来满足企业的定制化需求；再如，互联网公司也是市场的重要参与者之一，阿里云、腾讯云等公司在PaaS和aPaaS服务领域也具有极强的产品研发和创新能力。如果说，云是我们这个时代的新硬件，那么PaaS就是它的操作系统，其重要性不言而喻。更为关键的是，如今无论是从市场需求，还是应用场景，乃至未来发展看，中国PaaS和aPaaS市场的崛起和爆发已是大势所趋。领导者胜出的三大维度那么，中国的PaaS服务商为何能够在这一轮的PaaS创新和变革之中，能够率先在市场中实现领跑？特别是处于领导者位置的几家企业，又具备了哪些独特的竞争力呢？我们也可以从三个维度来做观察：首先，一个成熟的PaaS平台，离不开PaaS服务商长期的战略性投入，同时也非常考验PaaS服务商技术创新的能力和实力，由此才能快速洞察并解决企业在数字化转型中遭遇的痛点和需求。以在中国PaaS市场和aPaaS市场领导者阵营中，综合竞争力均排名第一的浪潮为例，其面向未来十年研发了全新一代企业数字化能力平台iGIX，就包含了技术、数据、业务三大中台，拥有领先一代的低代码技术，全面采用开放标准，支持全栈建模，是业内首个支持多语言微服务开发的数字化中台。再以用友为例，其全新一代企业云服务平台iuap5.0产品，同样也为客户提供了一整套产品、解决方案和服务，包括企业数据湖解决方案、数据智能平台和社会级的智慧数据融合服务。其次，PaaS平台还要保证产品的高可用以及稳定性，这同样离不开PaaS服务商丰富实践和落地经验，同时还要经过大中型企业客户的一线实战检验，这样才能更快的把PaaS平台推广到实际的业务当中去。其中，作为互联网公司代表的百度，则源于其在AI领域的长期的“精耕细作”，同样它也是与云计算结合最紧密的服务商，其AI的各项能力大都可以通过云来实现，通过aPaaS服务，可以在云环境下为企业提供开发AI所需要的算力、通用算法以及其他的各种开发环境和服务。而浪潮iGIX数字化中台，同样也沉淀了大量的行业经验，更融合贯通了新一代的数字化技术，这决定了浪潮iGIX数字化中台既可以作为平台的“平台”，也可以作为企业打造中台的重要技术支撑。最后，进入中国PaaS市场“领导者”的服务商，还有一项明显的特点，就是在生态领域的布局十分广泛，依托生态伙伴的力量，又进一步帮助企业利用实现PaaS平台实现了“降本增效、灵活迭代”的价值。比如，今年用友就提出了融合生态战略，以及“集成与被集成”的理念，并基于开放的iuap平台，为产业生态伙伴提供更多的支撑，让他们可以开发出不同行业与领域的解决方案，并嵌入云市场实现线上线下的销售。同样，浪潮iGIX不仅可以助力企业打通上下游业务系统，实现互联互通，也是面向企业信息中心/公司、合作伙伴、独立软件开发商（ISV）的生态赋能平台。通过以平台产品聚合生态，浪潮在未来无疑也释放更大的开放合作连接红利。由此可见，PaaS不是谁都能做好的，在中国的PaaS市场中，以浪潮云ERP和用友代表的SaaS服务商仍然具备核心竞争力，他们之所以能够领跑整个市场，归根结底离不开他们将PaaS平台产品创新、大量一线实践检验以及开放共赢的生态合作中的能力汇聚成整体的平台化综合能力，由此真正引领了中国PaaS市场未来发展的新方向。总的来说，在技术、市场以及生态三个层面保持的专注和创新，无疑是以浪潮为代表的中国PaaS服务商在激烈竞争中“脱颖而出”的关键所在，这也让中国的服务商实现对了PaaS市场格局的重塑，同时更引领了中国PaaS市场发展的新方向，而这也将为众多的企业级用户提供了一个更加开放的、灵活的、具备自主创新能力的PaaS平台，进而更好的赋能企业的数字化转型和升级，成为企业上云的关键支撑底座。

品牌策划前期最主要的准备工作就是进行相关的调研。它是企业营销活动的开始步骤，但是又贯穿着整个过程。因为企业的那些营销活动都是由它开始的，通过它来识别和确定市场的情况。不事先做好前期的调查研究，建立在自我认知上的品牌策划是成功不了的。企业调研都需要研究哪些方面的资料呢?调研的对象是谁?市场调研对象的选择首先应该注意多元化，在我们选择调查对象的时候，而那些具有不同特点的调查对象。如果我们调查的对象是某一类群体，那么就应该对这类群体的人尽可能的分类，比如说可以按照性别来分类，也可以按照年龄段来分类，或者可以按照他们的教育水平分类，然后在每一类当中选择合适数量的对象。企业的角色是什么?中国不少企业都有很浓的“羊群心态”，喜欢跟在别人后面，他人做什么，我就做什么。因此，企业相关负责人给自己企业角色定位时，一定要注意独特性，反复问自己“我们的定位与竞争对手相比是否足够独特?”这种独特虽然不是独一无二的、异想天开的，但必须和竞争对手能够有效区分。你需要用这份报告达成什么目的?提高产品的销售决策质量、解决存在于产品销售中的问题或寻找机会等而系统地、客观地识别、收集、分析和传播营销信息的工作。企业在了解市场的营销情况之后，及时的调整对产品的一些服务的业务。品牌策划的市场调研分析1、宏观环境与市场分析常用的工具是Pest分析法，即对企业面临的政策、经济、社会、技术这四大类影响企业主要经营的外部环境进行分析，市场分析包括需求与攻击两方面，需求是指市场总量即市场规模分析和市场趋势，供给则是分析行业所处的生命周期以及行业整体水平和发展状况。2、竞争分析竞争分析采用迈克尔·波特的五力分析模型，这五力分析模型包括新的竞争对手、替代品的威胁、买方议价能力、卖方议价能力以及现存竞争者的关系。3、消费者分析分析包括目标消费群的社会特征、心理特征、行为特征扥给分析， 运用刺激-反应，分析消费者的心理与性行为，做出谁来购买、购买多少、何时购买、怎样购买等因素。4. 广告主自身分析一般运用SWOT分析方法，综合分析企业当前的优势，从企业内部环境、产品入手、企业所拥有的资源、能力和营销要素、分析产品特性和生命周期，确定企业的战略选择，为营销和广告提供指导。本文来源于品牌策划公司（http://www.losking.com）

产品、流程及业务流程的数字化，加之相应爆炸式增长的大量数据，引发了业务组织内部的剧烈演变。本文将越过信息技术在商业战略中扮演的“工具手段”的传统角色，通过对“什么是大数据？”、“现代公 司如何使用大数据？”以及“如何将大数据纳入企业战略思考中？”等问题的探索来深入思索大数据现象 的含义及本质。随着不同的组织结构将业务处理方式朝着大数据分析方向发展的趋势，我们将锚定“基于资源理论 （RBT）”和“组织学习”作为研究大数据战略的视角。同时，伴随着商业本质越来越数字化，我们试图推出大数据战略的未来四大学术途径供大家商榷。关键词：大数据、战略、理论、资源基础理论（RBT）、组织学习（OL）1. 概述全球数字化的产品、流程和业务模型正在重塑着经营的本质。随着越来越多的企业利用用户点击量、传感设备、技术 创新等手段来推动业务增长，每个行业都得到了迅猛的发展。先进的信息技术、基础设施以及“物联网”的出现，使得企业可以寻找到创新的手段和方法来获取数据，并利用不断扩大、增加数据容量来推动企业的不断创新。信息技术的进步使得数据存储能力日益强大，投资成本变得越来越可承受，为了不错过任何新的市场机遇，许多企业都在将信息技术及其规划整合到了他们的战略思维之中。综合考虑信息技术进步所带来的这些变化，企业家们都会意识到，每个人或设备都成了潜在的数据生成器，例如，消 费者会在日常生活中留下大量的数字痕迹，这些痕迹遍布在购买杂货、服装、交通旅行、查阅资料、居家等过程中，几乎所有的个人活动都能生成数据。也就是说，个人生活几乎都留下了“可查询”的数字记录。设备之间也一改过去单独作为工具 使用的“孤立”现象而被连接了起来，相互之间可以通讯、追溯、跟踪，并向企业价值链上的合作伙伴传输数据、共享信息。当各类数据被汇集到组织中时，组织就成为了 “信息的处理器”。于是，这些组织开始投资引入大量的数据科学人才，并开始建设自己的数据分析体系和数据分析能力，以寻求挖掘数据中隐含的巨大价值，获得竞争优势。显而易见，在遵守并保护个人隐私的前提下，许多组织机构都希望获取更多的消费者数据，并试图解析这些数据中隐含的价值以用于他们自己的战略决策中。由互联网和当前丰富的数字媒体生态系统所产生的大量数据而形成的“大数据”概念已经被大家认同和接受，这也预示着人们对大数据产生、增长、盈利和存在的重要性有了一定的认识。战略理论家和大数据实践者都在努力解读大数据在“商业数字化”进程中所起到的作用；解读大数据举措如何影响组织内部的决策功能；解读大数据如何塑造全新的市场并为组织建立起独特的新战略，打破现行的传统壁垒。许多行业的高管都非常关注大数据项目，并为此投入了大量的资源，希望借助信息数据来增加企业的营销影响力，做好产品选择和业务运行操作，增强企业的创新能力和市场开拓能力，也希望借助大数据开发来更好地监管、衡量和管理好各项业务工作。不过，少数企业却将大数据看作是其制定战略决策的非比寻常的资源，他们认为，信息数据资源是许多现代 创新的源泉，这就使得以大数据为核心的创新商业模式进入了现代市场空间中，打破了长期存在于战略思维中的各种固有的 传统假设方式，有利于企业创造出全新的市场。在理解大数据的出现将如何改变竞争本质时，战略管理领域的学者们将会 发挥出极其重要的作用。尽管此类论述早已开始，但是学者们尚未就“大数据在现代企业及战略管理层面将发挥哪些作用”建立起理论体系。近期的一些研究表明，大数据有望为“组织科学”带来新的理论和实践指导，并有望在企业治理、领导力建设的新战略方法的发展过程中发挥出核心的作用。本文将通过众所周知的组织理论中的资源基础理论（RBT,Resource-Based Theory）的视角进行综合论述，期望引发更广泛的有关大数据管理理论的研究讨论。资源基础理论（RBT）视角为大数据现身于战略决策奠定了必要的理论基础。基于大数据共有的特征，该理论框架主要关注大数据的不同应用，以满足高层决策者们不同的管理期望，也会兼顾到不同组织的基础设施、管理成熟性、发展阶段和实际的能力。资源基础理论（RBT）研究方法的目的在于让人们认识到战略管理领域需求的灵活多变性，以便对数据、技术和战略之间的相互作用能够做到全新的理解。随着日甚一日的经济数字化，学术研究也必须要适应“更好地解析这些全新且独特有趣管理”的现状。此项研究最大益处在于激发对“围绕大数据进行企业战略整合”课题的关注，吸引更多、更广泛的企业家和学者参与其中，引发出更多的打破旧价值链理论模型的诞生，支持商业理念的重构及应用的正向发展，协调商业分析法与战略学术方法之间的有机关联。此理论框架的提出，使得战略研究人员能够有依据去解决该领域里一些重要的问题，不仅为企业应用指明方向，也为学术性研究指出一条条可行的路径。2. 研究背景“大数据”（Big Data）一词专指描述由各种仪器、传感器或基于计算机的交易所生成的大型、多样化、复杂化的纵向数 据集。大数据技术用以应对无法使用传统方法或工具处理分析这些海量原始数据（结构化、半结构化、非结构化）所带来 的巨大挑战，希冀从中提取到应用所需要的有价值的结果。尽管“大数据”（Big Data） 一词的起源仍然存在争议，但大数据的概念已经引发了人们浓厚的兴趣，成功地成为一个蜚声中外的话题。在多数人的认识中，大数据中潜藏着提升行业竞争优势的丰富信息资源。在这里，要准确理解大数据的发展和演进，首先就需要了解数据库管理和存储的发展历程。在上世纪90年代，许多组织都使用关系型数据库（database）来收集、存储自己的数据，这些数据基本上都是结构化数据，与此同时发展起来的数据挖掘技术（Data Mining Techniques）则用来做数据的基本统计分析处理工作，以此得到了对不断增长的数据信息中的价值进行洞察的能力。随着互联网的日益普及和长足发展，更多的数据类型、数据产生方式、数据采集方式、分析研究及开发应用被不断地创造出来，针对非结构化网页（web）内容文本数据的分析走到了前沿，成为数据分析的新挑战课题。这些非结构化数据，例如论坛、网络日志、社交网站、点击流数据日志等构架起了企业与客户之间的“对话”交互平台，一改传统“企业对客户”单向营销方式，成为一种“颠覆式”的新型营销手段。越来越多的移动设备、传感器、支持互联网应用的小工具正在推动分析能力急速发展，促使企业组织陷入了一场“大数据”竞赛，以便应对“大数据” 收集、处理、分析和可视化等需求所带来的挑战。该挑战是艰巨的，因为这些“大数据”不同于以往的数据信息，其规模巨大，具有流动性强、移动化、传感器设备丰富多样等特点。可喜的是，这些创新技术的不断汇聚和由此产生的推动力将 会提高组织的能力，成为企业开创新竞争优势的来源，也会推动企业转变商业模式，打开了创新的新机会、新窗口。在创新、运营效率提升等愿望的指引下，大数据投资出现了爆炸式增长。麦肯锡全球研究所预测到，大数据将给各个 行业都带来显著的好处，例如，仅仅是美国医疗行业，每年度就会有3000亿美元的业务与大数据投资有关，而在美国零售行业，大数据推动营业利润提高了 60%。未来10年，预计将会有大量的资源持续不断地流入到大数据项目中。尽管企业在技术进步方面面临着种种挑战，不过，或许正是如此，一个专门从事大数据收集、存储、分析和解释的大 数据行业就如雨后春笋般地蓬勃发展了起来。众多初创公司忙着搭建大数据平台、开发大数据分析应用软件等，旨在通过 为公共、专业部门的客户提供大数据分析服务的同时，一步步发展、提升大数据分析工具和数据分析的能力，把以往的内部 数据分析的方法远远地甩在身后。也正是因为如此，大数据研究机构也在世界各地的大学中层出不穷地涌现了出来，他们 致力于培养大数据人才，以便为这项日渐走强的业务储备更多的人力资源。从资本市场来看，大数据项目吸引投资达到9位 数（上亿美元）已经司空见惯，一个新兴的高科技行业就这样如火如荼地发展了起来。迄今为止，大数据行业的许多知识都是由身处学术环境（大数据应用企业或大学、科研机构等）的数据科学家们通过 对大数据本质属性的研究、探索而获得的，他们将这些属性概括为8个V：数据量大（Volume）、速度快（Velocity）.类型多 （Variety）、准确真实（Veracity）、可变（Variability）、“可行性”（Viability）、“可视化”（Visualization）、“价值 ”（Value）。为了 行文方便，我们简称这些属性为“8个V”。2.1 大数据的特性——8个“V”早期的大数据概念建立在三个特性之上：体积（Volume）、速度（Velocity）和多样性（Variety）。体积（Volume），代表数据量大，描述了大数据存在的规模。一些企业或组织，每小时、每天都会产生或收集到多达 1TB （Terabyte , 1TB=1024G_译者注）的数据，这是一种纯粹意义上的爆炸式数据增长。事情到此才刚刚开始，随着社交媒体大规模的社会化趋势和技术的显著进步，数据量还在继续增长。可喜的是，存储技术的发展和存储成本的持续降低, 使得这些“海量”数据的存储管理在经济上更加可行。第二个核心特性速度（Velocity）指的是：数据处理速度、存储速度和检索速度。伴随着越来越多的传感器的使用、 各种连接设备的不断引入以及全球范围内越来越多的软件应用，数据流转的速度越来越快。技术的日新月异，也使得在多媒体介质中追踪数据、直观地观察数据变为可能。多样性（Variety）。除了我们熟悉的传统的软件程序产生的数据，更多的数据来自于网页（web）、网页日志文件、搜索 索引、社交媒体论坛、电子邮件、文档、传感器数据、图形、音频、视频片段、GPS信号等等，这些数据不同于我们熟悉的“传 统数据”，它们更多的是半结构化、非结构化的数据。随着大数据现象日渐被重视，又有一些大数据特性被人们识别总结了出来，例如，越来越多的研究人员同意准确性 （Veracity）也是大数据的一个特性。“准确性”与数据质量紧密相关，为了确保数据的及时、准确、一致、完整等质量特性, 需要将数据质量划分为不同的维度进行分析研究。另有一些学者认为可变性（Variability）是大数据的又一个重要特性，这是一种将数据变化本质作为研究的视角，是数据可变性问题的讨论基础。就此而言，数据的定义、意义都在发生着深刻的变化，这一切变化均源于不断发展的媒体形式（博客、社交媒体、视频等） 及从中收集、整理、存储这些庞大的非结构化数据所带来的全新挑战。同理，一些人认为’数据相关性”是另外一个重要的因素。相关性，或称可行性（Viability）关系到一种与企业决策相关联的数据分析方法，这种分析方法旨在选择一些分析数据来 预测组织决策的结果，这无疑对企业组织来说是非常重要的。还有，可视化（Visualization）也是大数据一个非常有潜力 的重要特性，该特征将数据分析结构进行了易于理解的描述。最后要说的是越来越受关注的大数据价值（Value）这个特征。从战略角度来看，价值（Value）最能引发人们的对大数 据分析的兴趣，本质上，这个特征描述的是大数据的财务属性，即如何利用数据以财务收益或其他收入的方式（例如：运营效率、知识创新等）使得企业组织获得利益。利用数据解决运营挑战，抑或是提高组织效率，这两种数据使用倾向都将会显著影响到企业对数据价值的理解。从两个方面来看，一则企业组织本身也有一些私有数据，可供自己使用或有偿分享产生价值，但这与大数据产生的价值有着本质 上的不同，大数据的价值在于其所使用的分析工具对数据价值的深入挖掘呈现，以及交互使用这些数据及数据结果所带来 的全新的价值。尽管是不是应该用这几个特性来描述大数据的有效性还存在一些争议，但大数据对当今社会、组织以及组织内部的影 响却几乎没有争议，大家的认同化作为一场场针对大数据的研讨、论坛或对话，也促成了企业组织对大数据业务不断追加 的投资。这些现象表明，大数据对组织战略重塑和未来发展方向的思考有着重要的作用。2.2 大数据对企业战略影响的演进现今，大数据属于热门产业，几乎每个行业都已经对大数据进行了大量的投资。尽管如此，企业决策者们在制定战略 决策时却往往脱离了大数据投资的价值主张，因此上，从事技术、数据、信息、知识管理的各个岗位在企业战略决策中的 作用不断地演变着。在大数据应用的标准和最佳实践尚未形成之前，企业高管们还需要尽可能地去寻求这方面业务指导。数据驱动的业务模式仍然在不断的进步和发展中，各种应用还有待于探索和验证，但有研究表明，IT能力对企业绩效 增长有着明显且积极的影响。具体来说，在以下几个方面，大数据都会帮助企业获得可能性极高的增长：借助大数据分析，企业组织将获得竞争优势，显著超越同行；借助大数据分析，企业组织将会获得指导日常业务运营的洞察能力；借助大数据分析，企业组织在制定未来战略时将获得科学的指导。这些发现表明，企业可以采取不同的大数据策略和方法来获得目标价值。在当下这个数字经济的新时代，大多数企业都会关注大数据业务，其中一些企业甚至会利用大数据分析所激发的新创 意来解决传统的业务问题，这是一种创新的做法，改变了常规的决策方法（从IT系统中提取信息资源，通过分析、决策, 将新的能力分配到企业的价值链中去）。营销、采购、库存管理、运营、客服等都可以通过这种流程创新而更高效、更有效地进行运作，这就是投资大数据带来的信息驱动力。以零售来举例，零售企业可以通过大数据营销分析来决定广告投放的 有效性，找到改进产品、提高客户获取率、保留率的办法，而获得这些办法灵感的源泉就是数据。源源不断的创新引导着 企业周而复始地进行着不断的革新，推而广之，几乎每个行业都可以照搬照抄，开启类似的创新和改进。学术著作、从业人员手记或私营企业白皮书都在描述着一个个不断演变的竞争格局，同时也表明，一些创新的竞争公 司已经出现。这些创新企业采取“以信息为中心”的全新数据驱动的方法，涵盖了从企业决策到业务运营的各个方面。比如，采用数据分析方法来衡量一些项目的成功与盈利能力之间的关系，这种重视促使企业建立起了非凡的数据资源池和数据驱动流程，增强了企业通过数据洞察学习的能力，为企业赢得了将“新创意转化为新探索”的机会，这是传统市场无法想象和做到的。这些“学习型组织”通过不断增加的数据资源来重新构建企业的生态系统，开发先进的技术分析工具和能力，在与 传统企业角逐时，这些工具使其如虎添翼。3. 理论基础大型企业、对冲基金、企业家们都在努力应对大数据带来的挑战，学术界人士也在努力研究大数据在商业活动中的作用、输入及输出方法，研究如何能够更好地运行大数据项目。虽然信息系统、供应链管理已经有诸多活跃的研究成果，但在管理领域，具体来说就是战略管理领域，大数据研究还鲜有文献。截至目前，多数针对大数据的战略研究还都停留在由麦肯锡（McKinsey）、Oracle和安永公司（EY）的咨询白皮书中。因此，战略学者需要大力发展大数据理论及方法的研究，以便更好地理解大数据在如何塑造战略决策方面的价值，挑战传统战略概念在新商业模式下的核心涵义。借助大数据理念的影响力，我们将大数据引入到战略管理理论中°RBT――资源基础理论（RBT,Resource-Based Theory）和“组织学习”是目前各类公司最常用的两个应用理论，借助该理论，大多数企业都会在其职能业务中采用分析方 法以获得可持续的竞争优势。不过，RBT及“组织学习”理论是少数真正有高水平分析能力的企业的组织哲学，对于其他企业来讲，这些理论仍然难以理解应用。3.1 资源基础理论（RBT）与大数据站在RBT理论视角，许多文献都关注到了提高现有市场效率和效力的问题。遵照RBT原理，假设竞争对手之间存在资源差异，同理，作为企业资源之一的大数据也就具有了稀有、难以复制、不可替代等资源特点，即大数据也会成为企业 独有的潜在竞争优势。基于此推论，RBT理论在“企业数据资源、决策分析能力、与战略决策紧密相关”等方面就更具说服力。尤其是在面对动态变化时，数据的重要性则更加明显。从数据中提取到应用知识和获取洞察力将会最大限度地增强 企业适应动态变化的能力，形成可用的业务模型。RBT原理几乎适用于所有行业。在每个各行业中，如果对大数据所提供的各种机遇进行深入研究，就会发掘出相当大的潜在价值，这同时也推动了数据分析服务行业市场价值的显著提升。除此之外，数据资源及其独有的特性也预示着数据存在着某种程度上的稀缺性。试想一下，即使有着类似的信息基础设施，不同企业想得到一致或高仿的数据资源也是难度非常大的，因为这还关系到企业能力的不同。如果有谁希望一味模 仿成功企业，不言而喻，投入的成本将会极其高昂却未必会奏效。因此，通过对大数据、企业IT能力、企业绩效之间关 系的实证研究可以推断得出：依赖直觉决策是不能够取得数据驱动的战略决策和运营规划的，直觉决策与数据驱动决策两者不可同日而语，但可以形成互补。鉴于上述特点，大数据以及处理、分析、应用既可以与现有决策、管理方式相辅相成，也可以成为企业获得或保持竞争优势的一种重要手段。正是因为于此，许多企业都对大数据进行了一些投资以期获得这种互补性能力，使得可以利用大数据来产生更深刻的商业洞见，优化现有的业务和管理流程。在当前市场情况下，创造并利用这种优势以寻求解决困扰经营和盈利能力的解决方案，一直都是企业的惯用做法。3.2 Capital One“利用大数据来评估消费者的消费行为并由此关 联消费者的个性化需求”就是一个很好的例证。例如， 他们利用大数据分析并定制全新的、个性化的方案，以便更有效地管理还款风险。另外一个类似的大数据分析应用是，他们借助对 车载通信设备的逐步扫描而衍生出的实时分析，提高 了对危险驾驶行为的识别能力。[1] Capital One,美国第一资本投资国际集团下的 “Capital One公司”是一家以投融资及基金管理为基础， 集国际贸易、项目开发、投资银行业务为一体的多元化 国际企业集团，总部位于美国特拉华州。3.3 可口可乐为了寻求推动企业进步的各类知识，借助 Freestyle fountain触屏式饮料机，该公司不仅可以为消费者提供多种混合口味的饮料，满足消费者创新自制饮料、获取独特口味的需求，还可以获取到位置、时间等相关消费数据，成为可口可乐改善供应、补充库存和业务（口味）创新的依据，辅助可口可乐进行分析决策。可口可乐公司的 Freestyle fountain 触屏式饮料机通过这些案例可以看出，大数据是商业智能（BI） 分析的延伸，不仅提高了效率和有效性，而且符合技 术使用的既定惯例，此应用的愿景不是用数据或高级分析来改变战略，而是更好地支持企业选择战略，其内在机制就在于：根据策略的需要来选择相关的数据；由战略来定义和驱动特定的衡量指标；分析结果支持管理者根据战略的要求来更好地进行监管和控制。尽管如此，随着信息技术、在线活动、移动计算的发展，越来越多的企业开始致力于借助大数据技术来保护自己私有的数据资源，这种做法似乎在表明。随着时间的推移，“开放”的数据资源将会不断递减，会越来越稀缺，那些大数据服务企业的业务优势也会逐渐消失。不过，上述情况对一些已经具备了领先数据分析能力的企业来说并非如此，他们的关注焦点不是数据的私有化保护及存储，而是将现有的数据能力拓展到企业自有价值之外，与相关伙伴动态分享数据价值；他们希望大数据分析能辅助企业改变业务性质，对核心的产品制造、工作流程、业务模型等进行革新，进而对企业供应链和业务 的多样化产生明显影响;他们关注数据流动带来的价值，不断洞察，不断寻求，学习数据挖掘分析获得的知识，探索新市场、新机遇，而不是“死守”数据贮存。在下面的章节中，我们一起来探讨一下大数据与“组织学习”之间的相互影响。3.4 大数据与组织学习资源基础理论（RBT）为企业的长远发展指明了方向，即通过教育和学习，企业能够获得具有独特竞争优势的特殊资源, 在此，“组织学习”就是企业着手发展独特资源优势的方向性建议，指明企业获取知识和能力这种特殊资源的基本途径就是“学 习”。不过，虽然组织学习已经被管理类研究文献频频提及，但仍然缺乏共识性的定义。Crossan口和March认为，创新要求组织要不断探索和学习新的方法，并利用好他们已经具备的知识，在这点上，本文与Crossan及其追随者的观点是一致的。[2] Crossan认为组织学习是一个战略更新的动态过程，组织学习发生在三个层面：个人、团体和组织。组织学习由4个子过程组成：直觉、解释、整合和制度化:直觉，就是对模式或可能性的认知；解释，是对一种见解或观点的阐述说明；整合，是个人之间形成共同理解并采取协调行动的过程；制度化，确保了学习的常规化执行。尽管Crossan和他的追随者们主张建立一个包括个人、团体和组织在内的多层次的学习架构，但是我们看到，由于大数据带来的技术进步，这个学习框架正在面临着崩塌的可能，这是因为人工智能（AI）和机器学习可以通过分析和编码来识 别（认知）模式或可能性，这时，个人经验毫无用武之地。大数据技术支持下的组织学习：大数据使得“直觉”过程不再需要借助个人的经历，而是通过对大量数据的大规模分析来获得；借助成熟可用的大数据可视化分析工具，一切“解释”都可以简化；在“整合”层面，虽然跨组织的知识集成仍然需要企业家或者有远见的领导进行思维，亦或是跨组织购买后获取，但如果面对的是一个企业的内部“整合”，分析性思维方式则可以逐渐简化这个“整合”过程。知识的创造、获取、转移、分配是组织学习的特定的要素。借助隐性和显性知识之间的持续对话，在平衡探索与时间 之间关系的过程中，组织知识被细化并通过操作执行累积创造了出来。因此，知识获取就是从操作执行的经验中学习，在记录、 研究与组织环境、业务相关信息的过程中获得。当知识被转移到组织内部更多的部门中时，知识会进一步得到利用，部门 的能力也由此增强，知识的潜在价值也随之被动机、机会所验证。与此同时，依据知识的创造性、有效性来持续改进制度， 降低制度重建的复杂性和困难程度，成就了企业的竞争优势。有了上述对知识管理能力的理解之后，很容易就可以推断出，资源基础理论（RBT）就包含在一个组织的学习框架中。虽然新知识是由人（并越来越多地借助技术）开发的，但组织及其战略领导人都会在阐明和扩大这些知识时起到关键的作用。先进的技术手段、不断扩大的数据资源以及庞大的资金储备都使得学习型组织可以避开和绕过行业发展的障碍，开拓出新的业务领域。例如，Alphabet（ Google母公司）就通过数据和知识来探索和拓展新的市场机会，而不是拘泥于已有的网络搜索和广告业务。另外两家知名公司Apple和Amazon也致力于推动生态系统、新市场的开发建设，数据分析和组织学习是其创新能力的引擎。在这些企业中，高层管理者着力于培养一种成长性的组织心态和企业文化，那就是，积极拥抱新技术，容忍追求新知识过程中可能遇到的风险，以全新的、前所未有的方式推动组织前进。需要强调的是，这些企业组织在探索、开发这些 创新业务时并不仅仅出于追求盈利，他们关心的是如何建设并强大自己的数据资源能力，为开发新的服务模块创造机会。由于这些未来的服务模块极易与现有的平台相融合，可想而知，未来，他们的服务能力、服务水平都会得到不断的提升。事实上，对数据流量的密切关注为学习型组织提供了机会。通过扩展数字生态系统将会构建起组织不断寻求新的方法来发展产品和服务的动态业务能力，推动组织从数字化迈向货币化。在此，这些新产品、新服务战略决策的是基于以下3点做出的：人才潜力开发指数分布的学习能力消费者影响力生态系统有着学习视角的组织，不仅会将数据视为改进现有价值链的可用资源，而且还能预见数据的潜在价值，发现收集新数据的独特渠道。这些组织都会设想如何利用数据获得新颖的原始知识，以此来服务于未来商业探索活动，得到全新的市场机遇。下面，我们继续通过RBT和组织学习理论来解读大数据的8个“V”特征。未完待续……作者：Mattew J. Mazzei David Noble本文由@石基商业评论翻译发布于人人都是产品经理。未经许可，禁止转载。题图来自Unsplash，基于CC0协议

联商网消息：近日，iiMediaResearch(艾媒咨询)发布了《2019-2020企业采购行业研究报告》。报告显示，2019年中国B2B市场交易规模达到25.94万亿元，预计2020年交易规模达31.19万亿元。数据显示，2019年中国超过四成企业采用线上与线下相结合的双线采购方式。其中，不断完善双线运营的苏宁B2B，在2019年中国企业线上采购平台使用满意度中位列首位，其次为天猫企业购和京东企业购。艾媒咨询分析师认为，中国产业互联网稳步增长，B端消费领域仍是蓝海，企业采购为B2B行业市场的重要体现。同时，随着采购数字化、智能化程度的加深，传统采购逐渐退出历史舞台。一直以来，苏宁大客户在ToB服务的风口上稳扎稳打，借助大数据洞察客户需求，挖掘服务深度，为政企客户提供具体高效的解决方案，让采购变得更加简单、智慧。回顾过去的2019年，苏宁大客户收获颇丰。据苏宁易购集团B2B公司总裁胡旭健介绍，苏宁B2B已成为了国内大部分政企的主要合作对象，包括100%中央及省级政府电商化平台、三大通信运营商、95%的政策性银行、国有五大行以及主要股份制银行、全国80%的主流保险公司、全国90%铁路局、80%大型能源央企以及90%百强房产企业等。作为ToB行业的“头部玩家”，苏宁B2B基于苏宁易购双线优势，建立了专属商城、API商城、苏宁易企购、品加商城、苏宁礼遇五大产品解决方案结合多样化采购需求场景，以及全国300个城市布局的专属物流、售后、客服及门店服务体系，为企业采购提供完善的售后服务保障。苏宁B2B已实现O2O双线运营完善布局，线上线下共建采购协同网络。苏宁物流服务覆盖全国98%以上城市和乡村，智慧零售打通线上线下两大平台，提供选品体验、快速配送、售后维保等一系列本地化服务，双线赋能增强企业采购体验。同时，苏宁大客户有近1200人的服务团队，其中，有600多人分布在全国，为用户及时提供属地化服务。艾媒咨询数据显示，未来中国企业采购行业数字化趋势加深，智能化采购业务会进一步发展。在大趋势下，苏宁将利用自身全场景的优势，联动双线，深入得助力政企数字化转型，为政企采购提供低价、高效、透明的采购服务。来源: 联商网

大数据分析相比人为经验具有数据流丰富、持续性好、 存储计算便捷等优点，可以帮助企业摒弃传统的战略规划方式，通过科学的数据分析来识别企业组织的市场机遇。4. 通过RBT和组织学习理论来观察大数据的8个“V”特征在诸多大数据研究文献中，数据容量（Volume）、速度（Velocity）、多样性（Variety）常常被视为大数据的主要特征因素, 这些越来越多、越来越多样化、越来越快产生的数据直接影响着企业或组织的决策能力，当然，也正是具有这些特征的大数据资源才构成了企业组织异于竞争对手的优势。采用数据化战略的公司首先需要在数据收集、存储方面进行大量的投资，建立起处理这些大型、多样化、复杂的大数据的分析平台，这是大数据分析的必要基础设施。这个合理、高效、能够基于大数据进行预测分析的基础系统使得企业相对于竞争对手而获得了起跑的优势。部署这套基础分析体系的目的是为了寻求改善、解决现有的业务、决策问题的方法。不过, 需要说明的是，这套基础体系的维护、数据分析等工作可以通过外包给战略合作伙伴来实现，这样做的好处是可以扬长避短，发挥合作伙伴在大数据业务中的效率和优势，使双方都能够将主要精力聚焦于部署大数据分析所设定的目标上。无论是自建还是外包，这些有关大数据的工作方案都要实现功能的本地化，实现既定的全局挑战目标，而非一个部门或组织单元的局部成功。同样，学习型组织的大数据业务目标也将延伸到人力资源、财务管理、业务流程、社交合作、资本投资等更高的业务管理层级，并为提高这些业务的管理效率和价值而努力。今天，随着数据多样化和不断的累积增加，企业是值得在建设数据仓库、组织间互联互通网络、强大的计算分析能力等方面进行投资的。虽然在特定的价值链活动中聚焦基于大数据分析的创新具有很大的价值，但真正影响战略管理的大数据分析是在企业组织对数字化竞争威胁和新的市场机遇有所认知之后。这时，即使是普通员工也会对大数据如何重塑企业及其竞争格局有着全面的认识。投资大数据系统并获得大容量、多样性以及更快处理速度的数据并不能让学习型组织得到决策的能力，事情远非想象的那么简单。正确的做法是，基于对大数据战略的认知，对庞大的数据流进行分析，才有利于获得准确、可变、高可行性、可视化、更大价值的结果。因此，对比数据资源和学习视角的关系之后，大数据8大“V” 特性的深刻内涵更具有意义，这是因为，以资源为导向的企业组织竞争能力主要集中在资源的当前优势上，大数据的8大特性就是围绕“这种资源的有限性”来考虑管理、决策问题的。4.1 容量、准确在传统数据库管理时代，由于数据的产生受限于既定的业务过程，就此衍生的管理决策就需要主观上充分信任这些数 据的质量，以便能够实现对业务处理、盈利能力的把控。可是，这些数据并不能够全面反映企业的现状，由此顺序推导就会得出，企业的管理决策也会随之限制在所收集、分析的数据范围之内，决策所依据的“数据准确性”仅仅是受限后的“准 确性”，这对于以资源为导向的企业组织来说，基于此的业务及盈利能力的提升也会受到限制。如果基于资源而获得竞争优势是企业的竞争战略，但他们却只感兴趣预先设定的数据和度量标准。那么，大数据潜在的增强企业业务和管理能力的价值就不会被他们所认知。4.2 动态、可变许多情况下，数据的“可变性”经常被一些企业组织所忽视，他们可能都会专注于现有的价值链和度量标准，希望在一段时间内能连续跟踪分析数据并以此评估改进业务，但这种“刻舟求剑”式的偏见化思维却僵化了决策能力。因此，充分认识数据的“准确性”质量和“可变性”演进对学习型企业组织至关重要，这两个数据特性为决策管理提供了独特的视角，使得企业组织能够不断拓展业务思路，参与到数据生态扩展中。学习型组织在基于数据分析来理解新机会和更新战略方面是开放性的，掌握数据及其来源对于企业把握决策时机及随后的投资非常重要。虽然数据存储、累积带来了相关的投资风险，但可评估的良好的数据质量却平衡了这个不足，与此相比，这种风险投资还是划算的。对数据价值有了如此深刻认知之后，这些企业组织就会不断寻求和增加数据流量，并期望动态的数据能够满足企业学习和认知的需求，进而从中得到掌握市场变化的能力，创造出新的商业机会。4.3 敏捷、快速提高数据的敏感性和反馈质量有助于开发出更好的组织管理能力，进而确保企业在更宏大的市场中借助数据资源的力量开发出新的商业机会。相反，那些传统、数据管理能力不足的企业组却往往忽视大数据的扩展分析、预测分析的作用, 甚至对此几乎没有认知。4.4 可行、可视受环境因素的制约，情景分析会受到组织及市场传统观点的阻碍，由此导致数据的可行性、可视化在那些资源为导向 的企业中也受到了限制。现实的情形是，很多企业高管虽然明白大数据分析的重要性，打破了一些传统的数据孤岛的禁锢，但还不具备情景分析的能力。重复一下我们先前的观点：是战略决策确定了企业组织需要捕获、收集分析什么数据。也就是说，这些数据与决策目标明显相关。由于情景分析能力缺欠，这些企业组织目前还仅仅利用可视化分析工具来处理预设的度量，形成的可视化数据虽然有用，但却不能支持战略决策。4.5 学习型组织再看一下学习型组织是如何做的。学习型组织的管理者利用大数据系统从许多数据流中收集数据，虽然这项工作极具挑战性，但是这些企业组织却开发出能够识别、解释、预测新机会的分析功能，他们的视野甚至可以借助大数据分析而扩展到传统市场之外。不过，这项工作还是有些难度的，那就是，企业组织需要学习或开发自己不熟悉的度量指标。尽管这些探索不是盲目的。但在微茫的希望的指引下，与传统、既定的社会、行业、组织的思维方式进行对决仍然需要极大的勇气。学习，使得这些敢为人先的企业组织能够捕获到隐藏在深远数据流量中的最准确的支持方案,虽然这其中可能会有风险, 但回报也可能更加丰厚。借助此方式，灵活、可视化帮助管理人员洞察到隐藏在数据中的可行性，辅助企业决策者摆脱了仅仅依靠个人经验和才华进行决策的束缚。最重要的一点是，那些积极参与数据驱动决策的企业组织从他们投资的大数据项目中获得了价值，他们得到了基于资源优势、优于传统方式的更好的商业决策，改善了业务状况，创造出了新的价值。通过大数据学习，员工的工作效率提高了；供应商关系改善了；物流配送及库存管理能力增强了；顾客的服务质量得到了改善和提升。面向资源的管理方法改善了企业与关键利益相关者的关系，这种改善都可以通过最终的财务、运营指标来识别和度量。学习型组织通过动态捕获知识所发展出的全新的认识、学习、执行力，弥补了传统竞争能力的创造方法，为企业开发新市场、创新商业模式打开了新的入口。通过有效整合、跨组织传播新的知识，推动了企业的创新和创业精神，使新的商业模式能够着眼于拓展现有的业务，扩容服务生态体系，增加客户附加价值，最终锻造出高水准的品牌忠诚度。因此，学习型组织遵循“已知知识+促进学习”的模式，远远地将竞争对手甩在身后。好处如此显著，但现实情况是，很多企业、行业都还没有触及到大数据分析的潜在价值。在表2中，我们总结了大数据特征是如何影响企业“基于数据资源和学习导向”来确定数字化商业战略的，图1进一步 描述了这些影响是如何跨组织进行的。表 2 ：大数据 8 个“ V”如何影响企业在基于“数据资源和学习导向”理论的指导下来制定数字化战略5. 大数据与未来管理学术研究类似于工业革命，数字化和大数据分析价值的不断增长也正在引发一场大规模的全球产业颠覆式革命。这场革命的结果就是，商业模式和战略思维正在发生着深刻的变化。在过去的20年里，通信和计算机技术得到了飞速的发展，我们的电脑不是放在桌子和房间里，而是拿在手上；我们的邮件不是放在桌上的信封，而是一份份电子邮件。我们已经习惯了这一切，但也面对着数据爆炸式增长而引发的长期、昂贵、艰巨的数据处理任务，就连我们进行组织研究的环境、如何进行研究都需要随着这些变化而进行调整，并做出改变。这项研究工作的重点是：有必要反思和检查现有的研究框架、变量、测量方式是否适用于当今的数字化商业环境。通过上述讨论，在数字化时代，早期的研究范例一一RBT所扮演的重要角色与组织学习的关系是显而易见的。然后，学无止境, 学者们虽然马不停蹄地就技术与战略的相互关系进行着研究探索，但这些研究和理论探索仍然赶不上时代的变化发展的需要。为了解决这个滞后的问题，我们将从战略、管理领域等入手提出一些新的解决路径。5.1 路径A：发展管理理论在本篇中，通过观察大数据如何以新颖的方式与RBT和组织学习相互作用，扩展了大数据理论的发展。显然，这不是大数据现象中发现的唯一基础理论，当然也不是唯一可能受到竞争格局变化挑战的基础理论。专家学者们还是有一些机会来确定一些独特应用的，比如在战略、创业、人力资源等领域仍然可以开发研究新的大数据现象理论框架，扩充这些领域 的管理理论，并为之开拓出新的应用领域。在此，现有的知识、知识管理、文献等都是很好的研究基础，会为进一步发展理论奠定基础。作为管理理论，其本身具有这在任何时期、任何情况下都有普适性的特征，但当面对激烈的创新时期，普适性也将会受到挑战。面对时代的挑战，管理领域应该重新考虑、审视已有理论，推动相关联的理解，提出新的假设，探索其他的新的解释，但也不要轻易说出传 统管理理论将会失效的结论。大数据时代，数字化是一场大规模的经济转型运动，各种理论都应该重新进行研究和审视。5.2 路径B：研究与数据分析相关联的因果变量在大数据时代，除了用理论来更好地解释组织的决策本质外，探索企业组织能够利用数据分析来获得竞争优势的背景和前提条件也是十分必要的。是什么推动了企业转型为数据型组织？有哪些特点或细微差距推动了企业转型为学习型组织？哪些外部环境因素触发了这些改变？毫无疑问，那些常见的解释是：有远见的领导、企业文化、异质的战略资源、竞争环境等。但是，作为学术研究，就应该探索找到引发变化的真正特征和环境压力因素，顺着这些引发组织转型的有影响的压力因素，找到相应的数据，并对其进行分析。通过对全球或垂直行业的定性、定量调查进跟踪，将大数据分析与战略思考相结合，准确揭示出竞争优势的细节很有必要。例如，CEO是否接受过商学院的教育？他们是否拥有STEM（科学、技术、工程、数学）背景？他们在其组织中是短期任职还是长期任职？他们是创始人吗？企业转型之前的文化是如何形成的？从一开始，数据分析就是企业的核心业务吗？产业 周期的本质是什么？所处环境中资源丰富吗？该企业是行业领导者还是跟随者？有除数字化以外的颠覆性创新吗？作为研究者，有足够的空间来探索上述或更多层面的问题，以便更好地理解大数据对组织带来的全面影响。5.3 途径C：重新考虑结果和后果大数据与颠覆性的商业模式结合之后，创造了一个重新定义组织绩效的机会。每个行业都不能再使用简单的盈利能力、 传统财务比率来描述绩效，新的绩效衡量体系更多地与用户数量、数据流的丰富程度、数据收集存量、业务活动创造的新知识等有关。如果要全面重新定义组织绩效，就需要重新评价对竞争优势的定义，并将现实中前后关联的新业务环境考虑 在其中。如果不了解精通数字分析的企业高管是如何看待特定产品绩效的，我们就无法正确地测试大数据环境下预测的假设与 理论之间的关联。弥补这种欠缺的方法是，深入、定性地研究分析数字化转型企业的案例，研究那些已经建立大数据管理的企业的数字，仔细地对这些公司如何衡量成功进行研究。将技术分析性领导者的公司与传统领导者创建的公司进行比对，找到差异，正确理解差异对业绩造成的影响。5.4 路径D：细化对指定变量的度量大数据的使用和应用彻底改变了业务流程和操作方法，这不仅需要重新构建理论，还需要构建全新的对公司级、部门级、 作业单元级的测量模型。上节中，我们讨论了企业定义理想绩效测量方式的变化，未来，绩效衡量将会与学习型组织理论相结合，进而对组织绩效及价值提出全新的衡量方式。数字化工具和数据资源也可用于管理理论的定性测试。当学者们对如何开展业务、企业组织生成了哪些数据资源、流量有多大、如何匿名获取数据等等都需要进行展开研究时，数据代理公司等宏观层面的数据也会进入到他们的研究范围内，这对整个社会的数据化都将产生全新的意义。学习型组织有着迥异于普通企业的人才战略，他们会通过招聘引进博士级别的研究人员来增强自己的分析能力。作为理论研究人员，必须着眼于这种人才战略来构建自己的预测分析模型，这不仅有助于理解学习型组织与大数据之间的关联，也会超越当前的一些研究方法。要想深入了解这个论点，我们来看看Google的那些分析型的经理、学者、学生对大数据所具有的浓厚兴趣就会不言而喻。在此，人力资源与组织（数据）科学家携手，通过大数据分析，就会打造出这种基于现实却行之有效的人才战略，而不是传 统的面试、看学历、凭经验等等表面化的人才识别。对于希望创造新理论的学者来说，精确的管理度量不仅重要，而且也是更好理解大数据与组织之间关系的一种手段，由此构建起全新的商业战略及学科实践体系。通过可以准确衡量目标对象，大量学术性的、实践性的洞察被挖掘了出来，这些洞察非常有利于商业学术研究。我们有理由相信，今天的大数据组织理论研究和实践，一定会在未来的明天开出绚烂的花朵。大数据组织战略理论可以让组织科学重新焕发生机，点燃组织理论学者及大数据研究者的工作热情。6. 结论通过上述大数据IT能力与企业竞争优势之间关联的讨论，我们认为，技术资源、技术能力决定了企业采取什么样的战略进入市场。大数据分析相比人为经验具有数据流丰富、持续性好、 存储计算便捷等优点，可以帮助企业摒弃传统的战略规划方式，通过科学的数据分析来识别企业组织的市场机遇。为了更好地理解组织的发展，强化数据资源及数据分析就特别具有战略意义。现今是数字化的时代，数字化管理正在成为新一代商业模式的核心，虽然对于大数据实践是否能够为企业提供持续的竞争优势还存在相当大的争议，但在业务分析、组织流程再造和创新方面，大数据还是为那些积极主动的企业带来了大量的机会。单一的数据资源存在被模仿的可能性，但对于独有、动态的数据，模仿成本高且几无成功“抄袭”的可能，这些数据会为战略决策和创新提供独有的价值，并转化为新的知识，其灵活性、创新性能够帮助企业开拓市场，创造新的商业机会。由于大数据在改变社会经济政策及经济研究方面能够发挥出较大的作用，我们有必要对大数据技术和组织战略之间的相互作用进行重视和重新研究。比对传统战略思维企业与大数据思维的优秀企业之间的战略差异，并有意识地寻找缩小差距的方式，就能很好地检验管理理论与现实的匹配关系，学者们也会由此抹去管理理论的天真、空想，洞悉到现实世界的真实和复杂性。作者：Mattew J. Mazzei David Noble本文由@石基商业评论翻译发布于人人都是产品经理。未经许可，禁止转载。题图来自Unsplash，基于CC0协议