篮彩胜分差投注心得 计算器篮球胜分差玩法 篮球胜分差规律 篮彩胜分差中奖 篮球胜分差最多奖金 篮彩胜分差怎么投注 竞彩篮球胜分差怎么算 胜分差怎么打票 篮球胜分差玩法 体彩胜分差 胜分差怎么打票 篮球胜分差怎么算 胜分差玩法彩票 竞彩篮球胜分差计算器 竞彩篮球胜分差投注
IBM全球企業咨詢服務部業務分析與優化服務中國區總經理總經理謝國忠作專題演講

    謝國忠:尊敬的各位領導,各位嘉賓,下午好。非常高興也非常感謝有這個機會,代表IBM公司參加這個大會,我今天演講的題目“大數據時代下的企業管理與創新”。我們知道,大數據現在很熱,大家都在談論大數據,所以大數據是云計算和物聯網之后IT產業界又一次顛覆性的一種技術變革,講到云計算大家可能不太好理解,它的云端不太好理解,而大數據更能夠利用大數據做我們的業務創新,所以說大數據是云計算的一種信息載體,由于時間關系,今天我主要講的主題是在大數據這個領域。IBM出版物里面有很多云計算方面的內容,大家可以參照書里面的東西,我今天主要講大數據。
    大數據直接影響我們企業的決策,包括一些分析手段和未來的營銷模式,大數據也會影響我們個人。今天我主要從四個方面講大數據。
    第一個議題什么是大數據?大數據能解決什么業務問題?大數據的時代已經來臨。第二個議題介紹大數據目前在各行各業有哪些應用,有哪些實踐,有哪些業務創新。第三個議題IBM的分析報告和牛津大學的分析報告,目前全球的企業報表他們對大數據是怎么看的,他們打算做什么。所以我今天的報告主要包括這三個部分。
    一、首先看一下什么是大數據?在講大數據之前我們先來看一個阿里,從“阿里金融”說起。我們大家都知道阿里巴巴,阿里巴巴下面有一個阿里金融,大家目前在金融界特別關注的是阿里的微貸,所以最近我一直跟銀行的管理層,各個銀行管理層,包括四大行和商業銀行管理層都在做業務交流,他們跟我講,現在阿里金融是銀行界未來最可怕潛在的對手。為什么可怕?阿里金融拿到金融執照短短的幾年時間,到2012年6月份他只做三個省的業務,到去年6月份他的微貸企業已經達到12.9萬家企業,貸款總額260億萬元,到去年底他貸款的微小企業已經超過20萬家,這種系統對銀行來說,對金融來說覺得很可怕。
    為什么可怕?阿里金融背后的實質是什么?阿里金融背后的實質是兩個方面,一個方面叫大數據經營,另一個方面叫業務創新。這兩個都是結合在一起,它顛覆了這個行業,顛覆了這個產業。
    阿里金融有阿里巴巴、淘寶、天貓這些金融。阿里金融利用客戶兩類數據,一類是網上的客戶信用數據,二類是利用客戶的行為數據,利用這兩類數據阿里金融建立一個網絡數據模型,同時建立一套信用體系。通過這個網絡模型和信用體系,塌毀給每一個商鋪,每一個店家做信用等級的評分,根據這個評分阿里金融去發放微貸,從500塊錢到100萬不等來做這種業務,所以它發現很多業務的產品,包括訂單貸款,信用貸款等等,所以阿里金融在短短的時間里發展這么快,就是因為用了大數據的經營,將業務創新這樣來做。
    阿里金融打破了銀行一種傳統的做法,不需要抵押,不需要擔保,它只依賴于大數據。所以說阿里金融在大數據應用和業務創新,它改變了一個行業,改變了一個游戲規則。現在很多銀行都在做店商,建設銀行也在逐漸上網,中行也在開發電子商戶。我從這個案例起頭,大數據的應用。
    大數據目前在全球已經用于各行各業,比如我們的金融服務業,在能源,在公共事業,在數字媒體在零售,在司法執法,各行各業都用大數據。大數據怎么來的?什么叫大數據?大數據概念的提出,大數據概念最早是麥肯錫提出來的,在2011年5月份,麥肯錫下面有一個全球研究院,發表了一篇非常有名的報告,這個報告名字叫《大數據:創新、競爭和生產力的下一個新領域》,這個報告出來以后,整個學術界和研究界把大數據概念和大數據應用越來越蔓延推廣出去。
    這個研究報告里面,主要提了兩個觀點,一個觀點就說數據已經滲透到每一個行業,每一個業務職能領域,數據成為重要的生產要素,這是一個論點。第二論點對海量數據的應用意味著下一波或者新一輪生產率的增長和消費者盈余浪潮的到來,這是他暴露的兩個重要的論點。
    一個方面從技術角度來講,大數據產生是這個時代的一個產物,為什么?我們知道物聯網、移動網、云計算,特別是智能終端,我們的智能手機,這種智能終端它會從用戶端產生數據,我們每天發的微博,我們寫的評論,我們發的微信,這種數據是用戶端產生的數據,這么多用戶無時無刻都在產生數據,所以數據的規模,數據越來越大,越來越快,越來越復雜,這些特征促使了大數據的全新概念。
    什么叫大數據?我們在講大數據之前我們先要明白三個概念。我們將數據分三類,一類叫結構化數據,二類是半結構化數據,三類是非結構化數據。什么叫結構化數據?我們現在企業用的人事系統、財務系統、ERP系統,這些系統都是結構化數據,在一個數據庫里面,它是結構化的,我們用的最多。半結構化的數據,我們用的電子郵件,用windows處理文字的,在網上看到一個新聞,這是半結構化數據。非結構化數據,傳感器、移動終端、社交網絡這些數據我們叫非結構化數據。現在從全球統計來講,非結構化數據占到數據范圍的85%左右,所以我們講大數據之前,我們先明白數據分三類,結構化數據、半結構化數據、非結構化數據。
    IBM在去年的時候對企業高管,來自全球企業高管做一個調查,你們以為大數據是什么?你想象的大數據是什么?對95個國家26個行業1144名高管和專業人士做訪談,大數據在你們的頭腦當中是什么?有些人說,大數據就是信息范圍越來越廣,數據類型越來越多,分析手段越來越多,大數據是實時的信息,是新技術的數據,傳統媒體,社交網絡數據,最新的流行詞,所以不同的高管它對大數據的理解不完全一樣,這個是目前他們一些普遍的看法和占的比重。
    什么是大數據?目前業界有一個相對比較統一的定義。大數據是一個數字集合,它又包括結構化數據,也包括半結構化數據,還包括非結構化數據,這些數據組合在一起。另外這些數據是蘊含了多種技術,我們用傳統的這種數據庫,這種技術你沒有辦法對這些數據進行抓取,進行存儲,進行分析,所以這個概念的話,現在把它定義叫大數據的概念,是一種大數據的結合。
    所謂大數據,IBM把大數據定義為四個維度。首先我們叫大數據,它的數據量特別龐大,它的數據種類特別多,除了關系人數據以外,還有文字、音頻、圖像、傳感器數據,這都是大數據的范圍,它的種類很多,它的速度很快,我們知道微博、短信、微信,包括facebook每時每刻都在產生數據,所以它的速度非常快。另一方面特性我們叫數據的準確性,什么意思?我們在社交網絡發表的言論,它不一定很真實,也不一定很可靠,它可能帶一些情緒化的東西在里頭,所以這些數據它的數據質量沒有問題,但是我們需要看看它的數據可預測性,我們怎么來管理這些數據的真實性,這個特性我們叫數據的準確性。
    所以總結下來,大數據的四個維度和四個特性。第一數據規模,第二數據的多種形式,第三數據的運動,數據像流水一樣在運動。第四要管理數據的不可預測性和準確性,這是大數據的四個維度。
    我們講你這是大數據,我要大數據做什么?大數據的分析目的,是實現交易數據和交互數據的有機融合,促進業務創新。原來你沒有想到的,通過大數據來進行我們的業務創新。
    從左邊來看,我們現在企業最常用的的是交易數據,我的業務系統,ERP系統都是交易數據。還有很大一部分是在外場,我們把這一類數數據叫做交互數據,社區網絡數據,新聞媒體數據、微博數據、微信數據,還有互聯網數據,物聯網、移動終端,交易數據和交互數據柔和起來做大數據處理,有業務創新,促進整個業務的轉型,這是大數據分析的過程。所以我們講大數據時代已經來臨,技術的不斷翻新,信息量的爆漲,大數據時代已經來臨。所以我們講大數據、大機遇。
    現在技術手段越來越強,舉個例子,我們現在做的音頻,客戶投訴打電話來,我們現在能把音頻截取出來,抓一些關健詞來分析。圖像,IBM可以做到什么?一萬張照片在這里,我會自動按照花鳥蟲魚,會自動把照片歸類。現在還有人眼識別的技術,一段視頻或者是一個圖像,只要把人眼放進去,能對人眼識別進行歸類,把照片全歸在一起,所以這是大數據最新數據應用層。我們講大數據時代怎么利用這些數據,對我們業務進行創新,所以我們講大數據時代已經來臨,怎么來進行業務創新和發展。剛才給大數據概念做了簡要的介紹。
    二、下面最重要還是看大數據在各個行業目前怎么來用,用來做什么?
    一個企業面臨三種類型的海量數據,這三種類型的海量數據分析手段和分析能力不一樣。從兩個維度來看,Y軸來看,數據分結構化數據、半結構化數據和非結構化數據。我們從數據的運用來看,分靜態數數據和動態數據。企業里面有人事系統、財務系統、ERP系統、CRM系統,企業里面還有文本、報告、音頻、視頻、社交網絡、郵件等等,這是一類數據,這類數據我們叫非結構化數據。企業里還有一類數據網絡點擊率流、日志文件,實時傳感信息,實時路況信息,實時行情。
    這三類數據怎么用?在有些企業里面我會建一個數據倉庫,把靜態的結構化數據我們能做什么?做業務報表,做數據的挖掘,很多企業已經在做,所以我們已經有這兒應用。第二是對文本的和非結構化數據,現在很多全球在做什么?會建立一個非結構化的數據平臺,通過這個平臺把文本、影象、微博、社交網絡數據放在這里面,做企業搜索,企業內部可以建立企業內部的維度,建立企業內部的Google這叫企業搜索。同時還有做內容的挖掘,一篇文章,一個word我從里面分析每個詞做內容的挖掘,這是一個最新的手段,它的要求做這些東西。第三部分我們把流動的數據,我們叫流數據,像流水一樣,如果你不用它就流過去了,現在有一種手段我們要建立流數據平臺。流數據做什么用?做實時的監測,實時的監控,做實時的產品與服務的提供,我們叫實時最佳行動推薦。
    一個企業要創新,要發展,除了傳統的數據以外,我們怎么把非結構化數據,把流數據用在握的日常業務當中,對我的產品,對我的流程,對我的客戶體驗進行創新,是下一步我們需要思考的問題。
    另一方面這三類數據是融合的,可以互相配合來做分析。這三種技術我們看到,如果這三種技術能力接合起來,就突破傳統分析模式,實現業務創意和創新。怎么做?我們傳統做的話,是傳統的結構化數據,建立一個倉庫,商業智能應用,做業務報表,做決策分析,滿足監管的需要,這是最傳統的方法。非結構化數據來了以后我們做什么?社交網絡的數據,我們拿過來以后建立非結構化數據平臺,做自然語言的處理,做文本的分析,做內容的挖掘,這里面做什么?做輿情分析、聲譽度分析,精準營銷。第三方面是流動數據,流數據是實時的處理,通過流數據我們做實時的欺詐監測,實時的產品服務,實時的質量控制。
    我們把技術能力結合起來,能做產品的創新,做流程的創新,做服務的創新,做客戶體驗的創新,我特別強調客戶體驗,現在我們很多企業都在談客戶體驗,因為新的手段會產生客戶體驗的創新,在這個基礎上我們再做管理的創新,所以這是大數據的三種能力的應用。
    前面我就不講了,主要講兩個新的手段,一個是流計算是怎么回事,二個是企業非流數據怎么應用。
    流計算怎么做?從傳感器,從網絡日志,網上點擊流實時采集下來,寫一些業務規則,實時滿足業務規則的東西給摘錄出來,實時判斷出來。舉一個例子,做一個信息單的實時監測,直接從交換機上面把信息數據抓下來放到系統里面,會寫一些業務規則,比如說這個人在一天中他打通了20個電話,打完以后不到2分鐘就掛斷了,這個電話是欺詐電話,每個紅點都是業務規則,把業務規則寫在這里。當下一個電話過來的時候,數據流過來的時候它就會自動判斷,你這個電話就是一個異常的話單,就是一個欺詐的單位,馬上就截出來,所以在電信里面已經用了,在銀行也是這樣,做信用卡的實時監測,叫流數據,做業務的創新,這是一種應用流計算。
    另外一種手段叫內容計算。傳統處理都是數據庫表格的方式,現在我們要處理內容,什么叫內容?一篇新聞和一篇報道,這是我的內容。內容怎么處理?從新浪網里的一個新聞,有一個鏈接,把文本扒下來,通過網絡爬蟲把文件爬下來,爬下來做分詞處理,這篇文章有什么詞,做分詞處理,要做內容歸檔,做建立縮影,來幫助我做分析。所以這里面我們要做內容計算里面涉及到自然語言處理,分詞,句法的分析,關鍵實體識別、歸類與索引,機器學習,做內容計算。
    舉個例子,怎么做內容計算?這一句話是網上扒下來的一段英文,通過一個標準手段怎么做?這是一個語言監測,發現這句話是英文。第二是做段落的識別,這是一段話。第三它分詞,把詞給分了。第四做統一大小寫。第五做詞源的還原。第六是做這段話主謂賓的自動識別。第七是做實體的抽取,哪個是人名,哪個是公司名字。第八會做短語識別。所以一篇文章過來通過這么多步驟處理,做了分詞,高興是正面的詞,討厭是負面的詞,我們把這些詞來做分析,你發現很多業務的應用。所以通過這個的處理我們可以有很多索引用到分析手段里面去,下民我會講到很多這種案例。剛才我們講到兩種最新的手段,流計算、內容計算。
    下面我們看一下案例。第一個應用案例叫社交媒體跟輿情的分析,針對我們企業自身,這里面就有內容計算在里頭。從下面這兒來看,我們可以從微博,社交媒體里面,把我們所需要的文檔、文章,通過爬蟲從網上給爬下來。爬下來以后我們放在非結構化的數據平臺,放在這里以后我們對這些文章,他的內容進行分詞,進行句法分析,進行情感分析,同時做一些關系實體的識別,通過這些內容關系可以對我這個企業聲譽度的分析,品牌的分析,服務質量的分析,產品評價和市場動態的跟蹤,通過這種手段,通過內容的分析來幫我們企業做企業層面輿情的監控。
    我們看一個例子,我們跟國內某一個企業做的,把他關心的新聞全部都爬下來,做企業負面報道新聞監測,做關鍵詞的提取,自動識別跟企業相關的人物、地點、組織、事件,做這些事情。同時他能做社會熱點的一些跟蹤,做一些關鍵企業的新聞跟蹤,做行業信息的自動分類,做趨勢分析,這就是一個新的手段,通過內容的分析,社交外面的網絡,對企業有用的信息給提煉出來。這是一個案例。
    再講一個銀行的案例,利用社交媒體做輿情分析。對這家銀行信譽度的分析,拿6家銀行做參考,美國銀行、花旗銀行、匯豐銀行等,把這些銀行在網站上的信息給采集下來,就看這些銀行的信任度在這些方面的評價是什么,紅顏色說明是有問題的,怎么評價的?是通過詞的頻度,反映的頻度來做的計算,所以這是聲譽度的分析。
    另一方面會做客戶的情感分析,因為你在微博上、網上發表評論,這些詞有些是正面的,有些是負面的,有些是中性的,把這個分析以后,做了一些客戶情感分析,和其他的銀行相比我的位置在哪兒。
    另一方面做一些事件預警,這個人在微博上面評論,這些詞都是負面的,這時候有一個事件發生我該做什么預警,我的手段是什么,做了預警和監測。所以我講的第一個案例,很多機構利用社交媒體數據和非結構化數據平臺,做社會輿情的監控,這是一個案例。
    第二個案例有的企業要做360度全景客戶視圖,利用客戶視圖做營銷,做銷售。所以我們傳統的一個企業和一個銀行都在客戶里視圖,客戶的所有全貌我都需要了解到。傳統的手段是基于我的客戶在我這個企業里面的交易數據,原來采集的數據可以建一個客戶視圖。但是新的技術手段出來以后,很多企業考慮全景的客戶視圖,除了企業本身的交易數據以外,把客戶在社交網絡上,在媒體上,在交互數據上的一些信息集成起來,和我原來傳統的數據放在一起做一個全景的客戶視圖,全景了解客戶。目前在銀行,在電信,在很多企業里面都在做這個事情。
    360度全景視圖怎么做?我們利用外部的社交網絡數據,我們可以對客戶在社交網絡上面做一個客戶的畫像。怎么做?通過客戶的社交網絡分析,我們可以對客戶社交網絡進行畫像,從這一點我們可以看,通過社交網絡,客戶網站,微博,評論等等這些信息,我們把客戶在網絡上的信息對它歸類,有些是客戶的評價討論,有些是客戶的傾向性信息,還有客戶情緒的信息,他的一些行為的數據,還有客戶的屬性,和他在外面社交網絡關系的數據拿過來,拿過來以后我們做什么?做一個整合,對客戶進行網絡的畫像。
    這是唯一的客戶,這個客戶的基本屬性是什么,他在外面有什么事件發生,他的社交網絡是什么,也就是他的上下游企業,他的交易對手,他的合作伙伴,同時他對什么產品有興趣,我們通過這個東西,在客戶的外部有了畫像,基于這個畫像我們企業可以做微觀的客戶細分,做營銷活動管理,做信譽風險的評估,做競爭對手的分析。
    同時基于對外面數據的檢引,把企業里面本身的數據集成在一起,做什么?做新客戶的獲取,做銷售線索的產生和最佳行動的推薦。最底下這部分,我沒有外部的數據,我原來也可以做,但是我通過對外面的數據進來以后,結合企業里面已有的數據,他能做更多的增強。現在很多公司都精準化的營銷,做實時營銷,其實就是采用了這種手段,把外面的數據,社交網絡的數據,企業內部數據集成在一起,做數據獲取,這是第二個案例。
    第三個案例,做一些關聯企業、交易對手風險暴露分析和事件監測。怎么做?我們可以從交易所,從證監會、銀監會、安全部門、公安部門這些監管文件,新聞、出版物、社交媒體數據,把這些數據爬下來,做文本的數據,做實體集成。如果有了這些數據,我可以刻畫企業的社交網絡圖。會把公司的年報,這個都是披露的,股東的委托書,貸款合約,內部交易信息,通過分詞,關健詞的提取來分析,分析完以后會刻畫這個客戶社交網絡圖,我們叫關系圖,這個關系圖做的非常完善。它可以實時的把我跟誰最近聯系了,誰和誰又聯系了,把我在IBM內部的一個網絡實時途徑化給展示出來,我在IBM社交網絡圖有給畫出來了。所以通過這種應用,我們可以把這個企業,我的客戶,在整個網絡的關系就可以畫出來,這是第三個應用場景,叫關聯企業、交易對手暴露分析,現在很多企業在做這種應用。
    第四個案例叫客戶之聲,就是客戶的聲音。這個怎么做?同樣的這個客戶他的微博上的言論,他的客服,他有一個電話的抱怨,微博上對企業,對產品有評論,我們把這些信息都爬下來,爬下來做語意分析,做關健詞提取,建立一個模型,建立一個規則,這個電話為他這個評論,他可能是一個投訴,他可能是一個產品的訴求,我們會建一個模型出來,自動識別你反映的是一個什么問題。
    這種識別以后做什么?主要有四個方面的用途,可以發現潛在的客戶的抱怨的問題,第二方面可以預先做一做輿論導向,說他老抱怨,我如果發現了,我就提前做一個輿論導向。第三方面發現新產品的一些機會,因為他可能是一個產品訴求。第四方面是提高客戶的忠誠度。我們把這些做進一步的分析,做新業務的創意和新問題的發現,現在很多企業從這個方面來做,他們叫客戶之聲,這種應用很多。
    第五個案例是做客戶的信用風險評估。這個在花旗銀行用的很多,花旗銀行本身有客戶的很多交易的數據在這里,他同時會采集這個客戶的一些外部的信息,它的一些交易對手信息,市場信息,新聞評論,這些全部采集起來,并且把數據做一個關聯。當一個客戶來貸款的時候,這個系統通過一個模型能自動判斷你這個人的貸款我應該給你的利率是多少,因為美國的利率是浮動,這個利率會給信貸員做一個參考。所以花旗銀行這種案例跟阿里金融一模一樣,只不過花旗是團體業務,阿里金融是用到網上、線上的交易。
    這個應用還有很多,IBM跟美國的保險公司在做,只要把你的一些體檢的,血壓、心高,把原來看病的歷史,把這些東西調出來以后,系統有取得大量的案例,會自動去判斷你這個人大概得了什么病,你應該用什么藥,通過這個東西它會給醫生做一個實時參考,這是醫藥的一個手段方式。這是第五個應用場景。
    第六應用場景對客戶做社區劃分。這個客戶應該是什么客戶社區,我知道這個客戶社區以后會做精準營銷和銷售,所以從這幾張圖可以看出來,這是一家銀行,他通過外部的數據,非結構化數據和他自己的交易數據,他對他的客戶做了很多社區劃分。每一個社區它的關健詞是什么?這個社區他的關健詞,他的年齡是比較時尚,他的年齡段是30-50歲之間等等,把每個社區的關緊此劃出來,這變成一個社區的理念在里頭。這個社區他們對什么產品感興趣?這里面也有。當外面一個用戶進來的時候,他會判斷你這個人大概屬于哪個社區,買了哪些產品,我幫助你來推薦。所以很多金融機構或者很多營銷企業,都利用這種手段做精準營銷,它跟傳統的手段不一樣是什么?它是外部的數據,實時的數據,社交網絡的數據,融合企業現在的數據來做更新的創意。這是第個案例。
    第七個應用場景是網點選型。我們做網點選型,應該在哪個地方開一個機構,開一個營業部,開一個營業場所,我們幫很多企業做這些規劃。我們做這些規劃要做什么?我們要參考宏觀的經濟數據,土地數據、人口數據、民生數據,把這些數據要參考。還有一方面的數據是不同區域的它的一個地理特征,它的經濟特征,把宏觀數據和微觀數據,包括社交數據放在一起,我們會建一個模型。KPI算出來,建一個模型來判斷,你應該在哪個地方,哪個區域開一個網點。所以我們利用這個大數據來做網點的學習。
    另一方面我們利用攝像、視頻數據來做網點優化。所以這么一個例子,這個例子是我們跟上海地鐵、人民廣場的優化。我們知道地鐵人流上下高峰期都在流動,攝象頭每時每刻都在監控,那我們把攝像的數據,視頻的數據拿過來做分析,分析以后可以看到,紅點、綠點是人員的流動情況。紅點很多地方就是它的瓶頸,他老躲在那個地方,電梯有一股人流在那兒。所以我們后來發現地鐵里面在很多點上它的布局是不合理的,后來我們提一個建議,在拐角那個地方,應該做一些改造,里疏導一些人流。所以通過這個地方,我們做網點內部的優化,同樣我們在銀行,用它的攝像視頻數據,看他的人流在網點里面怎么流動,我怎么規劃,我的柜臺怎么設置,怎么布局,更符合客戶的習慣,這里面通過影像的圖像資料做網點合理的布局。
    剛才我講這么多案例,每一個案例都是一個業務的創新,都是突破了傳統的思維方式,對應用的增強。
    三、大數據時代下企業管理創新
    我分析一篇報告,去年6-9也紛的時候,IBM公司有一個商業價值研究院和牛津大學賽德商學院聯合做一個研究報告,這個研究報告對全球95個國家,26個行業,1144名企業高管和專業人士做了一個調研,對大數據的應用做了調研,這個調研結果是什么?在全球各行各業中企業高管都意識到,他們需要更多的了解大數據、使用大數據。需要了解是一個什么東西,我用它來做什么,這是一個普遍的結論。
    另一方面在我們調查當中,現在已經有28%的企業都開始做大數據的試驗跟實踐,有47%的企業已經在開始做大數據的相關活動。現在很多企業正在走一些試點應用,怎么來推動大數據,做一些業務的亮點和創新,這是一個調查報告。
    領導、高管他們覺得如果要做大數據,大數據有不同的階段,我們講剛剛開始,所以在這個報告里面,我們把大數據使用的階段分了四個步驟。首先是教育階段,什么是大數據,大數據能做什么。第二是探索階段,我的業務需求是什么,如果大數據這種技術有了,我做什么。第三是接觸階段,開始接觸大數據,做一些試點,做一些驗證,所以很多企業第三步開始做一些接觸。第四是部署階段,真正要用大數據。所以把大數據分成四個階段以后,這些企業高管,現在有47%的人在探索階段,有22%的企業做接觸階段,6%的企業已經在部署大數據的應用。
    如果大數據我們要用起來,其實給我們企業組織的行為模式是相關的,再教育階段我們要進一步培訓,為大數據后面應用奠定基礎。如果在搜索階段我們開始定一個計劃,要部署一些行動。在最后階段我們需要了解企業面臨的機遇和挑戰,執行階段是為企業積極擁抱大大數據,把大數據投入到業務創新和管理創新。
    企業高管要支持大數據,支持大數據創新,所以他們目前的想法,一個企業的CIO在前期要引領大數據的研究,在后期就我們的業務高管部署、推進一些具體措施。首席信息官在前兩個階段要投入,我們的高管在這個階段要投入,我們的首席執行官在執行階段有很多關注在里面。
    另外一個方面,在報告當中,他們對企業利用大數據創造價值提了五點建議:
    1、我們要起步大數據,在哪個地方起步?它的建議是以客戶為中心來推動大數據初始的舉措。我們做大數據做什么?首先以客戶中心那個點來起步,這是第一個建議。
    2、我們要制訂整個企業的大數據藍圖,大數據有了,數據怎么來用,企業要建立大數據藍圖。
    3、要從現有的數據開始,實現近期目標。除了社交網絡數據以外,我們企業內部有很多大數據沒有用起來,比如企業內部的網站,集中點技流的數據,一些分析報告,一些郵件,一些內容的提取沒有用起來,包括一些流數據沒有用起來,所以企業里面本身就有很多大數據,我們把這些數據用起來,實現一個近期的目標。
    4、根據業務優先級逐漸建立企業的分析能力。企業分析能力分三大類,除了傳統的數據庫數據挖掘以外,我們還要構建內容挖掘能力,還要實時分析的能力,這三個能力給構建起來。
    5、要基于可衡量的指標,來制訂一個投資回報的分析。這個報告當中它對企業的業務創新和大數據的應用,創造價值提了五點建議。
    我的報告就這么多,謝謝各位。
    
    于吉:剛才謝國忠總經理做了一個非常精彩的演講,使我們感受到專家型、學者型企業家的水平。最近在網上流傳把中國的專家分為四類,第一類是胡說八道型,第二類是以殘害大眾為樂趣型,第三類是災難發生前辟謠型,第四類是專門放馬后炮型,這些對專家的評論是不是偏見我不做評論,但我認為這個分類是不全的,因為還有第五類就是治學嚴謹、貨真價實,表里如一型,謝先生屬于這一類型。今天我們請到的坐在前排的都是專家,都是學者,我想他們都屬于第五類。建議再次以熱烈掌聲對謝先生的精彩演講,表示衷心的感謝。
    第二位演講的是清華大學技術創新研究中心主任吳貴生教授,他演講的題目是“技術革命與創新戰略”。
    吳貴生教授是清華大學經濟與管理學院教授,博士生導師,清華大學技術創新研究中心主任,中國技術經濟學會常務副理事長,北京市第八屆專家顧問團成員。吳教授主要從事自主創新戰略,技術創新管理,服務創新管理,技術經濟評價,區域科技與經濟發展等領域的研究。吳教授主持或參與過多項國家自然科學基金、科技部等有關部門委托的科研課題,吳教授屬于第五類專家,建議以熱烈掌聲歡迎吳老師演講。
    (文稿來自速錄,未經審校)
 
  中國企業聯合會、中國企業家協會 主辦
地址:北京市海淀區紫竹院南路17號 郵編:100048

京ICP證 050088號
   
     
篮彩胜分差怎么买
篮彩胜分差投注心得 计算器篮球胜分差玩法 篮球胜分差规律 篮彩胜分差中奖 篮球胜分差最多奖金 篮彩胜分差怎么投注 竞彩篮球胜分差怎么算 胜分差怎么打票 篮球胜分差玩法 体彩胜分差 胜分差怎么打票 篮球胜分差怎么算 胜分差玩法彩票 竞彩篮球胜分差计算器 竞彩篮球胜分差投注
彩票大赢家 体彩14场胜负18075期 疯狂千炮捕鱼内购破解版 时时彩后一稳赚霸主 天津干什么可以赚钱 安卓彩票自动分析软件 彩运来彩票群 逆水寒多少级可以赚钱 贵州十一选五开奖结累查询 现金棋牌捕鱼游戏网址 福彩3d走势图彩宝网 梦幻西游新手前期赚钱 为什么沙巴体育下注那么难 在天猫上做哪种赚钱 如何开出租车多赚钱 波克城市游戏官方网站