企业数据服务

① 企业最有价值的数据在哪里

企业最有价值的数据在哪里

当前，传统(非互联网类)企业已认识到大数据的价值，但如何结合企业现状有效应用大数据，仍普遍存在着迷茫。针对这种现状，HCR基于企业大数据应用的相关服务经验，提出一些可行性的思路和建议，供企业客户了解和实施。

本文内容适合拥有较多客户资源(ToC和部分ToB)和内部数据的大中型企业，对拥有大量企业/个人管理数据的政府机构(如税务)的大数据应用也有借鉴意义。

一、企业最有价值的数据在哪里

大数据的价值基础来自于数据，对于企业最有价值的数据，我们认为有两点：

1)内部业务大数据(而非外部大数据)具有最高的应用价值

企业的大数据，从来源讲可分为内部(自身业务生产经营环节产生的所有数据)和外部(来自外部，如第三方/互联网)。当前企业热衷于引入来自外部的大数据(如互联网/电商/移动互联网)和相关服务应用，而忽视了一个事实：现有的内部业务大数据才是最大的价值挖掘目标。

大中型企业在信息化与数据应用过程中，大都已经完成了第一阶段(信息化系统建设与业务数据采集的自动化/常态化)的工作。多年来建立的各种业务信息系统已积累了大量业务数据。而进入第二阶段(挖掘数据提升企业业务经营管理)后，却进度缓慢。相比外部数据，内部业务数据体量大，内容多样，时间跨度长，是企业大数据的主体。因其与企业特性直接相关，深入覆盖经营的各个环节，其对企业的价值远大于各种外部数据。然而，这些数据很少发挥出应有的价值，大都沉睡在那里，甚至成为负担。

2)内部业务大数据中，应优先关注服务客户相关的数据

企业内部业务大数据，如果按逻辑属性划分，可分为两大类：

1) 产品/服务相关：围绕企业产品/服务相关的(研发/设计/原材料/生产/制造/反馈)的数据

2)服务客户相关：围绕着目标客户(可为B或者C)的相关(售前/销售/客服/运维/活动/CRM等等)数据

以上两类数据中，服务客户相关的业务行为对企业经营影响巨大。其数据也是企业内部大数据的主体，应优先作为内部大数据挖掘应用的目标。

二、实施的流程

下面，针对企业最有价值的内部业务数据集，结合消费者研究与标签化研究方法，我们来介绍如何有效挖掘其大数据价值的机制。

首先我们给出一个主要的流程，后续将对每个步骤进行详细说明。

数据来源：大数据平台部@HCR

Step1总体体系设计： 对现有内部数据进行重构设计

对现有的业务数据体系，结合实际情况与未来的应用目标，重新进行数据组织和规划。过程中要关注两点：

要点1：数据的组织，要从功能为中心转向以客户为中心(按生命期阶段组织)。企业内部业务数据，当前大多是以业务功能(系统)为中心组织，相互间未充分打通。用于价值挖掘的业务数据，要以每个客户为中心，以用户生命期为线，将其所有业务功能阶段的数据串起来。

要点2：以类标签化的思想建立客户的数据描述体系，作为未来全景数据整合的框架。描述体系的来源数据不仅有内部数据，也包含外部数据(辅助)。实际的数据整合处理将基于该体系进行：已有的数据可直接引入，缺失数据内容作为后续采集/外购的主要目标。

以某车企客户为例，其相关的大数据，对应由9大内部业务系统产生，各自独立。在数据体系重构整合中，重构的示意图如下：

数据来源：大数据平台部@HCR

Step2 数据整合集中：对现有数据进行实际整合，建立一个统一大数据平台

基于step1得到的规划方案，对现有的业务数据通过技术手段从各业务系统整合到统一大数据平台上。该平台作为数据分析平台，与生产业务系统分离，提供对数据仓库/结构化/非结构化数据的支持。

整合中要注意：

(1) 数据模型的设计以及数据ETL(清洗/转化)，都需要以客户为中心进行统一规划

(2) 充分考虑新数据体系中缺失/不足的数据内容未来的融入和整合机制。

Step3 标签化分析：对客户进行全方位标签化分析，生成标签化描述结果

在step2整合得到的以用户为中心的多维度数据空间上，基于消费者研究与业务特性建立用户标签体系，并对客户进行实际的标签化分析。标签体系的定义，要兼顾用户基本信息、业务特点和未来应用的目的，并不断扩展。

比如前述的车企客户，对用户标签，已经定义了如下几类：基本属性(性别、年龄段、购买能力、职业阶层…)、家庭情况(家有儿童,第二辆车)、车型/驾驶偏好(如偏好SUV 、注重安全性.、追求速度感…)、配件关注点(喜欢原装、喜欢功能性配件)、内装偏好、保养习惯、参与活动偏好、触媒习惯等。

Step4 业务实际应用/挖掘：通过业务活动，进行客户大数据价值的实际挖掘和应用

对所有客户分析得到标签化描述结果，可通过统一的客户分析平台，提供给企业内部所有部门实际应用。各部门可根据实际业务需要，通过标签灵活准确筛选目标客户(如市场部可以查找80后家有儿童且购买能力强的目标客户做MPV家用车型推广)，或发现产品客户群的深层特性(产品设计部门可分析车型的目标客户与实际购买客户是否一致)。

三、如何实施

在内部大数据应用流程闭环的5个主要步骤中，每一步工作都有着不同的重点：

Step1总体体系设计

总体体系设计，决定了企业内部大数据应用未来可以发挥的价值空间，所以需要高度重视。前期要做踏实，不要急于求成。

主要工作包括：

● 对企业现有数据情况深入摸底，确定客户相关数据在各业务系统中的情况(分布/数据属性/关联性/数据质量等)

● 通过在各业务部门调研和访谈方式，以及用户研究的发展趋势，确定企业各部门未来的应用总体需求目标，并抽象为相关对客户属性/标签的需求。

● 在前两步工作的基础上，通过用户研究人员与大数据架构/分析人员的合作，完成相关的总体设计。

输出结果至少包括：

● 新数据体系的设计与重构方案，定义以客户为中心的新数据模型的抽象/关联性/属性来源/生成机制等，包括对现有数据的整合机制，以及对当前(基于标签体系要求)缺失数据属性的采集和融合机制。

● 客户标签应用体系的框架性实现方案，包括对客户标签体系的框架与分类体系、重要标签设计与分析思路，以及未来的应用模式等

Step2 数据整合集中

基于新数据体系的设计要求，建立一个统一的内部大数据平台，将相关的数据整合于其中并进行有效管理。

主要的工作包括：

● 搭建统一大数据平台的软硬件/网络的基础架构(包括应用与数据库系统)

● 对于现有数据，基于新数据体系的设计，设计数据物理模型和对接方案，并通过技术手段(ETL/编程)对接各内部业务系统，将各业务系统的相关数据统一整合到大数据平台

● 对于缺失数据和外部来源的大数据，建立一套相应的机制，保证后续持续有效的整合此类数据。

输出结果包括：

● 一个统一的大数据平台，能够持续整合和管理来自企业内外部的用户相关的所有数据资源。

● 一套技术与业务实施机制，确保数据整合和采集的可持续性和有效性。

在现有数据整合时，企业由于内部业务信息系统众多，且往往对应不同的IT开发商，为保证整合多业务系统数据的准确性和效率，本步骤的实施者，建议优先选择企业内部现有业务信息系统的核心IT开发商，或由企业的信息中心完成，注意：实施过程中需要有大数据架构与数据专家提供咨询和指导。

Step3 用户标签化分析

本阶段工作对数据未来价值的影响最大。在实际的实施中不是一蹴而就的，是个长期递进的过程，需要根据业务变化和应用需要，不断优化和扩展用户标签体系。相关工作主要由熟悉行业的用户研究人员和数据挖掘/算法工程师根据企业业务的需要配合完成。

● 用户研究人员：基于全局的客户标签体系，对数据体现的用户行为进行深入研究和分析，并针对业务的需求，定义高应用价值的标签，并发现相关分析规则

● 数据挖掘/算法工程师：综合运用大数据技术(数据挖掘/机器学习等)方法，配合研究员进行挖掘，并完成标签分析的算法编程，使得大量标签的分析处理能以自动化方式来实现。

输出结果包括：

● 所有客户的标签化分析和描述结果。

● 特定客户群体/业务需求相关的深入分析报告。

Step4 业务实际应用

由企业各部门人员完成，业务人员对step3中产生的客户标签分析结果，结合实际业务需求提取和分析所需要的内容，并在后续的业务活动(如针对所选择客户的广告宣传、营销..)和决策分析中进行应用。

为了便于实际使用，对Step 3 中的分析结果建立统一的应用分析平台，支持业务人员灵活筛选/分析所有客户的标签化属性，并能够提供更深入的研究报告和最新的可视化分析工具，以支持企业更多更深层次的数据应用。

对于业务人员，如果缺乏使用分析结果的思路和想法，可通过培训和案例拓展其思路。同时在使用之后，需要根据业务情况与数据研究人员交流和不断反馈，协助提升标签分析模型的精度。

Step5 应用结果的反馈

在各部门使用数据开展业务后，需尽可能收集所接触客户的反馈结果。反馈结果的采集内容要参照全局数据体系的定义，通过便捷的电子化形式(如二维码问卷)完成和提交。这种反馈的闭环机制，可有效避免长期以来对客户实际感知的断裂，能有效提升用户标签化画像的准确度与后续应用价值。我们的一家外资药品企业客户，已经开始进行相关尝试，收到了良好的效果。

四、要注意的问题和解决方法

企业内部大数据整合挖掘与应用，当前已经受到许多行业内的领头企业的关注，并开始尝试。但由于缺乏体系化的思路和经验，遇到不少困难。企业在进行计划相关实施时，首先要注意如下问题：

1、建设思路与实施者的选择

从前面的阐述可以发现，内部大数据整合与应用挖掘，本质是用户深入研究与相关应用。不仅数据组织和标签体系，甚至IT相关的数据平台整合与建设，也遵循用户研究的思路来完成。用户研究/大数据挖掘技术(如数据挖掘/算法)人员是实施的核心团队。

遗憾的是，在我们接触的一些企业中，建设思路仍有很大偏差。有的仍然遵循IT系统建设的思路，认为应由IT企业来完成此事。实际上，IT企业并不具备实施中最重要的用户研究/数据挖掘等专业能力(其更适合step2/4所需的相关IT平台的开发)。而有的企业则认为这是CRM业务的延伸，适合CRM服务商完成。这也是不对的，CRM数据 /业务只是企业用户大数据/应用中的子集，CRM人员是用户研究结果的应用者而不是建立者。

以上错误认识直接影响了诸多企业内部大数据挖掘与相关应用的有效推进。某主流手机制造厂商，就是重技术平台，不重深入研究，觉得采集整合了大量数据后应用价值就水到渠成了。而某合资车企则是意向将该项目由国际著名it服务咨询企业来完成(事实上我们并不认为该咨询企业能够深入了解汽车行业的产业规律与用户特点)。某省移动运营商，在针对集团客户进行大数据整合与营销支撑服务时，由某上市it企业进行实施。虽然该企业的it研发能力很强，但由于因循传统业务流程管理的思路，一线客户经理无法从系统中获得对所服务集团客户的深入认识，也难以进行针对性的业务推广。

因此，企业内部大数据应用的实施，选择一个能力全面的实施者很重要。该实施者既要熟悉企业业务特性、具有专业的用户研究能力外，也要具有大数据相关的技术(平台架构设计/数据挖掘/大数据算法分析)能力，两者缺一不可。

2、整合数据时会遇到较大困难

企业在实施step2(数据整合集中)时大都遇到相同的问题：进度延误和数据集中未达设计目标，大大影响了后续的数据应用。

其原因主要如下：

●数据涉及的内部业务系统众多，而且开发商往往不同，加上各系统通常又被不同业务部门管理。因此，从各部门各业务系统整合数据，要牵扯多方(管理方、开发方)的部门权限、利益和精力。相关的协调/推进通常比较低效。

●实施整合的it企业，虽然熟悉内部数据细节，但大都是开发能力强，对大数据整合数据的主要工作(对接、同步和数据清洗等)缺乏经验和最优的方法

以上原因，再加上全局目标不明确，导致整合集中成为企业数据价值应用环节上最大的障碍。以某省运营商为例，其内部用户大数据整合工作，断断续续已经进行了近两年，仍未完成预期目标。

而要想避免此事，需要做到以下两点：

●高层要重视，且要有强有力的内部实施控制。公司层面的重视对打破各业务系统的数据壁垒有很大帮助，而专业的总控团队对进度和效果影响较大。以某大型企业客户为例，整合数据时涉及6个部门9大系统，难度相当大。公司由副总担任专项组长，信息中心组建专门团队负责实际协调和考核，最终按计划完成了相关工作，走在了同行的前列。

●由大数据处理与整合方面的技术专家，通过咨询/培训等手段，帮助it实施企业提升在数据整合技术方面的能力。

3、内部业务数据的完善任重而道远

数据属性缺失和数据质量问题，是企业内部业务数据最常见的问题，也很大影响了未来的应用价值。同时，在大数据环境下，客户数据的粒度/深度的不足也逐渐明显。如对某上市药企进行相关数据摸底时，发现客户相关的数据只到渠道级别，没有到达最终用户，导致大量最有价值的内容缺失。造成这些问题的核心原因是之前缺乏全局、体系性的数据框架和实施机制，业务各环节中采集数据的目标、方法和主动性都有不足，而这相关改变非一朝一夕可以完成。

对此，企业要注意：

●客户识别/接触体系不完善的，需尽快建立公司统一的客户体系(如会员系统)。

●要有明确的全局数据体系作为指导，相应建立采集和整合的制度化机制，使得各环节的业务人员对相关工作从自发变为自觉。

●要把外部大数据/应用反馈数据也纳入到数据体系中，统一规划构建相关的收集机制和融合方法。

●在此过程中不要摊子过大，结合情况分步骤实施，优先考虑最重要/最容易采集的数据资源。

三、hcr助力企业内部大数据应用

企业内部大数据研究应用要求实施者在行业/应用研究与大数据应用技术上具有全面而深入的综合能力。当前国内无论是研究行业还是it行业，符合相关要求的实施企业凤毛麟角。

而hcr作为领先的大小数据结合的数据研究公司，则完全具备相关能力：

●10多个行业的资深研究人员，长期面向企业研究，具有丰富的行业/用户研究经验。以b，qgroup为代表的研究团队，在帮助企业进行内外大数据研究方面经验丰富。

●hcr大数据平台部具有行业最强的大数据技术能力。数据架构组可帮助企业进行业务数据摸底，设计/规划适合企业特点的大数据体系与平台，并具有实际的技术实施能力。而挖掘算法组，在大数据环境下的挖掘算法/机器学习/非结构化文本分析方面实力强大，在配合研究人员进行用户标签化分析方面已经取得了丰富成果。

正是由于研究与技术的综合优势，hcr当前在帮助多个客户企业实现内部业务大数据的价值挖掘，使得客户能够通过大数据应用，为企业经营带来新的提升。

以上是小编为大家分享的关于企业最有价值的数据在哪里的相关内容，更多信息可以关注环球青藤分享更多干货

② 数据中台可以帮助企业解决哪些问题

数据中台的价值是可以大大提高企业的响应能力。企业的数据开发速度跟不上应回用和业答务变化的速度，那么数据中台就能够为企业解决这种速度不同步的问题，将这些能力都沉淀到一个体系中，变成数据开发的能力，变成可以复用的二次加工数据服务工厂。

③ 国内大数据公司有哪些

国内大数据主力阵营：

1.阿里巴巴
阿里巴巴拥有交易数据和信用数据,更多是在搭建数据的流通、收集和分享的底层架构。

2.华为华为云服务
整合了高性能的计算和存储能力，为大数据的挖掘和分析提供专业稳定的IT基础设施平台，近来华为大数据存储实现了统一管理40PB文件系统

3.网络
网络的优势体现在海量的数据、沉淀十多年的用户行为数据、自然语言处理能力和深度学习领域的前沿研究。近来网络正式发布大数据引擎，将在政府、医疗、金融、零售、教育等传统领域率先开展对外合作。

4.浪潮
浪潮互联网大数据采集中心已经采集超过2PB数据，并已建立5大类数据分类处理算法。近日成功发布海量存储系统的最新代表产品AS130000。

5.腾讯
腾讯拥有用户关系数据和基于此产生的社交数据，腾讯的思路主要是用数据改进产品，注重QZONE、微信、电商等产品的后端数据打通。

④ 哪些公司可以给企业进行大数据系统搭建服务

能给企业进行大数据系统搭建的公司在深圳有几家，其中我们公司也是的，数据已经回作为企业重要资产被答广泛应用于盈利分析与预测、客户关系管理、合规性监管、运营风险关理等业务当中。
大数据在企业经营中能帮助企业将客户、用户和产品进行有机串联，对用户的产品偏好，客户的关系偏好进行个性化定位，可以实现企业对所需资源的精准定位，在企业在运营过程中，所需要的每一种资源的挖掘方式、具体情况和储量分布等。
通过大数据计算对社交信息数据、客户互动数据等，可以帮助企业进行品牌信息的水平化设计和碎片化扩散等。

⑤ 企业如何布局数据管理中台

数据中台是为了应多业务高峰、应对大规模数据的线性可扩展问题、应对复杂业务系统的解耦问题，而在技术、组织架构等方面采取的一些变革，其本质上还是一个平台。从大的方面来说数据中台包含以下几个部分：数据存储，将企业所含的数据湖的数据，通过数据的清洗转换到数据仓库中，经过主题域的构建形成数据集市。同时数据中台是一个数据集成平台，它不仅仅是为数据分析挖掘而建，它更重要的功能是作为各个业务的数据源，为业务系统提供数据和计算服务。数据资产管理，将企业内部的数据进行规范化的管理，按照企业的需求对企业数据按目录进行划分和管理。数据服务，按照特定的需求以API的方式提供数据服务，随着企业大数据运营的深入，各类大数据应用层出不穷，对于数据服务的需求非常迫切，大数据如果不服务化，就无法规模化。数据的分析与挖掘，以数据为推理的基础上，对数据进行分析，挖掘其更深层次的价值，比如说，用户对某个数据服务访问次数特别多，通过数据分析访问此服务的用户对其它服务的需求，分析其中的联系，之后更加侧重于提升这方面的服务，从而提高客户的满意度。反之，对用户访问较少的服务，反思其中的原因，进行服务的改进。目前已有众多企业开始认识到数据的重要性，开始布局搭建，但企业一方数据的有限性以及对数据行业的不了解，有些企业开始遇到些问题，可以咨询市场上专业数据服务公司MobTech，助力企业数据中台构建，提供三方合规数据，进一步画出精准用户，帮助企业降本增效。

⑥ 中国主要的行业数据与市场数据服务公司与提供商有哪些

中国主要的行业数据与市场数据服务公司与提供商很多，其中，在国内占据绝对的权威的有以下几家：
1：零点研究咨询
是源自中国的国际化数据智能服务机构，旗下包括创新数据开发中心、公共事务数据事业群、商业数据事业群、未来商习院。
2：国研
国务院发展研究中心信息网(简称“国研网”)由国务院发展研究中心主管、北京国研网信息有限公司承办，创建于1998年3月，并于2002年7月31日正式通过ISO9001：2000质量管理体系认证。
3：深圳中为智研咨询有限公司
是中国领先的产业与市场研究服务供应商。公司围绕客户的需求持续努力，与客户真诚合作，在调查报告、研究报告、市场调查分析报告、商业计划书、可行性研究、IPO咨询等领域构筑了全面专业优势。中为咨询致力于为企业、投资者和政府等提供有竞争力的调查研究解决方案和服务，持续提升客户体验，为客户创造最大价值。
4：赛迪顾问股份有限公司
是中国首家在香港创业板上市，并在业内率先通过国际、国家质量管理与体系标准认证的现代咨询企业，直属于中华人民共和国工业和信息化部中国电子信息产业发展研究院。
5：万得信息技术股份有限公司
(简称：Wind资讯)是中国大陆领先的金融数据、信息和软件服务企业，总部位于上海陆家嘴金融中心。
6：新华信国际信息咨询(北京)有限公司
是中国领先的营销解决方案和信用解决方案提供商，1992年在北京成立。企业收集、分析和管理关于市场、消费者和商业机构的信息，通过信息、服务和技术的整合，提供市场研究、商业信息、咨询和数据库营销服务，协助您做出更好的营销决策和信贷决策并发展盈利的客户关系。
7：慧聪研究
是一家根植于中国、放眼全球，提供大数据与小数据有效结合的洞察研究公司。HCR为企业提供大小数据结合的深度洞察服务。
8：易观国际
成立于2000年，是中国互联网和互联网化市场卓越的信息产品，服务及解决方案提供商。每年为来自于全球的互联网和信息技术厂商、电信运营商，行业用户、投资机构、政府部门的高级主管，提供包括订阅制的EnfoDes资讯平台和EnfoGrowth专项咨询在内的信息产品，服务及解决方案。
9：新生代市场监测机构
成立于1998年，位列中国市场研究行业TOP10，是国内最具规模和影响力的消费者与媒介研究机构之一。新生代致力于为客户提供专业的市场调查和基于数据的研究与咨询服务，主要业务包括市场研究、媒介研究、消费与社会研究，以及营销策略咨询。
10：艾瑞咨询
成立于2002年，由杨伟庆发起创立，致力成为中国大数据时代下最佳互联网收视率及消费者洞察公司。艾瑞咨询以“生活梦想科技承载”为理念，为客户提供中国市场最专业的互联网相关领域的数据产品、研究咨询等专业服务，助力客户提高对互联网产业的认知水平、盈利能力和综合竞争力，让互联网的力量点燃中国各个行业。

⑦ 企业数据中心如何具备网络服务能力

企业数据中心的整体 IT 架构不是一天建成的。在企业的发展过程中不同厂商的设备、不同类专型的资源属池先后出现和并存，在当下的绝大多数企业中，混合资源池是常态。随着企业上云的推进，企业早期采购的传统硬件网络、安全设备需要在云的架构下被统一纳管，但传统设备云化转向 NFV 过程中通常面临着集成和组网难度大、运维管理挑战大、虚拟化之后性能不足、关键技术人才匮乏等实际困难。市场上缺乏可落地的解决方案，企业复杂设备的统一纳管需求无法被满足，造成企业数据中心无法提供差异化的网络服务，既无法保障网络服务的性能和灵活性，也无法通过设备利旧保护既有投资。云杉网络的NSP混合云网互联与服务平台 通过对企业中多厂商的网络设备、安全设备进行统一抽象管理，在保护原有设备资产投入的前提下逐步从传统硬件网络向 NFV 转变，从而给租户提供了差异化的网络服务，即满足性能需求和服务交付的效率又给用户带来更多的灵活性。

⑧ 国内有哪些公司能提供大数据服务

国内大数据服务公司很多，但需要判断是否合规，目前国家对于数据行业极回力支持但同时监管答也在加强，合规将是企业挑选合规产品与否的关键要素，例如，MobTech是一家数据智能科技平台，覆盖设备数超138亿，累计App数超64万，重量的是合规自有数据，几乎覆盖全国95%以上设备，并通过多年线上大数据积累，进一步融合线下真实场景数据，形成业内独一无二的第三方全景大数据服务平台，更智能的洞察用户多方面的个性化特征，形成6000+用户标签维度，涵盖人口属性、经济水平、地理属性、兴趣爱好、金融理财、餐饮美食、居家建材、旅游出行、媒介使用倾向等更多垂直分类，满足零售、营销、金融风控、地产商圈分析、汽车等多场景需求。在数据服务商筛选中，一定要注意数据合规性，数据体量，以及数据细分维度，是否能满足你的需求。

⑨ 国内做企业大数据比较全的有哪些公司

这个比较全：全国31省大数据单位列表

全国31省大数据单位列表