工業大數據

工業大數據是未來工業在全球市場競爭中發揮優勢的關鍵。無論是德國工業4.0、美國工業互聯網還是《中國制造2025》，各國制造業創新戰略的實施基礎都是工業大數據的搜集和特征分析，及以此為未來制造系統搭建的無憂環境。本書基于工業4.0的時代背景，通過深入剖析未來工業的商業模式和智能服務體系的創新技術變革，論述如何通過工業大數據的分析和應用去預測需求、預測制造，整合產業鏈和價值鏈，發現用戶的價值缺口，發現和管理不可見的問題，實現為用戶提供定制化的產品和服務。

如何以較低成本滿足用戶定制化的需求？
如何使制造過程的信息透明化、更加高效、提升質量、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，使設備的使用更加高效、節能、持久？
如何使人的工作更加簡單，甚至部分代替人的工作，在提高生產效率的同事降低工作量？
如何實現全產業鏈的信息整合，使整個生產系統達到協同優化，增加生產系統變得更加動態和靈活，進一步提高生產效率和降低生產成本？
工業大數據則以分析這些問題為出發點，圍繞它能夠解決什么樣的問題和為用戶提供什么樣的服務為價值。同時，工業大數據能夠在橫向與縱向環節的互聯與在統一平臺的信息共享，由此將資源利用與分析維度規模化、價值最大化，進而能夠最大范圍地面向各環節的用戶進行應用服務的定制與按需分發，由此又可衍生出持續性服務共贏的模式。

大數據給營銷帶來了非常大的希冀。特別是，它能解決營銷人員一直覺得棘手的兩個問題：

1. 誰在什么時候以什么價格買了啥？

2. 客戶所聽、所讀和所看到的東西究竟與他們消費購買有無關聯？

解決它們就能更容易地鎖定目標客戶，發現并消除所謂被“浪費了的50%”的廣告預算，從而使營銷變得更高效。因此，為了解決這兩個問題，營銷官們把自己的大數據望遠鏡對準這樣一個目標：預測消費者的下一筆交易。他們努力地畫出每位消費者更為詳細的用戶畫像、記住他的媒體偏好、仔細觀察他的購物習慣、并將他的喜好愿望和想要的都進行歸類。其結果就是給出了一個精致、高分辨率的用戶特寫，揭示他的下一步舉動。

然而，急著探索和瞄準下次交易令許多行業很快面臨一種令人擔憂的現實：贏得了下一筆交易最終也只是短期的策略優勢。它忽視了一個巨大且必然的結果，那就是如果每個競爭者都能掌握了預測客戶下一筆交易的能力，營銷官們也會不可避免地犧牲掉邊際交易的利潤。這種沒有贏家的短期軍備競賽最終會導致在中長期讓所有競爭對手地位均等。追求下一筆交易將不會帶來持續性的競爭優勢。

這并不意味著企業不應嘗試去預測和捕抓消費者下一次的購買意圖。而是他們要知道，只有在競爭對手普遍落后，成為領先者還依舊有點兒優勢的行業里，這種做法才能取得高于平均水平的回報。在旅游、保險、電信、音樂和汽車這些行業里，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中獲得的可持續競爭優勢已非常少。

營銷方案若想依靠大數據獲得持續性優勢，就必須問一些有關長期客戶粘度、忠誠度以及客戶關系的戰略性問題。基于大數據提出的問題，不僅要關注什么能誘發下一次購買，也要問問哪些因素能讓客戶保持忠誠；不僅看客戶下次愿意付多少價錢，也要問問他們能提供的終身價值是多少；不僅看怎么從對手那里挖來客戶，也要問問在對手有更優惠的價格時，怎么才能讓他們留下來。

要想知道這些更具戰略性問題的答案，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，我們更應該關注如何用大數據給客戶創造價值。也就是說，我們需要做個轉化，不問大數據能為我們做些什么，而是關注大數據能為客戶做什么。

工業大數據能幫助提供設計資料，增強產品與服務，或完全打造一個全新的出來。簡單例子有像亞馬遜和Netfilx，通過推薦引擎減少搜索和評估成本，給客戶創造價值；或者是像Opower利用定制化的使用信息增強商品的實用性。更有趣的例子是一些來自眾包的數據，可以回答消費者諸如“我能從其它消費者學到什么”或“我跟其它消費者相比起來如何”等重要問題。

多參考一些利用大數據創造新價值的初創公司能給我們帶來不少啟發。Opower允許客戶給他們的Facebook好友分享自己的水電賬單，了解自己與其它用戶相比起來排名情況如何。 INRIX則是集合客戶手機和其它來源的交通數據，提供實時的路況報告。房地產網站Zillow結合各方信息給買家、賣家和中介提供關于地產特性與價值，性價比高的房地產以及市場特征的綜合洞察。這些公司都是天生大數據企業。他們的成功也為所有行業敲響了警鐘：今天，所有的生意都是信息生意。