首席数据官联盟专访数之联CTO方育柯：大数据助力传统企业发展

shuzhilian123

前言

2016年3月，由首席数据官联盟发起，北京大学信息化与信息管理研究中心、中国新一代IT产业推进联盟协办的“影响中国大数据产业进程100人”大型人物专访活动全面启动，特邀政府、产、学、研、企各领域专家，从不同角度和视角向大家阐述当前大数据产业热点、难点、疑点问题，为中国大数据产业健康、持续发展探索经验、保驾护航。

第57期专访人物

首席数据官联盟专家组成员

成都数之联科技有限公司

CTO 方育柯

方育柯博士，首席数据官联盟专家组成员， 成都数之联科技有限公司 CTO，主要从事计算机科学与大数据等交叉领域的研究工作，在机器学习、集成学习、深度学习和图像检索等领域具有丰富的研究经验和一定的国际影响力。5年中，共发表SCI\EI论文15篇，其中第一作者论文10篇。曾担任华为大数据产品部架构师，负责并参与金融、运营商等领域的多个大数据分析挖掘项目，具有丰富的大数据商业应用与工程实践经验。致力于大数据在各大热点领域的商业化产业化应用。

本期特邀嘉宾首席数据官联盟发起人刘冬冬，就大数据如何助力传统企业发展进行深入探讨。

Q

方总好，大数据对于传统企业来讲是挑战还是机遇？

方育柯：不可质疑的是，大数据对于传统企业来讲既是挑战也是机遇。大数据是互联网技术发展的必然结果，也是全球经济背景下社会经济高度发展的结果。

大数据的发展给企业带来了历史性机遇，大数据可以挖掘传统行业内禀的创造力，帮助企业催生新业态，助推企业转型升级。

大数据已经在一些数据密集型的行业，例如金融和电子商务，发挥了巨大作用。事实上，针对一些尚处于信息化初级阶段的行业，大数据有望发挥更大的提升作用。例如可以通过具有近场通信能力的工卡，记录产业工人的工作情况；通过具有短程通信能力的传感器，采集生产设备的温度、压力、转速、振动强度等信息；通过在产品中添加具有数据感知和采集能力的智能芯片，在线监测所有产品在不同运行环境和应用场景中的实时工作情况；等等。

在此基础上，通过数据综合分析，优化生产流程，提高产业工人平均生产效率，监控大型制造设备的运行情况，实现故障的提前预警等等。这些措施可以提高制造业的生产效率，降低事故风险。类似的技术手段还可以应用在农业生产等传统行业中。

大数据给企业带来发展机遇，同时也使企业面临前所未有的挑战。

首先，面对这些浩如烟海的快速变化的信息数据，企业如何通过实时的数据分析和整合，为企业运营提供决策支持，以应对不断变化的市场竞争形势。企业缺乏的不是数据，而是如何在庞大的数据信息中提炼出对企业有价值的信息。这就要求企业必须有高度智能的数据分析挖掘系统。

但当前很多企业的大数据业务尚处于起步阶段，技术储备能力不足，这也是企业发展大数据项目面临的严重挑战。另外大数据发展必然使企业决策制定的方式和流程发生根本性的转变，这也必然要求企业调整传统的经营思维模式和组织架构。

如何针对大数据发展，转变经营思维，创新企业管理模式，充分有效地利用大数据分析结果也是企业面临的挑战。

大数据发展的潮流已经不可阻挡，大数据发展也必然引领商业模式和管理方式的变革。

对于企业来说，大数据时代既是发展机遇，也是严峻挑战。面对挑战，企业应及时顺应这个发展趋势，抓住这发展的历史性的机遇，提升大数据分析的技术实力，培育大数据分析和管理的人才，促进管理模式的变革，最终使企业在大数据浪潮中立于不败之地。

Q

大数据给传统行业产品设计带来的改变是什么？

方育柯：“大数据”不是对数据量的简单刻画，也不是特定和技术的发展，而是基于多源异构、跨域关联的海量数据分析所产生的决策流程、商业模式、科学范式和生活方式上颠覆性变化的总和。

大数据作为一种工具，也作为一种方法，它颠覆了传统行业的产品设计模式。

产品设计模式正从传统的、以个体知识为基础的中心化模式，转为去中心化的自组织模式，设计从个体的技能驱动转为群体的数据驱动。

大数据时代背景下，用户群体通过海量数据参与到设计开发过程中，可以以这种新型介入方式参与到产品创新中，也是产品设计模型创新的新途径；海量的数据基础和智能的大数据分析挖掘技术不只是用户研究、设计框架搭建、设计流程优化等产品设计活动的支撑工具，也是产品设计重要的创新性方法论。

Q

如何将大数据用于供应链优化？

方育柯：“大数据”是由数量巨大、结构复杂、类型众多数据构成的数据集合，它既能全面地反映问题，又能简洁地解决问题。

数据的采集、存储和分析能力，是创新型企业的核心战略能力。

大数据对于未来供应链管理至关重要，大数据可以为客户提供更好的数据准确性、清晰度和洞察力，从而在整个供应链中实现更多的情境智能，根据《美国运输调查》（2013）的研究表示：

2013年，国际上大部分的企业靠大数据使其所在的供应链处于领先地位。构建以客户为中心、大数据驱动下的智慧供应链是企业的战略目标。

如今的制造商都立足于在准确性、速度和质量方面开展市场竞争，这一定位迫使企业的供应链必须具备一定程度的情景智能能力，利用大数据技术，突破传统ERP系统和供应链系统的局限性。

目前，供应链产生的数据规模、数据广度、数据深度都在快速增长，为情境智能驱动的供应链提供了充足的数据基础。通过大数据技术，可优化供应链网络、整合供应链运营、提升供应商质量、追溯产品质量和财务指标等。

例如：从供应链的源头，预测消费者动向，预知市场，保证现货率；

借助大数据优化库存结构和降低库存持有成本，根据数据挖掘算法智能地监测库存健康状态，提前预测滞销库存、预测库存周转；

根据实时数据监控和分析，帮助企业智慧选品与合理定价，并根据利润要求和库存要求提供动态调价、收益预测和价格风险控制等功能。

Q

大数据如何应用于生产设备管理，收益如何？

方育柯：随着国家大力倡导“中国制造2025”，且智能制造技术的进步和企业信息化管理理念的普及，制造业企业的运营越来越依赖信息技术。

制造业整个价值链、制造业产品的整个生命周期，都涉及到非常多的数据，比如产品数据、运营数据、价值链数据、外部数据等等，种类繁多，这些数据将会为企业带来非常多的价值。

大数据的价值也逐渐被制造业产业所认可，通过技术创新与发展，以及数据的全面感知、收集、分析、共享，大数据为企业管理者和参与者呈现出看待制造业价值链的全新视角。

具体到生产设备管理方面，使用大数据技术、物联网技术后，可以通过实时感知数据，明确产品故障，生产过程中所有因素均能精确控制，真正实现生产智能化。

因此，大数据直接决定了“工业4.0”所要求的智能化设备的智能水平，在生产设备管理方面的应用收益不容小觑。

例如：基于大数据技术，设备的各类信息能快速地调用查阅；可以将设备的运行状态快速上传；通过强大的数据处理能力，提前预判设备故障问题；通过大数据的调用，可以快速地分析并帮助设备管理人员找出设备维修方案等等。

Q

大数据是否可以用于生产故障的诊断预警？能否举个例子？

方育柯：大数据可以应用于生产设备管理，同时也可用于生产故障的诊断预警。例如：近期，我们公司为某制造型企业提供了STM生产线的故障因素分析及参数优化。

利用历史生产数据、维护数据和数据挖掘算法，判断目前生产线状态是正常或异常；利用历史生产参数数据，训练参数边界，以最优化算法（蚁群或遗传算法等）为核心，实时搜索最优参数位置，保障生产线良品率保持在最优水平。这大大降低了该企业STM生产线的故障概率，减少了人力成本，提高了生产效率。

Q

大数据在潜在用户发掘方面如何应用？

方育柯：大数据的关键点不在大，而在于有用。也就是说，大数据的大，其侧重点并不是在表面上所呈现出来的“大容量”，而在于潜在的“大价值”。

大数据的原理是通过捕捉、发现和分析，在大量数据中得到有价值的信息，大数据拥有挖掘潜在用户的能力正是基于这一原理。

利用大数据技术，对海量用户数据进行分析挖掘工作，就能分析出用户行为与特征，得出用户的喜好与购买习惯，真正全面地了解客户的需求与想法。

面对日新月异的新媒体，许多企业想通过对粉丝的公开内容和互动记录分析，将粉丝转化为潜在用户，激活社会化资产价值，并对潜在用户进行多个维度的画像。

大数据可以分析活跃粉丝的互动内容，设定消费者画像各种规则，关联潜在用户与会员数据，筛选目标群体做精准营销，进而可以使传统客户关系管理结合社会化数据，丰富用户不同维度的标签，并可动态更新消费者生命周期数据，保持信息新鲜有效。

另外，在企业的用户、好友与粉丝中，哪些是最有价值的用户？

大数据可以为这一判断提供有力支撑。从用户访问的各种网站可判断其最近关心的东西是否与企业相关；

从用户在社会化媒体上所发布的各类内容及与他人互动的内容中，可以找出千丝万缕的信息，利用某种规则关联及综合起来，就可以帮助企业筛选重点的目标用户。

Q

大数据在老客户维护方面有何价值？

方育柯：大数据不仅可以发掘潜在客户，在客户关系管理方面也有非常重大的作用。

利用客户和消费者数据，企业可以为客户提供个性化推荐，提示商家给出客户感兴趣的促销策略，以最大化交叉销售和提升销售的机会，增加销售利润。

大数据在客户关系管理方面的具体价值主要体现在：

通过分析客户数据和商品销售数据，商家可以识别出客户的产品购买意愿以及愿意支付的价格；

利用客户数据获取关于产品使用情况的反馈和关于产品新特性的反馈，可以提升产品和服务品质；基于客户洞察和客户画像，调整营销策略，针对特定人群采取特定的营销方式，在减少获客成本的同时也增加了转化率；

另外，通过分析客户数据，比如客户流失率及行为，企业可以最大化效率，减小风险，并提前监测到商业欺诈等事件。