我们将迎来一个“大数据时代”。与变化相始终的中国企业，距离这场革命还有多远?而追上领先者又需要多快的步伐?
怎样才能用起来大数据?障碍如何解决?中国企业家研究院对10多家在大数据应用方面的领先企业进行了采访调研，更多家企业进行了书面资料调研，我们发现：
■ 当前中国企业的大数据应用可以归类为：大数据运营、大数据产品、大数据平台三大=领域，前两者更多是企业内部的应用，后者则在于用大数据来繁荣整个平台企业群落的生态。
■ 大数据营销的本质是一个影响消费者购物前心理路径的问题，而这在大数据时代前很难做到。
■ 对于传统企业而言，要打通线上与线下营销，实现新的商业模式，如O2O等，离不开大数据。
■ 虽然大数据应用往往集中于大数据营销，但对于一些企业，大数据的应用早已超越了营销范畴，全面进入了企业供应链、生产、物流、库存、网站和店内运营等各个环节。
■ 对于大部分企业，由于数据分析人员与业务人员之间的彼此视角与思考方向不同，大数据分析和运营之间存在脱节情况，这是大数据无法用于企业运营最大的阻力
■ 对于大多数互联网公司来说，大数据量、大用户量是一个相互促进，强者越强的循环过程。
■ 对于大型互联网平台，大数据已经成为其生态循环中的血液，对于这些企业，最重要的不是如何利用大数据改进自身运营，而是利用大数据更好地繁荣平台生态。
■ 对于平台企业，它们的大数据策略正逐渐从大数据运营，向运营大数据转变，前者和后者的差别在于，前者只是运营改进的动力，而后者则成为企业实现未来战略的核心资源。
我们都已被反复告知：我们将迎来一个“大数据时代”。
大数据应用，将和云计算、3D打印这些技术变革一样，颠覆既有规则，并成为先行企业的制胜关键。
与变化相始终的中国企业，距离这场革命还有多远?而追上领先者又需要多快的步伐?
来自于互联网、移动互联网、物联网传感器、视频采集系统的数据正海量增长，汇成大数据的海洋，相伴的是海量数据存储、分析技术的突破性发展，所有这一切都给企业的应用带来了无限可能性。
许多企业希望将大数据用起来，带动企业的经营，但不知从哪里着手。它们不惜重金投资大数据信息系统、分析系统，聘请更多的人才，希望能从这个新趋势中获益，不过却无奈地发现，大数据仍然停留在云端，没有带来多少实际收益。它们找不到大数据与业务结合的突破口。而一些真正将大数据应用于实战的企业，却在应用过程中困难重重：大数据无法与业务结合;没有收集、分析海量数据的能力;经营人员缺少应用大数据的动力;数据来源鱼龙混杂难以使用……
中国企业家研究院对当前中国企业大数据应用的状况进行了归纳分类，以帮助企业了解实际应用大数据时的困局难点，并提供领先企业的典型案例以资借鉴。
表1
表2#p#
大数据运营—企业提升效率的助推力
对于大多数企业而言，运营领域的应用是大数据最核心的应用，之前企业主要使用来自生产经营中的各种报表数据，但随着大数据时代的到来，来自于互联网、物联网、各种传感器的海量数据扑面而至。于是，一些企业开始挖掘和利用这些数据，来推动运营效率的提升。大数据运营应用中，大数据的应用分为三类：用于企业外部营销、用于内部运营，以及用于领导层决策。
一、大数据营销
大数据营销的本质是影响目标消费者购物前的心理路径，它主要应用在三个方面：1、大数据渠道优化，2、精准营销信息推送，3、线上与线下营销的连接。在消费者购物前，通过各种方式，直接介入其信息收集和决策过程。而这种介入，是建立在对于线上与线下海量用户数据分析的基础之上。相比传统狂轰滥炸或等客上门的营销，大数据营销无论在主动性和精准性方面，都有非常大的优势。它是目前主要的大数据应用领域。
大数据营销不仅仅是用大数据找出目标顾客，向其发布促销信息，它还可以做到：
实现渠道优化。根据用户的互联网痕迹进行渠道营销效果优化，就是根据互联网上顾客的行为轨迹来找出哪个营销渠道的顾客来源最多，哪个来源顾客实际购买量最多，是否是目标顾客等等，从而调整营销资源在各个渠道的投放。例如东风日产，它利用对顾客来源的追踪，来改进营销资源在各个网络渠道如门户网站、搜索和微博的投放。
精准营销信息推送。精准建立在对海量消费者的行为分析基础之上，消费者网络浏览、搜索行为被网络留下，线下的购买和查看等行为可以被门店的POS机和视频监控记录，再加上他们在购买和注册过程中留下的身份信息，在商家面前，正逐渐呈现出消费者信息的海洋。
一些企业通过收集海量的消费者信息，然后利用大数据建模技术，按消费者属性(如所在地区、性别)和兴趣、购买行为等维度，挖掘目标消费者，然后进行分类，再根据这些，对个体消费者进行营销信息推送。比如孕妇装品牌十月妈咪通过对自己微博上粉丝评论的大数据分析，找出评论有“喜爱”相关关键词的粉丝，然后打上标签，对其进行营销信息推送。京东商城副总经理李曦表示：“用大数据找出不同细分的顾客需求群，然后进行相应的营销，是京东目前在做的事情。”小也化妆品将自身网站作为收集消费者信息的雷达，对不同消费者推荐相应的肌肤解决方案，创始人肖尚略希望在未来，大数据营销能替代网站的作用，真正成为面向顾客的前端。
打通线上线下营销。一些企业将互联网上海量消费者的行为痕迹数据与线下购买数据打通，实现了线上与线下营销的协同。比如东风日产，线上与线下的协同营销方式为：其门户网站带来订单线索，而通过这些线索，服务人员进行电话回访，从而推动顾客在线下交易。在此过程中，东风日产记录了消费者进入、浏览、点击、注册、电话回访和购买各个环节的数据，实现了一个横跨线上线下，以大数据分析为支持的，营销效果不断优化的闭环营销通路。而国双科技，衡量某一地区线下促销活动的效果，就是看互联网上，来自这个地区对于促销内容的搜索量。一些企业，通过鼓励线下顾客使用微信和Wi-Fi等可追踪消费者行为和喜好的设备，来打通线上与线下数据流，银泰百货计划铺设Wi-Fi，鼓励顾客在商场内使用，然后根据Wi-Fi账号，找出这个顾客，再通过与其它大数据挖掘公司合作，以大数据的手段，发掘这个顾客在互联网的历史痕迹，来了解这个顾客的需求类型。
二、大数据用于内部运营
相比大数据营销，大数据在内部运营中的应用更深入，对于企业内部的信息化水平，以及数据采集和分析能力的要求更高。本质上，是将企业外部海量消费者数据与企业内部海量运营数据联系起来，在分析中得到新的洞察，提升运营效率。
三、大数据用于决策
在大数据时代，企业面对众多新的数据源和海量数据，能否基于对这些数据的洞察，进行决策，进而将其变成一项企业竞争优势的来源?同大数据营销和大数据内部运营相比，运用大数据决策难度最高，因为它需要一种依赖数据的思维习惯。
已有少数企业开始尝试。比如国内一些金融机构在推出一个金融产品时，会广泛分析该金融产品的应用情况和效果、目标顾客群数据、各种交易数据和定价数据等，然后决定是否推出某个金融产品。
但是，中国企业家研究院在调研中发现，目前中国企业当中，大数据决策的应用非常之少，许多企业领导者进行决策时，仍习惯于凭借历史经验和直觉。
#p#
一、大数据作为产品核心支持
它们主要在以下几方面使用大数据：
1、提供信息服务。很多互联网企业通过对海量互联网信息和线下信息的整合和分析，为个人和企业提供信息服务，典型的如百度、去哪儿、一淘、高德地图、春雨医生等等。在美国，一些互联网企业甚至根据大数据提供更深度的预测信息服务，美国科技创新公司farecast，通过分析特定航线机票的价格，帮助消费者预测机票价格走势。
2、分析用户的个性化需求，借此提供个性化产品和服务，或者实现更精准的广告。典型的有移动社交工具陌陌、百度、腾讯、广告交易平台品友互动以及一些互联网游戏商。这种应用往往先是收集海量用户的互联网行为数据，将用户分类，根据不同类型的用户，提供个性化的产品，或者提供个性化的促销信息。比如网易等门户网站推出了订阅模式，让使用者按照个人喜好方便地定制和整合不同来源的信息。
3、增强产品功能。对于很多互联网产品，如杀毒软件、搜索引擎等等，海量数据的处理能够让产品变得更聪明更强大，如果没有大数据，产品的功能就大大减弱。比如奇虎360公司的360杀毒软件，凭借每天海量的杀毒处理，建立了庞大的病毒库，这使它能够更快地发现病毒，而一些小的杀毒软件公司则无法做到这一点。
4、掌控信用状况，提供信贷服务。阿里巴巴上汇集了海量中小企业的日常资金与货品往来，通过对这些往来数据的汇总与分析，阿里巴巴能发现单个企业的资金流与收入情况，分析其信用，找出异常情况与可能发生的欺诈行为，控制信贷风险。
5、实现智能匹配。婚恋网站、交易平台等，利用大数据可以进行精准而高效的配对服务。网易花田会挖掘用户行为数据，比如点击哪些异性的页面，发表什么样的评论，建立用户兴趣模型，从而挖掘到用户所期待另一半的类型，然后主动推荐与对方匹配度比较高的人选。2010年，阿里巴巴尝试性地推出“轻骑兵”服务，由阿里巴巴将中国各产业集群地的供应商与海外买家的个性采购需求进行快速匹配，所凭借的，就是对供应商的海量交易数据信息的整合与挖掘。
大数据作为产品核心支撑的关键在于用户量。对于大多数互联网公司来说，用户量越多，收集的数据越多，凭借更多的数据，其产品与商业模式会不断改进，进而带来更多的用户。
二、大数据直接作为产品
对一些企业，大数据直接成为了产品，这些产品包括海量数据、分析、存储与挖掘的服务等，目前大数据产业链正在形成过程中，出现了一批开放、出售、授权大数据和提供大数据分析、挖掘的公司和机构，前者主要是一些拥有海量数据的公司，将数据服务作为新的盈利来源。如大型的互联网平台、民航、电信运营商、一些拥有大数据的政府机构等等，后者主要包括一些能够存储海量数据或者将海量数据与业务场景结合，进行分析和挖掘，或者提供相关产品的公司，如IBM、SAP、拓而思、天睿公司。它们为大数据应用者们提供海量数据存储、数据挖掘、图像视频、智能分析等服务以及相关系统产品。
大数据平台——企业群落繁荣的滋养剂
相对企业本身对大数据的应用，大数据平台更多是利用大数据来搭建企业生态。一些拥有庞大数据资源的大型互联网平台，已变为包含海量寄生者的生态系统。在这个生态系统中，它们将海量用户互联网行为痕迹和分析提供给平台上的企业，用于它们改善经营，推动整个平台生态繁荣，在这一过程中，它们也收取数据服务费。阿里巴巴就是一个典型的例子，从数据魔方、黄金策到聚石塔，阿里巴巴不断地为平台上中小电商提供数据产品和服务。
而百度已建成了包括百度指数、司南、风云榜、数据研究中心和百度统计在内的五大数据体系平台，帮助其营销平台上的企业了解消费者行为、兴趣变化，以及行业发展状况、市场动态和趋势、竞争对手动向等信息。
而当大数据从企业内部运营的动力，变成平台企业的产品和服务时，平台企业也在经历着一个从大数据运营到运营大数据的阶段。数据从运营的支持工具，变成了生产资料。此前平台们的关注点，更多的是如何用好现有的大数据。而未来，它们的关注点则更多是如何将大数据这个生产资料管理好、经营好，如何更好地为平台上的企业服务。这就涉及到收集的数据质量怎样?格式标准是否统一?数据作为一种原材料，其精细化程度如何?是否符合平台上企业应用的具体场景?是平台上企业拿来就能用的，还是还需要平台上的企业再加工?
为解决这些问题，各个平台在积极地努力。比如阿里巴巴建立了数据委员会，在统一数据格式标准、从源头上保证数据的质量，采集和加工出精细化的数据，确保其能符合平台企业的应用场景等方面，不遗余力地尝试。尤其在大数据精细化方面，阿里巴巴更是作为其大数据战略的重点。这方面，腾讯目前也在加快步伐。比如新版腾讯网出现了“一键登录”的提示，用户可以在上面通过一些细分标签，订阅自己关注的内容。实际上，这也是腾讯收集更精细化的用户兴趣数据的一个有效手段。#p#
大数据实战手册
将大数据应用于内部运营中时，企业会遇到一些常见问题
1企业如何获取与分析数据?
互联网是大数据的一个主要来源，一些线下的传统企业很难获得。但它们可以：
a 和拥有或能抓取海量数据的平台、企业以及政府机构合作。比如淘宝上的电商就购买淘宝收集的海量数据中与自身运营相关的部分，用于自身业务。再如卡夫通过与IBM合作，在博客、论坛和讨论版的内容中抓取了47.9万条关于自己产品的讨论信息，通过大数据分析出消费者对卡夫食品的喜爱程度和消费方式。
b 建立自己在互联网上的平台，比如朝阳大悦城利用自己的微信、微博等平台收集消费者评论数据。
c 许多传统企业没有分析海量数据的能力，此时它们可以和大数据分析和挖掘公司合作，目前市场上已经有天睿公司、IBM、百分点、华胜天成等一批提供大数据分析和挖掘服务的公司，它们是传统企业进行大数据分析可以借助的力量。
2 如何避免大数据应用时的部门分割?
对于许多企业，其信息流被各部门彼此分割，数据难以互通，对于这种情况下，大数据的共享和汇集就只是一个泡影，更难以实现大数据的深度应用。
要打通部门之间信息分割的局面，首先要建立统一的、集中的数据系统。就像立白信息与知识总监王永红所说的，“要真正用好大数据，企业要采用大集中的信息系统。”从更深入的角度来谈，企业信息流的部门分割，更在于企业部门之间的分割，比如有一些企业的营销按照渠道分割，导致对于顾客的大数据收集和分析效果大打折扣。
IBM智慧商务技术总监杨旭青认为，“很多时候由于组织结构问题，大数据分析有效性大大降低了。”这就需要组织与流程层面的重新设计，在这方面，阿里巴巴的部门负责人轮岗制度，对于打破部门壁垒无疑是一剂好药。而一些企业为了打破部门分割，建立了矩阵型的组织结构，强化部门间的横向合作，这些无疑为大数据的汇集、共享与应用创造了良好条件。
3 如何让业务人员重视大数据的应用?
解决这个问题，一方面在于一把手对整个企业数据文化的倡导，比如1号店董事长于刚就要求业务人员无论在开会，还是汇报工作时，都以数据说话，而马云更是将大数据提升到了战略高度。
另一方面，也在于数据部门的带动，阿里巴巴数据委员会负责人车品觉分享了经验，“因为运营部门的业务人员很难看到大数据的潜力，可以首先从一些对业务见效快，见效显着的数据项目出发，通过一两个项目的成功，调动对方的积极性，然后再逐步一个个地引导。”
4 为何大数据工作与运营需求脱节?
这往往是由于数据人员与业务人员视角、专业知识不同而导致的。大数据人员做了很多努力，但是业务人员却认为这些努力无关痛痒。如何解决这个问题?
有的企业从组织设计上发力，将大数据纳入业务分析部门的管理之下，用业务统驭数据。对于朝阳大悦城，由主要负责战略和经营分析的部门来管理大数据工作，其中的大数据分析人员则作为支持人员。在负责人张岩看来，大数据要靠商业法则指导，关键是找到业务需求的点，然后由数据分析和挖掘人员实现。在具体操作中，大悦城对微信的数据挖掘，挖掘什么样的关键词，由业务分析人员确定，而具体挖掘则由数据部门做;有的企业从流程设计上着手，推动业务部门与数据部门人员之间的沟通，建立数据人员工作与效果挂钩的考核机制。
例如阿里巴巴根据数据挖掘的成效(比如带来的商品转化率的提升)来考核数据挖掘师，考核数据分析师则看其分析结果能否出现在经营负责人的报告中。从数据部门自身角度则需要降低运营部门使用数据的障碍和门槛，比如立白集团的数据人员会努力尝试向运营部门提供更易懂、更生动的图形化数据分析界面，在立白老板办公室上，就有一份“客户运营健康体检表”，让老板对全国经销商的当月销售情况一目了然。再如阿里巴巴开发的无线Bi，让经营人员在手机上也可以看到大数据分析结果，拿车品觉的话说，“以数据之氧气包围经营人员。”#p#
大数据产品——企业利润滋长的新源泉
大数据除了用于运营外，还能够与企业产品结合，成为企业产品背后竞争力的核心支持或者直接成为产品。提供大数据产品的企业分为两类，直接提供大数据产品的企业，以及将大数据作为产品和服务核心支撑的企业。前者主要为大数据产业链中提供数据服务的参与者，包括数据拥有者、存储企业，挖掘企业、分析企业等，后者则主要是那些以大数据为产品核心支撑的企业，它们大多是互联网企业，其产品和服务先天就有大数据基因，这些企业包括搜索引擎、在线杀毒、互联网广告交易平台以及众多植根于移动互联网之上，为用户提供生活和资讯服务的APP等。
阿里巴巴“数据战”
平台型企业的大数据应用策略有何特点?阿里巴巴、百度、腾讯等一批平台型企业，汇集了海量用户和商家，聚集成富有张力的生态系统，它们的大数据应用不再仅仅局限于企业本身，正逐渐成为滋养整个大生态系统的血液，为平台上寄生的众多企业提供更多的数据产品和服务，同时也是这些平台企业未来的收入增长引擎。
2005年，阿里巴巴开发出主要供内部运营人员使用的数据产品——淘数据，阿里巴巴由此进入了数据化运营阶段，此时，阿里巴巴在大数据方面关注的重点是，怎么利用平台上海量的消费者和商家数据，来改进自身经营，大数据仅仅局限于内部。2009年，阿里巴巴的大数据应用开始走向外部，让淘宝商户分享数据。2011年，阿里巴巴开发数据魔方，通过淘宝数据魔方平台，商家可以直接获取行业宏观情况、自己品牌的市场状况、消费者在自己网站上的行为等情况。2011年4月，“页面点击”诞生，它可以监控每个页面上每个位置的用户浏览点击情况。紧接着，天猫携手阿里云、万网宣布联合推出聚石塔平台，为天猫、淘宝平台上的电商及电商服务商等提供数据云服务。2012年，马云正式公布了阿里巴巴三步走发展策略，“平台、金融、数据”。
从数据化运营到运营数据
阿里巴巴的大数据策略意味着什么?阿里巴巴数据委员会主席车品觉一语道破，“在数据化运营阶段时，数据就产生价值，你有意识地用它，但却没有关注它。而当你发现数据已经和战略融合后，你认识到要有意识收集它，管理它。”如果将阿里巴巴的大数据比做食材，那么自己用原料做菜，和将食材提供给其他厨师，对原料的关注度完全不同。
由此，阿里巴巴的大数据应用策略正从数据化运营向运营数据转变。集团首席战略官曾鸣预测，“阿里本质上，未来会是一家数据运营公司。”前者，是如何将大数据用好，而后者则意味着，如何让大数据更好用。
从淘宝创立之时，阿里巴巴就开始搜集平台上的数据，直至支付宝、聚划算、一淘等平台，随着业务的爆发式增长，阿里诸平台上的数据成倍增加，汇集成海。这些数据包括交易数据、用户浏览和点击网页数据、购物数据等等。当海量数据开始聚集时，它们也变得良莠不齐，鱼龙混杂，充斥着大量失真、标准混乱的数据。另一问题是，当海量数据在一起，它们是无序的，不能直接使用，必需要提炼加工。再者，阿里纵有海量数据，却也只是大数据之海中的一个孤岛，无法全部满足平台商家的数据需求，比如商家需要了解用户在其它平台上的购买情况，阿里巴巴迫切需求外部数据。
车品觉称：“一开始，我们在用好数据，但是随着数据战略与平台战略紧密结合，我们开始刻意地去管理数据(保证数据安全、质量和对于商家的可用性)，养数据(有意识地收集外部数据)，沉淀数据。”
让大数据更好用?阿里巴巴是如何实现这种转变?从六个地方入手：确保数据安全(保护商家和个人的隐私)、保证数据的质量(去除虚假数据)、实现各个部门数据标准的统一(如转化率)、让原始数据变得更精细化(更符合商家的应用情景)、获得外部数据(如并购新浪微博，和其它平台合作、购买数据信息等)、建立数据委员会。
具体做法
1 去除源头污染，净化数据质量
自阿里巴巴数据委员会建立以来，数据质量就成了部门的核心工作，车品觉认为数据质量是大数据的命门，如果将大数据比作水流，“来自任何支流的数据，如果质量有问题，都会带来整个水源的污染。”由于淘宝等平台上的数据往往良莠不齐，不少数据虚假，带来很大的噪音干扰。“有时，在淘宝平台上，对于一个人，我们会看到两个手机，一个iPad，三张信用卡，五个淘宝帐号，收集数据时，以为是多个人，但实际上就是一个人。但如果依照这个数据，商家可能就将红包给了一个不活跃的账户。”为此，阿里巴巴试图剔除虚假的数据，让收集的数据能反映真实的消费情景。比如上面的案例，就要鉴定所有这些账户、信用卡等是否为同一个人所有。再如，阿里巴巴经常要做产品界面测试，有时临时修改界面，会一下子多出一个按钮，这就会带来大量误点击操作，数据收集时，就会得到很多失真的用户行为数据。阿里巴巴的数据人员目前的工作就是要将这些失真的数据剔除，或者将数据还原到真实的场景。
2 打破分割，统一数据标准
统一数据标准，就是让净化后的数据流得以汇集。阿里巴巴下属各个部门业务重点不同，对数据的理解不同，因此数据标准往往各不相同，比如转化率。要将这些数据汇集成大数据之海，就必须统一标准，这也是阿里巴巴数据委员会目前重点推行的项目。
3 精选+加工——让数据精细化
“目前，我们需要的用户数据，平台还给不了。”阿里平台上的一个企业如是说。很多企业希望阿里巴巴能将用户属性的标签分得更细(不仅仅按男、女用户，还进一步按不同消费特点、收入细分)。小也化妆品创始人肖尚略认为，“平台数据的细分是基础，细分好，企业才能用好。”数据就像炒菜的食材，不同细致程度的食材炒出的菜，口味不一样，车品觉这么看。
如何让数据精细化?阿里巴巴根据各个商家的应用场景，将原始数据打上更细致、对商家更有参考价值的标签。以淘宝平台为例，一方面收集用户信息时，专注对商家更实用的内容，比如对于大学生用户，除了搜集他们的地址信息外，还通过其它渠道搜集其房租的租金，从而了解对方的消费水平，将这些数据提供给相应的商家。另一方面根据商家的应用情景，对数据材料做初加工。“比如，如果我们筛出一个人是否戴眼镜，戴多少度的数据，就对卖眼镜的商家起到了很大作用。”再如，如果一个人去母婴超市里面买东西，不一定能证明他有孩子，但如果这个人是女性、年纪又合适，这个人有孩子的可能性就很大。不断加入的其它证明信息，让这个消费者的数据变得越来越精细化。
在数据精细化思路下，2011年底，阿里巴巴的支付宝平台开发黄金策产品，车品觉带领团队处理了1亿多活跃的消费者数据后，拿出500个变量，试图用它们来描述消费者，最终让企业能够随时调用变量，获得用户信息，比如某一类包含使用信用卡数量和手机型号等具体信息的客户数目。
2013年，天猫开始研发适用于天猫商家的CRM系统，通过对会员标签化，让商户了解店铺会员在天猫平台的所有购物行为特点。
4 海纳百川，纳入更多外部数据
在阿里巴巴平台上，大多时候收集的是顾客的显性需求数据，如购买的商品和浏览等数据，但顾客在购买之前，就可能通过微博、论坛、导购网站等流露出隐性需求。仅仅做好自己的大数据是不够的，还要纳入更多外部数据。
2011年以前，阿里曾尝试通过收购掌握中国互联网的底层数据。2013年4月，阿里巴巴收购新浪微博18%的股权，获得了新浪微博几亿用户的数据足迹。5月，阿里巴巴收购高德软件28%股份，分享高德的地理位置、交通信息数据以及用户数据。而其它并购，包括对墨迹天气、友盟、美团、虾米、快的、UC浏览器，都招招不离数据。通过这些并购，阿里在试图拼出一份囊括互联网与移动互联网，涵盖用户生活方方面面的全景数据图。
5 加强数据安全的管理
很多淘宝卖家希望阿里巴巴能加大数据开放的步伐，对于阿里平台来说，这并不是一件容易的事情，因为这关乎商家和消费者的隐私。商家不希望竞争对手获得自己的机密信息，消费者也不希望被更多干扰。
阿里内部专门成立了一个小组，来判断数据的公开与否，把握“谁应该看什么，谁不应该看什么，谁看什么的时候只能看什么。”
6 组织体系支持——建立数据委员会
阿里巴巴的数据来自各个部门，无论是数据材料的质量、精细化的保证，还是数据安全，都不是单个部门能完成的，需要全局性安排，迫切需要一个上层组织结构。但是成立什么样的组织机构合适?在阿里巴巴看来，数据的工作实际上主要还是由各个部门的责任，毕竟它们把控着源头，另成立一个凌驾于各部门之上的中央数据管理机构，容易让各个部门把责任直接推卸给新机构。
2013年，阿里巴巴成立了虚拟组织——数据委员会，委员会包括底层数据负责人、支付宝商业智能负责人、无线商业智能负责人和一名数据科学家，数据委员会更多地以协调会的形式，来指导、协调各个部门形成合力，实现从大数据运营，到运营大数据的转变。#p#
1号店全周期掘金
当前一谈到大数据应用，人们首先想到的是营销推送，似乎大数据的主要价值仅在于此。但1号店的实践说明，大数据完全可以成为运营的核心驱动力。
1号店网站作为企业同消费者互动的门户，每天承载着上千万的商品点击、浏览和购买，汇集成了海量的数据。对于1号店，这是改进运营的依据。
1号店产品设计副总裁王欣磊说：“消费者进来是怎样用的，怎样找到商品的，怎样买单的，整个的过程，在用大数据分析，进而进行相应的改进。”其对大数据的应用，贯穿于引入顾客流量，引导顾客购买，到提升购买者忠诚度的全顾客生命周期中。
对于电商企业，如何从互联网上引入流量到自己网站，是运营的起点。首先是顾客从哪里来，关键在于三个维度：一，顾客从哪些渠道来;二，顾客从哪些地区来;三，顾客来自哪些用户群，新用户还是老用户。这三个维度的分析直接决定着1号店后续引流资源投入，而这都植根于1号店对于顾客行为的大数据分析。
在分析顾客来自于哪个渠道方面，通过网站收集的海量顾客痕迹，1号店能发现带来更多流量和需要加强的渠道：微博，论坛，还是门户网站，从而不断地调整营销投放，比如发现哪个渠道可以投放更多广告，哪个渠道有潜力，却没有充分挖掘。在分析顾客从哪些地区来方面，通过网站上顾客来源痕迹的大数据分析，1号店可以发现那些销售增长快与增长慢的区域，相应调整不同地区市场的营销费用;在顾客是新用户还是老用户方面，如果网站浏览和购买数据更多地来自于老用户，企业就可以相应地降低市场费用。
大数据营销推送也是1号店一个非常重要的流量来源，1号店除了通过大数据方法对消费者分类建模外，还创造了一种购物清单模式。1号店的搜索框旁边有一个购物清单。消费者在1号店曾经购买过的商品都显示在购物清单上，消费者还可以另行添加。对于消费者而言，这便于购买，而对于企业，购物清单就是一种反映消费者喜好需求的大数据源。通过购物清单的数据，1号店按照消费者购买周期，对消费者进行营销推荐。比如一个顾客看了商品后，没有买，但加入了购物清单，当商品打折后，1号店就会及时向顾客进行推送。
顾客进入1号店后，就进入引导顾客的购买阶段。这个阶段，如何提升每个顾客的购买金额，并在此过程中，实现商品和各种资源的最优配置，是运营的关键。大数据又一次成了1号店的抓手。首先，1号店的网站改进，包括图片、网页设计，完全以顾客点击和浏览等行为痕迹的大数据分析为依托。不仅如此，在与消费者互动过程中，1号店也应用了大数据。像一些商场的导购员一样，消费者浏览网站商品过程中，1号店会给消费者一些提示推荐，根据消费者之前的浏览和购买行为，1号店的系统能判断出消费者可能喜欢什么商品，给以相应的提示。再如，根据消费者是搜索商品，还是浏览商品，1号店可以初步判断出他是目的性很强、时间有限的购买者，还是时间充裕、目的性不强的购买者，对于前者会直接推荐商品，对于后者，则不断刺激其购买行为。
顾客购买商品后，进入了后续物流和配送服务。在这个阶段，如何实现最佳的供应链效率，减少仓储和配送成本，提升配送速度，是电子商务企业运营的命脉。如何实现更高效的拣货，是影响物流效率关键的一环。1号店创造了一种高效的拣货方法——拨次拣货。顾客一次往往会购买若干个商品，如果一个订单拣一次货，拣货员可能会反复经过同一货品区域，浪费大量时间。所以1号店将若干个货品所在区域接近的订单合在一起，这样拣货员到一个区域就可以将与一拨订单相关的所有货品都拣出来。在拨次拣货中，如何让拣货员走更少的路，就需要依靠大数据分析。首先，1号店利用大数据分析，找出商品重合度最高的订单群，比如说消费者买同一个品类的。其次，在摆放货品时，将消费者经常一起购买，聚合度较高的商品放在一起，如可乐和薯条。这种建立在大数据基础上的物流安排极大提升了拣货效率，目前1号店平均一单有16.7件货，员工拣一单货只需不到80秒的时间。
配送中，如何提供相应的服务选项，如何收费，也建立在大数据分析的基础之上，1号店最新的配送服务“一日四送，一日六送”，可以让消费者指定专门的配送时间。而消费者是否喜欢这样的配送服务，会不会用，完全依靠对于消费者痕迹的大数据分析。1号店会看点击这个选项的消费者有多少人，用这个服务的有多少人，点击的和最后实际使用的比例。如果点击不多，代表这个配送服务不吸引人;如果点击的多，实际使用的不多，则可能代表这个服务的费用高一点，需要考虑调整费用。
对于企业而言，消费者购买行为结束并不意味着终结，还希望将消费者变为自己的忠实顾客。在这个阶段，1号店也在充分释放大数据的威力。
1号店发现，购买三四单以后，消费者的忠诚度变得相当高。为此，它需要不断推动顾客跨越这个门槛，但首先要找出哪些顾客最有可能。1号店用大数据分析筛选出这样的消费者，相应地通过一些优惠和积分换购，刺激这些消费的购买欲望，推动其购买第三单、第四单。
1号店同样依靠大数据的挖掘和分析，来减少顾客流失，对那些可能流失的顾客，通过一些定向的唤醒和挽留动作来刺激，顾客过生日了，会祝其生日快乐，或者发一些促销信息，重新唤起顾客对于网站的感知。时机的把握也依靠对顾客购买周期的大数据分析，时间过早，可能做无用功，唤醒时间过晚，又可能来不及。
1号店为什么能够实现大数据与运营的深入结合?通过调研，我们发现，这与1号店拥有一套集中而透明化的系统密不可分。它将来自于消费者前端，和来自于商品后端的大数据流实时地汇集和分享到各个部门，带动各个部门运营。而这一点在1号店做最初信息系统规划时早已设想在内。正如其董事长于刚所言：“最初，我认为，我们必须要做集中的信息系统，而不是零散的，这样各个模块就可以分享数据，实现更好的协同。”
