熊建福
現任3M中國工業品B2B電商負責人
曾任美敦力，得嘉，緯創 B2B電商與數字化轉型負責人
香港大學產業互聯網與數字化轉型碩士學位
畢業于英國考文垂和赫特福德大學本科及碩士
對于傳統工業企業從事電子商務需要的軟硬件發展策略，流程數字化，信息化管理等課題有深入研究和經驗。
如今各行各業的企業負責人對“數據即資產”的意識愈加強烈，隨著云計算和人工智能的快速發展，數據產生的價值也愈加明顯。從工業化到信息化階段，數據更多被“記錄” 而非用來“計劃和創新”；根據摩爾定律，隨著時間推移計算機硬件和軟件的能力都有質和量提升 ，這使得云計算和人工智能處理大數據的效能大幅提升，大數據內的“寶藏”得以被挖掘，為企業提供如精準營銷，全渠道銷售，智能供應鏈，安全金融，研發創新，趨勢預測等突破性的企業轉型升級的價值。
從麥肯錫最早提及的有關大數據時代已經到來并滲透到每一個行業和業務職能領域成為重要的生產因素到IBM定義的大數據四個層面的特征，即大體量數據，多樣數據類型，數據價值和數據處理速率都表明大數據蘊藏的巨大價值和挖掘技術的復雜性。
如上面提及的大數據四個層面的特征，大數據就如汪洋大海，是由不計其數的江河湖泊支流匯集而成，在數據海洋里，要提煉有價值的資源需要大型開采設備和開采技術以及大量的能源支持。對于挖掘和分析大數據則需要超強運算能力的計算機，當有著強大運算調度功能的機制通過分布式網絡管理著數量龐大的計算機集群(cluster)來完成復雜性計算時，我們稱之為云計算。有超強的運算能力還不能滿足各類復雜且分散的數據源的提煉工序，還需要有超大容量的存儲設備和智能協作軟件對復雜的數據進行存儲和高效分析提煉。
之前提過大量繁雜的數據存儲在海量的存儲設備上通過云計算對數據進行各種挖掘，如分類，分析和應用，這個過程暫且稱之為后數據化（集成，打散，精選，打標簽）。多數傳統企業積累了各類豐富數據，如：供應鏈數據，生產數據，銷售數據，營銷數據，研發數據，人力資源數據等，但由于這些數據多數情況是從不同設備系統和媒介沉淀下來形成的“非標”數據池，如果要提取數據池內的數據價值則需要通過技術手段對數據進行“價值轉化”，如目前比較熱門的云計算和人工智能。隨著計算速度和人工智能算法不斷提高，對非標數據池的提煉效率也相應大大提升，如此對企業做戰略決策所需的洞見因子的獲取也更加精準和高效。
后數據化更多的是對原有的非標數據的后期處理，不管從是技術難度還是投入都增加了考驗。現在越來越多的企業開始設計和部署大部分或者全部業務到云端，不管是私有云還是公共云，這也是數字化轉型升級的一部分，這樣的好處是在云端的各種企業運營數據可被更標準化和智能化，暫且稱之為智能數據化。
智能數據化在電商業務中主要體現在給各類數據標簽化，可以是語義標簽化，圖像標簽化，數據流標簽化，如：用戶畫像，產品畫像，物流畫像，服務流程畫像等。標簽化對數據在后期集成和提煉有很大的效能價值。在云端的數據實時同步并不分時間和空間的限制管理業務數據，能及時地為企業高層和電商負責人提供實時的業務動態數據和提供戰略規劃洞見。由于時間和篇幅關系，這里拋磚引玉談論數據化在電商領域的主要應用場景和價值。
從各種數據源采集的用戶數據可以被標簽化，如用戶個人基本信息，瀏覽店鋪軌跡，地理位置，購買頻率，加購，收藏等多維度數據。營銷部門可以利用已標簽化的數據給用戶畫像，并根據不同產品不同的地域定制千人千面的不同規模的營銷活動，這樣對于傳統營銷活動的效率和成本將有很大的價值提升。我這邊舉個簡單的例子，在我們線上銷售某種工業膠帶的時候通過數據分析發現，將之前運用于工業設備上的大卷的工業膠帶切成小片作為普通的民用膠粘使用，從而大大擴展了工業膠帶的應用領域，于是產品經理根據這種需求重新開發一些小片膠片產品，可以衍生到衛浴安裝、汽車裝飾、家庭應用等等，并且充分分析使用需求數據來定位產品和價格等。這就是數據應用反推向產品設計的實際案例。
隨著很多企業看到大數據的巨大價值，紛紛積極研究新銷售模式和開拓創新渠道，而電子商務渠道的產生不單單是可以通過網絡獲取更多新客戶，而是可以把部分或大部分傳統銷售場景遷移到可數字化的銷售平臺，如主流的電商平臺和社交平臺，從而形成線上線下的融合的新業務模式，也有許多企業開發自己的電商門戶平臺，把數據沉淀在自己的管控的數據池內。數字化銷售的好處是，銷售數據化，與營銷數據相結合。
在電子商務高速發展的背景下，企業必須制定靈活的供應鏈運營模式。互聯網開創的透明化定價壓縮了利潤空間，精益化變得極為關鍵。在做數據化規劃時需要考慮到上游供應商以及下游供應商與消費者，關注產業鏈上的各個環節如何融合到新的平臺上。數據化對于電商除了分析市場行為和銷售之外，甚至可以進行需求預測。舉個例子線下實體的例子，航空公司出售機票時往往會超額預售，這就是根據歷史銷售記錄做出的預測，通常為了滿足航班的滿座率降低了運營成本，那么放之電商，數據的收集將變得更加透明，特別是對于工業企業客戶的采購需求都是穩定而長期的，那么賣方可以對比銷售數據進行需求預測，最終的目的是做好供應鏈備貨提升資金流轉率，從而獲取更高的凈利潤。
電商數據還有一點額外的優勢在于，給予平臺和賣家有關商家的信用評估。按照傳統的信用體系，商家要得到正規的信用授權從而獲得貸款或賬期要求都是非常苛刻的。但是在電商上，商家客戶可以根據自己積累的交易記錄來積累自己的商業信用，從而可以很輕易的通過供應鏈金融工具獲得一定的賬期甚至貸款，賣家也是基于這些數據可以比較放心的做出選擇。這就是互聯網比起傳統金融業更有優勢的地方，因為傳統的金融行業很大程度上只能依賴固定資產的評估來決定商業信用，但是在數據化的電子商務中，也許簡單到如交易記錄就可以作為信用評估很有效的數據來源。
未來的數字化市場，數據應用將成為決定電商發展的有效武器。從目前的電子商務數據化的應用來看，經過了最初的內容數字化來解決信息流的透明度，服務數字化來解決資源配置高效的問題，過渡到尋源及交易數字化，以及金融數字化，將線下交易場景無縫模擬至線上，更好的體現了線上線下渠道的融合。最終將發展到驅動生產的數字化，也就是按需生產、按需匹配。在這其中，數據的沉淀，分析和運用是尤為重要的環節。只有達到了工業品市場中交易需求和生產供給的高度融合匹配，電子商務才能發揮最大的價值。
隨著電商近些年快速發展，在數據沉淀，平臺技術和運營模式等方面逐漸成熟并繼續穩健膨脹，許多企業把電商作為業務增長和戰略轉型的重要渠道。整合大數據可能是一個令人生畏的命題，但是它能幫助優化企業優化決策、改善資源分配，以及更好地傾聽客戶洞見。大數據能否得到有效利用取決于是否秉承持續試驗的心態，以及源源不斷的人才來設計試驗、分析日益多元化的大量數據和創建有說服力的直觀圖形和故事，幫助決策者更有效利用分析結。
