很多人把數據比喻為石油，但不同的是，數據來自應用，不管是否自覺，個人、企業，甚至每一部機器，時時刻刻都在貢獻並使用著數據。在不遠的將來，數據的應用會如同電力一樣，成為企業營運的必需品，滲透到企業的每一個業務環節。
數據，未來企業的核心資產
要解決企業在大數據時代面臨的挑戰與威脅，我們首先必須面對「數據終將成為企業核心資產」的事實。基於這個事實，我們首先要確保數據能隨時在線上，因為大數據應該是當你需要時可以立即使用，所以數據一定要在線上，不能只存在於線下。
如何透過數據去解決企業的核心問題，答案其實很簡單，就是從工作流程中尋找，因為如果工作流程缺乏效率，或是存在資源過度耗損的問題，往往也是組織的問題所在。而大數據的起點，是基於數據和待解決問題之間的對應關係。在多數情況下，我之所以能夠預測未來，往往是因為以前發生過類似的事件，而我又能盡量完整地把它們記錄下來，當同類事情發生的次數越多，我預測一件事情的準確性就會提高。
當我們面對組織內部的實際問題時，在組織問題和數據獲取之間通常會遇到以下幾種可能性：
1.這個狀況或問題不常發生，我們稱之為「低概率事件」，因為發生的機會極少，所以我們沒有機會獲得足夠的數據去應變或做出對應的預測。
2.企業內部確實有一些數據，但這些數據很零散、格式不標準，散落在企業的不同部門，需要懂得梳理數據的人去管理並應用。
3.企業內部有數據，但是被壟斷，或是被控制在不開放的環境中。
至此，你應該已經注意到，大數據的使用與積累，是互相促進的閉環系統，數據越完整、流通越順暢。這個閉環系統的選擇，是數據專案成敗的關鍵，要考慮的問題也超出了數據本身，同時涉及企業文化、組織架構，所以我給企業的意見是，爭取最高領導者的支持必不可少，因為企業數據化的進程如建羅馬一樣，並非一日之功。
找顧客靠數據，不靠運氣
零售業的朋友對搜尋引擎行銷可謂既愛又恨，懷疑透過這種方式，是否真的能做到精準行銷。對出口公司來說，獲取企業級別的顧客更是難上加難，難道就只能在一年一度的交易會上碰運氣？如何才能用更有效的方法精準地找到目標企業呢？我曾經做過這樣的嘗試（那時還沒有大數據概念），我發現，可以從曾經參加過交易會的企業買家網站上，快速收集到他們的購買意向數據，經過分析，自動配對出有購買意向的準買家名單。這種方法讓我輕而易舉地識別出大量潛在顧客，並且能夠準確地知道這些企業的業務需要。
個人消費者傾向於保護自己的資訊，相較之下，企業就比較願意對外公開各方面的資料，如他們從事什麼行業、是否零售、有沒有線上業務、是否屬於中小企業等，這些免費資訊經過整理就可以變成商業情報。我當時就想，如果有家公司能幫我收集資訊，並推送這些企業顧客就好了。
最近已經有公司開始用類似的方法解決企業採購問題了。Lattice Engines這家從事B2B（企業對企業）銷售預測的數據分析公司，發佈了一款新產品，可以用兩個關鍵字概括這個產品的方向：「意向」和「預測」。他們聚焦在整合企業顧客的意向數據，以及預測顧客需求上。
在獲取新顧客這個方向上，Lattice Engines協助顧客在他們原有數據庫之外發現新對象。它增加一層新的信號，稱為Prospect Discovery，透過抓取相關產品的搜索資訊，以及社交網站上發布的相關內容等，幫顧客發現新的潛在購買對象。比如，他們會留意企業的意向數據（intent data），透過追蹤目標企業，發現某公司的員工正在關注某一個產品。
這些數據可能來自部落格、LinkedIn上的交流，以及專業文獻，進而預測目標公司可能會採取什麼樣的採購決策、現金周轉速度等。在大數據時代，我們已然可以利用無處不在的數據來預測商業需求。Lattice Engines正是利用各種管道公布的資訊來預測商業需求，並根據這類數據為企業推薦合適的供應商，我們可稱之為企業級的推薦引擎。
其實，在數據的使用方法上，針對企業的預測分析與針對消費者個人的預測分析，在本質上是一樣的，但企業預測分析要收集的數據來源更多、更廣，並且需要高度的產業專業性。我們可以肯定地說，數據無處不在，身在傳統產業也需要多留意數據。我相信，再過十年，不用大數據的企業將追悔莫及。
企業「用」數據的三大竅門
用數據這門學問就像武功，台上一分鐘，台下十年功。行情好的時候不養數據，市場差的時候就更難臨時抱佛腳。
平日養數據大有好處，這些數據不僅可能成為企業戰略分析的關鍵，而且對某個關鍵數據盲點的突破，有可能成為企業的必殺技。這裡，我就跟大家分享企業用數據的三個竅門：
方法1——AAR原則鎖定顧客
首先，企業應該確定，誰是你的目標顧客，透過哪些管道可以找到這些人；當這些顧客進來後，他們的成長軌跡是怎樣的；這些顧客對你是否滿意，他們是否會離開。這就是我經常使用的AAR原則：
A第一個A是acquire（獲取）——如何用最有效的方法獲取核心顧客。
A第二個A是activate（活躍）——如何讓獲取的顧客快速成長，變得活躍、有黏性。
R即retention（保留）——如何防範核心顧客流失。
數據可以貫徹這三個階段的始終，既可以幫你找出核心顧客，也可以告訴你什麼服務和價格能讓他們變成忠誠顧客，同時還可以用數據模型預測顧客未來的需求，甚至是他們離開的機率。當企業充分掌握顧客當前狀態的數據之後，就可據此進行預測，發現問題馬上糾正，這就是懂得用數據的企業所做的事情。
例如，當你發放折價券時，是否想過，什麼時候應該讓顧客當次使用，什麼時候要留待下次使用？企業亂發折價券或經常打折，不但太博愛，還會讓顧客養成「無折不買」的習慣。
方法2——行為數據比結果數據更有價值
企業一般關注的重點是交易數據，比如一天有多少客流量、多少交易額，卻忽略了這些交易背後的原因。當把顧客的行為數據（交互行為）和交易數據相互關聯時，企業才會知道用什麼產品吸引什麼顧客最有效、什麼價格能讓這些顧客活躍起來、怎樣能讓他們對這個平台更感興趣，我們甚至可以預測到顧客流失的蛛絲馬跡。
顧客的行為數據不一定能產生交易，但可以讓我們更了解他，讓我們知道他為什麼會買，或者為什麼不會買。透過行為數據去發現顧客如何做決策，是個重要課題，即使是負面數據也可能有正面作用。
在互聯網世界，這些可以相互關聯的數據其實是唾手可得的。如果不知道哪些數據有價值，也不知道哪些數據可以交叉分析，產生價值，著實是一種浪費，相當於將魚翅當冬粉。
方法3——從小處著手
假如中小企業希望充分使用數據，我的建議是，從結構化的、已有的數據開始，一步一步開展。中小企業要有清晰的具體目標—希望數據幫自己做什麼、數據能解決什麼問題。
必須謹記，我們面對的是消費者，數據的蒐集、整合、決策、回饋，都必須從消費者出發，以人為中心，這樣才不至於太分散，盲目地「為了數據而數據」。另外，企業不應把顧客看成一個整體，因為解決顧客的一般性需求，不等於了解顧客的特殊需求。在大數據的驅動下，批量生產的個性化或許並非遙不可及。