战略早搏：大数据模式的quot;预测陷阱quot;，本文主要内容关键词为：陷阱论文,战略论文,模式论文,数据论文,早搏论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
当前，业界对于大数据商业模式的追捧似乎已形成一股铺天盖地的热潮。我们不妨来看一个个在不断的传播中已经演绎成为商业神话的故事。 塔吉特神话与京东"神预测" 2012年，美国一名男子因为附近的连锁超市塔吉特（Target）莫名其妙地向他正在上高中的17岁女儿邮递婴儿尿片和童车优惠券而大发雷霆，向塔吉特提出强烈抗议。但是，一个月后，这位父亲又来到塔吉特表示歉意。原来，他的女儿真的怀孕了，而塔吉特比这位父亲提前知悉了整整一个月！ 那么，塔吉特到底是怎么知道的呢？ 据说，塔吉特有一个顾客数据分析部（Guest Data & Analytical Services）。这个部门基于25种典型商品的购买行为，构建了一个"怀孕预测指数"。比如，孕妇在妊娠初期，会购买许多大包装无香味护手霜；在怀孕的最初20周会大量购买补充钙、镁、锌的善存片之类的保健品。塔吉特据此就能早早地把孕妇优惠广告寄发给顾客。 塔吉特创造的这个"孕妇传奇"几乎成了大数据商业模式的最佳代言人而风靡一时，也激起了更多企业、商家对于构建大数据商业模式的疯狂畅想。 比如，电商巨无霸亚马逊刚刚申请了一项"预测式发货"新专利。所谓"预测式发货"，就是在顾客没有下单购物之前，亚马逊基于顾客此前购物行为的大数据分析，判断出他们将要购买什么商品，提前邮递包裹。最理想的状况是，当顾客心里刚一闪念想要购物时，他想要的商品已经送到了门口。 显然，胃口更大的亚马逊在"孕妇传奇"的促动下，想要开创更大的传奇，覆盖更多的，甚至是所有的购物细分群体。 但是，这样的"预测式发货"神话真的能实现吗？或者更稳妥地说，真的能在3～5年的短期内精准实现吗？ 答案显然是"不可能"。不需要做任何大型调查，只要想一想自己所有的购物冲动有没有全部转化为购物行为，自己的购物行为是不是都是理性衡定，就可以推知了。 一般而言，人类的购物行为是理性和感性交融的过程。只要人类的感性冲动尚未在进化或退化中完全消失，再先进的大数据运算也不可能做到精准预判每一个人的需求。 但是，对大数据神话深信不疑，顶礼膜拜的大有人在。京东商城CEO刘强东在被问及"预测式销售"时说："京东销售订单预测比亚马逊还早。我们通过数据分析，提前把货送到离消费者最近的仓库。2013年京东67%的订单是6小时内送达的......大数据分析在京东发展中起到了很大作用。我们现在能够预测每个SKU未来7天的销量，甚至精确到具体的城市，这项预测准确率高达92%以上，并且还在不断优化。" 听起来确实很美。如果预测销售的准确率高达92%，那么，以销定产，从销售环节反馈回生产环节，是不是意味着生产的准确率（生产什么样的产品、每种产品生产多少）也能高达92%呢？ 稍具商业常识的人，都知道现实不可能如此，或者说，京东模式不具备仿效性。 "战略早搏"：掉入大数据陷阱 我们将上述过度相信大数据预测精确度、过早估判大数据发展阶段，并在此基础上构建自身战略的大数据商业模式称为"战略早搏"。 "早搏"是一个医学名词。正常心脏的跳动是规则的，心跳间隔时间基本相等，如果出现突然提前的心跳（早搏），则预示着心脏有可能出了问题。"战略早搏"也是商业模式的一种病，会对公司的生存造成危害。如果企业错估大数据的发展现状，高估了大数据的发展潜力，并在现阶段盲目追捧，大肆投入，往往会得不偿失。 首先，无论大数据如何发展，都只能预测一个大致的趋势或可能性，很难精准判断每一位顾客的所有需求。 牛津大学网络学院互联网研究所的维克托·迈尔-舍恩伯格教授，被冠以"大数据时代预言家"的称号。他说："大数据的核心就是预测，不是要教机器像人一样思考，而是要把数学计算运用到海量数据上，来预测事情发生的可能性。"他更强调大数据与结果之间的相关性而非传统的因果性。 预测的准确性与大数据本身的数量及质量密切相关。只有穷尽一切的可能，大数据才能得出准确的预判。比如，1997年，国际象棋大师卡斯帕罗夫与名为"深蓝"的超级电脑进行"人机大战"，结果卡斯帕罗夫以1胜3平2负的战绩败于电脑。"深蓝"之所以能够赢，是因为所有的变化都局限在国际象棋的棋盘上，电脑可以计算出对手所有的应变可能。但是，人类购物行为的复杂性以及商品种类的浩如烟海，使得任何大数据运算都无法穷尽所有的变化，而只能推测可能性较大的选择。 推而广之，任何企业都只能获得关于某个顾客的一部分行为数据，而不能在数据上构建某个顾客完整的个性与人格。所以，大数据也许可以预测某一类人的某些共性，却未必能预测某一个体的行为。出于个体预测偏差和整体预测纠偏的可能性，在京东略显夸张的数据中，是有一部分科学性的，而针对个体购物行为的精准预测显然有大量虚化的成分在内。 纽约红袜子棒球队的老板约翰·亨利，靠做期货起家，精通数据管理。他曾经说："高粱大豆什么的，不受肌腱受伤影响，它们没有经纪人和家人，也没有情绪问题，每一天都过得差不多。但是我们很难预测人的表现，人是难以捉摸的。 英超球队博尔顿的分析研究总监布莱恩·普莱斯迪奇说："数据分析带来了很多正面的影响，但也有负面影响。"自从博尔顿的守门员开始研究对方点球手的数据以后，他扑点球的效率反而降低了。普莱斯迪奇反思说："我们给他灌输了数据分析的思维方式，却拿走了人性的部分，他作为球员的直觉反而被弱化了。" 在可以想见的未来，人类绝不可能成为去人性化的机器。这也注定了无论采用什么样的大数据运算，都不可能精准洞察人性变化的细微痕迹。 其次，数据越大，越容易污染。 顾客的行为数据并非完全是他本人生产的。有时候，顾客会用自己的身份编码替他人购物。有时候，顾客的身份编码也可能被盗用。这类情形下产生的数据，对于力求精准的大数据运算就是一种很严重的污染，甚至可能导致数据完全失效。这也是导致大数据神话破灭的一个重要因素。 综上，那些对于大数据盈利模式抱以厚望，并已狂热地陷入"战略早搏"的企业应该有所清醒。我们并不否认，基于大数据的商业模式将会成为未来的趋势，但它也仅仅只是一种工具，一种思维模式，并不能一劳永逸地解决所有问题。 更重要的是，我们要深刻地察知，大数据的发展还处于萌芽状态、试错阶段，远未成熟到足以构建可持续的商业模式。 在2014年5月29日的百度联盟峰会上，百度CEO李彦宏反思道："大数据的难点在于什么数据对你有价值......有些数据没法分析，不能帮助用户解决问题，眼睛每天看到的信息有很多，但收集起来有什么用呢？" 至此，我们可以清晰地判断，现阶段很多企业义无反顾地投入大数据，却落入了"战略早搏"的陷阱之中。 摆脱"战略早搏" 那么，该如何从"战略早搏"中摆脱出来呢？ 第一，不要过分迷信大数据，有时候，小数据也能非常有效地解决问题。重要的是，要善于发现重要数据之间的关联。 比如，在沃尔玛超市里发生的"啤酒和尿布"事件。当这两样风马牛不相及的东西无意中被摆在一起后，两者的销量竟然大幅度上升了。究其原因，身为丈夫的男人，在受命为孩子购买尿布时，往往会顺手购买自己爱喝的啤酒。发现啤酒和尿布之间的联系，其实是不需要大数据的，只要善于观察和思考，就能洞察奥妙。类似的例子还有香港税务局根据某个酒店门口报纸的销售量来判断酒楼有没有虚报营业额。显然，这也用不着"神秘"的大数据。 相比于京东之类的电商平台型企业，传统行业企业很难具备完善收集有效大数据的能力，而小数据的因果性，相较于大数据的相关性来说，对企业的市场行为指导性更强。 第二，最好的策略不是盲目妄动，而是保持密切关注，然后对成功的做法实行模仿性创新。 在竞争激烈的美国职业棒球联盟，奥克兰运动家棒球队无论在选手实力和资金实力上都位居下游。2003年，奥克兰运动家的总经理比利·比恩在通过对大量数据的研究后，提出了一个另类选材方案--大胆摈弃已被奉为金科玉律的"击打率"选人法，转而采用"上垒率"选人法。他精心选择了那些在高中棒球联赛中"上垒率"较高但却存在其他不足的潜力球员入队，而放弃了那些"击打率"很高的球员。这一打破常规的方式，饱受主流诟病，却成功打造出一支令人耳目一新的强队。 比恩的成功之道被揭秘后，大联盟的其他棒球队也开始模仿他的"上垒率"选才法。效果最明显的就是波士顿红袜队。2004年，红袜队取得了一项世界大赛的冠军，终于打破了86年未能取得冠军的"圣婴魔咒"。 在面对充满不确定性的大数据盈利模式的探索时，采取像红袜队那样的"模仿式创新"也许是一种明智的做法。 事实上，在"人是难以捉摸的"这一本性被根本改变之前，基于大数据采集、分析、归纳的商业模式，将永远面临战略早搏的问题。遥遥难及的二鸟在林，不如实实在在的一鸟在手。与其费尽心思、竭尽资源去探索大数据之道，倒不如多花心思，优化升级现有的产品或服务，善待现有的顾客，牢牢黏住他们。