熊建福
现任3M中国工业品B2B电商负责人
曾任美敦力，得嘉，纬创 B2B电商与数字化转型负责人
香港大学产业互联网与数字化转型硕士学位
毕业于英国考文垂和赫特福德大学本科及硕士
对于传统工业企业从事电子商务需要的软硬件发展策略，流程数字化，信息化管理等课题有深入研究和经验。
如今各行各业的企业负责人对“数据即资产”的意识愈加强烈，随着云计算和人工智能的快速发展，数据产生的价值也愈加明显。从工业化到信息化阶段，数据更多被“记录” 而非用来“计划和创新”；根据摩尔定律，随着时间推移计算机硬件和软件的能力都有质和量提升 ，这使得云计算和人工智能处理大数据的效能大幅提升，大数据内的“宝藏”得以被挖掘，为企业提供如精准营销，全渠道销售，智能供应链，安全金融，研发创新，趋势预测等突破性的企业转型升级的价值。
从麦肯锡最早提及的有关大数据时代已经到来并渗透到每一个行业和业务职能领域成为重要的生产因素到IBM定义的大数据四个层面的特征，即大体量数据，多样数据类型，数据价值和数据处理速率都表明大数据蕴藏的巨大价值和挖掘技术的复杂性。
如上面提及的大数据四个层面的特征，大数据就如汪洋大海，是由不计其数的江河湖泊支流汇集而成，在数据海洋里，要提炼有价值的资源需要大型开采设备和开采技术以及大量的能源支持。对于挖掘和分析大数据则需要超强运算能力的计算机，当有着强大运算调度功能的机制通过分布式网络管理着数量庞大的计算机集群(cluster)来完成复杂性计算时，我们称之为云计算。有超强的运算能力还不能满足各类复杂且分散的数据源的提炼工序，还需要有超大容量的存储设备和智能协作软件对复杂的数据进行存储和高效分析提炼。
之前提过大量繁杂的数据存储在海量的存储设备上通过云计算对数据进行各种挖掘，如分类，分析和应用，这个过程暂且称之为后数据化（集成，打散，精选，打标签）。多数传统企业积累了各类丰富数据，如：供应链数据，生产数据，销售数据，营销数据，研发数据，人力资源数据等，但由于这些数据多数情况是从不同设备系统和媒介沉淀下来形成的“非标”数据池，如果要提取数据池内的数据价值则需要通过技术手段对数据进行“价值转化”，如目前比较热门的云计算和人工智能。随着计算速度和人工智能算法不断提高，对非标数据池的提炼效率也相应大大提升，如此对企业做战略决策所需的洞见因子的获取也更加精准和高效。
后数据化更多的是对原有的非标数据的后期处理，不管从是技术难度还是投入都增加了考验。现在越来越多的企业开始设计和部署大部分或者全部业务到云端，不管是私有云还是公共云，这也是数字化转型升级的一部分，这样的好处是在云端的各种企业运营数据可被更标准化和智能化，暂且称之为智能数据化。
智能数据化在电商业务中主要体现在给各类数据标签化，可以是语义标签化，图像标签化，数据流标签化，如：用户画像，产品画像，物流画像，服务流程画像等。标签化对数据在后期集成和提炼有很大的效能价值。在云端的数据实时同步并不分时间和空间的限制管理业务数据，能及时地为企业高层和电商负责人提供实时的业务动态数据和提供战略规划洞见。由于时间和篇幅关系，这里抛砖引玉谈论数据化在电商领域的主要应用场景和价值。
从各种数据源采集的用户数据可以被标签化，如用户个人基本信息，浏览店铺轨迹，地理位置，购买频率，加购，收藏等多维度数据。营销部门可以利用已标签化的数据给用户画像，并根据不同产品不同的地域定制千人千面的不同规模的营销活动，这样对于传统营销活动的效率和成本将有很大的价值提升。我这边举个简单的例子，在我们线上销售某种工业胶带的时候通过数据分析发现，将之前运用于工业设备上的大卷的工业胶带切成小片作为普通的民用胶粘使用，从而大大扩展了工业胶带的应用领域，于是产品经理根据这种需求重新开发一些小片胶片产品，可以衍生到卫浴安装、汽车装饰、家庭应用等等，并且充分分析使用需求数据来定位产品和价格等。这就是数据应用反推向产品设计的实际案例。
随着很多企业看到大数据的巨大价值，纷纷积极研究新销售模式和开拓创新渠道，而电子商务渠道的产生不单单是可以通过网络获取更多新客户，而是可以把部分或大部分传统销售场景迁移到可数字化的销售平台，如主流的电商平台和社交平台，从而形成线上线下的融合的新业务模式，也有许多企业开发自己的电商门户平台，把数据沉淀在自己的管控的数据池内。数字化销售的好处是，销售数据化，与营销数据相结合。
在电子商务高速发展的背景下，企业必须制定灵活的供应链运营模式。互联网开创的透明化定价压缩了利润空间，精益化变得极为关键。在做数据化规划时需要考虑到上游供应商以及下游供应商与消费者，关注产业链上的各个环节如何融合到新的平台上。数据化对于电商除了分析市场行为和销售之外，甚至可以进行需求预测。举个例子线下实体的例子，航空公司出售机票时往往会超额预售，这就是根据历史销售记录做出的预测，通常为了满足航班的满座率降低了运营成本，那么放之电商，数据的收集将变得更加透明，特别是对于工业企业客户的采购需求都是稳定而长期的，那么卖方可以对比销售数据进行需求预测，最终的目的是做好供应链备货提升资金流转率，从而获取更高的净利润。
电商数据还有一点额外的优势在于，给予平台和卖家有关商家的信用评估。按照传统的信用体系，商家要得到正规的信用授权从而获得贷款或账期要求都是非常苛刻的。但是在电商上，商家客户可以根据自己积累的交易记录来积累自己的商业信用，从而可以很轻易的通过供应链金融工具获得一定的账期甚至贷款，卖家也是基于这些数据可以比较放心的做出选择。这就是互联网比起传统金融业更有优势的地方，因为传统的金融行业很大程度上只能依赖固定资产的评估来决定商业信用，但是在数据化的电子商务中，也许简单到如交易记录就可以作为信用评估很有效的数据来源。
未来的数字化市场，数据应用将成为决定电商发展的有效武器。从目前的电子商务数据化的应用来看，经过了最初的内容数字化来解决信息流的透明度，服务数字化来解决资源配置高效的问题，过渡到寻源及交易数字化，以及金融数字化，将线下交易场景无缝模拟至线上，更好的体现了线上线下渠道的融合。最终将发展到驱动生产的数字化，也就是按需生产、按需匹配。在这其中，数据的沉淀，分析和运用是尤为重要的环节。只有达到了工业品市场中交易需求和生产供给的高度融合匹配，电子商务才能发挥最大的价值。
随着电商近些年快速发展，在数据沉淀，平台技术和运营模式等方面逐渐成熟并继续稳健膨胀，许多企业把电商作为业务增长和战略转型的重要渠道。整合大数据可能是一个令人生畏的命题，但是它能帮助优化企业优化决策、改善资源分配，以及更好地倾听客户洞见。大数据能否得到有效利用取决于是否秉承持续试验的心态，以及源源不断的人才来设计试验、分析日益多元化的大量数据和创建有说服力的直观图形和故事，帮助决策者更有效利用分析结。
