1、基于大数据的商业模式研究 摘要：从新兴、传统、互联网领先行业分析基于大数据的商业模式，包括数据产品价值链开发、传统产业价值链重构和基于数据的全产业链布局。数据产品价值链开发具体表现为提供数据存储（硬件）、数据分析（软件）和信息服务；传统产业新价值的挖掘具体应用为个性化医疗、电影发行业的精准投放、服务业的 O2O模式、制造业的众包模式和金融业的风险防控等；以大数据推动的产业链变革有产业间的跨界和产业链的平台融合等。 下载 关键词：大数据；价值链；产业链；数据驱动跨界；平台融合 中图分类号： F270 文献标识码： A 文章编号： 2095-3283（ 2016）04-0114-04 当前，大数据
2、的研究还处在理论和探索阶段，商业价值潜力巨大，但也存在着网络安全、侵犯隐私、丧失自主权等担忧。以大数据为核心的商业模式呈现出多元化的局面，如何在互联网背景下，以大数据为推动力，构筑自身生态系统的竞争优势和核心竞争力是企业持续发展和生存的关键。 一、基于大数据的价值链开发 数据产品价值链开发这一商业模式主要是互联网、计算机行业中的新兴企业专门提供信息技术设施、数据产品或数据技术服务，按其在大数据产品价值链 上的不同定位，分为提供数据存储设施（硬件）、数据分析（软件）和数据信息服务三种模式。 1 数据存储（硬件）的提供 采用这一模式的主要是提供计算机及网络基础设施的销售商，也有最近几年出现的提供云
3、存储、云计算、云物联等云服务的新兴服务供应商。例如华为公司的云计算、新浪的新浪微盘、百度的百度网盘等。目前华为云计算已服务于全球 40多个国家和地区，云计算虚拟机部署超过 70万台，覆盖金融、交通、医疗、制造和教育等各个行业以及政府及公共事业单位；新浪微盘是一款云存储网盘，可用来存储文件，还可分享文件到微 博，与自己好友分享快乐。支持电脑、移动设备等客户端及 Web网页访问，可随时随地备份、上传和下载数据；百度云网盘，是百度公司推出的一项提供用户 Web、 PC、 Android、 iPhone和 WindowsPhone手机客户端多平台数据共享的云存储服务，提供超大的网络存储空间。用户随时随
4、地可以在不同终端之间轻松地查看或分享已传到网盘上的文件。 2 数据分析（软件）的提供 采用这一模式的企业主要提供智能分析软件，即专为解决数据挑战而创建的优化型技术。这一类型的服务主要是分析和处理网络中存在的大量结构 和非结构化的数据，进行大数据检索、挖掘等技术和服务，将杂乱的、无规律的数据转化为有意义的、可辨识的信息。例如一直致力于数据统计软件开发的 SAS公司，被认为是全球智能和分析软件与服务的领袖者，其核心是提供商业分析软件与服务，其中包括数据管理、分析和报表技术，帮助企业更快、更准确地进行业务决策。 数据分为结构化数据和非结构化数据，结构化数据指的是数字、符号等信息。非结构化数据指的是文
5、本、图像、声音、影视、超媒体等信息，非结构化数据占到整个数据总量的 75%80% 。甚至于有预测，未来十年非结构化数据量占 到整个数据的 90%。对于非结构化数据的处理是目前最具挑战性的工作。例如科大讯飞的语音数据处理、捷成世纪的视频处理、拓尔思的文本挖掘、超图软件的地理信息处理，都是国内提供非结构化处理技术较为优秀的公司。 3 数据信息服务 互联网时代背景下，对于一般电商企业尤其是中小企业，由于信息技术设施（包括硬件和软件）更新换代快，使用寿命短，因此信息设施的投资、维护和更新将会成为企业发展的沉重负担，所以基于大数据提供数据技术服务将成为互联网时代最重要的商业模式。使用或购买数据服务，使企
6、业避免了前期高额的信 息基础投资和后期高昂的信息管理费用，降低了企业的 IT 资源使用门槛，减轻了企业成本负担。 从事这一商业模式的企业围绕数据产品做文章，开发、挖掘以数据为核心的产品价值链达到最大化，包括单纯提供数据、提供数据与背景相结合的信息、提供数据背后的解决方案三种模式。第一种模式为数据租售，指单纯提供原始数据，时间专有性很强，这一模式所依赖的核心资源是有利的数据采集技术基础和条件；第二种模式是信息租售，即把原始数据进行整合、分析、提炼，并与其所在背景条件相结合形成有一定意义的信息，其时间专有性不强。这一模式的核心 资源是数据处理技术和能力，即得到有用的信息；第三种模式是为客户提供一体
7、化的解决方案，这一模式是将大数据所隐含的信息与行业知识相结合，由专家针对客户问题提供具体解决方案，其内涵是根据已有数据来解决企业的业务问题，而不是购买设备、软件。比如专家会根据银行客户的消费记录等数据确定不同的产品和营销方案，帮助保险公司设计新的保险产品等。这一模式时间专有性更弱，但知识专有性要求强，其核心资源是拥有大数据挖掘技术的行业专家并针对性地解决企业的业务问题。 二、基于大数据的价值链重构 传统产业价值链重构这 一商业模式主要适用于对传统行业新价值的再发现再创造，如医疗行业的个性化医疗、电影发行业的精准投放、服务业的O2O 模式、制造业的众包和金融业的风险防控等模式。 1 个性需求提供
8、 消费者的需求虽然具有隐蔽性、复杂性和易变性等特征，但内心的各种真实想法都可从其细微活动中寻到踪迹，如消费者在网购中的点击、停留、浏览、评论等都可反映其偏好与性格。人们的兴趣、爱好、价值观、生活方式、沟通方式等都可以数据化，通过大数据分析使企业获得消费者的真实需求。一些如医疗、金融、零售等服务行业完全可以使用现有客户数 据实现用户个性化需求与定制服务。例如医疗行业，可以从病人档案中聚集某些高危或常见病的疾病体征数据，从而预测哪些人是这类疾病的易感人群，使其尽早接受预防性的保健方案。这些患者体症数据、疗效数据等组成的医疗数据集也可帮助医生找到最好的治疗方案或避免以往治疗中出现的问题；在金融行业也
9、聚集了大量的客户个人资料、消费记录等数据信息，企业可通过数据挖掘了解客户偏好、习惯和需求，满足客户对金融业务的多元化需求，为客户量身打造金融产品和服务，实现金融产品的定制化服务。 2 企业精准营销 一些大型的互联网、电商 企业在长期的经营过程中也积累了大量的消费者行为数据，通过对这些数据的提炼与萃取，能精确掌握消费者的购物偏好，从而进行科学的市场定位和分析，生产出适销对路的产品，不断提升用户满意度。例如亚马逊，被认为是做推荐最好的企业，因为其用户的各种足迹，甚至包括在产品上停留的时间都会被记录下来作为分析消费者偏好的依据。 猫眼电影是美团旗下全资子公司，是一家集在线购票、用户互动、媒体内容等服
10、务为一体的电影互联网平台，其主打是手机客户端购票。据猫眼公布的数据， 2015年上半年的营业收入超过 60亿元，占网络购票 70%的市场份额，每三张电影票就有一张来自猫眼。猫眼其中一个平台业务就是精准投放：根据影片想看人数、地域偏好定向投放至相关用户。猫眼的精准投放就是依据一亿多的注册用户，能将电影信息准确地推荐给潜在消费者，并根据消费者购票信息提前反馈给排片院线并建议影片排期等，以更好满足客户的观影需求。 2014 年的电影小时代也正是利用大数据获得了票房丰收。电影在放映前发行方乐视网已经开始了一系列的精准营销，据其对网站搜索、点播等数据分析预测该片的观众： 40%是高中生， 30%是白领，
11、 20%是大学生， 另外 10%则为 目前观影年龄在 2635 岁之间的主体观众。另外，新浪微指数数据显示小时代的观众为 90 后的年轻女性。以此数据，发行方采用各种新媒体宣传手段，线上线下等一系列活动针对 90 后年轻女性，最大化地刺激了她们观影热情，获得了丰厚的回报。 3O2O 收益模式 O2O 是目前发展最为迅速的一种新兴商业模式。 O2O 即 Online to Offline，是将线下实体商业与线上网络营销、电子支付结合在一起，让互联网成为线下交易的前台，实体商店成为线上产品体验后台的一种新兴电子商务商业模式。企业通过大数据方法 分析消费者的浏览记录、购买行为和相关个人属性等信息获取
12、消费者个性化、多样性需求，并向客户展示和推荐相关信息，促进消费者使用在线交易平台完成在线支付。同时企业与本地化线下商家共享订单和准备活动，并为线下商家进行在线网络营销，以此来为本地化商家提供价值共创和新的商业机会。 O2O 强调服务消费，订餐、电影、美容化妆、 SPA、旅游、健康、汽车租赁等都可适用于 O2O 模式。 例如苏宁电器，将其定义为 “ 店商 +电商 +零售服务商 ” 的云商模式，即以互联网零售为主体， O2O 线上线下融合模式和实体店面与电商两大开放平台。苏 宁利用其强大的线下连锁卖场，为线上经营提供强有力的实体支撑；在电影业，一些新社交媒体也参与到电影的发行工作中，并取得了不俗的
13、战绩。 2014 年淘宝电影、新浪微博以及新浪娱乐三方合作，联手打造 “ 电子商务 +社交平台 +门户网站 ” 的全新电影发行模式。即 “ 新浪娱乐 ” 提前预告最新电影动向， “ 淘宝电影 ” 以超低价预售电影票， “ 新浪微博 ” 营造电影话题并持续推高热情。三者的良性互动，形成 “ 预告 话题 点评 购买 ” 等互联网电影发行的新模式，使电影发行业率先进入到大数据时代的变革前沿。 4 流程优化与再造 这一商业 模式适合对一些传统产业的再造或更新。通过大数据分析发现原有产品新价值、寻求新的创造方向。例如由 “ 租碟小哥 ” 到 “ 视频大户 ”的 Netflix 公司，正是追赶大数据浪潮的
14、佼佼者。 2013 年推出的第一部自制剧纸牌屋获得了巨大的成功，从剧本、演员、导演的选择，到拍摄、后期制作，乃至营销都采用数据分析。前期先通过网站用户的搜索、收藏、播放、暂停、回放等记录预测出什么元素组合的电视剧会大卖，然后又在播放方式上推陈出新，打破传统电视节目的捆绑式模式：由一次次追剧改为一次性推出整季，直接向用户推荐他们喜欢的节目。 Netflix 公司纸牌屋的尝试，找到了基于大数据分析的影视创作行业的价值新途径。 以大数据分析作为解决问题的新方法，对原有业务流程再设计可提高其工作效率。例如 PASSUR Aerospace 公司的 RightETA，主要是提供航班预计到达时间服务，主要
15、是基于天气、航行时间表等现实和历史数据进行的精确分析，减少航班到达时间误差而给机场造成的资源浪费。 5 用户参与，用户体验 近年来，维基经济学、众智、众包、创客等成为当下最热的搜索词，解释了目前用户创作信息的 “ 大爆炸 ” 。这主要包括两种形式 ，一是共建。消费者可以上传文字、图片、音频、视频或者共享文件。例如公众在维基百科、百度百科等平台上共同创造知识及其体系。这种用户信息创作行为，参与人数众多，无需特定盈利模式，是互联网大数据的一个当然来源。但其也存在虚假信息、暴露隐私信息等社会危害；二是共同创造。共同创造相比于共建具有更深层次的内涵，更多强调创新，也有称之 “ 众包 ” 。共同创造的模
16、式是有效利用离散的社会资源，借助公众的创意、技术、设计等共创产品，即整合多维系统数据纳入产品新价值的创造中。如 Waze 公司是一家提供社会化交通信息与导航服务的公司，是用 户参与、用户体验的良好实践者，其用户在使用过程中可标注即时的交通事故、路况、施工信息，也可手动更新其地图数据等，使 Waze 公司再为其他用户提供最优化的行车路线。 6 信用评价，风险防控 传统的金融机构获取客户信息来源的主要模式是办理业务时的信息登记，其信息量远远不够。另外传统金融机构的风险管理主要依赖于人工的识别与判断，所以传统金融机构针对小微企业的风险管控还存在很多缺陷，对小微企业的融资不够。而互联网金融凭借用户在网
17、络活动中产生的大量信息数据及强大的信息处理能力，对信息、数据等进行科学计 算综合评分，有效甄别不同个体的声誉状况和信誉水平，从而判断客户风险，进一步确定贷款金额、期限、利率等关键指标。例如阿里小贷，依据现有模式，用户在线完成阿里小贷的申请后，后台对用户信用进行 “ 综合计算评分 ” ，即将用户在阿里巴巴平台上所有的交易数据与买家对用户的评价等数据相联系，实现对用户信用等级的准确定位，在短时间内完成传统金融机构无法完成的放贷。此举是金融界一大创新，也是互联网金融的创新，减少了互联网金融领域的逆向选择和道德风险，大大降低了贷款过程中的信用信息不对称问题，同时降低了交易成本，提高了效率，也为小 微企
18、业拓宽了融资渠道。 7 提前预测，智能决策 每天互联网上都会产生海量的各式各样的结构化和非结构化的数据，对这些数据进行深入分析，会得出具有价值的 “ 洞见 ” ，这些 “ 洞见 ” 的价值在于可以直接运用于现实行为的决策。这些决策以数据为支撑，使管理工作更加科学和准确。例如 2013 年，谷歌公司一款可预测电影上映首周票房收入的票房预测模型，这个模型可使发行公司预知市场销售状况并相应调整上映前的宣传策略。 2014 年淘宝电影、新浪微博以及新浪娱乐联手打造的 “ 双 11” 贺岁档电影票务预售活动，通过用户观影、点评、消 费等几方数据，可以清晰地看到预售票房状况、观众最想看的电影等内容，为院线
19、与发行方提供电影排期等参考，这些是原来传统电影发行无法实现的。 三、基于大数据的产业链布局 全产业链布局这一模式主要适用于一些大型的互联网或电商企业基于大数据进行的跨界经营或建设专业服务平台，通过不断的创新，找到新的盈利模式。 1 数据驱动跨界 一些大型的互联网或电商企业在正常的经营过程中，积累了大量作为副产品的数据资源。互联网时代对 “ 大数据 ” 资源规模经济的追求使一些敏感企业以 “ 大数据 ” 为中心进行产 业链布局。这些数据资源在满足自身发展的需求外，更以企业的优势核心资源开拓了行业之外的新业务，实现跨界经营，以完全不同的方式解决传统问题，或者创造出一个全新的产业。 电商巨头阿里巴巴
20、就是利用手中的客户资源数据，从最初的零售、批发需要的第三方支付开始，逐渐在金融领域全方位布局 支付、融资、理财，其支付宝、阿里小贷、余额宝等广受欢迎；此外，阿里巴巴也一直致力于大物流体系的构建。阿里物流主要进行 “ 两条线 ” 战略，即数据化的阿里物流网络应用平台和社会化的物流基础设施建设。 互联网巨头 Google则 是全方位扩张跨界模式的典范，是互联网信息消费全产业链的整合者。我们熟知的它是一家搜索引擎公司，但它更是一家市值超过 3000 亿美元的网络服务巨人。它声称所有应用都是免费的，正是这些免费使 Google 聚集了庞大的数据资源，它所有业务都是基于数据开展的。它的产品包括平板电脑、
21、谷歌眼镜、无人驾驶汽车等智能终端产品，基于Google Play、 Android 软件基础设施和平台，谷歌图书、学术搜索、谷歌翻译等文化应用，谷歌地图、谷歌汽车为基础的综合智能服务等。 Google正是基于 “ 大数据 ” 而打造出的一个超级商业生态帝国 。 2 平台式的连接与融合 平台式商业模式就是通过 “ 连接 ” 与 “ 融合 ” 庞大的客户群、数据资源、技术等于一体而构成的网络式的基础设施，降低了平台参与者各方的交易成本，并使网络效应得以发挥。在互联网时代，平台式商业模式发挥了越来越重要的角色。阿里巴巴除以电商零售为核心的产品链经营外，还逐步进行了一系列投资并购活动，包括社交网站新浪
22、微博、移动社交工具陌陌、电子地图导航服务的高德地图、音乐分享平台虾米网、天气预报软件墨迹天气等，其触角已经延伸到线上线下各个行业。阿里巴巴希望通过一系列并购活动，实现各 个行业的数据集合，从而构建一个庞大的平台，涵盖人们生活方方面面的数据共享平台，实现其数据的有效利用。 未来平台化的发展使得电子商务门槛降低，会出现一些已具有大规模客户资源的企业利用数据资源进入或自建服务平台，比如物流、银行、媒体等可通过现有资源和平台基础搭建新的功能模块，实现产业链的扩张。例如未来的互联网金融服务平台，将是集传统商业银行、信托、基金、保险、网贷以及众筹融资等多个行业的产业联盟平台，拥有自己的品牌和足够多的客户群
23、体，汇集多种金融产品和服务，为各类企业提供智能化的服务，并能满足客户个性 化需求。未来的物流业发展朝向是 “ 智慧云物流 ” ，即采用云计算、海量数据存储的协同、互动的系统管理平台，集物流基础设施、资源、信息为一体，实现订单、运输、仓储、配送、金融等配套服务的智慧物流集成。未来的城市将是由各个智能平台组成的 “ 智慧城市 ” ，可由政府牵头，行业协会、群内企业等建设的各专业云，如旅游云、服务云、政务云、健康云、农业云、教育云等等，通过这些云的建设，实现信息沟通、数据交换和协同运作。这些云的建设将是信息技术的智能化应用，实现未来人类发展的智慧参与、以人为本、可持续发展的内涵。 参考文献 李文莲，
24、夏健明基于 “ 大数据 ” 的商业模式创新 J中国工业经济，2013（ 5）： 83-95 霍春辉，张京心基于云技术的电子商务发展模式解析 对国内外典型企业的比较研究 J经济问题， 2014（ 12）： 68-73 杜永红大数据下的互联网金融创新发展模式 J中国流通经济， 2015（ 7）：70-75 刘扬互联网化电影发行的现状与发展分析 J当代电影： 2015（ 1）：84-88 刘威，王国瑞电影营销策略变化及展望 J重庆社会科学， 2015（ 1）：87-93 陈佑成，郭东强基于多案例分析的中国 O2O商业模式研究 J宏观经济研究， 2015（ 4）： 14-22 刘菲，严建渊大数据时代基
25、于价值链分析的企业流程再造案例研究 J物流工程与管理， 2014（ 7）： 226-227 周静网络经济下电子商务新模式研究 J经济问题探索， 2015（ 3）：121-125 李二亮互联网金融经济学解析 基于阿里巴巴的案例研究 J中央财经大学学报， 2015（ 2）： 33-39 张向阳，袁泽沛网购时代我国 “ 智慧云物流 ” 平台体系与协同运营模 式研究 J中国科技论坛， 2013（ 7）： 99-104 宁家骏 “ 互联网 +” 行动计划的实施背景、内涵及主要内容 J电子政务，2015（ 6）： 32-38 Abstract： It analyzes the business model
26、s based on large data research from the emerging， traditional and internet leading etcThey have three business models： the developments of data product， reconstruction of traditional industry， layout of whole industrial chainData product developments are for specific performance data storage（ hardwa
27、re）， data analysis（ software）， information servicesNew uses of industry reconstruction as follows： personalized medicine in medical， the precise delivery in film distribution， O2O mode in services， the crowdsourcing in manufacturing， risk control in financial etcIndustrial chain layouts include cross-border and platform integration Key words： big data； value chain； industrial chain； data driven across borders； platform integration （责任编辑：郭丽春）
