基于“大数据”的商业模式创新（2）

        二、“大数据”的商业模式创新驱动
        1.“大数据”之“大”
        对于“大数据”（BigData），目前还没有一个权威的定义。DouglasandLaney（2012）提出：“大数据”是需要新的处理方式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产；Goyaletal.（2012）认为：大数据是指多来源收集的、多种形式的，而且通常是实时的巨大数据集合，它已经超越了公司在CRM数据库中拥有的规则的数据集合，它的量级从几十个TB到若干PB，它们是如此宽泛而复杂以至于需要专业化软件工具和分析专家去收集、管理和挖掘它们。笔者认为，这些定义基本都来自于IT专业视角，而作为一种社会变革大背景，“大数据”基本上应包括三层含义：一是社会生活泛数据化。技术手段允许几乎所有存在物的痕迹都可以被实时记录，泛互联网化将受众的各种信息数据都暴露在网络之上，他们的行为可被监测，“每一个人现在都是行走的数据生成器”（McAfee，Brynjolfsson，2012），整个社会生活都可以以数据来表征。二是数据规模及生成速度之“大”。由于数据生成主体的泛化，数据信息传播方式也由单中心、单向传播向多中心、网状裂变转变，使数据体量呈爆炸式增长。三是大数据技术之“大”。ICT及相关技术的大发展使庞大数据的产生、收集、存储、处理、应用成为可能，随着数据量级的飞跃，数据处理从关系型数据库，到数据仓库，再到“联机分析”、数据挖掘、数据可视化，在不断发展与演变的基础之上，大数据技术出现。①“大数据”之变革性主要体现在其“4V”特征中：
       （1）海量数据（Volume）。从B（Byte）、KB、MB、GB、TB，到PB、EB、ZB、YB……数字宇宙的边界不断扩大。自从人类有印刷术以来，过往上千年的印刷材料也只相当于200PB，而在2011年一年，全球就新产生了约1.8ZB的数据；数据在源源不断的生成，且呈指数速度增长，2012年全世界大约每天产生2.5EB的数据，仅以沃尔玛为例，它每个小时从其顾客交易中获得的数据就超过2.5PB（McAfee，Brynjolfsson，2012）。据JohnandDavid（2010）的预测，全球数字信息总量到2020年将是现在的44倍，全球数据使用量将达到大约35.2ZB。可见，“大数据”体量之“大”是一个不断发展的概念，对这些海量数据的存储和处理，已经大大超过了传统企业IT架构的承载能力，企业IT架构与IT产业的重新布局将是新一轮创新的方向之一。      

        （2）多来源非结构化数据（Variety）。企业内部的经营交易信息，物联网世界中商品、物流信息，互联网世界中人与人之间的交互信息、位置信息等是大数据的三个主要来源。具体来看，它们来自网络文本、文件、搜索索引、日志、RFID、传感器网络、呼叫记录、天文地理数据、生物基因信息、医疗记录、摄影视频档案，以及大规模的电子商务数据等。多元来源的数据其大小、格式可能都不相同，其中75%—80%都是非结构化数据（例如，视频、Facebook更新、Twitter消息、互联网搜索等），有预测指出，未来10年，非结构化数据量将占全部数据量的90%（涂子沛，2012）。尽管企业的IT部门已经非常熟悉挖掘和分析结构化的交易数据，但他们通常还不具备管理和处理增长速度更快的非结构化数据的能力，只有利用专业化的大数据分析技术才能够从中揭示出以前很难或不可能确定的重要关联。
       （3）实时处理（Velocity）。对实时处理的要求，是区别大数据应用和传统数据仓库技术、BI（商业智能）技术的本质差别之一，特别是涉及感知、传输、决策、控制开放式循环的大数据，例如，与网上交易或者金融证券业务相关的应用等，对实时处理都有着极高的要求。在今天，实时处理所需的数据存取和计算技术已经取得了巨大进步，关于计算的所有要素成本（存储、记忆、运行、带宽等）都稳步下降：例如1981年，一个千兆字节的内存大约需要30万美元，而今天只需10美分。这使得以实时处理作为价值创新点的商业应用成为可能，而实时或近似实时的信息处理与运用能使一个公司比其竞争对手更加机敏（McAfee，Brynjolfsson，2012）。
       （4）低密度高价值（Value）。“大数据”背后隐藏着极高的经济意义和经济价值，但是，“大数据”的价值深藏于浩瀚的数据当中，需要多来源数据的参照、关联、对比分析，需要独到的思维、高超的技术，挖掘大数据的价值就类似于沙里淘金（赵国栋，2012）。“大数据”的巨大价值来自于其超前预测能力和真实性。马云曾提到：“2008年初，阿里巴巴平台上整个买家询盘数量急剧下滑，欧美对中国采购也在下滑；海关是卖出货以后才获得数据，而我们提前半年从询盘上就推断出世界贸易发生变化了”；华尔街德温特资本市场公司首席执行官保罗·霍廷则开始尝试每天利用电脑程序分析全球3.4亿微博账户的留言进而判断民众情绪来决定如何处理手中的巨额股票。“BigData+BigAnalytics=BigOpportunities”（Johnson，2012），“大数据”已经成为这个时代企业变革和创新的基本思维起点。
       2.“大数据”所引发的商业模式创新
      “大数据”所引发的变革是全方位的、多层次的：“大数据”代表着一种新的生活方式，它改变了消费者的需求内容、需求结构和需求方式；“大数据”提供了一种新资源和新能力，为企业发现价值、创造价值、解决问题提供了新的基础和路径；“大数据”是一种新技术，为整个社会的运行提供基础条件；“大数据”是一种思维方式，引发企业对资源、价值、结构、关系、边界等传统观念的重构。总之，“大数据”正在改变企业赖以存在的资源环境、技术环境和需求环境，企业需要对“为谁创造价值、创造什么价值、如何创造价值、如何实现价值”问题（即商业模式）进行重新思考。
       商业模式是一种建立在多种构成要素及其关系之上、用来说明特定企业商业逻辑的概念性工具，商业模式可用来说明企业如何通过创造顾客价值、建立内部结构以及与伙伴形成网络关系来开拓市场、传递价值、创造关系资本、获得利润并维持现金流（Osterwalderetal.，2005）。借鉴Osterwalderetal.（2011）在《商业模式新生代》一书中提出的商业模式9个基本构造模块，可以把商业模式表示为：BM={CS，VP，CR，KR，KA，KP，CH，RS，CS}（其中CS、VP、CR、KR、KA、KP、CH、RS、CS分别表示：客户细分、价值主张、客户关系、核心资源、关键业务、重要合作、渠道通路、收入来源和成本结构）；不同的商业模式是差异化的构造模块或者差异化的模块组合的结果。建立在这一概念框架基础之上，笔者认为，商业模式创新是企业在对顾客价值主张识别或再识别的基础上，对企业资源、结构、流程以及整个价值网络的重新设计与构造；它是对企业经营逻辑的系统再思考，它可以包括顾客价值主张创新、价值创造模式创新、价值传递模式创新、收益模式创新中的一个或多个方面；商业模式创新作为一种创新，其实质也是对某种差异化的追求，它可能起始于9个构造模块中某一方面的差异化，但商业模式创新最终要通过9个构造模块的系统化再设计来创造一种整体结构性差异；这种整体结构性差异最终会呈现于三个层面：企业特征层面、产业链定位层面和行业定位层面，基于不同层面差异化追求的商业模式创新的驱动原理并不相同，这也是商业模式创新可以被多个理论解释（诸如价值链分析、熊彼特破坏性创新理论、资源基础论、交易成本理论、战略网络理论等）的原因，但没有任何单一的创新和战略管理理论能够对其进行完整解释（Amit，Zott，2001）的原因。
        大数据资源与技术成为企业追求差异化和经济租金的主导资源之一，它对商业模式创新的激发也是多维的。本文拟从三个视角揭示“大数据”对商业模式创新驱动的原理：一是企业对大数据资源和技术的工具化运用所引发的商业模式基本构成要素的创新；二是大数据资源和技术商品化催生的“大数据”产业链的形成，以及企业在“大数据”产业链上的不同定位所引发的商业模式创新；三是基于“大数据”的行业外扩张衍生的以连接、融合、跨界为特征的商业模式创新。