大資料的價值創造：從洞察力到生産力

我們擁有的資料越來越多，然而就資料本身來說是無含義的。AMT認為，從資料—資訊—知識—智慧是一個逐漸升華的過程。資料本身并不能做任何事情，隻有不斷從資料中進行分析洞察，将資料轉化為資訊和知識，并用來解決實際問題，才能真正成為智慧。

是以，不管是大資料還是小資料，沒有業務洞察和改進創新都是0-1字元甚至噪聲資料。AMT認為，大資料的價值創造就是“從海量資料中擷取前所未有的洞察力，通過洞察力來創造生産力的一個過程”。

圖 大資料的價值創造過程

大資料的價值創造過程分為三個步驟：

1)内外部的資料采集處理，積累形成企業資料資産。

2)基于資料的分析和洞察，擷取未知的經驗。

3)将大資料分析洞察用于推動業務改進和創新。

相對應的，在大資料的産業裡面，也有三類角色：第一類，是資料的擁有者，企業自身或者提供資料服務的專業機構；第二類，大資料的技術提供者，包括

軟體

工具提供商和技術服務公司；第三類，叫業務的洞察者或者業務的價值挖掘者，對應的就是AMT所提供的咨詢服務内容——作為資料擁有者和技術服務商之間的橋梁，以業務價值為導向，把相關技術和資料相結合，幫助客戶實作商業模式創新和價值實作。

我們先以AMT在能源行業的大資料應用案例來說明大資料的價值創造過程。能源行業包括石油、電廠、電網、新能源企業等，是屬于重資産密集型行業，大型裝置設施的可用率，對企業來說很重要。那在這個行業做大資料應用的典型應用場景，就是用大資料的算法給這些裝置計算出其故障機率、風險等級等，通過分析幫助其改善裝置可用率。

比如，

電力

公司需要營運維護大量的變壓器和線路等裝置，這些裝置它會有很多狀态資料。本體狀态包括溫度、振動情況、鏽蝕情況、電壓、電流等；還有一些環境狀态資訊，包括周邊環境的溫度、濕度等，這樣的資料在現有的大型企業會有自動采集的傳感器來捕捉這些資訊；除此之外還有很多人為的操作資訊，對裝置的開機、關機、對裝置進行周期性預防檢修、維護性工作、年檢工作等。以上所有這些資料都放到我們為其開發的大資料模型裡面來，通過大資料的方法計算，告訴客戶這3000台變壓器裝置，可能其中10%是屬于高危等級，需要提前去開展預防性的檢修、維護或者年檢工作，剩下的可能40%是中等危險等級，50%是低等危險等級，這些都是可以通過大資料方法來優

化工

作的。

要分析裝置故障需要有本體狀态資訊，有環境狀态資訊，有檢維修記錄資訊，甚至包括外表的天氣資訊等都要考慮納入進來，這些問題就需要有行業洞察力、有業務觀點的人來解決。分析結果之後，為了解決這些問題，我們應該配合什麼樣的管理舉措，是不是要通過人員的技能提升、績效考核、通過裝置的技術改造等來開展一些工作？這些管理舉措的後續跟進，不懂業務的技術服務公司是很難在這塊提供價值的。但是對客戶來說，這些是更有價值的，這也正是AMT咨詢服務的價值所在。

在電信行業也有類似案例：營運商做客戶套餐的優化，需要使用者大量的日常通話資訊、包括區内通話、區外通話，及流量等大量的資訊，通過這些資訊計算怎麼設計出更好的套餐吸引高價值使用者。我們通過擷取使用者行為，把使用者的行為模式、消費習慣聚類出來，再去制訂營銷政策、套餐政策，這樣會更有效、更直接、更有針對性。比如說結果得出針對這幾類使用者我們要開設校園套餐，那校園套餐将來落地的時候要配合宣傳活動、配合

呼叫中心

的配套服務，要配合管道商的政策，這些在做方案的時候都是需要配套跟上的。

最後總結一下，大資料應用的核心在于分析洞察之後，真正幫助業務的創新和改進，從洞察力到生産力。如果純粹從大資料的技術和工具出發，就有點舍本逐末了。

本文出處：暢享網

本文來自雲栖社群合作夥伴暢享網，了解相關資訊可以關注vsharing.com網站。