|
|
|
|
IBM全球企业咨询服务部业务分析与优化服务中国区总经理总经理谢国忠作专题演讲
|
|
|
|
|
谢国忠：尊敬的各位领导，各位嘉宾，下午好。非常高兴也非常感谢有这个机会，代表IBM公司参加这个大会，我今天演讲的题目“大数据时代下的企业管理与创新”。我们知道，大数据现在很热，大家都在谈论大数据，所以大数据是云计算和物联网之后IT产业界又一次颠覆性的一种技术变革，讲到云计算大家可能不太好理解，它的云端不太好理解，而大数据更能够利用大数据做我们的业务创新，所以说大数据是云计算的一种信息载体，由于时间关系，今天我主要讲的主题是在大数据这个领域。IBM出版物里面有很多云计算方面的内容，大家可以参照书里面的东西，我今天主要讲大数据。 大数据直接影响我们企业的决策，包括一些分析手段和未来的营销模式，大数据也会影响我们个人。今天我主要从四个方面讲大数据。 第一个议题什么是大数据？大数据能解决什么业务问题？大数据的时代已经来临。第二个议题介绍大数据目前在各行各业有哪些应用，有哪些实践，有哪些业务创新。第三个议题IBM的分析报告和牛津大学的分析报告，目前全球的企业报表他们对大数据是怎么看的，他们打算做什么。所以我今天的报告主要包括这三个部分。 一、首先看一下什么是大数据？在讲大数据之前我们先来看一个阿里，从“阿里金融”说起。我们大家都知道阿里巴巴，阿里巴巴下面有一个阿里金融，大家目前在金融界特别关注的是阿里的微贷，所以最近我一直跟银行的管理层，各个银行管理层，包括四大行和商业银行管理层都在做业务交流，他们跟我讲，现在阿里金融是银行界未来最可怕潜在的对手。为什么可怕？阿里金融拿到金融执照短短的几年时间，到2012年6月份他只做三个省的业务，到去年6月份他的微贷企业已经达到12.9万家企业，贷款总额260亿万元，到去年底他贷款的微小企业已经超过20万家，这种系统对银行来说，对金融来说觉得很可怕。 为什么可怕？阿里金融背后的实质是什么？阿里金融背后的实质是两个方面，一个方面叫大数据经营，另一个方面叫业务创新。这两个都是结合在一起，它颠覆了这个行业，颠覆了这个产业。 阿里金融有阿里巴巴、淘宝、天猫这些金融。阿里金融利用客户两类数据，一类是网上的客户信用数据，二类是利用客户的行为数据，利用这两类数据阿里金融建立一个网络数据模型，同时建立一套信用体系。通过这个网络模型和信用体系，塌毁给每一个商铺，每一个店家做信用等级的评分，根据这个评分阿里金融去发放微贷，从500块钱到100万不等来做这种业务，所以它发现很多业务的产品，包括订单贷款，信用贷款等等，所以阿里金融在短短的时间里发展这么快，就是因为用了大数据的经营，将业务创新这样来做。 阿里金融打破了银行一种传统的做法，不需要抵押，不需要担保，它只依赖于大数据。所以说阿里金融在大数据应用和业务创新，它改变了一个行业，改变了一个游戏规则。现在很多银行都在做店商，建设银行也在逐渐上网，中行也在开发电子商户。我从这个案例起头，大数据的应用。 大数据目前在全球已经用于各行各业，比如我们的金融服务业，在能源，在公共事业，在数字媒体在零售，在司法执法，各行各业都用大数据。大数据怎么来的？什么叫大数据？大数据概念的提出，大数据概念最早是麦肯锡提出来的，在2011年5月份，麦肯锡下面有一个全球研究院，发表了一篇非常有名的报告，这个报告名字叫《大数据：创新、竞争和生产力的下一个新领域》，这个报告出来以后，整个学术界和研究界把大数据概念和大数据应用越来越蔓延推广出去。 这个研究报告里面，主要提了两个观点，一个观点就说数据已经渗透到每一个行业，每一个业务职能领域，数据成为重要的生产要素，这是一个论点。第二论点对海量数据的应用意味着下一波或者新一轮生产率的增长和消费者盈余浪潮的到来，这是他暴露的两个重要的论点。 一个方面从技术角度来讲，大数据产生是这个时代的一个产物，为什么？我们知道物联网、移动网、云计算，特别是智能终端，我们的智能手机，这种智能终端它会从用户端产生数据，我们每天发的微博，我们写的评论，我们发的微信，这种数据是用户端产生的数据，这么多用户无时无刻都在产生数据，所以数据的规模，数据越来越大，越来越快，越来越复杂，这些特征促使了大数据的全新概念。 什么叫大数据？我们在讲大数据之前我们先要明白三个概念。我们将数据分三类，一类叫结构化数据，二类是半结构化数据，三类是非结构化数据。什么叫结构化数据？我们现在企业用的人事系统、财务系统、ERP系统，这些系统都是结构化数据，在一个数据库里面，它是结构化的，我们用的最多。半结构化的数据，我们用的电子邮件，用windows处理文字的，在网上看到一个新闻，这是半结构化数据。非结构化数据，传感器、移动终端、社交网络这些数据我们叫非结构化数据。现在从全球统计来讲，非结构化数据占到数据范围的85%左右，所以我们讲大数据之前，我们先明白数据分三类，结构化数据、半结构化数据、非结构化数据。 IBM在去年的时候对企业高管，来自全球企业高管做一个调查，你们以为大数据是什么？你想象的大数据是什么？对95个国家26个行业1144名高管和专业人士做访谈，大数据在你们的头脑当中是什么？有些人说，大数据就是信息范围越来越广，数据类型越来越多，分析手段越来越多，大数据是实时的信息，是新技术的数据，传统媒体，社交网络数据，最新的流行词，所以不同的高管它对大数据的理解不完全一样，这个是目前他们一些普遍的看法和占的比重。 什么是大数据？目前业界有一个相对比较统一的定义。大数据是一个数字集合，它又包括结构化数据，也包括半结构化数据，还包括非结构化数据，这些数据组合在一起。另外这些数据是蕴含了多种技术，我们用传统的这种数据库，这种技术你没有办法对这些数据进行抓取，进行存储，进行分析，所以这个概念的话，现在把它定义叫大数据的概念，是一种大数据的结合。 所谓大数据，IBM把大数据定义为四个维度。首先我们叫大数据，它的数据量特别庞大，它的数据种类特别多，除了关系人数据以外，还有文字、音频、图像、传感器数据，这都是大数据的范围，它的种类很多，它的速度很快，我们知道微博、短信、微信，包括facebook每时每刻都在产生数据，所以它的速度非常快。另一方面特性我们叫数据的准确性，什么意思？我们在社交网络发表的言论，它不一定很真实，也不一定很可靠，它可能带一些情绪化的东西在里头，所以这些数据它的数据质量没有问题，但是我们需要看看它的数据可预测性，我们怎么来管理这些数据的真实性，这个特性我们叫数据的准确性。 所以总结下来，大数据的四个维度和四个特性。第一数据规模，第二数据的多种形式，第三数据的运动，数据像流水一样在运动。第四要管理数据的不可预测性和准确性，这是大数据的四个维度。 我们讲你这是大数据，我要大数据做什么？大数据的分析目的，是实现交易数据和交互数据的有机融合，促进业务创新。原来你没有想到的，通过大数据来进行我们的业务创新。 从左边来看，我们现在企业最常用的的是交易数据，我的业务系统，ERP系统都是交易数据。还有很大一部分是在外场，我们把这一类数数据叫做交互数据，社区网络数据，新闻媒体数据、微博数据、微信数据，还有互联网数据，物联网、移动终端，交易数据和交互数据柔和起来做大数据处理，有业务创新，促进整个业务的转型，这是大数据分析的过程。所以我们讲大数据时代已经来临，技术的不断翻新，信息量的爆涨，大数据时代已经来临。所以我们讲大数据、大机遇。 现在技术手段越来越强，举个例子，我们现在做的音频，客户投诉打电话来，我们现在能把音频截取出来，抓一些关健词来分析。图像，IBM可以做到什么？一万张照片在这里，我会自动按照花鸟虫鱼，会自动把照片归类。现在还有人眼识别的技术，一段视频或者是一个图像，只要把人眼放进去，能对人眼识别进行归类，把照片全归在一起，所以这是大数据最新数据应用层。我们讲大数据时代怎么利用这些数据，对我们业务进行创新，所以我们讲大数据时代已经来临，怎么来进行业务创新和发展。刚才给大数据概念做了简要的介绍。 二、下面最重要还是看大数据在各个行业目前怎么来用，用来做什么？ 一个企业面临三种类型的海量数据，这三种类型的海量数据分析手段和分析能力不一样。从两个维度来看，Y轴来看，数据分结构化数据、半结构化数据和非结构化数据。我们从数据的运用来看，分静态数数据和动态数据。企业里面有人事系统、财务系统、ERP系统、CRM系统，企业里面还有文本、报告、音频、视频、社交网络、邮件等等，这是一类数据，这类数据我们叫非结构化数据。企业里还有一类数据网络点击率流、日志文件，实时传感信息，实时路况信息，实时行情。 这三类数据怎么用？在有些企业里面我会建一个数据仓库，把静态的结构化数据我们能做什么？做业务报表，做数据的挖掘，很多企业已经在做，所以我们已经有这儿应用。第二是对文本的和非结构化数据，现在很多全球在做什么？会建立一个非结构化的数据平台，通过这个平台把文本、影象、微博、社交网络数据放在这里面，做企业搜索，企业内部可以建立企业内部的维度，建立企业内部的Google这叫企业搜索。同时还有做内容的挖掘，一篇文章，一个word我从里面分析每个词做内容的挖掘，这是一个最新的手段，它的要求做这些东西。第三部分我们把流动的数据，我们叫流数据，像流水一样，如果你不用它就流过去了，现在有一种手段我们要建立流数据平台。流数据做什么用？做实时的监测，实时的监控，做实时的产品与服务的提供，我们叫实时最佳行动推荐。 一个企业要创新，要发展，除了传统的数据以外，我们怎么把非结构化数据，把流数据用在握的日常业务当中，对我的产品，对我的流程，对我的客户体验进行创新，是下一步我们需要思考的问题。 另一方面这三类数据是融合的，可以互相配合来做分析。这三种技术我们看到，如果这三种技术能力接合起来，就突破传统分析模式，实现业务创意和创新。怎么做？我们传统做的话，是传统的结构化数据，建立一个仓库，商业智能应用，做业务报表，做决策分析，满足监管的需要，这是最传统的方法。非结构化数据来了以后我们做什么？社交网络的数据，我们拿过来以后建立非结构化数据平台，做自然语言的处理，做文本的分析，做内容的挖掘，这里面做什么？做舆情分析、声誉度分析，精准营销。第三方面是流动数据，流数据是实时的处理，通过流数据我们做实时的欺诈监测，实时的产品服务，实时的质量控制。 我们把技术能力结合起来，能做产品的创新，做流程的创新，做服务的创新，做客户体验的创新，我特别强调客户体验，现在我们很多企业都在谈客户体验，因为新的手段会产生客户体验的创新，在这个基础上我们再做管理的创新，所以这是大数据的三种能力的应用。 前面我就不讲了，主要讲两个新的手段，一个是流计算是怎么回事，二个是企业非流数据怎么应用。 流计算怎么做？从传感器，从网络日志，网上点击流实时采集下来，写一些业务规则，实时满足业务规则的东西给摘录出来，实时判断出来。举一个例子，做一个信息单的实时监测，直接从交换机上面把信息数据抓下来放到系统里面，会写一些业务规则，比如说这个人在一天中他打通了20个电话，打完以后不到2分钟就挂断了，这个电话是欺诈电话，每个红点都是业务规则，把业务规则写在这里。当下一个电话过来的时候，数据流过来的时候它就会自动判断，你这个电话就是一个异常的话单，就是一个欺诈的单位，马上就截出来，所以在电信里面已经用了，在银行也是这样，做信用卡的实时监测，叫流数据，做业务的创新，这是一种应用流计算。 另外一种手段叫内容计算。传统处理都是数据库表格的方式，现在我们要处理内容，什么叫内容？一篇新闻和一篇报道，这是我的内容。内容怎么处理？从新浪网里的一个新闻，有一个链接，把文本扒下来，通过网络爬虫把文件爬下来，爬下来做分词处理，这篇文章有什么词，做分词处理，要做内容归档，做建立缩影，来帮助我做分析。所以这里面我们要做内容计算里面涉及到自然语言处理，分词，句法的分析，关键实体识别、归类与索引，机器学习，做内容计算。 举个例子，怎么做内容计算？这一句话是网上扒下来的一段英文，通过一个标准手段怎么做？这是一个语言监测，发现这句话是英文。第二是做段落的识别，这是一段话。第三它分词，把词给分了。第四做统一大小写。第五做词源的还原。第六是做这段话主谓宾的自动识别。第七是做实体的抽取，哪个是人名，哪个是公司名字。第八会做短语识别。所以一篇文章过来通过这么多步骤处理，做了分词，高兴是正面的词，讨厌是负面的词，我们把这些词来做分析，你发现很多业务的应用。所以通过这个的处理我们可以有很多索引用到分析手段里面去，下民我会讲到很多这种案例。刚才我们讲到两种最新的手段，流计算、内容计算。 下面我们看一下案例。第一个应用案例叫社交媒体跟舆情的分析，针对我们企业自身，这里面就有内容计算在里头。从下面这儿来看，我们可以从微博，社交媒体里面，把我们所需要的文档、文章，通过爬虫从网上给爬下来。爬下来以后我们放在非结构化的数据平台，放在这里以后我们对这些文章，他的内容进行分词，进行句法分析，进行情感分析，同时做一些关系实体的识别，通过这些内容关系可以对我这个企业声誉度的分析，品牌的分析，服务质量的分析，产品评价和市场动态的跟踪，通过这种手段，通过内容的分析来帮我们企业做企业层面舆情的监控。 我们看一个例子，我们跟国内某一个企业做的，把他关心的新闻全部都爬下来，做企业负面报道新闻监测，做关键词的提取，自动识别跟企业相关的人物、地点、组织、事件，做这些事情。同时他能做社会热点的一些跟踪，做一些关键企业的新闻跟踪，做行业信息的自动分类，做趋势分析，这就是一个新的手段，通过内容的分析，社交外面的网络，对企业有用的信息给提炼出来。这是一个案例。 再讲一个银行的案例，利用社交媒体做舆情分析。对这家银行信誉度的分析，拿6家银行做参考，美国银行、花旗银行、汇丰银行等，把这些银行在网站上的信息给采集下来，就看这些银行的信任度在这些方面的评价是什么，红颜色说明是有问题的，怎么评价的？是通过词的频度，反映的频度来做的计算，所以这是声誉度的分析。 另一方面会做客户的情感分析，因为你在微博上、网上发表评论，这些词有些是正面的，有些是负面的，有些是中性的，把这个分析以后，做了一些客户情感分析，和其他的银行相比我的位置在哪儿。 另一方面做一些事件预警，这个人在微博上面评论，这些词都是负面的，这时候有一个事件发生我该做什么预警，我的手段是什么，做了预警和监测。所以我讲的第一个案例，很多机构利用社交媒体数据和非结构化数据平台，做社会舆情的监控，这是一个案例。 第二个案例有的企业要做360度全景客户视图，利用客户视图做营销，做销售。所以我们传统的一个企业和一个银行都在客户里视图，客户的所有全貌我都需要了解到。传统的手段是基于我的客户在我这个企业里面的交易数据，原来采集的数据可以建一个客户视图。但是新的技术手段出来以后，很多企业考虑全景的客户视图，除了企业本身的交易数据以外，把客户在社交网络上，在媒体上，在交互数据上的一些信息集成起来，和我原来传统的数据放在一起做一个全景的客户视图，全景了解客户。目前在银行，在电信，在很多企业里面都在做这个事情。 360度全景视图怎么做？我们利用外部的社交网络数据，我们可以对客户在社交网络上面做一个客户的画像。怎么做？通过客户的社交网络分析，我们可以对客户社交网络进行画像，从这一点我们可以看，通过社交网络，客户网站，微博，评论等等这些信息，我们把客户在网络上的信息对它归类，有些是客户的评价讨论，有些是客户的倾向性信息，还有客户情绪的信息，他的一些行为的数据，还有客户的属性，和他在外面社交网络关系的数据拿过来，拿过来以后我们做什么？做一个整合，对客户进行网络的画像。 这是唯一的客户，这个客户的基本属性是什么，他在外面有什么事件发生，他的社交网络是什么，也就是他的上下游企业，他的交易对手，他的合作伙伴，同时他对什么产品有兴趣，我们通过这个东西，在客户的外部有了画像，基于这个画像我们企业可以做微观的客户细分，做营销活动管理，做信誉风险的评估，做竞争对手的分析。 同时基于对外面数据的检引，把企业里面本身的数据集成在一起，做什么？做新客户的获取，做销售线索的产生和最佳行动的推荐。最底下这部分，我没有外部的数据，我原来也可以做，但是我通过对外面的数据进来以后，结合企业里面已有的数据，他能做更多的增强。现在很多公司都精准化的营销，做实时营销，其实就是采用了这种手段，把外面的数据，社交网络的数据，企业内部数据集成在一起，做数据获取，这是第二个案例。 第三个案例，做一些关联企业、交易对手风险暴露分析和事件监测。怎么做？我们可以从交易所，从证监会、银监会、安全部门、公安部门这些监管文件，新闻、出版物、社交媒体数据，把这些数据爬下来，做文本的数据，做实体集成。如果有了这些数据，我可以刻画企业的社交网络图。会把公司的年报，这个都是披露的，股东的委托书，贷款合约，内部交易信息，通过分词，关健词的提取来分析，分析完以后会刻画这个客户社交网络图，我们叫关系图，这个关系图做的非常完善。它可以实时的把我跟谁最近联系了，谁和谁又联系了，把我在IBM内部的一个网络实时途径化给展示出来，我在IBM社交网络图有给画出来了。所以通过这种应用，我们可以把这个企业，我的客户，在整个网络的关系就可以画出来，这是第三个应用场景，叫关联企业、交易对手暴露分析，现在很多企业在做这种应用。 第四个案例叫客户之声，就是客户的声音。这个怎么做？同样的这个客户他的微博上的言论，他的客服，他有一个电话的抱怨，微博上对企业，对产品有评论，我们把这些信息都爬下来，爬下来做语意分析，做关健词提取，建立一个模型，建立一个规则，这个电话为他这个评论，他可能是一个投诉，他可能是一个产品的诉求，我们会建一个模型出来，自动识别你反映的是一个什么问题。 这种识别以后做什么？主要有四个方面的用途，可以发现潜在的客户的抱怨的问题，第二方面可以预先做一做舆论导向，说他老抱怨，我如果发现了，我就提前做一个舆论导向。第三方面发现新产品的一些机会，因为他可能是一个产品诉求。第四方面是提高客户的忠诚度。我们把这些做进一步的分析，做新业务的创意和新问题的发现，现在很多企业从这个方面来做，他们叫客户之声，这种应用很多。 第五个案例是做客户的信用风险评估。这个在花旗银行用的很多，花旗银行本身有客户的很多交易的数据在这里，他同时会采集这个客户的一些外部的信息，它的一些交易对手信息，市场信息，新闻评论，这些全部采集起来，并且把数据做一个关联。当一个客户来贷款的时候，这个系统通过一个模型能自动判断你这个人的贷款我应该给你的利率是多少，因为美国的利率是浮动，这个利率会给信贷员做一个参考。所以花旗银行这种案例跟阿里金融一模一样，只不过花旗是团体业务，阿里金融是用到网上、线上的交易。 这个应用还有很多，IBM跟美国的保险公司在做，只要把你的一些体检的，血压、心高，把原来看病的历史，把这些东西调出来以后，系统有取得大量的案例，会自动去判断你这个人大概得了什么病，你应该用什么药，通过这个东西它会给医生做一个实时参考，这是医药的一个手段方式。这是第五个应用场景。 第六应用场景对客户做社区划分。这个客户应该是什么客户社区，我知道这个客户社区以后会做精准营销和销售，所以从这几张图可以看出来，这是一家银行，他通过外部的数据，非结构化数据和他自己的交易数据，他对他的客户做了很多社区划分。每一个社区它的关健词是什么？这个社区他的关健词，他的年龄是比较时尚，他的年龄段是30-50岁之间等等，把每个社区的关紧此划出来，这变成一个社区的理念在里头。这个社区他们对什么产品感兴趣？这里面也有。当外面一个用户进来的时候，他会判断你这个人大概属于哪个社区，买了哪些产品，我帮助你来推荐。所以很多金融机构或者很多营销企业，都利用这种手段做精准营销，它跟传统的手段不一样是什么？它是外部的数据，实时的数据，社交网络的数据，融合企业现在的数据来做更新的创意。这是第个案例。 第七个应用场景是网点选型。我们做网点选型，应该在哪个地方开一个机构，开一个营业部，开一个营业场所，我们帮很多企业做这些规划。我们做这些规划要做什么？我们要参考宏观的经济数据，土地数据、人口数据、民生数据，把这些数据要参考。还有一方面的数据是不同区域的它的一个地理特征，它的经济特征，把宏观数据和微观数据，包括社交数据放在一起，我们会建一个模型。KPI算出来，建一个模型来判断，你应该在哪个地方，哪个区域开一个网点。所以我们利用这个大数据来做网点的学习。 另一方面我们利用摄像、视频数据来做网点优化。所以这么一个例子，这个例子是我们跟上海地铁、人民广场的优化。我们知道地铁人流上下高峰期都在流动，摄象头每时每刻都在监控，那我们把摄像的数据，视频的数据拿过来做分析，分析以后可以看到，红点、绿点是人员的流动情况。红点很多地方就是它的瓶颈，他老躲在那个地方，电梯有一股人流在那儿。所以我们后来发现地铁里面在很多点上它的布局是不合理的，后来我们提一个建议，在拐角那个地方，应该做一些改造，里疏导一些人流。所以通过这个地方，我们做网点内部的优化，同样我们在银行，用它的摄像视频数据，看他的人流在网点里面怎么流动，我怎么规划，我的柜台怎么设置，怎么布局，更符合客户的习惯，这里面通过影像的图像资料做网点合理的布局。 刚才我讲这么多案例，每一个案例都是一个业务的创新，都是突破了传统的思维方式，对应用的增强。 三、大数据时代下企业管理创新 我分析一篇报告，去年6-9也纷的时候，IBM公司有一个商业价值研究院和牛津大学赛德商学院联合做一个研究报告，这个研究报告对全球95个国家，26个行业，1144名企业高管和专业人士做了一个调研，对大数据的应用做了调研，这个调研结果是什么？在全球各行各业中企业高管都意识到，他们需要更多的了解大数据、使用大数据。需要了解是一个什么东西，我用它来做什么，这是一个普遍的结论。 另一方面在我们调查当中，现在已经有28%的企业都开始做大数据的试验跟实践，有47%的企业已经在开始做大数据的相关活动。现在很多企业正在走一些试点应用，怎么来推动大数据，做一些业务的亮点和创新，这是一个调查报告。 领导、高管他们觉得如果要做大数据，大数据有不同的阶段，我们讲刚刚开始，所以在这个报告里面，我们把大数据使用的阶段分了四个步骤。首先是教育阶段，什么是大数据，大数据能做什么。第二是探索阶段，我的业务需求是什么，如果大数据这种技术有了，我做什么。第三是接触阶段，开始接触大数据，做一些试点，做一些验证，所以很多企业第三步开始做一些接触。第四是部署阶段，真正要用大数据。所以把大数据分成四个阶段以后，这些企业高管，现在有47%的人在探索阶段，有22%的企业做接触阶段，6%的企业已经在部署大数据的应用。 如果大数据我们要用起来，其实给我们企业组织的行为模式是相关的，再教育阶段我们要进一步培训，为大数据后面应用奠定基础。如果在搜索阶段我们开始定一个计划，要部署一些行动。在最后阶段我们需要了解企业面临的机遇和挑战，执行阶段是为企业积极拥抱大大数据，把大数据投入到业务创新和管理创新。 企业高管要支持大数据，支持大数据创新，所以他们目前的想法，一个企业的CIO在前期要引领大数据的研究，在后期就我们的业务高管部署、推进一些具体措施。首席信息官在前两个阶段要投入，我们的高管在这个阶段要投入，我们的首席执行官在执行阶段有很多关注在里面。 另外一个方面，在报告当中，他们对企业利用大数据创造价值提了五点建议： 1、我们要起步大数据，在哪个地方起步？它的建议是以客户为中心来推动大数据初始的举措。我们做大数据做什么？首先以客户中心那个点来起步，这是第一个建议。 2、我们要制订整个企业的大数据蓝图，大数据有了，数据怎么来用，企业要建立大数据蓝图。 3、要从现有的数据开始，实现近期目标。除了社交网络数据以外，我们企业内部有很多大数据没有用起来，比如企业内部的网站，集中点技流的数据，一些分析报告，一些邮件，一些内容的提取没有用起来，包括一些流数据没有用起来，所以企业里面本身就有很多大数据，我们把这些数据用起来，实现一个近期的目标。 4、根据业务优先级逐渐建立企业的分析能力。企业分析能力分三大类，除了传统的数据库数据挖掘以外，我们还要构建内容挖掘能力，还要实时分析的能力，这三个能力给构建起来。 5、要基于可衡量的指标，来制订一个投资回报的分析。这个报告当中它对企业的业务创新和大数据的应用，创造价值提了五点建议。 我的报告就这么多，谢谢各位。 于吉：刚才谢国忠总经理做了一个非常精彩的演讲，使我们感受到专家型、学者型企业家的水平。最近在网上流传把中国的专家分为四类，第一类是胡说八道型，第二类是以残害大众为乐趣型，第三类是灾难发生前辟谣型，第四类是专门放马后炮型，这些对专家的评论是不是偏见我不做评论，但我认为这个分类是不全的，因为还有第五类就是治学严谨、货真价实，表里如一型，谢先生属于这一类型。今天我们请到的坐在前排的都是专家，都是学者，我想他们都属于第五类。建议再次以热烈掌声对谢先生的精彩演讲，表示衷心的感谢。 第二位演讲的是清华大学技术创新研究中心主任吴贵生教授，他演讲的题目是“技术革命与创新战略”。 吴贵生教授是清华大学经济与管理学院教授，博士生导师，清华大学技术创新研究中心主任，中国技术经济学会常务副理事长，北京市第八届专家顾问团成员。吴教授主要从事自主创新战略，技术创新管理，服务创新管理，技术经济评价，区域科技与经济发展等领域的研究。吴教授主持或参与过多项国家自然科学基金、科技部等有关部门委托的科研课题，吴教授属于第五类专家，建议以热烈掌声欢迎吴老师演讲。 （文稿来自速录，未经审校） |
|
