价值关联模式

著名管理学大师德鲁克曾说过，当今企业间的竞争，不是产品的竞争，而是商业模式的竞争。Rappa（2004）认为，商业模式规定了公司在价值链中的位置，指导着公司如何赚取剩余价值；并指出商业模式明确了一个公司开展什么活动来创造价值，在价值链中如何选取上下游合作伙伴以及怎样与客户达成交易、为客户提供价值。

那么，大数据经济商业模式的核心在于价值关联模式。我们如何从浩瀚如海的大量数据中发现价值关联性的数据并且产生经济价值呢？首先必须清楚数据间的关系。数据关系有数据比较、数据互补与数据关联。数据只有经过整合才能形成大数据，整合的方式有：混合、聚合与融合（自上而下与自下而上）。也即有横向价值关联、纵向价值关联与混合价值关联。

（1）从价值链出发，大数据的横向价值关联（大数据的关系型分析）：谷歌，即本行业上下游或者不同企业之间的价值关联，如研究研发投入与产品价格的关系等；竞争对手的销售额与本企业劳动力流失的关系。

（2）大数据的纵向价值关联是指价值重构（价格发现与成本表达），从淘宝消费者的交易过程探究电子商务未来发展动向。核心成本从物质成本，转化为数据计算成本。

上述两者表现在平台上实现，但是平台是数字化解构与无成本传递。具有数据的使用、支配和权力归属。如客户关系维护与企业营销间的关系。

（3）大数据的混合价值关联是指不同行业关联，重塑价值链。如一家服装小企业，通过大数据平台可以直接把产品从工厂送达到全球各地的用户手中，使国外市场的销售额比去年同期增了70%，但交易成本只是过去的十分之一。这说明该企业通过大数据平台使自己原有“市场销售”这个环节发生了质变：过去把商品卖到国外，要经过国内出口商、国外进口商、批发商、商场，最终才能到达用户手中，而现在可以直达用户。

另一个典型案例是卡夫食品，它通过采用IBM大数据与分析方案，在10.5亿条博客、论坛和讨论版的内容中抓取了47.9万条关于Vegemite新产品的讨论信息，并进行深层分析，最终高效地完成了产品升级。该案例表明大数据平台使企业在研发环节上得到了更强的竞争力。

传统的客户关系管理一般关注两方面的客户数据：客户的描述性数据和行为数据。描述性数据类似于一个人的基本概况；行为数据则复杂一些，比如消费者购买偏好、购买的组合方式等。个人的兴趣爱好，还有个人的平时出没场所，都可以通过言语以及社会交往显现出来，特别是通过社交网络进行传播。能够将这些点滴的数据、零散无序的数据（非结构化），有序地结合起来，就是本书提出的进行基于价值关联的数据挖掘与数据储备，就形成了一个关于客户的全方位数据库。

数据的价值关联，不仅仅表现为上面所述的技术分析手段或者特定的行为分析，更重要表现为整个社会的行为倾向。这种行为倾向往往因为信息交流（经过数字化解构之后的信息），而发生或者被诱导在特定的行为空间中。这种行为空间，或者交易空间，我们称为“平台”。比如推特Twitter，或者脸谱Facebook，以及新的购物方式网购eBay等等。

关于价值关联的产物——大数据平台的论述，见本书第10、第11章，在此不再赘述。