大数据商业价值精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的大数据商业价值主题范文，仅供参考，欢迎阅读并收藏。

第1篇：大数据商业价值范文

讯：进入2012年，大数据一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据。最早提出大数据时代到来的是全球知名咨询公司麦肯锡。麦肯锡称数据已经渗透到当今每一个行业和业务职能领域成为重要的生产因素人们对于海量数据的挖掘和运用预示着新一波生产率增长和消费者盈余浪潮的到来。近年来随着互联网和信息行业的发展，大数据开始引起人们的普遍关注。

在家居行业，电子商务的发展和网购的风靡将“大数据”带入了普通大众的生活，人们清楚的知道大数据如何发挥自己的功用，如何有效的帮助自己和商户及电子商务平台获得更好的发展。比如，“双11”刚刚结束，各大购物网站的后台便可以按家具、沙发、床垫、纺织用品等品类统计出每个品牌的销量、产品流向、顾客评价、退单量等，并排出精准的名次。同时大型购物网站还可通过信息系统的优化，将众多城市发生的庞大而繁杂的数据进行归类、交叉对比和分项统计，形成有用信息，从而指导企业依据消费者精准需求定制产品。

在大数据的支撑下，除了具体的某个品牌可以根据统计数据实施产品的改进、服务的强化、订单的跟进以外，还可以和相似的品牌进行关联，实现互动营销。以前家居行业的互动营销依赖的是联盟，如冠军品牌联盟、中国好家居品牌联盟、家居件品牌联盟，都是由企业自发组织的，如同“拉郎配”，未必与消费者的需求相契合。如今通过大数据的直观呈现，可以发现业主对品牌选择的关联性，关联性占比较高的品牌可以主动联合起来为业主提供优惠营销或服务互动，从而真正满足消费者的需求。比如，网站通过大数据统计结果发现，偏好某一品牌的业主可能还会选择其他几个特定品牌的几率较高，如果将这些品牌进行联合营销，自然会迎合业主需求，起到事半功倍的效果。

大数据时代已经来临，家居行业要发展，就不仅仅是供应商之间的简单联盟，而应该注重建设电子商务平台，利用大数据营销，真正了解客户的需求，找到最有效的业主，最快速地反馈消费者的诉求。同时也帮助业主获得最好的品牌和最优的价格。（来源：搜房网）

第2篇：大数据商业价值范文

我们生活在一个信息爆炸时代。据IDC的预测，2012年的数字化内容将增长到2.7ZB，较2011年增长48%。至2015年，数字化内容将以火箭式的速度逼近8ZB。在大数据方面，IDC预测超过90%的数据将是非结构化数据（例如图像、视频、MP3音乐文件、以及其他基于社交媒体的文件和在Web上进行的工作）。大数据蕴藏着丰富的信息和价值，但是目前为数众多的企业还是困惑于理解和分析数据。

如何运用好大数据，发挥数据资产的商业价值，这是大数据时代最核心的挑战。

2012年6月，独立企业数据集成软件提供商Informatica的主席兼首席执行官苏哈比・阿巴斯（Sohaib Abbasi）来到北京，19年前他一手创立了Informatica，并且以严谨专注的个性引领着这家战略明确的公司稳步增长。他与《商业价值》的记者围绕当前炙手可热的大数据的话题展开了交流。

Facebook 、Google、亚马逊这样的公司正在运用数据的力量来获得商业上更大的成功，并且传统的金融、电信等企业也在充分运用数据来提升自己的商业竞争力，Informatica如何看待商业世界对大数据的价值期待？

Informatica认为大数据是由3项主要技术趋势――海量交易数据、海量交互数据、海量数据处理汇聚组成。

尽管目前为数不少的CEO们仍然对大数据所带来的益处持怀疑态度。社交媒体和移动设备的普及为海量数据做出了贡献，这导致个人消费者和企业用户在数据交互方式上的转变。我们正在经历信息的爆炸，不同类型的数据被存储在云中，并跨越多种不同的系统，即我们所说的“大数据”。

当涉及到客户数据时，大数据由“数据金沙”组成。大众购买习惯、生活方式以及观念等信息对商业机构而言向来不容易获取。然而，通过在众多地方进行搜索，将这个数据用企业核心的IT系统进行定位、整合可能是非常困难的，甚至近乎于不可能。

对于企业而言，挑战不是如何管理正在被创建的大量数据，而是如何管理不同层面的数据并进行有效分析，从而充分利用数据的价值，并从中获得真正的回报。我们期望让世界各地的企业获得最大化的数据投资回报，赢得竞争优势。全球现在有5000家企业运用Informatica使用及管理其在本地的、云中的和社交网络上的信息资产。而且，Informatica还将一直专注在这个领域。

如你所说IT行业正在经历前所未有的变化，你怎么看计算技术的发展趋势？

计算技术本身在哪里计算、怎样计算和进行什么计算，都发生了翻天覆地的变化。曾经计算的地点是在公司的内部现在已经转到了云端。计算的内容从传统企业用Oracle或者SAP这样的工具计算，转到社交媒体（如facebook、中国的人人网）的计算。从计算方式上也有很大的转变，原来我们使用PC，运行微软的windows、office，现在则有很多移动计算，超过50万量级相关的应用。可以说3大发展趋势正在改变着IT行业的格局，越来越凸显了数据集成本身的价值。

在海量数据的时代，你觉得企业运用数据的发展趋势是怎样的？

业务计算的首要任务已经从自动化交易转向简化交互。社会化计算代表着下一代以数据为中心的应用潮流，在像Facebook这样的社交网络服务中获取交互数据。

移动计算意味着利用数据访问设备捕获类似于位置数据这样的传感器交互数据进入了新的发展阶段。同时，社会化计算和移动计算的采用，意味着数据采集的量和方式将大大增加。

业务计算的价值所在正在从提升运营效率转向提升企业效能。之前，企业将注意力放在ERP、CRM这样的应用上，以期通过信息化、自动化交易处理来提升运营效率。但是在今天，哪怕是传统企业的关注点正在从业务管理转向品牌管理，以提升企业效能。企业越来越迫切地主动接触客户和进行消费者感受分析，社交媒体让企业的整体品牌管理成为可能。今天的企业为了获得竞争优势，致力于成为社会化企业。

社交网络在任何时候都是发展最快之一的载体。在不到10年的时间里，消费型社交媒体从无到有，如今已拥有了超过10亿用户。对于消费者而言，社交媒体已成为一项主流技术，而且很快也将成为业务领域的主流技术。事实上，大多数企业已经把社交媒体当作一项重要的市场工具。我相信无需多长时间，社交媒体即将被广泛采用，以提升企业效能。

Informatica拥有全球几千家客户，那么Informatica如何帮助客户提升了商业价值，能具体介绍几个实例么？

Informatica的一家零售客户，采用Informatica相关的产品，可以帮客户找到他们“最佳的客户”。“最佳的客户”是哪些客户呢？是在他们的实体店，或者他们的网上商店，或者在他们的目录上最经常购买的、花钱最多的一些客户。而Informatica管理分析这家零售企业的交易型数据，同时把交易型的数据与社交媒体产生的数据能够关联在一起。Informatica把交易型数据与交互型数据来进行结合，帮助这家零售企业找到这些“最佳客户”，并且分析“最佳客户”的购买行为，去更多地影响“最佳客户”的消费行为。

另一个典型的Informatica的客户案例是一家美国的证券交易所：DirectEdge。通过采用Informatica的数据解决方案，处理的交易量能力增加了5倍，但从硬件成本上他们只花了比原来少一半的成本就实现了这样的交易量。比起原来，他们的成本效率提高了10倍。这家证券交易所增加了5倍交易量的处理能力后，DirectEdge已经跃升为全美排名第三的证券交易所。

就目前而言，对于有些传统型的企业，会担忧在大数据应用方面的投入产出比不太划算，你怎么看待这种观点呢？

现在的信息时代唯一最有价值的资产就是数据。要最好的去了解客户需要去分析数据；提高企业运营效率也需要分析数据；提升业务灵活也需要分析数据；进行业务的合规也需要分析数据。

挖掘到数据价值将是最有价值的竞争优势，值得投入。能够充分利用数据的企业将占据先机；如果企业不重视并逐渐采用大数据相关的新兴技术，那么企业会逐步落后。

已经有很多企业踏上挖掘数据价值的旅程，使用大数据来提供更加个性化的客户体验，并通过这些新的沟通渠道、根据客户的习惯和表达态度，预测每个客户正在寻找什么。通过有效地管理大数据，企业能获益良多，例如加强客户关系、增加交叉销售和追加销售、以及对预测客户消费习惯和趋势的第一手洞察力。大数据是提升客户忠诚度的绝好机会，这对于包括保险业和电信业等等很多行业尤为重要。

第3篇：大数据商业价值范文

我感兴趣的是，在大数据的时代，“数据大盗”会对哪类数据情有独钟？在他们眼中，哪类数据又更有价值？

众所周知，数据可以分为结构化数据、非结构化数据，其中非结构化数据占到了总数的85%。这既包括由企业、消费者、产业供应链之间产生的海量交易数据，也包括由社交媒体、物联网、数以亿计的移动智能设备产生的交互数据。简单一点说，大数据就是人们在交易、社交时产生的与人有关的数据以及机器之间产生的数据。

毫无疑问，用户注册网站时的账号、密码、电子邮件等等，属于结构化数据，或者说，属于非结构化数据里面的最明显的关联度极大的数据。它们的价值好比和尚头上的虱子，明摆着的，这显然是“数据大盗”最乐意盗取的那一部分，窃取之后马上可以变现。但根据之前的一些案例，似乎价值不大，被盗的数据都是打包卖的，每条数据的价格才几分钱。

按照专家的意见，纯粹的非结构化数据才是金矿，是数据财富中的明珠——而此前，碍于技术，有很多都浪费了。如果业内人士都试图从这些交易/交互数据中寻得蛛丝马迹并进而挖掘出其中的商业价值，那么，也就没有理由怀疑，这些数据同样是数据大盗的心仪对象。

大数据并非互联网的“家事”，在政府公共事务等方面也有广泛的应用，是“国事天下事”。麦肯锡咨询公司的评估认为，仅美国医疗服务业的大数据，每年的价值就在3000亿美元左右，而全球个人位置服务大数据的最终价值将达到7000亿美元……

罗列这些数据并非数字游戏，而是试图说明，对非结构化数据的把握以及运用，不但具有商业价值，还将成为国家战略的一部分，未来势必成为大国之间的另一场博弈。今年3月22日，美国政府启动“大数据研究与开发计划”。白宫方面指出，“过去在信息技术研发方面的联合投资推动了超级计算机和互联网的创建，而‘大数据研究与开发计划’有望使我们利用大数据进行科学发现、环境和生物医学研究、教育以及保护国家安全的能力发生变革。”

第4篇：大数据商业价值范文

“随着大数据2.0时代的到来，越来越多的企业将拥有从海量数据中获取数据价值的能力。尤其在数据体量巨大的中国市场，除了传统的金融、电信、政府等行业以外，零售、医疗、中型电商等都会从大数据分析中获益。”Actian公司CEO Steve Shine如是说。

根据Gartner的预测，如果能实现对企业范围内全部未开发数据的充分利用，将带来150亿美元的潜在商业机会。但目前除了极少数企业可以利用大数据分析开展业务、辅助商业决策外，大多数企业还在大数据的门外徘徊。阻碍这些企业应用数据分析的原因是获取有价值数据的成本过高。

是否有降低成本的方法呢？Actian中国区总经理程小龙告诉记者，帮助企业以简单的方法连接数据、增强分析平台的可扩展能力是解决这一问题的关键。“企业要找到一种简单的方式连接不同的数据系统，而不必关注数据是否来自云或其他地方。在连接上数据系统之后，企业还要有处理和分析越来越多数据的能力。分析平台只有具备横向和纵向弹性扩展的能力，才能保证实现秒级的快速分析和查询，才能提升企业应用大数据分析的成本效益。”程小龙指出。

大数据2.0的目标是打破大数据分析转换为价值的技术壁垒。Actian破局的方法是：通过对底层技术架构的改进，使数据更容易获取、使用和实施。首先，Actian的分析平台可以高速连接任何数据源，整合、转换和分析数据，还能在不断扩展的数据集上按需进行预测分析。即使企业的数据分析平台并未架构在Hadoop之上，整合、转换、分析数据的能力也不会受到影响。其次，Actian提供的是一种高性能的引擎，可以对并行执行的分析过程的每一步进行细致设计，并随企业业务发展的需求变化。这意味着各种规模的企业都可以利用数据来驱动业务创新。

在选择大数据解决方案时，Actian认为企业应该以一种新的视角看待大数据，才能实现以数据驱动商业价值的目标。程小龙建议企业应关注三点：第一，企业必须考虑解决方案是否能帮助他们将不同数据源集成在一起，并判别数据的质量和清洁度；第二，解决方案要在数据量不断增加的情况下依然保证高速、易用；第三，也是最重要的一点，即该解决方案能否让企业获得商业洞察力，获得大数据的商业价值。

第5篇：大数据商业价值范文

关键词：大数据；O2O电商；数据挖掘；挖掘流程

一、引言

21世纪，电子商务进入了数据爆炸的时代。从电子商务公司的企业内部管理与运营数据，到社交网络产生的海量信息数据等，电子商务产生的数据量呈爆发式发展。用户数据的暴增与数据的社会化在很大程度上模糊了企业数据的边界，这些由用户创造的海量数据远远超越了目前人力所能处理的范畴。IDC研究表明，数字领域存在着1.8万亿GB的数据，企业数据正在以55%的速度逐年增长。“大数据”已成为重要的时代特征。电子商务企业正在经历规模化、多样化、高速化的数据挑战，其数据容量通常以数百TB或者数百PB来计量。庞大的数据量使得数据过载、数据冗余、数据捕获成本快速增长、数据价值不易获得成为电子商务面临的新问题。

O2O电子商务模式，即Online-to-Offline，是一个连接线上用户和线下商家的多边平台商业模式。O2O商业模式将实体经济与线上资源融合一起，使网络成为实体经济延伸到虚拟世界的渠道――线下商业可以到线上挖掘和吸引客源，而消费者可以在线上筛选商品和服务并完成支付，再到实体店完成余下消费。电子商务中用户数据呈每年约60%的增长，企业平均捕获其中25%-30%，但数据的利用一般不足其5%，O2O电商用户数据作为O2O模式下的核心资源的数据价值远未被挖掘。基于此，本文对O2O电商用户数据特征进行了分析，并在此基础上构建基于大数据技术的数据挖掘框架，提出了其数据挖掘流程，以期对O2O电商用户数据挖掘的深度应用做进一步的探讨。

二、 O2O电商用户数据特征分析

相比传统的电子商务数据，O2O用户数据并不仅仅局限于平台数据，即用户在O2O的交易数据，还包括了社交网络、用户移动终端的地理位置等数据。也就是说，O2O电子商务用户数据为在O2O电商日常经营中产生和积累的与用户相关的交易、互动、观测数据。O2O用户数据具有大数据的特征：

1.体量大（Volume）：不少的O2O电商企业每日所产生的用户数据已经达到TB级。在融入了社交网络和移动互联网的O2O电子商务中，O2O用户数据已不仅仅是用户交易数据，它拥有更加广泛的数据源，其数据规模会从TB级跃升到PB甚至是EB级。未来企业会将更多的TB级数据应用于商务智能和商务分析。

2.类型多（Variable）：O2O用户数据类型复杂。它并不仅限于O2O用户基本资料、用户消费记录、电商企业内部业务等海量的结构化和半结构化数据，还包括用户评论等反馈数据、用户O2O平台行为记录、移动终端数据和社交媒体等非结构数据。

3.速率快（Velocity）：O2O模式对用户数据实时处理有着极高的要求：用户数据伴随用户行为产生，这些数据往往是高速实时数据流，例如用户在线下商家的消费情况、用户的地理位置和移动方向等，而且O2O业务周期短，这需要实时的分析用户数据并根据分析结果对用户进行个性化服务，通过传统的数据库查询方式得到的“当前结果”很可能已经没有价值。

4.价值高（Value）：O2O用户数据有着巨大的商业价值。用户是O2O业务的核心，对用户进行预测分析与深度复杂分析，对O2O电商企业无疑有着重大的价值，但庞大而繁杂的不相关用户数据，这也决定了其价值密度低的特性。

三、大数据环境下O2O电商用户数据挖掘框架

由于O2O电商用户数据的4V大数据特征，电商企业并不能运用传统数据分析技术对其进行很好的利用。如何从大数据量、类型复杂的O2O电商用户数据中及时洞察其中价值，将成为O2O电商企业竞争的利器。大数据挖掘成为O2O电商用户数据转化为具有价值知识的重要手段，是通过分析海量数据，从数据海洋中寻找其规律的技术。针对O2O电商用户数据特点，数据挖掘为O2O电商提供更有用的知识，更精确的信息及更及时的响应。基于此，我们提出了一种O2O电商用户数据挖掘框架，如图1所示。

O2O电商用户数据挖掘框架包括数据来源层、数据收集层、数据组织层、数据存储层、数据分析层、数据应用层。其中数据收集、数据组织、数据存储层属于数据挖掘中数据预处理过程（数据准备、数据转化、数据抽取），数据分析层为数据挖掘模型应用。数据应用层采用面向对象方式的数据应用，包括面向O2O平台应用、面向O2O用户应用和面向O2O商家的应用。

四、O2O电商用户数据挖掘流程

O2O电商用户数据挖掘着重解决这样一个问题：在大数据中，分析各用户群体的特点，进而分析用户个人特点，获得有价值的知识，从而获取商业价值。如图2所示，数据挖掘过流程包括：数据收集、数据准备、数据转化、数据抽取、数据抽取、数据挖掘、挖掘应用。

1.数据收集：O2O用户数据源包括O2O平台中的用户数据、社交网络中的用户数据、移动设备中的用户数据等。用户数据以“流”的形式创造，由于三个数据源之间有交互，且其数据内容往往交叉，所以按照交易、互动及观测数据进行分类，然后通过Needlebase等工具在用户消费的过程或其他行为中收集。

2.数据预处理：数据预处理包括了数据准备、数据转化及数据抽取。由于原始数据中有噪声数据、冗余数据及缺失值等，数据准备过程中对数据进行解析、清洗、重构，并填补缺失值以提高待挖掘数据的质量。然后对通过数据准备的非结构化、半结构化的数据处理成机器语言或索引，如自然语言――用户评论、日志资料等――转换成加权逻辑或是模糊逻辑，并且不同的词语映射到标准的值。将结构化数据进行数据过滤，提炼出有意义数据，剔除无效数据以提高分析效率。最后进行数据抽取，即检测数据的相关性和关联性：关联的数据表现出更多的特定用户活动特征，关联的数据本身也可以用于个性化服务，例如从用户购买数据和时间数据的关联性中，可能会发现购买特定商品的频率；数据融合是将相关联的数据连接在一起，形成一个新的商业应用。

3.数据挖掘及应用：在数据挖掘过程中，根据不同的应用需求选择不同的挖掘模型，对数据进行深度挖掘。其中主要模型有：关联规则分析、分类分析、聚类分析等。在当前数据挖掘中，也有一些使用的用户模型，这些的用户模型将人以性别、种族、年龄和兴趣等分类。得到数据挖掘结果后，对其进行解释应用，一般的挖掘应用包括排名与个性化推荐、异常检测、Web挖掘与搜索、大数据的可视化计算与分析等。

数据挖掘通过预测未来趋势及行为，做出前摄的、基于知识的决策。利用数据挖掘进行数据分析常用的方法主要有分类、聚类、关联规则等，它们分别从不同的角度对数据进行挖掘。O2O电商用户数据挖掘的方法主要有关联规则分析、分类与聚类分析、社会网络分析、变化与偏差分析。

五、结束语

电子商务正经历从用户数为王时代到销量为王时代再到现在的数据为王时代。电子商务企业已经意识到，最准确的商务决策来自于事实，即数据支持。这也就意味着，他们需要在内部交易系统的历史信息之外，采用基于数据分析的决策模型和技术支持。通过对O2O电商用户数据深度分析，挖掘出用户的行为特征、消费习惯和兴趣焦点，让O2O电商各方参与者获得具有极大价值的知识。大数据技术的应用必将成为O2O电子商务深入发展的重中之重，也将为其带来巨大的商业价值。

参考文献：

1.John Gantz ，David Reinsel.Extracting Value from Chaos[EB/OL].http：// /digital universe，2012-11-16.

2.刘军，吕俊.大数据时代及数据挖掘的应用[N].国家电网报，2012-05-15.

第6篇：大数据商业价值范文

关键词：大数据； 雅昌艺术网 ；商业模式

一、雅昌艺术网的商业运作模式

雅昌在书法、绘画、摄影、拍卖、文物等领域积累了众多艺术家的作品及艺术家的相关数据，雅昌艺术网通过对它的数据库资源进行深层次的挖掘，打造出来了雅昌艺术网的核心服务。雅昌艺术网通过综合资讯频道群、专业子网群、行业服务子网群、互动社区和英文网，为收藏者、投资者及爱好者提供全面、丰富、及时、权威、深入的艺术界资讯信息。雅昌艺术网同时还利用高端的专业用户为艺术品经营机构及其他商业机构提供基于雅昌艺术网的综合媒体推广解决方案。这些服务构成了雅昌艺术网商业模式的重要要素。

雅昌艺术网为顾客提供艺术品认证、数字资产管理以及图片版权的服务。雅昌为艺术家处理其艺术品的数字应用打造了一个平台。通过这个平台，艺术家可以便捷地管理艺术品的数字资产、艺术品的数字资料、进行艺术品的认证、数字资料的授权等。同时，雅昌通过印刷资源与开放数字资料管理平台可获得许多艺术家的数字资料的授权与认证。依靠艺术家在行业内的影响力，雅昌可以更好地进行市场创意营销以及宣传。数字资料库中的数字资料则能够利用雅昌印刷资源进行高品质的印刷。这样，雅昌以雅昌艺术网为核心形成了一个包括了艺术品数字化、艺术品宣传、艺术品授权、艺术品认证以及艺术品出版的整体的雅昌艺术网商业模式。通过建立这种商业模式，雅昌实现了收益来源多样化。同时雅昌可以实现与艺术家合作业务的分利，网上预展的收费。雅昌还可以利用数据库优势，对艺术品摄影、艺术影像产品、名家艺术品复制。

二、雅昌艺术网商业模式的要素分析

（一）雅昌艺术网的数据价值主张

价值主张就是企业的产品和服务的概览，这些产品和服务为消费者提供了价值。雅昌艺术网是对其艺术数据库的数据进行重组与分析，来发掘艺术品数据的价值，并创造出其数据产品的。这也是大数据时代下所倡导的让数据创造价值。通过对数据的分析、重组、再利用是可以实现数据的商业价值的。雅昌艺术网通过打造中国艺术品数据中心，为艺术机构客户、艺术家提供艺术品数字化收集、处理、存储、管理和应用服务，来满足其不同顾客的艺术需求。雅昌艺术网为升级艺术数据服务的商业价值，并传承中华优秀的艺术文化，进一步提出从“为人民艺术服务”到“艺术为人民服务”的价值主张。雅昌网为达到自己的价值主张，还积极打造了中国艺术教育的标准体系，深圳、上海、北京艺术体验中心以及电子商务平台（雅昌影艺与雅昌艺品商城），从而让艺术之美走进我们的生活，促进中国艺术文化普及和艺术商业价值的实现。雅昌艺术网通过对其数据资源的重组和扩展，为其拥有的艺术资源数据赋予了应有的价值，这可以说是其顺应大数据时代的价值主张。

（二）雅昌艺术网商业模式定位

商业模式定位关注的焦点在利益相关者需求的满足方式。通过雅昌艺术网为收藏投资及艺术爱好者提供全面、丰富、及时、权威、深入的艺术界资讯信息，为艺术品经营机构及其他商业机构提供基于雅昌艺术网的综合媒体推广解决方案的业务模式，可以清晰地理解雅昌艺术网把其商业模式定位为通过为顾客提供资讯服务和解决方案来满足其需求。雅昌艺术网利用其艺术数据库资源的优势，深挖其数据资源的价值，为顾客创造出有价值的产品和服务。雅昌艺术网以满足顾客的艺术资讯需求服务为其商业模式的核心竞争力。由于雅昌艺术网商业模式定位准确，为其艺术市场的战略定位、艺术消费者需求的营销定位的准确打下了坚实的基础，所以其能够在众多中国艺术网中脱颖而出。雅昌艺术网始终坚持做艺术市场服务的最高端，且能够紧紧抓住艺术服务的最高端需求不断地制定其有效的经营策略。雅昌艺术网实行实名认证名家的注册方式，积极邀请艺术界精英层面的人物加入，实现了其在艺术服务市场中的高端专业定位理念。

（三）雅昌艺术网的顾客关系

顾客关系更多的是描述企业与顾客之间形成的联系。雅昌艺术网通过贯彻“为艺术市场提供综合服务”的理念，创造出多种满足艺术市场客户多样需求的服务和产品。雅昌艺术网通过其对数据的分析，细分顾客群体需求，因此雅昌艺术网与不同的顾客建立起了精准的服务与需求关系，实现其定制化艺术市场数据分析服务。在雅昌艺术网资讯内容上就细分为综合资讯、评论、专题三大块；针对艺术机构的需求，为拍卖公司以及画廊机构开通专有的内容建设服务；为了方便客户从海量信息中迅速的检索到切实需要的资料，雅昌艺术网推出的“中国艺搜”可以使客户通过其分类检索某一位艺术家时，不但能够准确检索到艺术家的简历年表、官方网站，而且可以获得与该艺术家相关联的拍卖记录、画廊、相关展览、相关资讯媒体评论、图书出版等信息。

雅昌艺术网利用大数据的技术，通过数据的分析与定位，与顾客建立起了密切的关系，从而也使其数据资源优势在建立顾客关系上发挥了重要作用。“ART-QQ”更使拍卖公司拍品征集、出版社在线销售艺术图书等业务，实现了在线与客户即时沟通，使其服务更加便捷化。为了更好地贯彻“为艺术市场提供综合服务”的理念，雅昌艺术网还将艺术服务延伸到多媒体、移动增值业务、期刊图书等领域，使其服务可以使更多消费者受益。雅昌艺术网作为中国新经济文化产业的开拓者，借助大数据时代的科技成果，跨越时间和空间的阻隔，利用其交易、交流、资讯、搜索网络平台有效地扩展教育、市场、学术等领域，为顾客提供更加丰富的服务，定会使其与顾客的关系更加紧密。

三、雅昌艺术网的关键资源与其价值创造

企业中最不可或缺的、可以支撑整个商业模式生存、发展和壮大的静态资源和动态能力，被称之为关键资源能力。大数据时代，谁是大数据价值链中的最大受益者呢？毫无疑问的应当是那些拥有大量数据和数据思维的企业和个人。经过十几年的发展，雅昌艺术网具有了自己特有的关键资源。雅昌收集了从一九九三年至今千余场次、百万余件中国稀有艺术品的交易数据资料（拍卖日期、成交价、估价、拍卖公司、图片、尺寸和印鉴题识等大量资料），而且正以每年多过十万件拍品的速度增长。雅昌艺术网通过自己开发的“中国艺术品拍卖市场行情系统”，每年供给各大拍卖公司，比如四百多次艺术品拍卖场次、十二万余件艺术品的网上预展信息服务。这种关键资源已经成为雅昌的重要组成部分，“雅昌艺术市场指数（AMI）”已经成为艺术藏家投资必备的数据分析工具和艺术品交易市场行情的“预报表”。雅昌掌握的这些数据资源就是其关键资源。

企业在确定商业模式、明晰关键资源能力及其如何获取之后，还必须考虑的问题是：如何利用关键资源能力和商业模式配合，创造高企业价值？雅昌艺术网必须要意识到不管是利益相关者还是资源能力，都是可以打碎重组的。在打碎重组的过程中，雅昌艺术网可以提升其交易价值、降低交易成本或交易风险来创造高企业价值。雅昌艺术网把其具有的巨大艺术数据库做了电子商务整合，这样雅昌就可以促成艺术品的便捷交易。雅昌艺术网利用其网络平台优势，假如有买方在雅昌的平台上选中了某位艺术家的作品，取得精准信息后，通过拍卖行的渠道达成交易。拍卖行可以把拍卖目录输入雅昌艺术网上预展，伴随着其规模的扩大，雅昌艺术网就可收取网上预展费，也可获得客观的收益。据有关统计显示，这已是雅昌艺术网的主要业务。

雅昌艺术网研发的“艺术家个人数字资产管理系统”，为艺术家们的艺术作品提供整合、存储与管理，还可在雅昌的协助下进行一些有效的商业开发。例如在个人展览、光碟、出版艺术图书等都可获得收益，因此，艺术家们需为加入这套系统而付出一些的费用。此套系统紧抓内容提供方的资源，而后面的行情系统与指数，则仅仅抓住了内容购买方的资源。当雅昌的网站具有极大的关注度后，数据库的价值就可体现出来。

四、雅昌艺术网商业模式的变革新思考

对雅昌艺术网的当下商业模式的研究，可以清楚地认识到其商业模式也并非完美。雅昌艺术网原有的模式设计更多的是注重其艺术媒体的作用，而这种对资讯方面的过分强调反而稀释了其用户的核心交易需求，雅昌艺术产品形态的老旧也是阻碍雅昌艺术网未来发展的阻力。因此，雅昌艺术网的商业模式的再创新就是一个必须认真思考的问题。雅昌艺术网商业模式的再创新可以试从以下几方面进行思考。

1.雅昌艺术网应该弥补其原有商业模式的不足，加强网站的社交属性和Web3.0化形态，建立起适应自己的艺术网站管理机制。

2. 开发多种新的增值服务，扩展赢利空间，使网络平台具有持续赢利的特点。

3. 雅昌艺术网应试水艺术品电商O2O模式，从艺术媒体平台转换为垂直领域电商。在做好其线上艺术经纪人的角色后，积极利用好其成立的买家服务部对在线上询价的买家进行需求分析和数据挖掘，并把信息有针对性地推荐给卖家，以完成精确对接。

4. 将当代艺术品交易作为雅昌艺术网的重点关注对象。 把价格略低且辨识度高的作品融入到其O2O商业模式的框架中，实现艺术品网上交易，建立其自己的线上交易平台。

5. 探索雅昌艺术品移动在线交易新模式。因为通过移动互联网平台的线上艺术品交易能够打破地域限制，可以快捷地吸引众多的艺术品收藏者入驻，将国内外的买家聚集在一起，最大限度地完成买卖双方的需求。因此，雅昌艺术网只有在这个移动互联网的时代不断探索和创新其商业模式，才有可能长时期成为艺术市场的领跑者。

参考文献：

[1]司春林.商业模式创新[M].清华大学出版社，2013.

[2]魏炜，朱武祥.商业模式的经济解释[M].机械工业出版社，2013.

[3]迈尔-舍恩伯格，库克耶.大数据时代[M].浙江人民出版社，2013.

[4]许斌榕，雅昌.整合艺术品产业链[J].上海经济，2009（12）.

第7篇：大数据商业价值范文

10月17日，IMG官方网站宣布，该公司旗下与央视共同投资的CCTV IMG公司，与中国足协达成一份长达10年的新合作协议。IMG将协助联赛各支球队提高运营管理水平、为中超赛事活动引入新的赞助商、持续增加转播场次、为青训提供建议等。

IMG是最早进入中国职业体育的外资经纪公司之一，1994年到2003年的10年里，它与当时还称作甲A的中国足球的顶级赛事，共同推动了职业联赛的商业化发展。同时，它还与中国另一个职业体育联赛有商业联系。在CBA成立最初6年里，IMG曾获得CBA赛事的推广权。在当时，IMG几乎垄断了中国商业价值最高的赛事资源。

但在2003年，IMG以涉嫌违约为由与中国足协终止了相关合同。中超联赛也在此后陷入低谷。其后，IMG将其在华业务重心转向高尔夫和网球领域。

现在这种情况发生了改变。随着中超投资环境的改善，各家俱乐部的投资人在这两年间集体加大投入。广州恒大近两个赛季累计投入近7亿元引进孔卡、巴里奥斯等球星后，其它球队相继为阿内尔卡、德罗巴、凯塔、卡努特等世界级球星开出了高薪。《中超联赛商业价值报告》的数据显示，近两赛季总体薪资水平从5.88亿元暴涨至8.66亿元。

大牌球星的涌入让球迷回到球场。在巴西体育经济咨询公司Pluri公布的一份调查数据中显示，尽管今年中超联赛场均上座率仅有46%，但仍以场均入场人数1.7675万人排名全球第10，居亚洲首位，超过日本J联赛和韩国K联赛的上座人数。

IMG业务发展高级副总裁杰弗逊在此前接受采访时称：“中超目前能保持平均近2万人的上座率，实在是让人惊讶。”10月20日江苏舜天对广州恒大的比赛还创造了中国职业联赛6.5769万人的新上座纪录。

在足球职业联赛跌入谷底的那几年，中国另一个顶级职业赛事CBA的商业价值得到了快速提升，通过大牌球星的加盟和更为规范的商业运作，CBA上赛季的成功已经在与盈方、李宁签署的新合同中有所体现。

但随着IMG的回归，更多人开始重新关注中超的商业价值。虽然两个联赛在商务开发、相关产品收入、比赛日门票收入、赞助商收入等方面的开发都有很大提升空间，但资深体育评论人颜强认为，“相对于CBA，中超的经营基础更好”。

第8篇：大数据商业价值范文

关键词：大数据 云计算 数据处理 数据分析 信息服务 图书馆服务 数据挖掘

中图分类号：G253 文献标识码： A 文章编号： 1003-6938（2012）04－0120-03“大数据”（Big data）是IT界继“Web2.0”、“数据挖掘”和“云计算”之后近两年最流行的词，大数据革命也正以Apache Hadoop为中心如火如荼的进行着，IBM、EMC、Oracle、VMware和Microsoft等商业机构已看到了在这场革命中蕴含的商业价值，并基于云计算等平台开发了诸如BigInsights产品［1］的数据计算、数据收集等服务。实际应用方面，EMC和VMware已经做出了表率，EMC中国区总裁蔡汉辉介绍说，中信银行在实施了EMC提供的大数据解决方案以后，取得了不错的效益，如中信银行在2011年大概有1200多个营销活动，以前他们举办一个营销活动大概需要两周左右的时间做配置。但是通过运用EMC提供的大数据解决方案后，只需要2～3天就可以配置成功［2］。美国政府也预测到了这场革命中的战略价值，奥巴马政府于2012年3月29日宣布推出“大数据的研究和发展计划”，意在推进和改善联邦政府部门的数据收集、组织和分析工具及技术，以提高从大量的、复杂的数据集合中获取知识和洞见的能力［3］，把大数据上升到了国家战略的高度。但对于社会中以知识存贮、利用与开发为己任的图书馆来说，在这个“大数据”时代如何提高海量增长的文献数据处理能力，搜寻新的数据计算、知识发现及信息服务的新途径，是图书馆界学术研究的一大思考所在，而要真正解决这个问题，就要理性的认识“大数据”及其带给我们的环境与改变，逐层分析这些图书馆可以利用的理念、技术与工具，实现图书馆读者信息服务能力的提升，进而推动我国图书馆事业的发展。

1 大数据概述

大数据目前尚没有统一的定义，部分业界专家如《著云台》的分析师团队认为，大数据通常用来形容一个公司创造的大量非结构化和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多的时间和金钱［4］。因此，大数据通常被认为是一种数据量很大、数据形式多样化的非结构化数据［5］。

1.1 大数据的特点

随着对大数据研究的进一步深化，IT界对大数据的特点有了较为全面和统一的认识，即：（1）大数据的种类繁多，并在编码方式、数据格式、应用特征等多个方面存在差异性，多信息源并发形成了大量的异构数据；（2）通过各种设备产生的海量数据，其数据规模极为庞大，远大于目前互联网上的信息流量，PB级别将是常态；（3）涉及到感知、传输、决策、控制开放式循环的大数据，对数据实时处理有着极高的要求，通过传统数据库查询方式得到的“当前结果”很可能已经没有价值；（4）数据持续到达，且只有在特定时间和空间中才有意义；（5）通过数据库处理持久存储的数据不再适用于大数据处理，需要有新的方法来满足异构数据统一接入和实时数据处理的需求［5］。

1.2 大数据的应用领域与范围

第9篇：大数据商业价值范文

百度副总裁曾良日前接受广告主杂志记者采访的时候，明确表示百度今年第二季度移动收入占比突破10%，华尔街看好百度在移动互联方面的商业价值的实现，移动收入的持续增长是大势所趋。

而百度发力移动领域在营销角度主要集中在以下两个方面，第一是移动商业化。特指整个“移动世界”的商业化，而非仅仅局限于移动搜索的商业化。APP分发种种方式方法，超越单纯搜索。目前就移动方面的流量而言，智能手机上涨速度惊人。百度最近数据显示，移动流量占据整体流量的近40%，曾良相信在不久的将来，移动流量就会追上PC流量。而整个移动平台如何有效变现，使得广告主能够充分利用这个平台展开产品和品牌营销，是业界所面临的挑战和机遇。

第二，思考如何利用百度这样的整合营销平台帮助广告主打造品牌？就百度而言，作为全球最大的中文网站，单纯搜索框所占流量已经在一半以上，但是其优势不仅仅局限于搜索领域。百度知道、百科、音乐、视频等它们无一例外地为百度平台贡献着海量用户和流量，对于广告主而言，百度已然成为一个具有巨大用户量的整合营销平台。

当前无论是电商类企业，还是在线旅游、网络游戏、金融推广等行业的广告主均通过关键字搜索实现点击和商业价值。毫无疑问，百度平台所具备的是大数据优势和技术优势。在数字世界里，数据可以比喻为信息时代的“石油”或者“煤矿资源”，百度无疑是当前资源的拥有者，但是如何很好地挖掘移动互联这块的金子，是百度以及同行所面临的课题。

百度一直与企业保持高效的沟通和对话，共同探索营销解决方案。2012年百度就与全球日化巨头宝洁公司合作尝试JBP（Joint Business Plan，联合发展计划）发展计划，并在2013年推广开来，分别与中国平安、1号店、艺龙、奔驰四家来自不同行业的标杆企业合作，签署了JBP战略合作协议，合作双方将在数据研究、消费者洞察、品牌建设、产品创新、营销模式等领域进行多层次、立体式合作。

“我们与广告主之间不应当是一种简单的供应商跟买方的关系，或者从百度角度来讲不仅仅是广告主与媒体的关系。”曾良说道。在JBP模式下，百度与合作伙伴将共同承担KPI，为共同的市场及销售目标而努力，这是百度对互联网商业模式所进行的大胆探索，它完全以客户需求为导向，在合作过程中，双方能够更好地整合及配置资源，提升效能。