2019-05-19 06:41

前沿译文 大数据可以保护公司免受竞争吗?

  自从《经济学人》将数据类比为21世纪的石油以来,数据的重:要性已家喻户晓。但是,这一、比喻令人误解,因为它不但容易让人联想到洛克菲勒的标准石油公司或美孚石油公司,还会误认为现在的数据就像一百年前的石油那样,成为市场上奇货可居、盈利丰厚的商品。事实上,数据并非真正的石油。它没有那么稀缺,更不是越多越好。

  正如Anja Lambrecht & Catherine E. Tucker这篇文章所展现的:在变动不居的数字经济中,几乎没有任何证据表明,仅仅拥有数据就能充分排斥更优的产品或服务的供给。要想建立可持续的竞争优势,数字战略的重点应当放在如何使用数字技术,以前所未有的方式给用户带来价值上。

  线上和线下经济的数字化意味着公司必然会实时收集大量数据,这些数据因大小、储存形式,比如文本、图像和视频而各有不同。

  围绕大数据的讨论很热。很多公司经常被建议要做好收集和分析大数据工作,并警告如果不这样做,可能面临潜在的不良后果。例如,最近华尔街日报?(博客微博)就提到有些掌握着大量数据的公司,经常不知道如何利用好这些数据。

  尽管大数据带来的前景令人兴奋,但其对公司的长期战略性而非运营性影响尚不清楚。一些观察家认为大数据可能会带来新的竞争优势,但其他人士对此抱有怀疑。据我们所知,目前很少人关注大数据能否为公司带来可持续的竞争优势。但是,了解大数据的潜在战略意义对于想要了解大数据的所有权是否可以保护其业务免受当前或未来竞争的公司非常重要。

  为了评估大数据是否能够成为公司的可持续竞争优势或者说其他公司进入的壁垒,我们使用战略管理中的经典框架进行分析。本文所考察的公司可持续性竞争优势不包括能给整个行业带来好处的因素,这是本文的一个优点。可持续性竞争优势是指,公司的竞争对手必须无法复制的战略或投入。具体而言,要将公司资源转化为竞争优势,资源必须独一无二、稀有和有价值。

  要使大数据无法被模仿,那么任何其他公司都不能容易地获得同样的数据。有两个潜在的经济原因解释了为什么大数据在很多情况下不太可能实现这一要求。首先,大数据是非竞争性的,这意味着消费商品并不会降低其他人的可获得性。其次,大数、据的生产和分配的边际成本几乎为零。这两个基本特征,加上客户不断在互联网上留下其他足迹,导致了消费者数据转售行业的蓬勃发展。

  这种购买得到的数据一般包含很多信息,一些业务通常不会产生大量数据的公司由此可以获得与那些拥有大量客户数据的公司同样的优势。有许多数?据商业销售的例”子。比如,Acx;iom“拥有“全球大约7亿消费者的多方面数据”,其中每个消费者拥有1,600多条独立数据。Datalogics声称其拥有“几乎包括每个美国家庭。”的数据。Comcast计划授权通过机顶盒和应用程序收集电视观看数据。其他公司,如Oracle旗下的Bluekai销售基于浏览记录的用户信息,以便根据用户过去的活动或数据精准投放广告。Bluek!ai表示,它拥有“每月7.5亿独立用户,平均每个用户10-15个属性”的数据。为了保护他们的客户和他们自己,这些公司确保他们的数据收集完全符合数据保护规则。

  鉴于大数据的可能类型不同,一个显而易见的问题是,这种数据分析是否存在独特性或个人见解。例如,最近成为头条新闻的零售店Target,声称其有能力利用其零售购物数据来预测某位女性是否怀孕。然而,即使是如此高度具体和及时的数据分析,如果公司没有全国范围的零售销售数据,也很容易被复制。例如,信用评分机构Experian就销售关于期待生育的父母的及时更新数据,包括收入和初生信息。

  此外,由于互联网用户在网络创造的个人行为、偏好、观点、兴趣等内容,再加上跟踪个人消费者记录,使得数据很容易获得。计算机科学最新研究表明,通过将无数的外部信息综合起来,一个公司可以对任何一个客户有充分的了解。公司也可以使用此类内容直接替代客户数据。例如,靠现有的城:镇评估数?据,能够建立一个成功的数字购房平台。

  如,果大数据是一种“稀有”资源,那么很少有公司拥有它。但是,有两个原因导致这种情况不太可能发生。首先,基础设施的巨大变?化使得收集大数据变得很容易。亚马逊、微软和Rackspace等提供的云、服务使、数据储存便捷,且数据的存储成本不高。这使得规模较小的公司可以拥有访问强大而廉价的计算资源。此外,存在众多免费的开源技术允许用户分析大型数据集。

  其次,随着:消费者的生活越来越多:地转向网络,消费者的需求和偏好变得随处可见。采用这些低成本数字技术的公司有很多机会收集客户数据。电信公司可以收集有关呼叫行为和在手机上浏览的数据;亚马逊,梅西百货和沃尔玛收集详!细的消费者购买数据,而Bluekai等平台则在多个网站上收集大量详细的消费者浏览和购买信息。

  实际上,这种“多归属性”,即消费者使用多种不同的数字服务,意味着许多不同的公司经常可以获得类似的信息。举例来说,消费者会使用多种在线社交媒体,如Facebook,Twitter,LinkedIn或;Instagram,并通过每种媒体分享大致相似的信息。或者,考虑应用生态系统中对信息的访问:不仅仅是与位置或天气相关的应用程序,许多应用程序定期备份数据 - 每周多达数百次 - 这意味着用户的位置始终可用于各种各样的公司。当然,正如我们后面将讨论的那样,这些公司仍然需要投资确保他们拥有将这些数据转化为有价值洞见的技术技能。

  鉴于大数据不是无法被模仿或稀有的,我们转向研究大数据是否以及何时对公司有价值的问题。

  许多当前的管理文献都关注大数据是否确实对公司有价值,因为它增强了公司与客户建立有利可图关系的能力。目前有三个公开挑战要求分析师和研究人员面临确保大数据对组织有价值的问题。我们依次讨论这些挑战并且得出结论,即大数据本身并不足以创造增加利润的机会。

  限制大数据价值的第一个挑战是兼容性和集成。大数据的一个关键特征是它的来源多种多样。但是,如果这些数据不是自然一致或易于整合的,那么各种来源可能使公司难以实际为客户节省成本或创造价值。这种障碍在医疗保健等行业可能会特别沉重,以前的研究表明企业有战略激励措施来确保数据的孤立性和难以整合性。

  限制大数据价值的第二个挑战是其非结构化性质。尽管在挖掘基于文本的数据方面正在取得显著进展,其中背景和技术可以对类似于结构化数据进行分析,但是其他形式的数据(如视频数据)仍然不易分析。一个例子是,尽管有最先进的面部识别软件,当局无法从众多视频数据中识别波士顿马拉松的两名爆炸嫌疑人,因为该软件难以处理他们脸部照片的全面性质。

  鉴于非结构化数据的挑战,企业倾向于在增加现有数据分析实践的速度和准确性的基础上发现最有价值的大数据。在石油和天然气勘探中,大数据用于增强围绕地”震钻探的现有操作和数据分析。然而,数十年来,工程师一直在使用高性能计算的大规模并行“处理功能来对大量数据进:行分析。换句话说,尽管大数据可能是此类实践的新标签,并且数据量可能已经增加,但这些大数据在石油和天然气领域中作为现有实践和基础设施的扩展是有价值的。总之,对于绝大多数公司而言,他们分析大数据类型的“多样性”的能力还不能与记录其数,量和速度的能力相匹配。

  第三个挑战,也是我们认为限制大数据对公司有价值的最重要因素,是在大量重叠观测数据池中建立因果关系的困难。非常大的数据集通常包含许多非常相似或几。乎相同的观察结果,这些观察结果可能导致虚假的相关性,从而误导管理者进行决策。“经济学人”最近指出“在大数据世界中,相关性几乎由他们自己表现出来”,斯隆管理评论博客文章也强调,虽然许多公司可以访问大数据,但这些数据并不“客观”,因为困难在于从数据中提取“真实的”可操作的见解。类似地,用于分析大数据的典型机器学习算法识别可能不一定提供因果关系以及因此可操作的管理见解的相关性。最近的工作表明,机器学习算法应该被用作“进一步调查的指南”,以便我们能够“预测我们的行为的效果。”换句话说,使大数据有价值的技能是能够从仅仅观察相关性转向正确识别,可能在大数据之外,哪些相关性应该构成战略行动的基础。

  举一个具体的例子,想象一下一个鞋类零售商,它通过网络向以前访问过他们网站的消费者做广告。原始数据分析表明,接触这些广告的客户更有可能购买鞋子。然而,这些曾经访问过该网站的消费者甚至在观看广告之前就已经表现出他们对特定零售商的兴趣,因此比普通消费者更有可能购买。广告有效吗?这很难说。实际上,这里的大数据不允许任何关于营销传播有效性的因果推论。要了解此:类广告是否有效,零售商需要运行随机测、试或实验,其中一个消费者子集随机不会接触广告。通过比较接触到广告的消费者和未接触广告的消费者的购买概率,公司可以确定向消费者投放广告是否使他们更有可能购买。在这种情况下,价值的提供主要不是通过数据访问,而是通过设计和实施有意义的实验的能力。

  因此,企业了解数据关系仅仅是相关的还是可预测的(因为其中有因果关系)主要途径是通过实验。虽然使用甚至1PB的观测数据来描述客户行为以提高盈利能力对于经理来说可能具有挑战性,但将暴露于营销活动的客户的行为与偶然未暴露的客户的行为进行比较,可以使营销人员对该活动是否有利可图得出结论。

  实施!现场实”验,得出正确的结论并采取适当的行动并不一定容易。但已有公司成功开发出具有设计,实施,评估然后根据有意义的现场实验采取行动的能力的装置。正是这种“测试和学习”环境,加上对理解力采取行动的技能,可以使大数据变得有价值。

  但是,由于越来越大的数据样本的回报越来越少,这种实验并不一定需要大数据。例如,Google报告通常使用0.1%的可用数据的随机样本来执行分析。事实上,最近的一!篇文章表明大数据的大小实际上可能?是有害的,因为“数据库越!大,就越容易是支持你提出的任何假设。“换句话说,因为大数据通常提供重叠的见解,公司可以从整个数据集的千分之一获得与整个数据集相似的理解力。

  实验并不是公司可以用来从大数据中推断出有价值的理解的唯一方法。公司可以开发的另一个潜在技能是能够构建更好的算法来处理大数据。这种算法的一个例子是推荐系统。推荐系统依赖于在相关数据上训练的算法来向客户推荐最相关的产品。然而,同样,它不是基于数据的大小,而是能够识别最能预测客户偏好的关键信息。例如,已经表明,为了预测电影的偏好,仅有十个电影评级比广泛的元数据更有用。实际上,通常不是数据的大小而是使用的机器学习算法决定了结果的质量。虽然预测能力可能随着可用数据的大小而增加,但在许多情况下,预测的改进表明随着数据集的大小增加,规模收益递减。

  我们的分析表明,大数据本身不存在价值。只有在结合管理、工程和分析技能来确定实验或算法应用于此类数据时,它才对企业来言是存在价值的。这表明企业面临的主要挑战在于确定大数据战略,采用系统和工具分析数据和调整组织。

  鉴于我们之前的分析表明大数据既不稀有也不是无法模仿的,因此我们得出结论,在新的数字:经济中,公司寻求竞争优势的重点是吸纳能够将大数据转化为价值工具的技术人员。

  对于可以带来持续竞争优势的资?源,比如大数据来说,在特定的行业中没有其他方法可以取得成功。然而,在数据中,或许比线下更是如此,有很多公司虽然没有任何嵌入式数据优势,但是由于其卓越的价值主张仍然能够颠覆一个行业并吸引更多客户。在本节中,我们将讨论五个已被证实并且存在大数据的有力替代品的行业,因此大数据并不足以带来可持续的竞争优势。

  第一,人们很自然地会关注这样一个行业:在互联网出现之前,数据就已经提供了运营优势。通信行业就是这样一个案例研究,因为它长期以来使用广泛的!数据来改善运营,并为客户提供更好的价值。美国电话电报公司(AT&T)和威瑞森(Verizon)等许多传统通信公司,以及Skype和Facebook等较新的在线公司,都拥有涵盖消息服务的大型数据集。然而,尽管现有企业拥有大量数据库,但即时通讯应用WhatsApp提供了一种满足社交媒。体用户潜在需求的产品——易用的界面和极低成本的即时通讯解决方案,从而成为老牌即时通讯和社交网络服务的有力竞争者。即使被Facebook以220亿美元收购时,WhatsApp也只有55名员工,这表明它的成功并不是因为大规模的数”据分析能力。类似的例子是Snapchat,它成功地在没有大数据的情况下在这个领域展开竞争,因为它认为人们希望更私密地分享个人信息。

  另一个通过大数据来洞察消费者偏好,从而在推出新产品时给大型数字公司带来优势的行业是在线游戏。然而,在推出智能手机热门游戏《糖果粉碎传奇》(Candy Crush Saga)时,King Digital Entertainment既不是占主导地位的数字游戏公司,也没有获得谷歌和Facebook等大数据公司的支持。到2014年,每天有9300万人玩《糖果粉碎传奇》超过10亿次。《糖果粉碎传奇》可以在短时间内玩,而且不需要投入大量时间,这一事实解释了它对时间紧张的父母或通勤族(从初级职员到首席执行官)等非游戏人群的吸引力。新游戏面临的一个挑战是发现并加速采用。但当玩家在《糖果粉碎传奇》中取得进展时,《糖果粉碎传奇》便会显示玩家Facebook好友的进展,从而促进玩家社交网络中的竞争,让他们能够继续参与游戏。这个例子说明,对新消费者群体?而言,一个更好的价值主张可能比获取数据更重要,即便对于企业能够获取大数据的行业也是如此。

  第二,人们很自然地会问,在历史上几乎没有使用数据的行业中,是否存在一种方法可以替代大数据。在这样的背景下,拥有大数据的类似行业的公司在实现这些行业的现代化方面可能具有优势。然而,新“共享经济”的兴起,证明了在传统领域打造全新的数字产业并不需要大数据。与现有的出租车服务相比,Uber和Lyft在获取数据方面没有优势,但它们更擅长于推出一种产品,满足消费者对便捷可靠出租车服务的需求。AirBnB进入了一个竞争激烈的行业,大型旅游公司可以访问大量数据,并定期进行实验,以有意义的方式解释数据,以不断改进业务实践。然而,尽管、缺乏数据,Ai“rBnB凭借其优越;的价值主张,迅速成为一个占主导地位的参与者。Google对ITA的收购,以及ITA的飞行数据和数据处理能力,并没有让Google在航班搜索市场占据重要地位。这与旅游搜索引擎Kayak的增长形成了鲜明对比,Kayak从2004年的一个没有用户数据的小型初创公司发展到2012年Priceline以18亿美元的价格收购了它。事实上,近期的观察者认为,对于共享经济而“言,秘密武器并不是数据本身,而是这些平台围绕着确保平台用户之间存在“信任和声誉”而构建的:系统。

  第三,数据对于提供个性化体验非常重要,而个性化的推荐系统对于客户体验尤其重要,这样的行业可能是另一个大数据几乎没有替代品的自然环境。这类行业的一个明显例子就是在线约会,在线约会很难预测人际关系,这可能会让大型数据集的可用性受到重视。然而,Tinde!r于2012年9月进入。在线约会市场,当时无法访问现有数据,很快就成为了一个主导公司,Tinder的产品有16亿件,每天的配对次数超过2600万次(截至2015年4月)。自从Tinder推出以来,已经有超过80亿的配对成功。

  Tinder的成功并不是因为大数据,而是因为它为市场提供了更好的解决方案。关键是,这包括一个简单的用户界面,不需要用户”填写长时间的调查问卷和个人问题,而是允许用户快速登录Facebook。它还允许使用简单的右击来点赞(但不拒绝)。Tinder吸引用户的另一个特性是双重选择,也就是说,两个用户都必须同意才;能互相发送信息。这些观点说明Tinder非常善于理解人们如何使用约会服务,以及模仿线下互动,通常只有在双方都有兴趣的时候,两个人才会在酒吧里聊天。这一点尤其重要,因为在其他约会网站上,女性经常收到很多信息,让她们感到不知所措,而男性收到的信息很少,让他们感到沮丧。

  通过女性和男性可以决定谁可以联系他们,Tinder使他们更能控制约会;的经历。此外,双重选择减少了无回复的现象,因此避免了被”拒绝的感觉。这与其他在线约会网站形成鲜明对比,那些网站中的男性或女性发送的许多消息经常得不到回复,最终使他们无法继续使用该网站。最后,轻松滑动到下一个人的简介使这项服务更像是游戏,使用起来更加愉悦。值得注意的是,为了建立自己、的用户群,Tinder没有宣传或基于大数据库发出大量电子邮件,而是在大学校园里举办“独家”派对,下载应用程序方”可准入。38Tinder通过在人口密集区域数百个单身人士的注册,其所获益多于传统的口碑传播形式。

  第四,不可替代的另一个自然场所是有转换成本和网络效应的行业。转换成本是客户在转换品牌或供应商时产生的成本(包括感知和实际成本)。当产品,服务或平台的实用性随着越来越多的人使用而增加时,就会发生网络效应。从历史上,看,转换成本和!网络效应已被经济学家强调为现有竞争优势的潜在来源,特别是在数字环境中。因此,我们很自然地会问,大数据与转换成本和网络效应相结合是否会导致潜在竞争对手难以竞争或找到足够的替代品来竞争。社交网站有潜在的网络效应,客户投入时间和金钱来包装他们的在线资料,因为消费者重视与朋友的交流,和转换成本。

  然而,社交网站的历史表明,大数据并未保护该行业中的大公司。相反,这个行见证了一系列大型公司的衰败,尽管在任何时候当时的大公司都可!以获得大数据,新而的公司在数据可用性方面处于劣势。例如,Myspace取代了Friendster,然后被Facebook这一领先的社交网站取代。最终使Facebook取得成功的是它能够构建一种更注重客户社交媒体互动需求的产品。这包括让客户更好地控制他们的社交媒体互动(例如,Facebook允许用户:更好地掌控用户可以被看到的有关MySpace公共性质的内容),并增加网站的可用性(例如,许多人认为MySpace过于混乱,Facebook的设计更为简洁)。

  第五,大数据不可;替代的一种可能方式是,它对吸引资本投资是必要的。然而,值得注意的:是,风险投资并不认为大数据是“不可替代的”,因为它帮助创业公司在其他公司明显拥有“大数据”的情况下竞争。例如,尽管“亚马逊生鲜”和“谷歌快递”通过他们的母公司可以获取有关潜在客户的大数据,但有充足资金投入的新的创业公司虽没有这种数据优势,仍努力地在本地运输领域竞争。例如,Instacart已经获得了2.75亿美元的资金,Jet获得了2.2亿美元的资金,Postmates获得了1.38亿美元的风险投资资金。

  总体而言,尽管大数据的所有权的自然结果通常是取得提供此类在线服务的成功,但大数据不是提供在线服务的不可替代的要求。相反,以线下世界类似的方式来看,决定线上成功的因素是有能力理解和满足客户的需求。数字业务不稳定的历史几乎没有证据表明仅拥有大数据就足以保证现有企业能够提供优质产品。

  大数据能否为企业带来可持续的竞争优势,帮助他们不断地转移当前以及未来的竞争?为了分析大数据是否能够成为这种方式进入的障碍,我们基于经典的战略管理的基础资源观点,这种观点强调要想成为可持续的竞争优势,资源需要满足四个标准。它必须是无法模仿的,稀有的,有价值的和不可替代的。针对数字经济的诸多实例,我们证明了企业获取大数据,资源构成可持续竞争优势必备的四个标准中的至少一个,通常情况下更多标准,并不能得到满足。

  我们的目标不是表明企业:无法从拥有和评估大数据中获益。相反,我们强调,单独收集大数据的简单行为并不能带来长期的竞争优势。我们的结论是,公司要建立与大数据相关的竞争优势,需要开发两种新的能力。

  首先,企业需要吸引能够开发和培训算法或设计和/或设置和运行有意义实验的员工,因为这些工作可以将大数据转化为有意义的竞争优势。而公司需要发展互补的组织技能。

  其次,企业需要使用大数据来展望并了解不断变化的客户需求,而不是简单地使用过去的历史大数据来逐步改进其当前的产品或服务。数字业务不稳定的历史几乎没有证据表明仅拥有大数据就足以保证现有企业能够提供优质产品。因此,为了建立可持续的竞争优势,数字战略的重点应放在如何利用数字技术以前所未有的方式为客户创造价值。

  除了我们的管理意义之外,本文还对政策文献做出了贡献。该文献关注的是大数据是否构成进入壁垒的问题,从某种意义、上说,这是我们关注的问题的另一面——大数据是否构成竞争优势。与在传,统反托拉斯分析背景下如何构建大数据的大部分法律文献相反,我们使用一个历史悠久的战略框架来评估大数据是否真的值得考虑作为可持续竞争优势的来源。

      秒速时时彩,秒速时时彩网址

上一篇:成都大数据精准营销

下一篇:ai大数据拓客营销系统笔记本怎么样?靠谱吗?

 网站地图