智能数据：如何挖掘高价值数据(txt+pdf+epub+mobi电子书下载)

作者：(德)比约恩·布劳卿,拉斯·拉克,托马斯·拉姆什

出版社：中信出版社

格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT

智能数据：如何挖掘高价值数据试读：

啊哈！

然而现在，很多企业被淹没在数据洪流之中，数据并没有给它们带来太多好处。许多企业高管都有种不好的感觉，那就是，企业数字化竞争力的提升并没有像在公司战略会议上渲染“大数据”这一概念时所描述的那样快。他们甚至悲观地认为，“大数据”这一数字革命的时髦概念，前景并没有那么明朗，且弊大于利，令人心灰意冷。“大数据”就如同一根魔法棒——我们抓取尽可能多的数据，然后，被人工智能操控的机器就可以告诉我们，我们应该通过什么方法、在哪些环节、能够在多大程度上去提高产品的附加值。更理想的是，大数据会告诉我们如何去创造一个全新的商业模式，正如贝宝（PayPal）联合创始人、脸谱网（Facebook）外部投资者彼得·蒂尔先生在“从0到1逻辑”中阐述的那样。更有甚者，用技术人员的话说，“大数据”就等同于宇宙大爆炸。

数字技术总是开“空头支票”，自卖自夸，承诺的多，做到的少。大数据分析逐渐丧失吸引力，在某种程度上，“大数据”概念的基本理念应对此负有一定的责任，因为在大多数应用领域，数据量的多寡并不是衡量数据价值创造力的决定性标准。

起决定性作用的不是数据量，而是正确地整合数据，物尽其用。

几个月来，在与经理人、IT负责人的交流中，我们发现，“大数据”所描绘的美好图景在企业的经营现实面前遭受重创。数据应用的惨败带来失望，伴随失望而来的是迷茫，甚至是惊诧。与此同时，所有的参与者也意识到，完全不关注数据也行不通。

本书描绘了一条走出“大数据带来的失望”的更智慧的途径。这一途径不仅适用于仍坚信“从0到1”理论的企业、“n+1组织”，而且也同样适用于那些既有成熟的商业运营模式，又想通过善用大数据分析手段提升业绩的企业。这些企业不认为数据是一种特有的商业模式，而是将数据看作一种核心要素，帮助我们更好地了解客户。相应地，这些企业也不会盯着堆积成山的数据（在这方面，谷歌也许更擅长），更不会去盯着ERP系统（企业资源计划系统，于1995年被引进，至今仍在不断被拓展功能）。

这种折中路线适用于这样一类企业——它们已经意识到起决定性作用的不是数据量，而是正确地整合数据，物尽其用。我们把这一路线称为“智能数据”。

我们在提及智能数据这个概念时，并不是在用另一个新词去替代一个被滥用的流行语。智能数据既不是一个技术层面的解决方案，也不是一部新的管理真经。

智能数据的出发点是：“在不增加技术、人员和资金投入的情况下，我们如何高效地利用客户数据信息？”其本身就是一种切实可行的方法论。从这个方法论出发，我们可以得出一套不断迭代更新的、在逐步摸索中的、基于假设的行为方式。同数据资源一样，健全的认识也是重要的资源。最终的目的是，在所有智能数据的应用领域，更好地了解客户、联系客户，并借此提升客户长期贡献度。

智能数据的路线分为很多阶段，从一开始，其发展方向就并非一成不变。因为没有人能确切地知道，在未来的3～5年间消费者真正需要什么，也不知道哪些技术将获得应用。毫无疑问，企业管理需要不时地调整发展方向。一些具有实验性质的项目可以为我们提供借鉴，告诉我们在未来如何更好地满足客户需求。个别基于系统化行为方式的智能数据项目创建了一套自学习系统，越来越多的人和企业部门通过这套系统来学习如何更明智地应用客户信息。一部分参与者（特别是来自商业领域的参与者）在面对智能数据带来的技术和人员方面的挑战时，并不会持续不断地进行尝试和探索，这是导致所谓的商业“宇宙大爆炸”并未发生的原因。

当这些明智的摸索取得成功时，智能数据项目就成为企业参与数据革命的起点和里程碑。我们甚至也可以换一种理解——数字化变革是自然而然发生的，给我们的日常生活带来帮助，就像智能手机不断增多的功能一样。成为行业“智者”

一个十分有趣的矛盾是，一个很宏大的数字化愿景往往会对企业产生反作用力。一方面，高层管理者反复斟酌数字化如何长效改变具体的商业模式，这自然是有益的。大多数人在探讨数字化这个概念时，都认为数字化是宏大且具有颠覆性的，在某些情况下，理想化的商业模式还可初露端倪——这些商业模式看起来十分相似，都有一个雄心勃勃的开始，似乎能在数字化竞争中脱颖而出。然而，另一方面，在与数字化竞争中的领先者比较时，我们发现，有些企业在建立数字化愿景上浪费了过多的精力，导致它们没有精力在数字化竞争中迈出实质性的第一步。真正的金玉良言是：我们不一定非要成为谷歌、苹果或者亚马逊！

在大多数情况下，这种观点是正确的。但是，它有时也会造成一些企业全然失去愿景，丧失在行业内获得领军地位的愿望。

智能数据的理念是，你不一定非要像谷歌一样。你需要做的只是在你所在的行业内，成为数字智能化最高的企业。因为，“智能”意味着善用数据分析所带来的机会，合理地排列事情的优先级，将新机遇与自身优势相结合。换句话说，智能的企业并不会去幻想变得跟硅谷那些最具数字竞争力的企业一样，它们只是希望成为自己行业内最智能的企业，在面对直接的数字化竞争时，借助数据分析，能够一步步地打造自身的竞争优势。智能数据理念梗概

本书通过五个部分阐述智能数据之路。

第一部分从企业的角度出发，研究数字化的现状。这些企业并不属于数字化竞争中的第一梯队，它们仍然在寻找适合自身的数字化战略。研究的起点是数据超供给问题以及大数据的概念和现象。然后，我们将按照行业，系统性地描述为什么企业已经走投无路但还是不作为，以及数字化的洪流在哪些方面、在多大程度上影响了谁。在第3章，我们将讲述如何正确地理解智能数据这一概念，以及如果想成为智能数据的佼佼者（冠军企业），还需要哪些附加投入。

第二部分勾画了一个分为5步的循环流程，基于该流程，企业可以构建一个市场营销和企业运营的自学习系统。这套系统首先是基于人类和机器都会变得越来越敏锐的假设。这个智能数据循环流程的核心基础是智能的、集成的、对企业所有部门均有好处的数据分类，帮助我们更好、更一致地去理解客户。反过来，在这个循环系统中，更充分的客户认知也为企业更好地发挥自身强项奠定了基础。如果我们这样做，我们会获得在对的时间、用正确的方式、以合理的价格为客户提供满意服务的能力。

第三部分展示了现实图景，通过诸多案例，描述现今的智能数据佼佼者们是如何在具体接触时智能地借助数据分析技术做到贴近用户的。这一部分介绍了处于数字化竞争第一梯队的企业是如何史无前例地从战略性的数据共享转化为协同性的客户关系管理的。此外，还介绍了这些企业是如何优化选址、产品线和产品，以及如何从碎片化、多渠道的环境中获得并全面整合客户信息的。

第四部分是为具有特定阅读需求的读者量身打造的，这些读者关心在企业中如何组织安排工作，从而完成数字变革。一般来说，数字变革往往并不会因为技术力量匮乏而宣告破产，而是因为那些源于企业内部的对抗、过于刻板的组织构架和失误的变革期管理。善用数据以现代化的企业管理共识为前提，即允许员工犯错、支持他们尝试性的想法，并给予他们自我辩解的机会。在这方面，本书给出了一些建议，例如，在不增加额外负担的情况下，企业如何在数字化之路上切实可行地为自身的组织结构和工作流程松绑，如何继续发展自身的技术竞争力。值得欣喜的是，企业并不需要为此投入那么多的新资源，大部分投入都是现成的。

一般来说，数字变革往往并不会因为技术力量匮乏而宣告破产，而是因为那些源于企业内部的对抗、过于刻板的组织构架和失误的变革期管理。

本书的第五部分是总结篇，也是最重要的部分。在这一部分，我们关注当我们这样使用数据时，客户体验究竟是怎样的。新“数据合同”

在我们的上一本书《我们的数据》（Data Unser）中，我们倡导缔结一份关于数据的新协议。这份客户与数据使用企业之间的协议应基于以下四个方面：

1.数据安全

2.使用透明

3.均衡协调

4.客户增值

我们曾预言，数据驱动作用下形成的市场营销方案的成败不是由专业的数据安全保护者或立法者决定的，而是取决于这个方案是否提高了企业为客户创造价值的能力。成功的关键是，企业是否能够成为可信的数据合作伙伴，并提供值得信赖的服务：当客户与企业共享他们的客户信息时，实现了双方互利——企业不会为了刺探客户需求或者摆脱某些客户而去滥用客户信息，利用客户信息是为了更精准地满足客户的愿望和需求。值得信赖的数据合作企业这么做的原因是，他们希望能够与客户建立持久的合作关系。

一旦企业将客户数据信息唯利己之用，效果就会适得其反。

三年来，众多的客户数据信息项目和其后的美国国家安全局事件令我们更加坚信：一旦企业将客户数据信息唯利己之用，效果就会适得其反。德国严苛的数据保护法律在某些方面是显得有些过时，某些规定过于死板和冗长，但是却能应对现在的局面。问题的关键在于，企业必须认识到，他们如果想要使用客户的信息，就必须得到客户的许可。

智能数据的原则之一是“赢得数据”。

客户的数据信息属于客户，应该由客户决定与哪家企业分享哪些客户数据信息。如果对产品使用确实有促进，客户会愿意与企业分享他的个人信息。如果客户感觉到，企业打着大数据的旗号，搜集一切他们能够取得的数据，目的就是为了有一天能够利用这些数据甚至变卖这些数据，那么客户自然会反应过激。

智能数据冠军企业不会选择在法律顾问的协助下，通过获得客户同意使用其个人信息的声明，来谋取使用客户信息的权利最大化。智能数据冠军企业会遵循这一原则来设置IT系统，即只存储确实能够为客户带来增值的数据。

从长期来看，这种数据使用态度会带来成功，因为只有秉持这种态度，客户才会愿意与企业分享数据。如果我们落实了这个前提条件，那么我们在本书中描述的情况就有可能实现。至此，一个流程闭环形成，这就是我们所说的智能数据：凭借更少的数据，取得更大的成果。第一部分从大数据向智能数据转变第1章深陷数据过载的愁云惨雾“它无所不在，它无所不知，它的名字是大数据。”——呆伯特，2012年7月流感预测器也闹“流感”

2008年是大数据发展的重要一年，尽管当时几乎还没有人提出大数据分析这一概念。就职于在当时仍备受推崇的、雄心勃勃的搜索引擎供应商谷歌的一小撮数据科学家在《自然》杂志上发布了一种大数据应用的方法，即利用大数据（的检测功能）令地球上的人类更加健康（少生病）。科学家们将这种应用命名为GFT：谷歌流感潮（Google Flu Trends）。科学家们宣称，在不与医生沟通的情况下，谷歌可以预言美国境内的流感疫情暴发和地理传播路径。科学家们的预测速度比当时的监测部门美国疾病控制与预防中心（CDC）更快、更准确。

几十年来，为了实现对流感疫情的监测，CDC搜集相关医疗诊断报告后，能够据此推测出全国居民的健康状况，推测结果公布时间较现实情况有一周左右的延迟。基于这种推测结果，CDC则可采取相关的公共卫生控制措施，例如开展大规模的疫苗接种。谷歌的科学家们基于他们的数据库，找寻到了一种预测居民健康状况的更容易的方法：他们统计居民在搜索引擎中搜索例如“流感有哪些症状”或者“附近有哪些药房”等词条的频率，标记搜索人所在的地点，并将这些统计数据与以往的流感疫情情况比对修正。在2008年，聚合并定位数以百万计的流感相关的搜索信息仅需不到一夜的时间。此外这种研究也证实了与专家发放调查问卷询问的方式（在调查流感疫情时，专家指的就是医生）相比，基于搜索请求统计的分析方法在一定区域内可以得出更微观精细的预测结果。“谷歌流感潮”是大数据分析大众媒介影响的一个突破。不仅仅是谷歌公司的员工爱引用“谷歌流感潮”这个案例去促使人们关注谷歌公司的社会价值，关注信息技术仿射问题的记者也终于可以捕捉到一个在智能数据应用方面确凿的、普惠的成功案例。Trendtagen趋势大会的主讲嘉宾操着惯用的“这仅仅是一个开始”的口吻，认为“谷歌流感潮”这个应用实例是基于实证的医学研究革命的开始。分析与商业智能软件公司的销售人员都表现得仿佛他们的公司也参与了编写GFT算法一样，他们是想给人一种感觉，就是他们公司的产品在商业领域能够创造奇迹，就如同谷歌流感潮在公共健康领域创造的奇迹一样。人们也不再质疑在数据驱动下实现的进步。大数据分析领域的三个重要原则，通过谷歌流感潮这一应用案例被大众知晓。

1.我们拥有的数据量，远比我们想象的多。我们必须寻找新的方法，更有效地使用数据。

2.通过这些数据，我们可以观察人们的行为，并识别发展趋势，这可以为我们（实时）提供一个更准确的现实图景，其准确程度优于我们之前任何一次通过调查获取认识的方式，因此，我们拥有了更好的决策基础。

3.我们不再需要探究原因，统计关系会告诉我们，我们需要了解什么。《连线》（WIRED）杂志前主编克里斯·安德森（Chris Anderson）在他的文章《理论的终结》中就提到了这一点。在一个由数据丈量的世界中，我们不再需要理论模型，反正这些理论模型也只能部分为我们阐释世界。如果我们拥有丰富的数据基础，数据自会为自己证言。

2013年对大数据来说是一个好年景。有人会说，对大数据的发展来说，2013年比2008年还重要，这个就要看我们选取哪些比较指标了——可以是全世界积累的数据量、人们在谷歌上对“大数据”词条的搜索量、跟大数据有关的IT项目投入，也可以是呆伯特漫画里提到大数据词条的次数（2012年第一次提到）。企业咨询顾问、趋势观察员、软件供应商把大数据字样印在彩旗上，画在表格里，在每次PPT（演示文稿）演讲中都会提到。2013年，几乎在德国所有的行业会谈、座谈会和企业战略会中都会提到大数据概念。高德纳咨询公司的“3V”定义（体量、速度、多样化）变成了聚会小圈子里的高雅谈资，不管这个定义到底对他们有没有实际用处，也不论他们到底有多深的IT知识储备，参加聚会的人都重复不停地谈论这一定义。

简而言之，大数据这个专业术语成为数字化的标签，大数据之“伟大”如同这个概念本身所承载的数据量那样“海量”，也如同这个概念所承诺的那样宏大。当时，整个世界无可救药地中了大数据的“毒”。

对“谷歌流感潮”项目来说，2013年就没那么幸运了。2月，在《自然》杂志的新闻门户网站上刊登了一篇文章，文章指出，一度宣称能使世界变得更美好的大数据应用领域的典型案例“谷歌流感潮”预测结果出现误报，对一些流感疫情的发生率估计过高，另一方面又认为某些疫情根本不会发生。2009年1月的猪流感事件就属于后一种情况（实际发生，但GFT没预测出来）。

现在回想起来，“谷歌流感潮”的发展史也可以这样写，谷歌是那个时代在大数据应用领域第一个“吃螃蟹”的人，领先于同业。来自山景城（谷歌总部所在地）的数据工程师率先对外宣称他们可以预测流感趋势。但同时，他们也是第一批令公众失望的人。哈佛大学的一份学术研究报告认为“谷歌流感潮”事件是在对大数据分析整体进行炒作。这份报告中最重要的词汇是“Hybris”，这个词源于古希腊语，在德语中是“Selbstüberschätzung”，译为“傲慢”，即指“大数据傲慢”。2014年4月，《经济学人》杂志刊登了《对大数据的抨击》一文。《纽约时报》在大篇幅的分析文章中提出了“8个（不对，是9个！）大数据存在的问题”。剑桥大学公共风险认识学教授戴维·施皮格哈尔特（David Spiegelhalter）表述得更加直白，他认为以他的经验来看，大数据所承诺的种种，毫无疑问纯属胡说八道。技术成熟度曲线（Hype-Cycling）

信息技术总是“说大话”，承诺很多事情，就好像这些事情在短时间内都会实现一样。这种现象由来已久，是老生常谈，老得就跟第一台计算机一样。这种现象强烈地影响了IT产业从业人员的心态，也逐渐影响了美国IT行业的特质。所有新科技好像就没有不重要的，研发者和销售人员都觉得是颠覆性的创新研发。这种情况有时令我们也很抓狂，事情总是这样，肯定是不行的。

信息技术总是“说大话”，承诺很多事情，就好像这些事情在短时间内都会实现一样。这种现象由来已久，是老生常谈，老得就跟第一台计算机一样。

鼓吹信息技术进步的言论是对一种理念坚信不疑的反映，即从长远看，创新技术肯定会得到应用，在一定时期之后，个人、社会组织及企业事实上也会消费创新技术，届时，那些从一开始就对技术创新抱有（过于）积极的态度的主体就会受益。早在20年前（第一个浏览器刚刚使普通人浏览网页成为可能），软件分析师杰姬·芬恩（Jackie Fenn）就提出了一个了不起的、结论性的分析框架，即高德纳公司的技术成熟度曲线分析。

许多本书的读者对这个曲线并不陌生。用物理学家的话描述这个曲线就是，具有指数特性特征的一条光滑曲线在经历了一个飞跃式上涨的波峰之后，逐步接近一个有走高趋势的平衡位置。如果是在经济领域，这条曲线表示，从指数上看，经过市场上的大肆渲染和宣传，新信息技术首先将经历不断提高的市场关注度。与此同时，对新IT产品的期望值也逐步攀升，但是这些尚不成熟的产品在1.0版时是不可能满足这些期望的。从某种程度上来说，这种期望后产生的失望是意料之中的。如果这些新产品生产企业掌握信息技术资源，很快他们就会推出优化后的2.0版本。

这些新版本可以实现人们意想不到的优化，比如可以治愈儿童疾病，或是增加了新功能。在这个阶段，对新产品的公众关注度明显降低，人们会更切合实际地去衡量这些新产品的市场潜力和技术局限性。（能够经受住市场检验的）成功的信息技术而后会达到“实际生产高峰期”阶段。此时，消费者知道自己想要什么，他们也非常清楚，这些新产品虽然已经不是最受追捧的了，但是这些新产品基本成熟的功能会使他们所在的机构或组织受益。

有很多新技术、新产品在跌入谷底之后，就不了了之了，市场低谷成了死亡之谷。

2011年，大数据作为类概念第一次出现在高德纳年度技术成熟度曲线报告中，在随后的2013年，大数据达到了曲线期望值的顶峰（达到“过高期望的峰值”阶段）。2014年，大数据以“坐过山车”的速度冲向市场关注度的低谷，预计2015年将继续加速向谷底俯冲。这些只是预测层面的，不可回避的是，像施皮格哈尔特这类对大数据持批判态度的顶尖专家绝不会就此认定，大数据会朝着曲线上“实际生产高峰期”方向发展。这是因为，技术成熟度曲线毕竟不是统计分析方面的“再保险曲线图”（具有极高的预测准确度），不是所有时髦的新信息技术都会像技术成熟度曲线预测的那样，在经历了比较长的时间之后，会获得市场的认可。出于回顾验证预测结果的目的，高德纳的分析师们特意关注了一些已经上市的新产品的市场表现，结果发现有很多新技术、新产品在跌入谷底后，就不了了之了，市场低谷成了死亡之谷。

大数据这个概念的表述还是太模糊，涵盖了许多不同的产品和应用实例，在战略和实操决策层面都引起了一定程度的困惑。没有人能说清楚，在未来的5～10年，我们在企业经营中会用到哪些大数据分析方法。我们也不知道，到那时，我们使用哪些被大肆宣传的“秘密武器”时，会让我们不止一次地回想起“大数据”这个名词。此处有两个原因，一是大数据这个概念中的“大”不能用数量来衡量，二是对于多少数据量是容易或者不容易被运用的，判断过于主观。对有些企业来说，几Pb（10的15次方字节）的数据量就大得不可想象了，对另一些企业来说，处理Eb级的数据量（10的18次方字节）都很轻松。从我们在大数据的大部分商业应用领域的经验来看，企业能够处理的数据量的多寡，在决定某个企业能否达到“实际生产高峰期”阶段方面，是最不关键的因素。后续我们会对此进行更详细的分析，此时，我们大胆预测，在一段或长或短的时间之后，大数据这个概念在企业中将不仅仅作为一个高高在上的抽象化概念存在。没有“大爆炸”的大数据

去年，我们从大企业和较大的中小企业的数据项目中获得了一些经验，在整合这些经验时，我们发现，在对大数据的认识和态度方面，存在如下自相矛盾的现象：

决策层越高，就越会涉及大数据这一概念，同时对大数据的期望值也越高。如果此时，首席执行官、董事或者战略决策部门还没有深入了解在他们的业务领域面临的最重要的数字化挑战是什么，他们对大数据的期望值还会更高。简而言之就是：

越是没有大数据应用经验，对大数据应用于企业管理的期望值就会越高，越会希望通过大数据的应用获得“多快好省”的收益。

这些期望主要是集中在能够借助大数据发掘出企业尚未涉足过的、全新的商业模式上。这种期望会在各种媒体报道的影响下越发强烈。比如媒体会报道：

1.早在客户意识到他们自己是多么迫切需要某样商品前，亚马逊就已经开始出售这些日常商品了。

2.由于有一定的大数据意识，在线影片租赁提供商网飞（Netflix）对那些观看连续剧成瘾的用户的欣赏偏好非常了解，网飞自己制作电视剧并且进行恰当的销售，例如凯文·史派西主演的《纸牌屋》。

3.未来汽车保险公司借助于全球定位系统数据，在“按里程付费模型”框架内核算出了保费收费标准，从而可以提供极具市场竞争力的优惠保险产品。

具体的表象往往还没有形成，例如这些基础性的经济领域技术创新在个别企业内是如何呈现的，等等。但是对大数据的基本态度已有定论，即数据为我们指明了方向。这不仅仅是效率的问题，还有实惠，因为现在信息技术的使用成本极低。这一点在去年与大数据相关的演讲中可以看出来。

另一方面，我们认识到，决策层级越低，大数据带来的失望情绪就越大，但是这种情绪多多少少都有所隐藏。这种情绪上的对立有多种原因。一方面，IT部门往往已经制定了工作方案，使企业可以更加有效地使用数据，但是方案在企业内部并未得到响应和贯彻。另一方面，如果公司将信息技术问题作为基础性工作来抓，那么原本相安无事的技术部门将陡然变为众矢之的，对于这一点，公司信息技术操作层面的负责人原则上是十分清楚的。随着信息技术的进步，IT部门意外地发现自己变成了影响公司决策的强有力的“刹车器”。在这方面，IT部门常用的话术是：“我们的系统不支持这个功能。”从IT部门的角度看，他们（这样说了以后）往往会是幸运的，不用再去为了公司的数字化快速发展做更多辛苦的努力，因为上层决策者往往会关注大数据应用所需的短期的、实际的、可预期的投入，有时对投入关注得越多，继续投入资源的热情便会有所减弱。当上层决策者们慢慢意识到，在他们的企业内必须进行哪些深入的改变，才可以借助数字化长效地发掘公司真正的市场潜力时，决策者们才会慢慢改变内心的抵触情绪，逐渐厘清认识。这里指的当然是，发掘自己公司的市场潜力，而不是别人的。

在一些大数据概念相对模糊的公司，常出现如下问题：决策层认识到了大数据分析是发掘新商业模式的一种可尝试的途径，同时他们对此寄予厚望。在项目中，他们很快意识到，数据确实是一种资源，可以在短期内，沿着企业本身的价值链——从组织生产、供应商管理、后勤保障、销售运营直到客户售后服务——去优化企业的核心业务。而后，人们不可避免地会将大数据的应用潜力与商业模式的持续优化联系起来。在排除其他并行的商业模式优化因素的情况下，人们尝试着去预估数据带来纯增量的潜力，结果是，在节省资源和增加销售额或者利润方面，大数据带来的纯贡献值是低于预期的。故而人们对没有带来惊喜的大数据就不再有兴趣了。

一次对企业影响深远的、致力于寻求数据驱动下优化解决方案的尝试，迅速将各种有经验的、熟悉企业文化的“反对者”引向了“雷区”：

1.必须开放数据库。通过利用运营数据，企业的业绩可能提升，但也可能降低。但遗憾的是，部门主管们对此持有很矛盾的心态，他们遵循的行为原则是，如果我从数据中获益则没问题，但是如果我没有获益，则无法接受。

2.数据技术的“恶魔”通常存在于细节中。小问题总是能演变成大问题，进而导致IT投入（尽管有IT行业的各种美好承诺）经常一路飙高，就如同柏林机场和易北河音乐厅在筹建时不断增加的预算一样。哪些处于职业上升期的领导会去冒这种风险？此外，让事情变得更困难的是，因为从商业角度出发数据应用似乎是值得期待的，故而数据库的经营管理人员的职权越来越大。在一个公司里，如果想投产一个创新性的客户数据应用，就需要对SQL（结构化查询语言）代码进行修改。谁能够估计出为此修改5000行SQL代码究竟有多复杂？肯定是实际操作修改的人。

3.内外部的数据保护者喜欢证明他们的存在权利。评估法律风险和突破法律方面的障碍不会给企业管理者带来任何乐趣，即便是在数据驱动下也一样。

4.应用分析工具所做出的预测并没有像软件销售商和咨询顾问宣称的那样令人信服。同时，在很多基于数据分析的优化项目中，在项目投产前往往有很好的预期，但是投产之后带来的短期实惠较少，项目投资收益少（沿着企业原本的价值链）导致公司资产收益率下降。

5.要更好地使用数据所面临的最大障碍不是机器设备，而是人员。更准确地说，是人力资源。智能的数据分析需要聪明的脑力。企业内部经常不具备这种人力资源或者这些人的工作量已经饱和，只能高薪从外部聘请，这时就会遇到普遍存在的困难，即控制预算。

总体而言，项目负责人和（或）财务预算人员如果想要推动项目进展，而项目本身需要应用大数据分析手段，那么他们最好还是马上做好与不断飞涨的预算做长期斗争的打算，预算飙升是很有可能发生的。短期内获得的分析结果是很有限的，可能远未达到预期，如果此时项目负责人想凭借这些分析结果将项目立项，这样的可能性微乎其微。企业首席执行官和董事们认为，企业战略规划的实施需要时间，企业在经历深刻的变革后，成为一个数据驱动下的市场竞争领先者——就像美国商业分析先驱托马斯·达文波特（Thomas Davenport）所说的“分析型竞争者”（Analytical Competitor）那样，至少需要5年的时间，也很有可能是10年。几乎没有首席执行官和董事们可以确定，到那时他们还是不是在担任现在的职务。与此同时，所有的有数字化发展战略的企业当然也都清楚，他们必须要做些什么。

处于矛盾纠结中的企业目前面临的这种情况，在国际象棋中被称为“Lavieren”，即以守为攻战术。以守为攻战术

在棋牌类游戏里有一种情况，在这种情况下采用“Lavieren”战术特别有用。参与游戏的人中，没人有稳操胜券的取胜之道。大家都采用与之周旋的招数，并给自己留出尽可能多的转圜空间。在这种情况下，“Lavieren”战术就有可能派上用场：如果对手犯了错误，进而失去了空间优势，那么就为对方提供了进攻“王”的机会。反过来说就是，防守是最好的进攻。自己并不主动做什么，而是以守为攻，等待并期待对手犯错，进而为自己赢得一个机遇。

完全没接触过象棋的人，可能不能理解我们在说什么，不理解什么是企业所谓的数字化战略，那么请回忆一下那些无关紧要的中场传球。一个在本质上被动的、以守为攻的行为，会被机会主义行为或者会议上大肆宣扬大数据应用的行为所掩盖。

以守为攻型企业典型的行为模式有：

☆为特定用途购进多种分析与可视化工具，虽然从根本上来说这种行为是好的，但是这种行为不总是会起到好效果，结果导致大家对IT的印象变得更加支离破碎，并且产生了“工具过载”现象。伴随着“工具过载”而来的，是人们越来越高涨的失望情绪：“我们没有办法再控制我们的系统了，反倒淹没在了一片数据汪洋之中。”或者像一个在一家大型保险公司工作的运营主管所描述的那样：我们现在需要一个快速的解决方法，使我们的保险经纪们能够着手处理客户们的无索赔等级分类工作。因为缺少时间和钱，我们现在只能采用临时性的办法完成这项工作，这种行为在长期来看，使高效的数据应用更难实现了。

☆逐项、不兼容地购买外部数据也会导致“工具过载”，“工具过载”使各项技术手段的融合变得更加困难。伴随着“工具过载”而来的，还有进一步的数据过载。

☆将数字化创新工作交由企业自有的“创新加速器”来做。媒体对此种模式都抱以正面的宣传态度，而且从根本上看，支持年轻企业家追求科技化的未来，也确实是件好事情。我们也确实遇到过个别企业，他们将创新成果应用于企业经营并获得了成功，但是实事求是地讲，由“创新加速器”孵化出来的初创企业，获得创业成功的比例还是很低的。在没有核心领域背景背书的情况下，建立一个“创新加速器”，或者从狭义的角度来说，贸然去参与一家数字化初创企业的发展，这在某种程度上释放了一种错误的信号，就好像我们已经拥有一支规模很庞大的创新军团了。这种错觉会消磨人们在核心领域追求创新的动力。

这听起来有些荒谬，但是对长期的数字化效益来说，却存在着极大的隐患，尤其是当以攻为守者凭借他们的机会主义获得了首次成功的时候，又或者当他们成为本职工作和部门工作的良好内部推动者的时候。因为上述情况加深了人们的印象，即多亏了有新的工具和诸多新的数据，才使得我们没有偏离正轨。此外，我们在加速器这个问题上还有很多“百搭牌”。因此，我们并不需要彻底地改变什么。消息从上层传达到基层，然后再反馈回来，这样就很好。

来自硅谷的大数据发明者在某种程度上可能是吃了高估自己的亏。逐步获得数字化进展的“以守为攻”型企业，自己将这种进展贴上了大数据的标签，都或多或少地有些自欺欺人。正如杜克大学心理和行为经济学教授丹·艾瑞里（Dan Ariely）的格言所说的那样：“大数据就好比是青少年性行为。所有人都在谈论，但是没人敢去尝试。偶尔有几个人真去尝试了，却弄得一团糟。”“以守为攻”者的根本问题是：

他们总是尽可能地大声疾呼大数据概念。他们夸大了自己在数据过载的情况下取得的成功。然而，他们并没有寻找到真正意义上的改革模型，这种模型可以为他们开启更广阔的前景，帮助他们占领所在行业内的数据分析制高点。

我们得承认，很难用恰当的语言表达上述情况。但是项目经验告诉我们，夸张的表达有助于我们认识到问题的存在。

选择一个比较中立的概念去描绘企业的数字化现状，和一些被数字化改革折腾得够呛的职业经理人的心情，那么这个概念应该是这样的（见下页图）：

图的左下角描述了企业里数据分析活动的现状，诚实地说，许多人对实际情况是不满意的。

图右上角所描述的情况就很难把握了，它包含了一个非常抽象的范畴，即数字化的未来幻景。同时，也回答了“未来可为企业带来长效竞争力的、数字化驱动的经营模型到底是怎样的”这一问题。

图里的数字化未来幻景是通过现实中的应用案例构建的，这些案例来自例如谷歌、亚马逊、网飞、贝宝、Bluekai（数据管理软件公司，于2014年被甲骨文收购）等数据分析领域的“明星企业”。来自奥托集团的代表们都有理由去考虑，我们究竟打算怎样去获得跟他们一样的数字化竞争力。实际上，（在数字化方面）我们跟他们的差距还很大！在与他们的数字化竞争中，我们暂时不可能取得胜利！另一方面，在这个数字化未来幻景中，还存在很多雄心勃勃的数字化驱动下的初创企业。企业管理者和来自施瓦本的机械制造工程师异口同声地发问（他们也确有权利知晓），我们想要的只是这100万美元吗？如果没有一个一个的消费者，这该如何实现？如果他们晕乎乎地拿钱去了股票交易所，那我们就需要关注一下我们的季度财务数据或者月销售额了。

总体来看，这张图就是脱离现实太远。我们很难发现，图里描述的未来幻景到底跟大多数企业的日常工作有什么关系。考虑到新近的大数据项目经验、这些项目产生的成本，以及项目带来的应用成果，我们就更难去相信，在可预见的时间内，这个图中描述的数字化现状是如何发展成为图中描述的幻景的那种规模的，就如同图中的箭头穿过，直指图的右上方。

然而，这就是大部分行业中的大多数企业的数字化目标。“以守为攻”战略能够实现的前提是，你的对手也正好在“以守为攻”。如果你的对手有很好的发展战略，那你就只能等着倒霉了。此时，“以守为攻者”会比想象中的更快被“将死”。

在项目中，我们最好还是考虑一下这个问题：我们可以想象一下，如果明天谷歌、苹果或者亚马逊要涉足我们的行业和市场了，那我们该怎么办？第2章数字化海啸——完全不关注数据也行不通“我们需要银行业，但不一定需要银行。”——比尔·盖茨沿价值链产生分化“没人会在网上买书。人们在买书之前，需要翻阅实物，并且听一听资深售书员的建议。”1996年，当杰夫·贝佐斯推动亚马逊上线的时候，好多人都这么说。在2005年前后，当第一个电子书阅读器问世的时候，大部分的书商都认为：“客户需要实实在在地摸到书籍，感受纸张的质感，并且还要能够用笔画出书中的重点章节。”2008年，两个年轻的企业家尝试性地为Zalando创立了一个小型网店，主要用于出售人字拖，当时德国大部分的大型鞋类销售企业都坚信：“没有人会在网上买鞋的，因为买鞋前必须要试穿。”在一些零售贸易中，现实情况是这样的：在必要时，一些专营市场中的不易腐烂的食品可以在网上售卖。在线食品贸易所需的物流费用是很少的。当然，在购买生鲜食品之前，人们还是需要先看看实物的。

欧洲经济委员会是致力于商业中心发展与推动的国际机构，罗兰贝格管理咨询公司与欧洲经济委员会合作开展的一次客户问卷普查结果显示，从客户购买频率的角度衡量，网店在培养客户忠诚度方面表现更好——虽然在实体店里顾客可以尽可能地找到销售人员并寻求他们的建议，但客户在网店购买商品的频率是在实体店购买的3倍。这一结果为罗兰贝格的一份研究报告提供了数据支撑。我们会在本书的第二部分进一步讨论零售贸易的智能化、数字化、多渠道经营战略，但这里先说一下：零售商们大都在客户数据分析方面倾注了大量创造性的精力，以期优化客户关系，但是为什么在具体的销售环节，基于销售商自身和所在行业的结构化特点，它们跟亚马逊相比却没有竞争力呢？就好像亚马逊在实体店方面做得更好一样，甚至是在大城市以外地区。

在贸易中，这种情况并非个案。通过与尽可能多的行业的战略规划负责人交流，我们发现，很多企业目前都挣扎在生死边缘，却不自知。三年前，在《我们的数据》一书中，我们就强调，数据分析能力目前还仅是一个竞争优势，但在可预见的时间内，它将变成一个“保命因素”。数据分析能力弱的企业会被数据分析能力强的企业排挤出市场。这种预测之前偶尔会让人感到惊讶，但这都是在大型手工商品零售商Praktiker、日化品零售商Schlecker、鞋类零售商Goertz、卡尔施泰特百货集团破产之前了。

数据分析能力目前还仅是一个竞争优势，但在可预见的时间内，它将变成一个“保命因素”。（2012年）

在我们的印象中，在各个行业，有太多的决策者，当他们自己在客户认知方面的“装备水平”没有什么改观的情况下，他们从内心来说并不想知道，一些业已存在的和另一些新出现的竞争者是如何在数据分析力量方面武装自己的。一言以蔽之，就是他们关于发展道路的观念没有根本性的转变。他们使用的是老式雷达，但竞争对手已经在使用卫星设备了。还不仅仅是这些：竞争对手们利用所有可得数据去推断消费者会在何时、以怎样的价格去购买什么样的商品。他们还通过对数据的利用，去优化研发、生产和后勤保障，从而获得最佳利润水平。基于上述，我们可以发现一种现象，即沿企业价值链产生的系统性分化。

这一系统性、飞跃式分化是这样的（见上页图）。

截至目前，在大多数行业内，这一企业分化过程还是一点点进行的。通常情况下，即便是行业内的数字化先驱企业也依旧处于艰难的数字化改革中，全行业的结构性改变尚不可见。但是，在平静的水面下却酝酿着一场数字化海啸。机智，联合，进攻

把一切能够数字化的事物，全都数字化。

把一切能够数字化的事物，全都数字化。这句话在硅谷是铁律。大西洋彼岸的大部分采用以守为攻战略的企业决策者当然也明白：激进的创新主义者重视这一点，并且他们积极主张熊彼特的“创造性破坏理论”。

数字化已渗透至各行各业，并催生出了一批拥有全新商业模式的市场竞争者。这是目前我们已知的。下面让我们来分析一下。

在数字化世界里，成功的市场竞争者通常从四个维度出发，来获得他们的竞争优势。深思熟虑的、以数据为基础的客户认知和客户需求识别

从生产研发到售后环节，数据分析领先者完成了由产品指向型到客户指向型的转变。与其他企业不同的是，他们不仅仅是口头宣扬。“信息拉取替代信息推送”对他们而言，不是一个噱头，而是客观存在的商业现实。这其中最成功的企业，会用一个全新的模式满足人们的基本需求。谷歌让全世界都可以免费获得信息，脸谱网彻底改变了私人交流的方式。“点赞”这个功能是信息技术对人类最深层次需求的完美回应，谁都愿意被喜爱，被赞扬。

此外，基于数据的审慎的客户认知还是一项不错的服务业务。在很多领域，产品信息整合公司和数据评估公司，因为可以直接接触到客户，从而可以作为新的媒介或流程优化者介入到企业价值链中去，这便相应地使产品供应商绕过一些原有环节，降低经营成本。通过产品供应商和客户之间的“脱媒”，企业的利润空间变得更大。传统的供应商往往承受着双重压力，一方面，销售网络中每增加一个供应商，营业额就会随之减少；另一方面，企业利润会被中介和搜索引擎的手续费蚕食。平台化和网络影响力

我们如何去建立一个平台，由我们来定义这个平台的规则和流程，以至其他的市场主体都必须参与到我们的价值创造过程中去呢？这是一个战略性的问题，硅谷中的许多企业创始人也在问。他们明白：

从市场结构方面考虑，数字化就意味着平台化。

抽象地说，就是利用平台化的产品、服务或者技术，去服务于尽可能多的公司，目的是提供互补的产品、服务或者技术。平台化的市场往往具有一个相对稳定的核心应用，比如配有谷歌在线商店的安卓操作系统，或是亚马逊商城及其“经济生态环境”中的供应商，包括App（应用程序）开发商和遍布全商城的专业化网络商店等。

平台掌握客户资源，可以直接接触到终端客户；平台制定标准，比如商品该如何配送至客户手中；同时，平台还要促进各供应商之间的竞争。与平台使用者不同的是，平台企业承受着很大的创新压力，一般情况下获得的利润还要明显少于平台使用者。

在平台市场中，一条传统的科技定律很起作用：谁制定规则，谁就拥有市场。

在平台市场中，一条传统的科技定律很起作用：谁制定规则，谁就拥有市场。在数字经济中，平台模式最精彩的部分在于，在传统的价值链条中，平台企业可以比具有市场影响力的生产企业更快更好地形成规模。原因就在于所谓的网络影响，早在20世纪初，全球第一家电话公司就已经知道利用这一点了。一个平台能获得的参与者越多，那么它对大家的作用就越大。平台吸引到的客户越多，那么它对供应商就越有吸引力，反之亦然。一个平台如果开始盈利了，它的成长速度往往是呈指数级的，而且平台一旦建立起来，我们是很难打破它的优势的。

世界越来越数字化，平台模式更加频繁地介入到传统价值链条中，这必然是以传统产品、服务和技术供应商的利益为代价的。在某一个细分市场中，往往只能有少数的，甚至是只能有一个成功的平台存在，这是客观规律。此处重要的是，我们应该有意识地去开拓平台市场，进而我们为客户和供应商提供的就不仅仅是一个单一“经济生态环境”，而是许多的新市场。通过智能协作消费获得新的潜能

分享不仅仅只是关爱。分享使既有商业模式的优化和新商业模式的诞生成为可能。这一现象经常发生在个人对个人的交易中，在这类交易环境中，私人或者小企业互换闲置的资源，比如空置的房间、暂时不用的车子以及暂无活计的工匠等。一些新的“在线销售冠军”公司认为爱彼迎（Airbnb）、优步（Uber）和任务兔子（Taskrabbit）意味着一个全新的商业类型，为此TED演讲嘉宾瑞秋·波特斯曼（Rachel Botsman）创造了一个贴切的概念——“协作消费”。在商业管理层面，这一新商业类型被认为是仅有有限商业影响力的短暂存在，经常招人嘲笑。但是人们并没有意识到它的潜力：“智能协作消费”将中介方挤出了价值创造链条，甚至可以席卷整个行业，像在优步和来福车（Lyft）案例中发生的一样。此处，我们看到了一种与“数据整合型的服务提供”完全相反的模式。协作消费者向我们展示了“消灭中介”是如何大规模实现的。

波特斯曼宣称，这种新的个人对个人的交易将给消费带来重大改变，其影响力比线下、线上贸易还要强。人们可以认为这是TED演讲中普遍存在的夸张夸大。但是对于中介方来说，无论是在B2C（商家对客户）或是B2B（商家对商家）市场中，最好还是认真关注一下。特别要认真考虑一下这个问题：在智能协作消费时，交易双方是如何建立信任的？协作消费这一新概念是如何在优化价值创造过程中发挥作用的？因为像优步和Instacard（一家超市物品快送公司）这样的公司已经向我们证实，这种新的协作消费与资本主义之间，并不是相互排斥的关系。雄心勃勃+激进式管理

仅有很少的证据显示，大家认为杰夫·贝佐斯是一个令人喜欢的人。如果要用一个词来概括他的性格，那么“雄心勃勃”是最合适的。这位亚马逊公司的创始人最常被引用的一句话就是：我要成为世界上最成功的商人。他正一天天、一步步地接近这个目标。同样，奥利弗·扎姆韦尔［Oliver Samwer，“火箭网络”（Rocket Internet）三兄弟中最好斗的一个］在公开亮相时，看起来也不是很亲和。“在网络这些事情上，我是属于最激进的一类人。我会尽最大努力去获利，同时我也期待你们跟我一样！”他在一封给电子商务投资企业的创始人和经理人的“激励信”中这样写道。根据科技类博客TechCrunch（欧洲）报道，他在闪电式开辟印度、土耳其、澳大利亚、南非、东南亚新市场的请求信中也提到过此番言论。在德国，扎姆韦尔因为选用“闪电战”这个词语而受到公众的谴责，这是理所当然的。邮件背后显示出的膨胀的经营方式也同样遭到了谴责，这是数字化海啸进一步的预警信号。扎姆韦尔三兄弟脱离了德国普遍文化共识，这可能也是他们遭遇如此敌对的最重要原因。撇开个人同情不谈，从经济层面来看，这是愚蠢的。

许多职业经理人对数字化都产生了失望情绪，在与他们的交谈中，我们发现：鉴于数字化面临的挑战，在许多大企业内，人们都放弃了追求数字化领先地位，或者放弃了稳居领先地位的诉求。被美好前景所激励着的、极度狂热的数据分析竞争者经常会迷失方向，这对企业的雄心壮志是一种连续性的打击。恕我这么说：就连我们的经营方式都没有给我们提供任何理由去相信我们能够运营数字化海啸预警系统。到处都土崩瓦解！

数字化驱动下的行业竞争者带来了很多颠覆性的改变，分行业来看，目前呈现如下状况：媒体（创意内容）

音乐行业也难逃一劫。在世纪之交，音乐行业是数字化的第一个受害者，因为互联网的带宽已经发展到了可以非法传播音乐的程度。音乐作为一个独立产业，没有能力去建立一个系统平台（在这个平台上，具有支付意愿的音乐爱好者可以安全便捷地将音乐下载到数字化终端里），这样的话，音乐行业也就不算倒了霉。但是，这是知识匮乏造成的不合理现象。

苹果公司凭借数字媒体播放应用程序iTunes及配套的高价终端设备iPod播放器、iPhone手机和iPad平板电脑，成为颠覆性的革新者。其间，除了谷歌音乐服务和亚马逊音乐等一些下载商店以外，诸如Spotify（声破天）或者Simfy（一家德国音乐网站）等流媒体音乐平台也曾介入音乐出版行业的传统价值链，有效地抑制了音乐侵权行为。此外，诸如Soundcloud（声云）这种P2P（点对点）音乐分享社区成为创作者和听众之间的桥梁。

尽管电影制片人，还有狭义上的书商成功地吸取了音乐产业失败的教训并尽力去避免重蹈覆辙，但是，总体来看，电影和出版业数字化竞争的赢家并不是华纳兄弟和兰登书屋，而是网飞和Kindle（亚马逊的电子书阅读器和软件平台）。传统印刷媒体的现状更加灰暗。2014年初夏，德国最大的出版集团阿克塞尔·施普林格的首席执行官马蒂亚斯·德普夫纳在给谷歌总裁埃里克·施密特的一封公开信中表达了对谷歌公司的不满。德普夫纳言简意赅地论证称，谷歌想要建立一个“超级跨国国家”。从国家层面和欧洲层面，我们需要有意识、有力度的国家干预。人们也可以这样理解这封信的内容：就如同我们看到的一样，对媒体行业而言，这一切都为时已晚。顺便说一句，施普林格已经属于数字化程度很高的企业了。杰夫·贝佐斯个人买下了《华盛顿邮报》，那么谁来购买德国《世界报》和《法兰克福汇报》呢？肯定也没人买《法兰克福评论报》（否则它也不会破产）。贸易（电子商务）“那些绝对专业的线下贸易商能够存活下来，但这一比例不超过20％。”这句话不是我们说的，而是，又是——奥利弗·扎姆韦尔说的。一次，扎姆韦尔应家族式商业连锁集团廷格尔曼（Tengelmann）公司董事长卡尔–埃里温·豪布（Karl-Erivan Haub）的邀请出席活动，当着众多企业家和职业经理人的面，他认为传统零售贸易将面临大幅缩水。我们并不确定扎姆韦尔话中提到的数字是否准确，但是我们相信，这一言论的核心内容是符合发展方向的，只有那些将自身实际优势与数字世界中的技术和可能性结合起来的线下贸易公司，才能够存活下来。在未来的几年中，我们自然就会看出来，到底是谁能够在战略性的多渠道贸易中长期占据领先优势了。

即便是最敏锐的贸易商也会高估自己客源的忠诚度。

遗憾的是，即便是最敏锐的贸易商也会高估自己客源的忠诚度。许多电子商务企业都高负债开展业务扩张，因此短期内没有（或者从未）实现盈利。即便是“在线和多渠道”策略已被确认在战略上具有正确性，情况也依然是这样。如果原有互联网用户群跟不上销售形式和销售速度的变化，那么再好的前景也没用。许多传统的销售商为自己在“在线和多渠道”贸易中取得的增长率感到骄傲。但是容易被忽略的是，实际上在德国几乎全部的传统贸易企业中，在线交易量占企业全部业务量的比重低于企业所在行业在线业务量占比的平均水平。换句话说就是，虽然我们已经取得了一些进步，并已经开始部分参与在线市场竞争，但传统贸易还是失去了一部分市场份额。旅游业

传统的旅游经销商，街角的那些旅行中介，可能要遭受三重打击。第一，在线旅行中介提供了具有竞争力的价格。第二，航空公司和旅行社发现，通过在线直接下单预订，他们完全可以摆脱传统中介商了，节省下来的资金增加的利润，可以留为己用或者用于贴补价格战。第三，现在流行的“分享经济”“协同消费”模式，比如爱彼迎，还有跨大洲“换房住平台”让酒店住宿这种原本非常重要的旅游产品显得过时了。

酒店经营面临的威胁不仅仅只来自中期合住平台。大型的在线预订平台，例如好订、缤客和HRS酒店预订等也已然获得了巨大的市场份额，他们提供“酒店承诺最低价”，同时收取不菲的佣金。在寻找和介绍最物美价廉的住宿方面，谷歌对传统中介的威胁越来越大。一个非常有意思的现象是，一方面，数字化削弱了传统中介的职能，但与此同时，数字化又引入了一种新型中介。凭借超前的数字化竞争力，新型中介掌握着“在正确的时间、给正确的客户提供正确的服务”的能力。从酒店经营者的角度出发，新型中介相对高额的佣金对酒店的短期现金流来说是一个不利因素。从长期来看，情况可能更糟糕，新型中介切断了酒店与顾客之间的直接联系。至少，当顾客在线预订房间或者是在线直接购买酒店服务时，顾客并没有直接与酒店产生互动。电信业

电信运营商是数据巨头。除了谷歌和脸谱网以外，没有哪家公司掌握的关于我们的数字化信息比我们的电信运营商还多。我们所处的位置、我们日常活动的模式、我们用手机上网浏览的内容、我们的联络关系网等信息，实际上可以催生新的商业模式，比如手机营销、个人信息保护、手机支付，或者专门针对某个领域的应用平台，例如将符合工业4.0标准的机器联网。

然而，电信运营商正面临沦为“哑巴管道”（Dumb pipe）的危险。实际上，当用户使用智能手机，通过苹果或者谷歌系统提供的应用程序进行数字化通话时，沃达丰、德国电信、西班牙电话公司等移动电信运营商都在失去与用户的数据联系。去年，电信运营商在优化应用层面所做的努力几乎都失败了。电信运营商在通话领域的市场影响力逐渐减弱，逐步沦为通信基础设施的供应商。它们建立起信息领域的高速公路，然而却不知道在上面行驶的是谁、要去向何方。

谁掌握了用户端，谁就掌握了市场。基础设施建设是薄利经济，最好的情况也就是有一些政策上的支持。

在这里，数字化经济的一个基本原则发挥了作用，即谁掌握了用户端，谁就掌握了市场。基础设施建设是薄利经济，最好的情况也就是有一些政策上的支持。尽管电信运营商的数字化水平在逐步增强，但还是需要非常努力地进行数字化变革，这虽然听起来很奇怪，但它们必须这样做。电信运营商的目标是，凭借高人一筹的商业模式，努力从“哑巴管道”向“智能管道”转变。

如果用经济学的眼光去看待关于网络中立性的政治辩论，那结果是显而易见的，即缺乏对新商业模式的有效建议。不同的网速服务背后的目的没有别的，只是在尝试为基础设施传递数据的高效能去寻求更高的定价水平。这在某些情况下，是由于网络建设成本高，因此具

试读结束[说明：试读内容隐藏了图片]

下载完整电子书