市场中的鸿沟

　　大数据营销模型将经历创新者、早期采用者、早期大众、后期大众和落后者等5个阶段。这5个阶段之间存在着4条裂缝，其中最大、最危险的裂缝存在于早期市场与主流市场之间，我们称之为“鸿沟”。

　　大数据的创新者大多是大数据技术和产品的开发者，他们通常在大数据技术和产品尚不成熟的情况下就开始尝试大数据服务。随后，有远见卓识的早期采用者登场，例如互联网以及具有良好信息技术基础的金融企业等。它们与新闻媒体、学术机构一道，将大数据推向“过热期”。

　　大数据的主流市场来源于实用主义的早期大众和保守主义的后期大众，两者各自占据大数据市场1/3的份额。这两个群组的共同特征是均具备良好的信息技术基础和深厚的大数据积累，并深谙大数据的社会价值和经济价值。有所不同的是，前者希望看到成熟的解决方案和成功的应用案例，它们大多是金融、能源、电信等公共服务部门。而后者需要有更安全可靠的大数据保障和广泛的社会应用基础，它们大多是致力于解决环境、能源和健康等社会问题的公共管理部门。

　　当然，落后者大多是怀疑主义者。他们或许不是大数据的支持者，充其量是大数据社会管理的被动受益者。

　　大数据技术和应用获得创新者的追捧是显而易见的，获得早期市场的拥护也是轻而易举的。但是，不因“时髦”而加入，不因“过时”而退出，才能成为大数据主流市场的掘金者。遗憾的是，不少企业或许会成为“鸿沟中的牺牲者”，而无缘迎接大数据真正应用市场的到来。

　　规划整体产品

　　如何跨越鸿沟?现代营销奠基人之——西奥多·莱维特给出了“整体产品”的概念。根据这一概念，大数据产品应该包括作为“核心吸引物”的一般产品、满足初级心理需求的期望产品和实现更高阶参与以及自我实现的延伸产品和潜在产品4个部分。

　　信息化3.0。信息化1.0布局了各个业务单元的软硬件架构，但是带来了信息孤岛现象。信息化2.0致力于IT基础架构的整合，为无缝连接和信息共享奠定了物质基础，但是却没有克服数据管理和利用过程中的数字鸿沟问题。大数据的一般产品就是以信息化3.0的形态，释放云计算的商业价值，完善开放式、共享型的数据战略，为更高效的数据管理、数据洞察奠定基础。

　　分析即服务(AaaS)。云计算为数据生产、传输、加工和应用提供了广泛的基础设施，而大数据让云计算在商业、经济及其他领域得以普及并取得实际效益。大数据的期望产品就是云计算各领域的具体应用，即在基础设施即服务(IaaS)、平台即服务(PaaS)和软件即服务(SaaS)等基础上，引导云计算转向分析即服务(AaaS)。

　　智慧的商业模式。大数据与业务的融合表现为智慧商务模式的普及。一是员工和客户可能是企业的资本家，而企业家或管理者则应该按照马斯洛需求层次论的要求，为客户和员工提供更高级别的需求满足。二是“生产兼消费者”群体的形成，不是企业为客户提供个性化的服务，而是客户、广泛的利益相关者直接参与研发和生产，进而促成大规模个性化定制的生产模式。三是企业部门间的围墙被数据洪流推倒，企业之间、行业之间的界限因大数据涌现而模糊，“公众科学”将成为普遍现象。

　　合作、分散、开放型社会的基础设施。大数据应用的最高境界是“太上，不知有之”。正如普适计算所倡导的的，大数据的潜在产品形态就是回归基础设施属性，成为扁平化决策结构、分散性合作研发和生产的基础保障，成为实现生产者和消费者良性互动、研发与市场需求交互作用的关键资源。在这一阶段，利益相关者的交易结构也将发生深刻的变革，大数据商业模式或许将朝着从固定成本结构到可变成本结构、从重资产到轻资产、盈利来源多样化、利益相关者角色多元化、从刚性到柔性等方向发展。

　　谁都有可能成为领头羊

　　2012年，诸多运动服装品牌深陷库存泥潭，阿迪达斯集团的销售收入却同比增长6%，历史性地达到149亿欧元，其大中华区销售收入也同比增长了15%。

　　阿迪达斯的“新合作伙伴计划”发挥了积极的作用。阿迪达斯要求，经销商及各门店每天都将收集到的数据上传阿迪达斯，经过总部整合、分析后反馈给经销商。由此，阿迪达斯与经销商之间的竞合已经从利益的博弈转向了数据控制权的争夺，甚至双方在数据上的竞争很难区分出优劣来。
　交互型价值链

　　按照维克托·迈尔-舍恩伯格的说法，未来的大数据企业至少包括以下三类：一是大数据掌控公司，这些公司拥有大量数据或具备收集大量数据的能力，比如Twitter以及金融服务企业、UPS等快递企业;二是大数据技术公司，包括提供大数据解决方案或技术支撑的IBM、Oracle、Google、Amazon、EMC等企业，甚至包括麦肯锡、Gartner等具备咨询和实施能力的分析公司;三是大数据方法论公司，他们具备挖掘数据新价值的独特想法和方法，专业媒体、小的创业公司或行业协会，都有可能成为这样的公司。

　　数据掌控公司、技术公司和方法论公司构成了全新的大数据价值链，数据、信息、知识和智慧在这个闭环中交互循环。以阿迪达斯为例。在竞争优势等战略论模式下，阿迪达斯掌控技术和产品，经销商接近市场和消费者。无论是供方市场还是买方市场，阿迪达斯对整个价值链的控制地位都是无法替代的。在大数据时代，经销商既是数据的感知层和应用层，也是产品研发和生产的决策层。同样，阿迪达斯总部既是数据的整合层和分析层，也是研发和生产的实施层，阿迪达斯和经销商从上下游关系转化为互补关系。甚至在大规模个性化定制模式下，最终的消费者将成为产品和品牌的定义者，成为其研发和生产的建议者。

　　正如哈佛商学院客座教授托马斯·达文波特所言，任何一家公司都有机会成为大数据的领头羊，只是那些已经具备分析实力的公司可能有一定优势。不过，没有任何理由阻碍一家公司突然进军大数据领域，因为基本的计算能力可以通过诸如亚马逊这样的“云计算”供应商获取，公司只需重点投资合适的人才、软件和数据。

　　无门槛竞争

　　大数据让依靠“信息不对称”生存的商业模式无处藏身。

　　传统的金融服务业是典型的“信息不对称”商业模式。金融机构充当了资金供给者与需求者之间的桥梁和信任担保;零售业存在的价值在于扮演了制造商与消费者之间的纽带，形成了店大欺客、客大欺店的博弈;制造企业的竞争优势源于对核心技术、生产能力和劳动力红利的把控，在价值链关键环节布点成为理想的竞争状态。

　　在大数据时代的水平、交互型价值链之下，企业的“竞争优势”也可能即刻化为乌有。因为，大数据摧毁了基础设施等资源壁垒，IT硬件包括云计算将更加标准化和商品化;社会资源和时空界限正在模糊，大数据将为企业提供无处不在、无所不包和无边界的计算和分析服务;金融与实业、IT与业务走向深度融合，大数据能够洞悉到存在于虚拟和现实两个世界的信任网络，形成多样化的金融工具和信任体系。资金、人才、技术和品牌等传统竞争要素即将在大数据时代淡出人们的视野。

　　无门槛竞争是较高级别的对决。因为数据和信息的透明度和共享性，让“田忌赛马”的博弈模式无从谈起，让迈克·波特的竞争力模型难以奏效。想当初，Groupon的团购模式在国内遍地开花，“千团大战”烽烟四起，但大多数团购网却没能过上两周岁生日。当下，金融业互联网和互联网金融化催生了无数蠢蠢欲动的小额贷款公司，尽管个别新金融企业存活不足28天，但马云的“如果银行不改变，我们就改变银行”的言论不可小视。这一切都是大数据时代无门槛竞争的表象：门槛超低，参与者一哄而起，“挟数据以令价值链”者方能脱颖而出。

　　协同研发模式

　　大数据同样挑战着传统的研发模式。“缺芯少屏”的核心技术缺失困境或许得到缓解，凭借关键技术拥有产业链掌控力的企业将日渐式微。微软、IBM、通用电气等跨国巨头对开源的参与和对开放式创新的重视，是协同研发模式的最好例证。

　　作为大数据分析平台的Hadoop，更是协同研发模式的典范。作为一个分布式基础架构，Hadoop由Apache基金会开发。在Hadoop体系中，有GoogleLab开发的Map/Reduce的贡献，有Facebook、谷歌、雅虎等几位工程师创建的Cloudera公司的参与，也有雅虎与硅谷风投BenchmarkCapital合资企业Hortonworks的分享(据说占Hadoop的70%)，IBM、EMC、Intel等IT企业都是Hadoop的协助者和支持者。

　　Hadoop的实践告诉我们，大数据让偏安一隅的企业能够获取全球化的最新科研成果，而其供应线上下游企业已经不再是单独的商业伙伴，而是其研发的参与者。以消费者为例，大数据技术和应用的普及，让消费者不仅仅能够找到适用的终端产品，而且能够通过重新创造产品和服务成为“生产兼消费者”(prosumer)。

　　相比之下，一些企业迷信和依赖“高手”、“能人”的“大厨式”研发体系将面临巨大挑战。“大厨式”研发模式着实有利于攻克一些短线的技术或产品研发难题，但是对企业持续研发能力的积累造成了极大的伤害。首先是高手难寻，而且易于江郎才尽。其次是弱势企业悉心培养的种子选手，很快就会被强势企业挖走。再次是“高手”和“能人”往往自以为是，难以管理。最后“大厨”通常会制约研发后备力量的成长。

　　告别“大厨式”研发，就是要遵循“研发团队为解决问题而建，而非为技术大难而建”的原则，萃取现群体智慧，开展协同研发。云计算、移动互联网为协同研发模式提供了可能，大数据将这种开放性、共享性模式变成现实。一是最新的技术和标准能够在全球网络中快速传播;二是借助大数据技术的新技术融合与重组，成就新的创新成果;三是最新的专门技术和有效的研究工具可以在共享中无缝衔接;四是产学研用自发组织的社会网络使公共知识到私人企业的积极反馈更加快捷。