中国是数据矿藏量巨大的国家，有超过6亿的互联网人口，如何用好中国的大数据资源，对中国的“互联网+”、工业4.0的发展和企业转型升级意义重大。在IBM大中华区首席执行总裁钱大群看来，大数据的意义在于分析并转化为洞察。“IBM在大数据分析领域的定位，不是拥有大数据，而是分析这些数据，转化为洞察，为你所用。”钱大群说。

其实早在2012年，数据的爆炸性增长跨越了其临界点，越来越多的企业认识到大数据带来的影响。2014年，大数据世界发生了几项世界各地的业务高管都不容忽视的变化，其中最大的变化就是，速度目前已经成为大数据的竞争优势。如今企业更快速地消费数据的能力—从原始数据转化为洞察驱动的行为—已成为通过分析技术创造价值的关键。

而究竟使用大数据做决策的公司是如何通过大数据分析构建高效企业的？IBM数据专家从战略与运营这两个层次分别列举了两家企业案例。这其中除了IBM提供的数据分析工具外，IBM对行业的深入了解和洞察，更多是落地在各行业分析的模型中。

近年来，IBM仅在大数据领域就投入了超过250亿美元，并从2007年开始，陆续将市场上几乎所有的最顶尖的数据分析公司纳入麾下，其中包括Cognos、SPSS、iLog等。下面两个案例就是IBM这些工具改变行业的例子。

案例1 战略优化B2C产品制造型企业的物流

这是一家生产制造企业，产品直接面向终端消费者，全国有多家分公司和工厂，物流的需求量很大。经过多年的发展，他们遇到一个挑战：各个分公司发展不平衡，影响物流战略规划。因为从战略层面看这件事情，物流规划涉及生产、存储、运输等诸多问题，投资巨大。因此，他们需要考虑分公司的开和关、工厂产能的调配、物流系统的分布优化以节约成本——也同时考虑到碳排放、仓储空间的面积等等核心问题。以前他们的做法只能做到：看到哪些地方生意好，就到那里建分公司、工厂。就好像零售客户，发现哪里有商机就去哪里开门店，但通过门店消库存是不可能的。这家公司之前开分公司、建工厂的行为也是同理。这样虽然会让雪球越滚越大，但公司效能未必越来越高。现在，通过数据分析可以合理调配资源，举例来说，比如以前上海地区的货物都是从浙江一些工厂生产和调配的，但通过数据分析，看到有些山东的工厂子产能过剩，如果给上海地区供应货物的话，物流成本几乎和浙江的一样，那么，就可以合理安排山东厂的产能。当然，这是如果单从一个点来看，企业管理者可以看见并决策，但如果从全国的网络来看，人工分析和决策几乎不现实，大数据分析就派上用场了。

IBM先通过其过往的生产、销售、物流等数据看其需求，同时对产品进行聚类，结合每个城市的GDP数字、购买力趋势等数据来预测未来的需求变化，并基于此来做优化资源的配置。道理上，为了满足某地的需求——比如上午下单、下午就收货是最好的体验，就在客户周围建仓库，以达成时效。但这并不经济，成本会非常高。因此，对管理者来说，需要把内部资源重新合并。就可以用iLOG工具来分析在需求发生变化之后，哪里设一个分公司、工厂、仓库及多大面积是合理的。

这个分析模型中至少用到四个维度的数据：产品、工厂、仓库及仓库级别、基础数据（包含物流的整个维度数据，比如运费、运输方式等等）。IBM将这些数据进行合并、归类后，看到工厂在哪里、能做什么、仓库在哪里、能装什么、运输网络是什么形式等等，就能知道运营成本。选择客户需求的一个变化，就可以通过一个模型反过来进行运算，看到更合理的变化、组合方案。

这家企业借助IBM的经验、产品、服务，再结合自己物流供应链部门对自己客户的理解，通过大数据分析，合理调整公司生产物流战略，使公司节省了5%~15%的成本。而对这样体量的公司来说，意味着几亿甚至几十亿元的费用。

案例2 内衣零售门店运营的优化管理

通常，一个零售门店会从人、货、场地三个维度来分析这个门店有多少人、卖什么产品、门店场地、位置、产品陈列到底如何，这些直接决定了这个门店的绩效。当前，零售门店虽然受电商的影响，但体验是不可替代的。因此，对很多有门店的零售商来说，提升门店体验和门店销售，是最大的挑战。

IBM服务的企业是一家女性内衣零售商，其客单价为50~100元人民币。客户群为大学生和刚毕业的职场人。大的门店有12个导购，小的门店有5个导购。基于女性顾客买东西的特点——需要导购介绍、服务、讲解，看到每个店里的导购对业务非常重要：如果没有讲明白，顾客可能就不购买了，如果过分热情，顾客也可能走得更快。这就是提升客户体验最实在的问题：客户有需求的时候又足够的人来应对，但又不是被销售过分热情的包围。同时，成交量也跟是不是周末时段有关。因此，它的挑战是：门店人员的优化配置，直接表现为一个合理的排班表。其中需要考虑的是公平性、国家法律法规（工作时长）、加班费、请假、时间段、门店人员的人际关系等等。

之前的排班表，是店长和副店长每周花去两个小时手工排，做得不准还很耗时，临时有人请假就需要重新调整。其实每个店长、副店长都是非常有经验的销售，如果他们花了时间在排班上，做销售和管理的时间就没有了。IBM曾经给这笔“花费”算了算账：这家企业全国门店省下来店长、副店长手工排店员工作表的时间，能为企业多带来800万的收入。反之，就是过去的每周两小时排班时间，一年算下来，让这家企业少收入800万元。综合上述计算维度和过往门店销售数据，IBM工具算出了一个合理的排班表，提升了门店的综合管理和运营能效。