在数据时代，你就像拥有了一只全知全能的上帝之眼。这能让你抵达成功，或者降低风险。

上帝之眼

——大数据时代产业革命

智慧支持/商界企业研究院 西斯科实验室

π，大数据与上帝之眼

你一定听说过“π”——圆周长与直径之比，约等于3.14。

这是数学最性感的部分，π值小数点后无穷无尽，数字永不重复。 这意味着，这串数字包含了每一种可能的组合——你的生日、储物柜密码、社保号码，都蕴藏其中。

如果把这些数字对应成字母，比如0对应着A、1对应着B……就能得到所有的单词，同样有无数种组合——你婴儿时发出的第一个音节，你心上人的名字，你一辈子从始至终的故事，我们做过或说过的每件事，宇宙中所有无限的可能，都在其中。

——严格来说这未必准确，但对于大数据，这一类比无疑最为贴切。

大数据不是很大的数据，或者很多数据，而是与某个现象有关的所有数据，以及描述数据的数据。它可以表现为数字，也可以表现为文字、音频、视频、图片、气味，甚至一个眼神、心理活动。

当我们用大数据描述宇宙，就是在描述关于宇宙已知和未知的一切：过去，现在，未来和空间。当我们用大数据描述商业，就是在描述关于商业的一切：企业，人，模式，产品，营销，成功的条件，失败的诱因……

这就像你拥有了一只上帝之眼，知道世间万物的所有可能，透析穿越时间和空间、存在和不存在。大数据，让人类第一次站在与诸神同样的高度。对于商业，这绝对是把通往财富的金钥匙。

有人怀疑，大数据是互联网的胞兄，是IT男们的游戏。其实，大数据是传统行业最后的宝藏，是尚未被认识和拓展的领域。因为，即便技术成为瓶颈、资源消耗殆尽、模式价值榨取干净，你还有想象力可以尝试，大数据就是关于想象力落地的学问。

当然，关于大数据的研究和应用，我们才刚刚开始。毕竟，通往上帝的门就在那里，做什么、怎么用，取决于你。

让不确定变得确定

依靠数据不能保证所有的努力都会成功，但这一过程会将风险降到最低。

管理大师德鲁克认为，优秀管理的前提是拿出被量化的指标。但事实上，很多时候那些被量化的指标并不一定符合事实，而另一些领域被认为根本无法量化。

这在大数据时代得以解决。因为大数据就是全数据，是与某个现象相关的所有数据。这意味着，能够改变这个现象的所有常量和变量都已被囊括其中，无论发生何种变化，一定都能得出一个最优结论。

而让这一切得以实现的前提是：足够完整的数据，足够科学的算法。如此，成功就能像“1+1=2”那样被推演出来。

为优秀员工画像

去年夏天，26岁的杰德?多明格斯收到一封突如其来的邮件，旧金山一家初创公司请他去面试程序员。那时，多明格斯住在一间出租屋里，靠信用卡赊账度日，正在自学编程。他在高中读了一半时放弃学业，后来也没有上大学。

但是，在云端的某处有那么一个人，他认为多明格斯有可能是个天才，再不济也是块未经打磨的原石。那个人是邦马萨——美国Gild公司创始人，他通过一种算法发现了多明格斯。

“招人时使用的传统指标可能有错”，Gild公司首席科学家薇薇安指出：“那些用来筛选人才的公认标准，比如在哪里上学、之前在哪里工作，同样也会遗漏人才，并最终造成雇主的损失。”Gild的思路是，通过机器来尽可能地消除人为偏见，加上更复杂的参数予以均衡。

这种算法也是Gild公司的一个产品，分析一个人时要处理300个主要变量：常逛的网站；描述各种技术时使用的语言类型，积极还是消极；在LinkedIn上的技能自述；参与过哪些项目，都干了多久。

Gild开始招人时，它假定旧金山和硅谷地区的人才都已经被挑拣干净了。于是，公司让其算法跑了一遍南加州的信息，得出了一系列的程序员，排在头一个就是多明格斯。

多明格斯写的一个代码在建网站时会被用到，被1267位其他网站开发人员使用了它。他的语言和习惯显示出对产品研发的热情和对多种编程工具的酷爱。他的博客和Twitter上的发言表明他固执己见，正是Gild公司希望其初创成员所具备的一点。

因此Gild公司的招聘人员给他发出了电子邮件，让他来旧金山面试。公司的两位创始人见到了一个富有魅力、充满自信的年轻人——举止从容、善于表达、有想法、笑容很亲切，比其他来面试的应聘者多些棱角。双方互相问了一些或尖锐或温和的问题后，公司当场签下了多明格斯，而他得到了一份年薪在11.5万美元左右的工作。

后来的故事是，多明格斯证明自己是位才华横溢的程序员，仅用了8个月的时间。

效率优化

在任何一天中，快递司机都有许多条快递路线可以选择。对于美国快递公司UPS，他们的快递员每天要送120~175次货。在任何两个目的地之间，可以选择的路线显然不计其数。对于司机和UPS，他们都想找到其中最有效率的那条。

但这并不容易，UPS利用组合数学的算法得出，以上所述的情景中所有可能的线路的总数，是一个199位的数字。这一数字甚至大过了换算成纳秒单位的地球年龄。

UPS的流程管理高级总监杰克?里维斯表示：“这数字太大了，令人难以想象。你只能从分析学上得出一个概念。”

对UPS而言，这是一项庞大的挑战。不过他们有强烈的动力去实现路线最优化：如果每位司机每天少开一英里，公司便能省下5000万美元。

这家位于亚特兰大的公司是如何做的？他们研发了一个名为Orion的系统，这是“道路优化与导航集成系统”的缩写，也是希腊神话中猎户座的名字。如果说现在有什么大数据分析学上的成就，那就是它了。Orion的算法诞生于21世纪初，并于2009年开始试运行。该系统的代码长达1000页，可以分析每种实时路线的20万种可能性，并能在大约3秒内找出最佳路线。

而当初，里维斯表示：“数学家们认为可能需要15分钟才能算出结果。”

UPS正在公司全部的5.5万条北美快递线路上装配这一系统。到2013年底，Orion已经在大约1万条线路上得到使用，这让公司节省了150万吨燃料，少排放了1.4万立方米的二氧化碳。

智能决策

在去年的用户大会上，星巴克战略经理介绍了他们研发的一个应用程序——Atlas。利用这个应用程序，他向与会者展示了一幅中国南宁地图。这是一座拥有200万人口的城市，星巴克在此开设了8家门店。

这位战略经理在地图上列举被划分为不同“层级”的元素如何影响门店选址，这些元素通过可视化的图形图标被标识出来，例如是否接近贸易区、邻居人口统计信息、每天的交通流量、公共交通便利性等。

他放大了南宁的某个区域，这个区域在未来两个月内将有三处新写字楼开放，Atlas认为这代表了一个潜在的门店位置。一旦一个新门店被确定，相关工作流程会自动从屏幕上弹出，从而指导如何获得相关审批流程、确保许可证，然后正式开启门店。

在过去，人们要搞清楚何处是开设一处新商场的最佳选址时，采用的方法是测量街道每小时交通流量、行人量，或者仅仅只是看看目标地区的其他企业是如何做的。然而，仅仅因为某处选址看起来将可能是一个很好的位置，并不意味着它就一定是。

这就是为什么星巴克会研发Atlas，其实质是一个依靠大数据分析指导市场规划和门店发展的算法。这个算法被置于地图软件分层之上，基于GIS（地理信息）系统，将结果以可视化的方式在地图上展示出来。无疑，Atlas大大有助于星巴克现有门店的成功，然后在类似领域为新店铺选址。

但星巴克没有止步于此。利用Atlas，它还可以将与新门店选址相似的算法，应用于饮品研发上。当下，面对美国已经饱和的咖啡馆市场，星巴克正试图在Atlas的帮助下，在某些门店销售啤酒和葡萄酒。

在上述的那场用户大会上，星巴克一位相关负责人打开洛杉矶地图，解释影响门店被纳入这个试点项目的变量因素：“这张地图显示了相关门店的位置，以及提供葡萄酒外卖模式的门店。我们开始在越来越多的门店推出星巴克夜间菜单，我们可以在现有的某些门店推出高消费的模式。”

虽然依靠数据并不能保证所有的努力都会成功，但这一过程将大大降低推出一家新门店的相关风险，有利于星巴克的业务推广。黎明前的裂变

数据驱动型商业模式的本质：与其卖产品，不如卖服务。

未来是一只充满魔力的盒子，拥有无限可能性。

大数据的魅力就在于，你发现人类可以利用数据完成那些壮举，拓展那些从未被发现的领域，让“明天”变得确定、有章可循，同时拥有更多按照期望运行的可能。

这就像你拥有了一只女巫的水晶球，看到未知，占卜未来。

为未来卜一卦

大数据对商业模式的最大改造，在于它让企业拥有了未卜先知的“魔法”。由于大数据的数据量是如此庞大，人们甚至搞不清楚过程具体如何发生，就在结果远未到来的现在将其精准预测。这意味着，人们可以选择那些最优结果，比如降低风险、增加成功几率等，从而趋利避害。

对于美国部分农民，过去5年发生在他们身上的最大变化，是再也不用操心这一年应该种植什么作物，因为种子公司会向他们提供一项基于大数据的精准预测服务：哪块土地应该种玉米，而另一块一定要种土豆。其结果是，农作物产量提升了大约30%。

在此之前，提升农作物产量的唯一办法，是购买更大马力的拖拉机，或者寄希望于那些穿白大褂的科研人员制造出什么惊人的基因改良种子。美国孟山都公司就是造就这一改变的代表性公司，它那神奇的预测业务，被称为“综合农业系统”。

这一系统通过“数据支撑、浮动式施肥、精密播种、施肥与病虫害管理、产量监控、育种培育”6个步骤，为农民提供细化到每一块土地的种植建议，包括如何提升产量、优化投入并保持土地的可持续发展等。这些数据被应用于个性化种植计划中，使得孟山都公司能够针对每块田地提供个性化种植策略。

这份个性化种植建议，被表现为一款能够通过iPad轻松查阅的报告，农民经过简单的支付即可获取。之前，孟山都仅是一家种子公司。提供这一服务型产品后，它转型成为大数据农业服务商，创造了一种全新的盈利模式。

2013年10月，孟山都以9.3亿美元的价格收购意外天气保险公司，因为后者拥有一支与其他农业企业截然不同的团队，他们中的许多人是前谷歌员工或其他硅谷出身的尖端技术人才。他们所开发的工具和掌握的数据，将能够帮助孟山都用更强大的数据服务未来农业。

运用的前提是拥有

虽然在创办之初就强调自己的数据驱动内核，但成立于1901年的孟山都，直到2010年才逐渐成为这场变革的领导者。

这意味着，大数据的确能够再造未来、拓展全新领域，但为此付出的努力可能要长达百年之久。毕竟，运用大数据的前提是你有大数据，而大数据那难以想象的数据量沉淀，可能需要参与者付出长久而艰苦的努力。

来自中国的土地中介公司土流网，早在6年前就开始了这一过程，而它的目标也同样是成为大数据农业服务商——俨然中国版孟山都。

陈莞青是土流网的数据建模分析师。这一带有互联网色彩的职位在业内很不寻常，因为长久以来，人们更愿意相信构建于人情关系上的生意往来。过去2年中，她致力于完善土流网App的土地估值系统。

利用这一系统，人们通过土地类型、面积、土壤质地、灌溉条件、配套设施、当地农民收入、距高速公路远近等近200个关键性信息，即可在数分钟内查询出中国任意一块可流转土地的价格。而这些价格数据，是在实时智能调整的。

这一功能得以实现的前提，是土流网利用6年时间，搜集并储存了海量土地价格数据、用户（土地流转买卖双方）数据和行业数据。每天，这些数据通过遍布全国，细微至村镇级别的服务网络，不断上传至土流网服务器中。而陈莞青的任务，就是利用这些不断扩大和调整的数据，构建起越来越智能的土地价格模型。

此外，在富士康的某几条流水线上，土流网研发的智能硬件——一款基于物联网的棒状测量仪，也正处于批量生产当中。这些仪器的神奇之处，在于插入土壤中，就能很快得到这块土地的质地、湿度、肥力等数据。很快，它们将被武装到其遍布全国的服务网络。

这意味着，土流网将很快积淀起中国土地肥力实时数据。或许在不久的将来，陈莞青能够根据这些数据，搭建起另一个与种植相关的数据模型。届时，土流网即可提供与孟山都公司相类似的个性化种植策略服务，从而一举改变这一行业过于传统的历史。

增值的本质是服务

通过以上两个案例，我们发现大数据在商业模式中的运作，是先通过一定基数的数据积淀，形成有效数据模型，然后依据模型变售卖产品为售卖服务，从而实现商业模式转型增值。

这意味着，在大数据时代，基于数据积淀、计算机算法、服务，我们可以创造出一些更有趣的玩法。美国服装电商平台Stitch Fix显然是个典型的案例。

一进入Stitch Fix网站，顾客注册成为会员后，须先回答体型、尺码、穿衣喜好等相关问题。随后，Stitch Fix将根据这些问题资料，为每一位买家打造个人礼盒，并寄送至顾客手中。

礼盒中包含有5件服饰或配件，平均单价约65美元。顾客可试穿、试用，并留下他们喜欢的商品，其余商品则必须在3日内寄回，Stitch Fix负责运费。如果顾客决定1件都不买，则需自行支付20美元“造型设计费”；当然，如果顾客将5件商品全买下，还可以额外得到25%的折扣。

此外，顾客也可以选择Stitch Fix的另一项业务——按月定时收货，从而在每个月定时收到个人礼盒，实现轻松购物，为忙碌而爱美的女性节省了时间。

让Stitch Fix骄傲的是，在其发出的难以计数的盒子里，从没有两个盒子装过一模一样的东西。

为了完善机器算法推荐，Stitch Fix竭力搜集用户在网络上的各种痕迹，例如在图片社交网站Pinterest上分享什么等，以用来分析甚至预测用户的喜好。被用来分析的用户数据点，往往多达5亿多个。

此外，还有300多名时尚专家发挥专长，完善机器推荐的不足。而有时他们不会一味迎合用户“喜好”，反而时不时给用户寄一些他们认为用户可能适合的服装风格，并且附上推荐理由和搭配建议。从结果来看，推荐的成功率往往非常高。据Stitch Fix统计数据，每个用户平均会保留推荐的一件衣服或饰品，而70%的人会在3个月内成为回头客。

有效互动是唯一目的

大数据营销本质上只做一件事：通过有效的客户互动来拉动价值。

在大数据时代，市场营销的职能中心已经数字化，从强调漂亮的宣传照和朗朗上口的宣传语，转变为获取、整合、分析所有类型数据。根据现有案例我们发现，大数据营销本质上只做一件事：通过有效的客户互动来拉动价值。

未来的市场营销，将依靠数据驱动，在洞悉结构性和多元结构性公司数据（大数据）的基础上进行搜集、分析和执行，为营销人员提供良好标准，更高效地制定计划、执行任务和证明其业务价值。

获取400万名消费者数据，红牛只用了一场诉讼

2014年，一名叫本杰明?卡里瑟斯的消费者把红牛告上法庭，理由是他喝了10年红牛，却没有“长出翅膀”。原来，红牛刚刚发布一句新广告语：“红牛给你翅膀”。这位消费者认为自己受到了愚弄。

后来，红牛与原告签订了和解协议，承诺将支付1300万美元赔偿金。然而，这场离谱的官司并没有草草收场。

不久，美国《今日美国报》发布了红牛针对这一诉讼的回应，宣布根据双方达成的协议，只要在2002年1月1日~2014年10月3日之间购买红牛的美国消费者，都可获赔10美元现金或相当于15美元的红牛产品。

值得注意的是，消费者不用提供购物小票，无需证明自己买过红牛，只要在网上提交一份索赔申报表即可。此举让红牛一下子登上各国媒体头条，甚至引发了中国网友脑洞大开的吐槽热情。事实上，红牛趁此玩了一次以获取大数据为目的的事件营销。

原来，上述1300万美元并非支付给个人，而是作为赔偿总额支付给每位索赔者，每人获赔金额将按照索赔总人数重新计算。在红牛宣布索赔方法后，其官网在24小时内就获得了460万次访问，消费者很高兴地在索赔申报表上填写了自己的真实姓名、邮箱、银行卡等相关信息，以方便红牛支付赔偿金。

就这样，红牛实际上每人只支付了3美元，就一举获得了400多万个消费者的真实数据，接下来的精准营销可谓手到擒来。

怎么能够获取消费者的真实数据，还能够让人家津津乐道，关注你、谈论你？有效互动。

为老用户画像，别克找到精准新用户

日前，别克与号称“跨平台、跨屏幕、跨渠道”的全域营销平台阿里妈妈，为即将在中国市场发布的新车“英朗”，设计了一场以找到精准消费者为目的的大数据营销。

营销团队认为，现在更多汽车消费者在消费之前会在互联网上留下痕迹，那么通过将上一代客户的互联网痕迹与潜在客户进行对比，就能找到未来消费者并对其进行精准广告投放。

为了对老用户进行精准画像，别克设置了5个维度进行描绘，涉及电商数据、用户特征、地理位置、思考周期等。具体如下。

首先，别克将近期购车的车主数据与阿里大数据进行匹配，发现匹配度高达80%左右，从而得到基本用户特征——

其次，他们通过分析用户特征，发现女性车主数量庞大，35岁以下消费者占绝大多数，其中25~29岁最多；而单身用户占3成，恋爱或准备结婚用户近2成，已婚的用户过半。

再者，根据用户维度坐标分布，别克在中国地图上进行标识，得出用户分布图。这个分布图可精确至其所在的小区、街道和周边热点地区，从而识别不同地区的消费者特征差异，找到不同地区的主要用户群体特征。

然后，通过研究发现，用户从有意向买车到决策，基本需要经过60天思考。而这60天又可细分为几个阶段，每个阶段中的用户存在变化和差异。

第一个阶段处于购车前40~60天，用户主要关注汽车之家、太平洋汽车等汽车垂直媒体大量获取信息，同时开始关注太阳镜、苹果专用配件以及孕中期或为婴儿准备的玩具等。

第二个阶段处于购车前20~40天，开始对中级车的主要品牌做了解，开始购买汽车配件用品，主要用品类型集中在新车所需的装饰及保护垫等。

第三个阶段处于购车前20天，用户会直接搜索车型，并大量购买汽车配件和用品，主要集中在饰品、清洗、美容保养等，“呵护”未来的新车。

如此，别克就完成了对老用户数个维度的精准画像，将这些数据上传到阿里达摩盘（大数据营销平台）后，就能对符合这些数据特征的人群进行广告投放。

最终，交易数据显示，这些被投放网页广告的潜在消费者，人均点击1.36次；而在已下定金的客户人群中，有80.3%是由这群人转化而来的。

只需两个数值，LinkedIn让用户流失减少40%

拥有3.5亿用户、5000名销售的LinkedIn，已实现精确管理到每个客户。这让他们的用户流失率从50%降到10%，每年有90%的付费用户留存。

一开始，LinkedIn做了一个“客户流失模型”，每当检测到客户即将流失时，就启动E-mail营销，即发邮件给用户给予50%折扣或宣布这个月免费。但结果是，收到邮件的用户更快地流失掉了。

原来，很多付费用户早已忘记自己是在付费，邮件反而提醒了他们：“哦，原来我在付费！”于是，关闭账号的人反而越来越多。

LinkedIn意识到这一点后，选择将客户关系维护的时间节点往前推，结果是用户刚刚开始注册，客户关系维护部门就是开放介入，教用户如何使用付费功能、如何将小技巧运用于工作学习等。

那么，LinkendIn是如何识别客户行为的呢？

首先，他们对每个用户的每个细微使用行为进行记录、分析，例如如何点击、查看、发布信息等，将之算成一个个积分。每天、 每星期、每月的积分构成数据库，通过对数据库里面的积分进行排序，得出“最有可能流失客户”的数值，就可以监测到具体哪位用户可能会流失，客户维护部门就能及时针对个体做出反应。

为了简化数据库使用难度，LinkedIn又将数据归纳为两个数值：温度和健康度。温度，就是说用户继续购买LinkedIn服务的可能性有多少。健康度，就是说用户使用这个产品的频次有多少。

比如说一个客户非常健康却不购买，那么客户关系经理就要追卖东西；有的客户只付费不使用，这些客户一定会流失，客户关系经理就要开始培训客户如何使用付费功能。如此，这套体系也就带动了客户和平台之间越来越多的互动，用户黏性随之增强。

当下，LinkedIn90%的销售人员每天都在用这套系统，99%的人每周都在使用。平均下来，每天每人使用这套系统的频率高达10次！

政府大数据与管道商

政府手里有两个东西最值钱，一是土地，二是大数据资源。

政府大数据为什么重要

2015年8月19日，国务院常务会议通过《关于促进大数据发展的行动纲要》，明确指出推动政府大数据开放、共享和安全的重要性。三个关键词的出发点和落脚点都指向政府大数据，我们不禁要问:政府大数据的价值究竟何在?

这个问题从数量和质量两个层面说起。

表面看，百度、阿里和腾讯都分别拥有数以亿计的用户量，但这与政府大数据相比，不是一个量级。九次方大数据创始人王叁寿曾经说过“仅一个北京市政府的数据容量就相当于10个阿里巴巴”。

而就大数据的质量，BAT企业的短板在于数据种类的单一化程度较高。政府大数据则涉及工商、税务、司法、交通、医疗、教育、通信、金融、地理、气象、房产、保险、农业等领域，数据的种类繁多，关联性强、统计规格较为统一，便于应用处理。

开放政府大数据的效果如何？据美国参议院商务、科学与运输委员会发布的报告，开放政府数据后，仅全美数据中介市场2012年的总规模已达1500亿美元，相当于当年美国情报总预算的两倍。由此可见一斑。

王叁寿一直认为，政府手里有两个东西最值钱，一是土地，二是大数据资源，“大数据资源比土地具有优势的地方在于，土地在一定时间内不可重复利用，而大数据可以无限循环利用。”

但挖掘政府大数据并非易事。事实上，政府大数据之所以一直“沉睡”，是因为它处于“数据孤岛”状态。拥有这些数据的各个政府部门之间、上下级政府之间，往往并未形成有效沟通，彼此阻隔。而那些被视为与石油同等重要的数据资源，也被不同的格式——比如电子文档、视频、音频等，记录在不同载体里，甚至还有很多重要的数据没有数字化。此外，并非所有政府大数据都适宜挖掘，其中很大比例的数据涉及国家机密或敏感内容，需要事先进行甄别和“脱敏”。

对于政府来说，如何在未来5~10年内挖掘大数据产业，将决定了其在土地红利、人口红利消失之后，再次体验到经济黄金增长周期。

城市样本：贵州大数据

贵州忽然火了。

这个偏居中国西南、居于云贵高原的省份，在过去半年里忽然成了香饽饽。先是5月份，马云、马化腾、郭台铭、雷军等科技红人纷至沓来。再是6月份，国家主席习近平视察贵阳，对其给予充分肯定。

这一切的缘由，是贵阳给了自己一个全新的定位——数据之都。

有媒体形容，贵州发展大数据的决心堪称“激进”，这不仅表现在其欲耗资50亿元打造“全城免费Wi-Fi”,还通过硬性规定要将整个政府IT系统迁到阿里云上，从此不再自行购买服务器、交换机等。一旦整个系统搬迁完毕，政府“数据孤岛”状态即被打破。

与其有合作的九次方大数据总裁助理王亚川认为，这可能是由于贵州能够借以发展的资源有限，来自先进省市的领导班子，依靠本地凉爽的气候（适于安放服务器）、电价便宜等条件，将大数据作为整个城市甚至全省的支柱产业，全力倾注有关。

他甚至用“创业型政府”形容贵州政府的拼劲：“官员们不但参与每个项目会议，还与我们这些创业公司一样，每天都会加班到凌晨。”

目前，贵州的食品安全云、交通云等已初步建设完成。得益于此，贵州省公安厅交警总队管辖区内，今年1~7月没有发生一起死亡3人以上的交通事故。

最近，贵州与大数据相关的最大动作，莫过于建立起中国首个大数据交易所和中国首个众筹金融交易所——贵阳大数据交易所和贵阳众筹金融交易所。

这两个交易所均采用“国企+民企”的模式建立，其中贵州大数据交易所的总裁即九次方总裁王叁寿，而后者的董事长刘文献同时是北京特许经营权交易所董事长。

值得一提的是，贵阳大数据交易所作为中介，将把大数据转换为产品，在全球进行“买卖”。同时，它还将担负对数据进行保密清洗、分析、建模，把底层数据变成可视化数据，解决数据如何保护隐私、数据所有权等问题。

当下，贵交所已经交易2000多笔，交易额达到3000万元左右。

“贵州虽然提前走了一步，但不代表领先十步百步。现在贵州发展最大的优势还是在于政府的政策，推动力比较大。在此基础上提供应用，把数据变成价值，还是需要时间来改变的。”贵州方面一位相关人士说道。

大数据管道商

大数据建设分四个阶段：基础设施建设、软件技术开发、大数据应用、大数据交易。对于政府大数据来说，目前正处于基础设施建设阶段，即铺设“大数据管道”。可以预见，随着明确的政府大数据开放信号被释放，中国将迎来新一波“大数据管道”注册潮。

其实，早在明确的信号被释放前，各地政府就已经纷纷试水与市场资深大数据公司合资，成立地方大数据管道公司。其中，九次方大数据是佼佼者。

在九次方位于北京的办公室里，总裁王叁寿在一面墙上挂了幅中国地图，命名为“政府大数据革命根据地”。他希望用最快的速度，与更多的地方政府建立合资公司，从而在源头上占领一个地方的政府数据资源，这被其称为“政府大数据管道战略”。

各地政府挖掘大数据的目的各有侧重。苏州致力于政府征信服务平台建设，而包头则紧紧围绕畜牧业大数据、稀土大数据等当地特色经济。

截至目前，九次方已经与全国20多家政府达成“大数据管道”建设合作协议，例如济宁、苏州、包头、金华、甘肃等，这个数字预计明年将会达到200家左右。根据协议，政府将占有合资公司51%的股份，剩余49%归九次方。

合资公司的运作，将以统一的数据格式、统一的指标，把企业的经营数据、产业链分析数据、所处细分市场相关数据一网打尽，并且打通各个部门数据不一致的问题，既给企业监管带来便利，又节省资源。

这个企业大数据的平台搭建之后，源源不断的数据还将像“活水”一样在其间流淌，既有时间沉淀下来的历史景况，又有实时的当下数据，互相交织形成一座金矿。