大数据商业的未来架构

  在过去,线上(online)的商业和线下(offline)的商业就像是两条平行线,没有交汇点,现在正在交汇,这就是O2O(online to offline,线上对线下)。于是,人们直觉地认为:O2O就是线下将线上作为销售前台。结论是对的,但又不仅如此。

  首先,O2O是一盏信号灯,它是工业革命终止的“红灯”、">互联网商业的“黄灯”和数据商业的“绿灯”。换言之,工业革命和互联网革命结束,人类将步入数据革命时期。而O2O正是线上和线下全流通的数据化工具。从O2O角度来看,电子商务就是非数据商品的数据化。

  其次,O2O还是一种竞争格局。这决定了以O2O为标志的数据革命时代的四个战场,分别是线上商业智能入口(如iPhone 手机、小米)、线上的销售平台、线下商业的店铺与连锁以及CRM(客户关系管理)。大量的硬件将基于O2O后的“云”和“大数据”的思维重新创新、重新被定义。例如,iPad将是一台电视机,iPhone将是一台电脑,耳机将是数据时代最重要的入口硬件等。

  再次,O2O还是媒体和商务之间的交汇协同。当前是一个快速迭代的变革期,驱动着非数字媒体向数字媒体转变,以及弱关系媒体向强关系媒体转变:论坛、博客、社交网站、微博、微信,这些媒体形态的迭代都只有两年时间。与此同时,电子商务却在持续发展。如果人们能够俯视时间的进程就会发现,商务和媒体之间在寻求一种协同效应,电子商务和媒体作为两条平行线在一个平台上进行交汇,这也是类似于O2O的接口式交汇,这个平台目前就是微信,准确说应该是一种类似微信的电子商务+媒体形态的综合平台。

  最后,O2O是销售模式架构的内核。即同时架构线上、线下双重业务,两者之间通过“用户数据”连通(即常说的CRM)。打个比方,如果说“蒸汽机”是工业化商业动力内核,那么,“O2O”架构就是数据商业模式下的内核,即O2O就是数据革命的“蒸汽机”,包含在任何一个数据商业模式的“身体内”。

  这将给未来数据商业提供一条清晰的架构路径:线上运营+线下运营,中间是用户数据,数据同时驱动线上和线下的发展,线上为线下带来订单和为CRM提供体验,线下为线上提供定制以及为CRM提供数据。公司运营者将必须考虑线上竞争力、线下竞争力和数据黏性。显然,这种数据商业的逻辑尚未普遍实现。

  人们正是由于未能清晰认识到O2O是数据时代的信号灯,以及O2O给消费者、市场形态、战略、组织、管理、品牌、营销和销售带来的系列影响,才导致99%的组织正在遭受销售下滑、人才流失、战略失败、管理低效等一系列问题。经理人和老板们迷茫、压力增大,但消费者正体验着O2O进程中的红利。对于消费者来说,他有着新的角色、动机和行为,由外化人角色向内化人角色转变,由物质人角色向社交人角色转变。

  对于市场来说,过去的价格市场正在向价值市场转变,对应的4P+4C的传统营销模式正在向4U新型营销模式转变,标准商品逐步由低价到免费,同时奢侈品化的商品增多。价值市场将出现新的货币——积分,让口碑成为价值支付。对应的是,价值市场将更多采用沙漏型的商业模式。创新成为价值市场的主导力量,让人目不暇接。同时,由于商品免费,组织将具备非营利性组织的特征。

  消费者和市场形态的变革必然带来组织的供给和生产方式变革,这也是组织的战略、管理、品牌、销售在新时代到来时失效的原因。

  在战略上,组织将由过去以寻求确定性机会为主导的战略,转向在不确定性下的风险管理战略,通过试错和微创新,亦步亦趋地寻求发展机会。形象一点比方:风险管理战略得具备“乌龟”精神和“孙子”心态,试错就是像乌龟爬行一样,一步一个脚印,在微创新项目未能成功之前,就得有装孙子的心态,项目成功了才能做爷爷,例如微信。

  在管理上,组织将由过去的科层化管理转为水平管理,通过强强联合的创始人制形成垂直的自组织,加快决策、降低风险、提速创新。这种水平联合和垂直管理的模式看起来就像是多个自组织在围绕着组织“公转”,同时自组织快速“自转”。组织公转和自组织自转的驱动力则是价值观,即文化将成为组织的核心竞争力。人才将成为奢侈品,大量的人才在初级阶段会成为自组织的创业成员、体验实施人员;大量的高阶人才会成为联合创始人。

  在品牌上,logo认知( 知名度) 将失效。这将导致所有过去以logo为识别核心的品牌体系崩盘,进而形成以创新的单品、品类名称为核心的名称认知,二维码将成为品牌logo。品牌回归到最本真的定义:品牌即价值。用创新赋予价值,用体验感受价值,用分享传递价值,这就是品牌传播的方法论。进而口碑成为品牌价值的定性标准,积分成为品牌价值的定量标准。换言之,一个同质化的品牌即使拥有再高的logo认知,也将被消费者抛弃。

时间: 2024-09-21 00:51:06

大数据商业的未来架构的相关文章

大数据应用的未来发展在何方?

时至今日,我们的数据管理能力日益提升,但数据分析能力则相对落后.尽管工具与流程皆已齐备,但仍然缺少充足的数据科学家人员.在今天的文章中,我们将专注于能够交付实际分析结论的大数据应用,同时追踪其发展及当前状态,最终借此窥探大数据技术的未来发展方向 早期大数据技术采纳方指明令人感兴趣的跨行业发展可能性 根据2012年<福布斯>杂志发表的文章,早期大数据技术采纳方主要来自金融服务.电信.制造(特别是消费级产品)以及政府领域. 早期采纳方在起步阶段会使用其新近安装的大数据基础设施(例如HDFS.Map

探讨:数据驱动型企业与大数据商业模式

本文讲的是探讨:数据驱动型企业与大数据商业模式,2012年7月13日消息,2012第二届大数据世界论坛今天在北京开幕.本次论坛邀请了Forrester Research资深分析师曹宇钦 .IDC中国高级分析师周林等权威第三方咨询机构;微软亚太研发集团首席技术官孙博凯.赛仕软件中国总经理刘政.甲骨文大中华区技术总经理喻思成.Splunk亚太及日本区域副总裁刘文熙等业界主流厂商高层;以及支付宝首席商业智能官车品觉等来自金融.电信.电子商务.制造业等重点应用行业的用户嘉宾等都将与会于业内专业人士面对面

大数据之市场未来2年趋势和IT投入重点

文章讲的是大数据之市场未来2年趋势和IT投入重点,为了准确描述中国大数据市场和技术发展趋势,解析大数据发展的各阶段对IT技术的需求,2013年6月,中桥国际调研咨询(以下简称中桥)对中国480家最终用户的IT管理者和专业人员,就大数据市场和技术发展趋势展开了调查.之后中桥首席分析师王丛,将结合其在欧美数据中心领域十几年的市场调研积累,对中国大数据市场趋势的调查数据进行解析,以诠释中国大数据市场和技术趋势.同时,会通过在线讲座(www.webinars-china.com ),和中国读者解读中国大

技术与商业激烈碰撞 大数据商业应用与实践峰会成功举行

ZD至顶网CIO与应用频道 07月08日 北京消息: 7月6日下午,由36大数据联合搜狐科技.物联中国.至顶网.人民网.泡泡网等多家媒体共同举办的"大数据商业应用与创新峰会"在北京火爆召开.这场行业盛会吸引了来自IBM.亚信数据.聚合数据.诸葛io.互利科技.神策数据.海云数据.万象等众多公司的业界 精英参与.与此同时,36大数据创始人刘金玲首次对外公布了公司新品牌LOGO--Datajoy. 图1 大数据商业应用与创新峰会在京举行 图2 活动现场座无虚位 随着去年国务院<关于促

Hadoop之父Doug Cutting眼中大数据技术的未来

上次见到(膜拜)Hadoop之父Doug Cutting是在2年前,2014中国大数据技术大会上.今年Hadoop10岁,刚看到他的Hadoop十周年贺词,感觉时间飞逝. Doug Cutting成长史 1985年毕业于美国斯坦福大学的Cutting并不是一开始就决心投身IT行业的.在大学时代的头两年,Cutting学习了诸如物理.地理等常规课程.因为学费的压力,Cutting开始意识到,自己必须学习一些更加实用.有趣的技能.这样,一方面可以帮助自己还清贷款,另一方面,也是为自己未来的生活做打算

大数据将是未来最重要的生产资料?

大数据,是近几年内最为热门和重要的技术话题.8月31日,百度百家举办的第三期BIG,请来了可穿戴设备和大数据领域享有盛誉的世界级权威教授Alex Pentland,与百度百家共同探讨大数据和可穿戴设备的未来.Alex Pentland直言他在生活中并不怎么使用可穿戴设备,因为现在技术和应有都不太成熟,这种判断我也很认同,下文中我们将重点讨论大数据话题的讨论上. 大数据的价值是否被高估了? 现在单纯地讨论大数据是没有现实意义的,它必须跟云计算相结合才能发挥出应有的作用.完整的大数据应用应该包括数据

大数据视频项目的架构选型问题,急急急急急急急急急急急急急急急

问题描述 大数据视频项目的架构选型问题,急急急急急急急急急急急急急急急 项目为:工矿企业干部远程视频培训系统.我们有四个司局150个干部同时学习,请问用java搭建平台,框架架构怎么定型? 解决方案 前端用flex,后端用流媒体服务器就可以了.如果是双向实时授课,也可以用现成的网络会议软件.没必要自己做. 解决方案二: var aUsage = {??"int":"^([+-]?)//d+$",??"int+":"^([+]?)//d+

医疗健康大数据服务平台技术架构

医疗健康大数据服务平台是一个包含多个业务系统.多个自身管理软件.是一系列软.硬件和人员.政策支持的综合系统体系,统一建设医疗健康云计算服务中心,集中存储居民医疗卫生信息和居民电子健康档案等数据,满足社会大众.医务工作者.各级卫生主管部门.第三方机构的应用需求. 医疗健康大数据服务平台总体架构如下图所示. 图 医疗健康大数据服务平台总体架构 如上图所示,医疗健康大数据服务平台分为资源层.服务层和展现层.其中层功能如下: 1.展现层 负责对用户提供医疗健康信息.以及分析与挖掘信息服务,支持4大类用户

《深入理解Hadoop(原书第2版)》——1.6大数据商业用例

1.6大数据商业用例 在商业界,大数据和Hadoop都有很多应用案例.再从以下三个方面总结大数据的特征: 数据量(Volume) 处理速度(Velocity) 数据多样性(Variety) 数据量是指系统能够处理的数据量的大小.如果你们部门每天晚上都要在两个小时内获取.加载并传输2TB的数据,你就会面对数据量的挑战. 处理速度是指当大量数据来到时,系统的处理数据能力.像Facebook 和 Twitter 这样的公司就碰到了数据处理速度的问题.这些公司每秒钟都会收到海量的短信息(tiny mes