美国著名的技术创业训练营 Y Combinator， 一个众所周知的连接有潜力的新贵科技公司和风险投资的纽带。它另一个鲜为人知但是同等重要的功能，就是训练创业公司的所有者向所有可能最好的商业模型发展。这种模型会被团队中所有人员的 角色、驱动力、兴趣、专业能力范围、他们所计划填补的市场空白等等因素所决定。然而最终的结论都要基于数据、市场研究和参与者的行业内信息。Y Combinator 通过他在硅谷内的影响力，能够为参与者提供这些所需求的信息。事实上，每年有超过20%的创业公司被要求参加 Y Combinator 的训练营，并在训练后呈现出了与原始截然不同的产品。
在投入市场前有一个优化的商业模型是不是很好?由于在市场上大数据和相关分析工具已经被创造，这使得我们具备能力去在各行各业中进行公司所需要的这种商业模型的优化。
一个小表格就能做到这一切?
答案是否定的，如果希望数据创造价值，对原始数据进行清洗，组织和管理是必要的。这样的应用需要用户友好的仪表界面使数据具有指导行动的意义。目前越来越多的公司提供划算、易用的产品让大数据管理简化到单个用户的维度。有越来越多的应用冲击着市场，其中一些非常专业像hiQ, SumAll, and Splunk，另一类更加的通用，像 Domo和Hadoop，适合大型公司集成应用。大数据和大数据分析工具正在向公司展现如何重建模型中的关键部分，让我们来讨论几个实例：
- 价值主张
日本保险公司东京海上保险有限公司，发现他们的顾客想要一些短期保险而非原有的按年参保模式。这时，他们现有的销售模型无法满足这种需求，因为在传统智慧中长期的销售策略才能换取高额的收入，而短期模式可能导致入不敷出的情况。
为了满足客户的需求，他们的合作伙伴移动运营商Docomo利用自己的数据优势，创造了一系列的短期保险产品并标记为一次性保险产品。这些产品通过一款移动应用提供给客户，为不同的生活场景推荐适合的险种，比如 滑雪、高尔夫和旅游相关的保险。通过这款APP，东京海上保险有能力去定制场景化的保险套餐。
- 利用数据资产
越来越多的公司意识到他们的数据可以最终转化为产品。华尔街日报2014年6月的报道说明了 facebook, LinkedIn 将搜索算法、放假预测和相似的功能加入进自己的产品中去让自己的网站更受欢迎。但是，并不仅仅是严格的数据公司在做。通用电气、苹果和纽约时报也在做。数据化产品并不仅仅是独立的，或谋利的。在Facebook的例子中，数据产品经常与其他服务绑定或者用于让Facebook的广告更具吸引力。
- 当数据显示数据的局限性
一个从大数据中得到的最有趣的、并且越来越得到共识发现是 定量模型自身的局限性。确切的说，大数据的价值往往取决于数据集的数据量。美国地质勘探局 (USGS)发现所有的数据并非被平等的创造出来。 为了利用社交数据去构建一个快速响应的全球地质事件系统，USGS 精细化他们的社交数据处理方法，去寻找推特上不同语言间的细微差异。他们注意到人们如何分享地震相关的事实和链接，像量级，这些都会和第一手的资料存在差异。因此，他们重建了模型去过滤tweet分享的链接或数值。最终建立了一个基于社交数据的地震追踪模型，可以在1,2分钟内实现email报警。在模型中，USGS使用了海量的定量数据去挖掘细微的定性差异。
由于大数据能够提供洞察，确定的商业智能元素能够从简单的预测与安慰变得稍微可靠一些，它能够更准确的测量、描述、追踪和计划进未来一段时间内的基本假设逻辑模型中。从表面价值上，大数据是优化商业流程、减少低效率的工具。更深入的审视告诉我们，大数据的作用远大于优化流程。同时一个独立企业克服信息孤岛这个大数据的挑战，可以帮助这个企业优化整体模型去更好的适应整个市场。
本文转自d1net（转载）