54項大數據關鍵模型
數據時代對熟練的從業者有著全新的定義。這其中可能會涉及諸如統計學或數學之類的技能，但這僅僅只是所需補缺的一個方面。在醫學上，這涉及醫學院教授的知識技能，例如，數據分析與數據收集。在農業里，新知識技能包括通曉如何利用不同的數據源（無人機、全球定位系統等），并立足于由此獲得的認知來提高產量與發展生產力。
對熟練的從業者的要求在不同的時代里已經發生了質的變化。在17 世紀與18 世紀，對熟練的從業者的要求通常是其體能或對某種手藝的相關知識的掌握（比如會計員）。而在工業革命時期，熟練的從業者被定義成擁有操作機器或者在流水線上工作的能力。在過去的20 年里，熟練的從業者進一步演進，更注重于
客戶服務與科學技術。
在未來的十年間，熟練的從業者將取決于自身獲取、分析并利用數據與信息的能力。這種全新技能的擁有者將出現在各行各業，他們在各自的行業中所擁有的技能只是略有差異。定義熟練的從業者的模型可歸納為：
1. 考慮到可能出現的顛覆性信息與技術，理解今天、明天與未來所會用到的技能；
2. 為了充分利用新出現的數據，企業或許要調整業務流程，重新定義職位角色與之相對應的技能；
3. 新員工的培訓與對當前雇員的再培訓將成為能否與時俱進跟上時代的重要條件。
創建并利用全新的數據源
隨著智能機器的誕生，出現了更為經濟高效的數據收集與分析途徑，在未來的許多行業中，利用新的數據來源將成為一種差異性的能力。
在第1 章中，我們可以清晰地看到全新的數據來源是如何改變農林漁牧行業的。在20 年以前，農民從來不會思考如何去利用衛星圖像中的信息，更不用說擁有不斷獲取這類數據的能力了。這種現象在每個行業中都是普遍存在的。
在醫療領域，數據來源從一年數次的醫療記錄演變為采用可穿戴式與移動式醫療解決方案產生的持續不斷的數據。數據流可以結合社交媒體，創造出全新的更為豐富的融合數據。新的數據來源中的關鍵模型在于：
4. 全新的數據來源可能意味著競爭優勢的提升。大多數企業都容易依賴現有的數據源，而忽略利用外部數據源來獲取全新的數據；
5. 整合之前斷開或不同的數據集合可以帶來全新的觀點與認識，從而為競爭優勢創造條件；
6. 通過內部數據與新的外部數據的融合貫通，能夠產生全新的數據類型。
建立新的數據應用方式
數據只有在使用消化之后才會產生價值。與數據相關的各種應用程序是訪問數據的一種手段。即使是新生代的熟練從業者，面對龐大的數據集合時，也很難正確地梳理出觀點并采取行動。而與數據相關的應用程序將成為利用數據時得心應手的工具。
例如，在第1 章中介紹過的“完美雨棚”便可視為農業領域數據應用程序的一種案例。即便經過相應的訓練，種植土豆的農民也很難有能力收集地表數據并作出分析?！巴昝烙昱铩钡某霈F填補了這項技能空白。原先農民需要承擔收集足夠且可靠的數據的工作，但“完美雨棚”提供了一種簡化的方案來分析、展現數據，并據此采取行動。
使用正確的數據應用程序，對人員的要求與培訓的難度會顯著降低。與數據相關的應用程序能夠讓從業者不需要擁有數據科學家的技能，也能夠像數據科學家一樣勝任數據工作。在構建全新的數據應用程序的過程中，關鍵模型在于：
7. 全新的與數據相關的應用程序將能夠更快速有效地運用數據；
8. 數據應用程序隨著數據集合不斷更新發展，從而確保業內相關人員持續不斷地學習和提升洞察能力。
改造及創造全新的業務流程
傳統的服裝零售商會在冬季到來之前就開始為明年秋季服裝啟動采購流程。他們需要審查設計、挑選供應商、下訂單，最后將貨物入庫。一旦設計出的產品進入店鋪之后，零售商就會開始評估具體銷售情況，利用銷售數據來確定是否需要額外下訂單。這些業務流程驅動著時尚零售行業。
在第4 章中，時尚電子商務網站史迪奇展示了他們是如何創造出一種新的商業模式，根據數據轉型并產生全新的業務流程的。史迪奇為他的每一位客戶提供一份推薦組合，并利用客戶的反饋調整采購和生產流程，從而創造出一種全新的流程，以便尋找到最合適的貨源與生產方式。
在第3 章中介紹的動態風險管理是保險行業內一套嶄新的方法與業務流程。從歷史上看，保險公司里的每一個流程步驟都是建立在對各項保險索賠的精算評估，以及產品報價與溢價之上的。而在動態風險管理的時代，這些過程會隨著每個人使用保險產品的狀況而進行調整（例如按量付費的保險）。動態保險清晰明了地將風險與保險金有機地結合起來，建立了反饋環路，對承包者與客戶都有好處。轉變業務流程中的關鍵模型在于：
9. 數據會改變當前的業務流程并引入新的流程；
10. 數據將實現針對個人層面，而非客戶群的個性化業務流程；
11. 含著數據的金鑰匙誕生的新興企業，將會擊潰原本由使用傳統業務流程與方法的現有企業構筑起的市場。
通過數據收集實現競爭優勢
用一臺收銀機來收集數據并不困難，每一項輸入的銷售記錄都可以自動上傳至數據庫用于分析。數據收集輕而易舉，并且通常能夠以自動化的方式完成。用無人飛機來收集數據則是一件頗具挑戰性的工作。無人機通常只有需要充電的時候才會飛回來，而且無人機能夠收集各種類型的數據，視頻、傳感器數據或者是其他想要收集的信息。那么你會作何選擇呢？
同樣，從地處偏僻的石油鉆井平臺上獲取數據也絕非易事，這就好像是期望與網絡風馬牛不相及的拖拉機在作業時取得數據一樣。
在許多場合都會涉及數據的收集工作，可能源自網絡節點上的某臺設備、靠近某個數據源的個人、某臺聯網的機器，等等。雖然當前的數據收集工作成績平平（甚至在某些場合下根本不存在），但是數據時代會給數據收集、與大趨勢同步的能力帶來飛躍性的提升。隨著大數據開始嶄露頭角，各種收集數據的技術也會變得日益普及。數據收集中的關鍵模型在于：
12. 收集同步數據的能力在數據時代將變得至關重要；
13. 被收集的數據必須快速傳輸，實時分析；
14. 數據的收集工作貫徹于某家企業、某款產品或某項業務流程完整的生命周期內。在某個時間點上所取得的數據可能很有趣，但卻總是難以產生收益。數據的收集僅是一個方面，確保其正確性與可操作性則另當別論。
揭露經驗性的偏見
每家企業、每個組織以及每個行業中，都存在一些被認為是不容置疑的“真理”。不論這是因為領導團隊習以為常的模式，還是由于領導層缺乏變革的勇氣。這種不容挑戰的“真理”就是這么堅如磐石地存在著。
從在數據時代看來，這種圖騰式的盲與我們在第2 章中所討論的經驗性偏見如出一轍?；叵胍幌驴死蛱m診所的研究發現，那些醫生否定自己初步診斷的概率高達11%，甚至在18% 的情況下，醫生建議的治療方案會發生重大變化。這就是基于主觀判斷所作出決定的后果。
那么，在數據時代是否就不再需要主觀判斷了？當然不是。洞察、智慧與觀點是嚴密的決策制定過程中所不可或缺的，但是觀點必須基于數據與確鑿的證據。從本質上看，圖騰式的真理容易引導企業從主觀意見、歷史經驗或者直覺感受出發作出決策，而非客觀數據。揭露經驗性偏見中的關鍵模型在于：
15. 個人與企業應當記錄下他們的主觀偏見（或者說真理），確保能充分認識到這些偏見；
16. 作決定唯一的根據是數據，而非觀點或組織的真理。要確保做到這一點，必須強迫在每項決策中都有相應的數據作支持，并詳細記錄在案，以供今后進行分析。假如不能做到，那么你就應該去了解其中的緣由（例如，數據無法收集，不可用，或是難以分析）。
實時監控與決策制定
數十年以來，默認的數據分析方法建立在收集數據、加載至系統、分析數據這樣的步驟之上。這是個簡單的過程，卻能夠提供一定程度的洞察力。但這是否就已足夠了呢？假如決策制定要求基于對持續的信息流進行分析，當你有這樣的需求時，傳統的“收集、加載以及分析”的過程便顯得鞭長莫及了。
2013 年，位于加拿大多倫多的兒童醫院新生兒重癥監護中心宣布對住院的嬰兒進行實時監控。醫院發現一種被稱為遲發性新生兒敗血癥（血液感染疾?。┑母腥就ǔl生在新生兒出生第8 至89 天內。
傳統的數據“收集、加載以及分析”方式在這一過程中遠遠不夠，這會導致在感染發生后的數天、數周，甚至數月后才發現病情。因此，多倫多醫院轉向了實時的監控與決策體系，改變了新生兒的治療方案。在這個案例中，實時的數據流可能會意味著生命的延續或終結。實時監控中的關鍵模型在于：
17. 部分數據的時效性非常短暫，這樣的數據必須用一種持續不斷的方式進行收集，進而產生數據流；
18. 時效性短暫的數據必須在其產生之際就運用數據流技術加以分析，并即刻采取對策。
社交網絡的利用與數據創造
在數據時代，由個人、企業或機器所組成的網絡相當強大。任何數據集如果缺少了網絡化的數據，都是有局限性的。而有局限性的數據會導致決策偏向于主觀判斷，這樣就難以產生建設性的決策了。
在第2 章中，HealthTap 醫療問答網的案例展示了社交網絡數據是如何讓患者收到更好的治療效果的。在HealthTap 的商業模式中，通過社交數據實現了患者個人自助式的服務，從而使得醫生不用參與到每一項判斷中，加速了診斷過程。
詹姆斯·索諾維爾基（James Surowiecki）在其2004 年出版的《群體智慧》（TheWisdom of Crowds）一書中提到了數據時代。他的主要觀點是，一群人通常比任何單一個體都能夠作出更好的決策。部分原因在于，當不同的個體在以群組形式作出分析與獨立判斷時，視角與觀點的寬度和深度往往是個人所難以企及的。這也正是社交網絡中的數據如此重要的原因。每個人不一定都是準確的（當然也可能是），不過浩瀚的數據一定能夠高瞻遠矚，洞察幽微?？偠灾?，社交網絡中的關鍵模型在于：
19. 社交網絡產生的數據提供了多種多樣的觀點視角，可以支持詳盡精準的分析，從而獲得更加準確的結論；
20. 社交網絡產生的數據代表了大眾的情緒和觀點，通常比某位專家的看法更勝一籌。
解構價值鏈
每個行業在發展一段時間后都會產生一條價值鏈：即能夠為每一位股東帶來實實在在收益的一系列的流程與事件。以汽車行業為例，傳統的價值鏈包括零部件供應商（開發高品質的部件來創造價值）、汽車制造商（部件組裝、整體設計與性能優化來創造價值）、汽車經銷商（提供銷售與營銷服務和庫存管理來創造價值）以及客戶。數據能夠解構價值鏈，精簡或重新定義其中的各個環節。
在第6 章所談到的特斯拉的案例中，數據精簡了傳統供應鏈中的部分環節。特斯拉汽車的智能化不再需要依賴汽車經銷商，從而建立起一種商業模式，即通過建立企業自身的營銷手段取代傳統的經銷網絡?，F在特斯拉還在供應鏈解構方面更進一步，創造性地涉足超級電池工廠來供應汽車的電池，這一步代表著對部件供應商的供應鏈的解構。
解構價值鏈的前提是特斯拉選擇創造智能機器，而非單純的汽車。在每個步驟中生成的數據幫助企業不斷優化銷售、維修與服務，從而為單一企業垂直整合完整的價值鏈，實現利潤的最大化提供了無限的可能性。解構價值鏈方面的關鍵模型在于：
21. 利用數據精簡價值鏈的各個環節，改善最終產品；
22. 諳熟數據轉化、改善價值鏈中各項環節，或者降低其成本的方式。
提供全新產品
數據可以創造出差異化，轉變業務流程或精簡供應鏈中的部分環節。在大多數情況下，企業會將數據視為達成目的的手段，利用這部分資產來改善現有的產品或簡化傳統過程。但是，數據時代帶來了更廣闊的機會：數據可以變成產品。
尼爾森公司、艾美仕等企業在數十年之前就深諳此道。他們的核心業務建立在這樣一種認識之上，即數據是至關重要的資產，而他們通過建立商業模式實現數據的貨幣化。這種機會現在幾乎擺在所有的公司面前，只要他們能夠找到利用數據又不會損害其競爭優勢的途徑。
孟山都公司將數據變成了產品，最擴充了他們的業務。他們在農業領域收集的數據，以及各種高效的數據使用工具能夠為農民帶來巨大的價值。因此，他們能夠將數據以及利用這些數據的工具產品貨幣化，因為它們在提高農作物產量方面功效卓著。提供全新產品領域內的關鍵模型在于：
23. 利用數據或貨幣化數據資產贏得競爭優勢；
24. 如果要實現貨幣化，數據應當能夠被購買方所消化；
25. 如果會影響企業現有的競爭優勢，企業就應當放棄將其數據貨幣化。
量身定制而非批量生產
細分市場、焦點小組與海量郵件的時代應該已經成為明日黃花，一去不復返了。延緩這種變革到來的只可能是你自身缺乏對數據如何改變現狀的理解、難以決策未來的后續方案以及不熟悉過程中可使用的工具。然而，無論如何，歷史的潮流都會如期而至。
市場營銷與銷售將成為一種更加個性化的行為，市場中的成功者一定是最快速實現個性化銷售的。當企業的市場營銷能夠真正做到因人而異，其經濟效益將產生根本性的改觀。
第4 章的案例非常有助于說明這一點。購物網站基頓建立在個人溝通的原則之上，所有的銷售行為均以個性化的方式完成。史迪奇網站在短時間的數據收集之后，成為一家真正提供獨一無二的個性化購物體驗的公司。兩者在實現這個目標的過程中都利用到客戶行為與個人偏好的相關數據。因此，為客戶量身定制的關鍵模型在于：
26. 由數據驅動個性化銷售與營銷；
27. 通過實現個性化，數據會提升許多行業與商業流程中的經濟效益。
在隱私與洞悉之間達成某種平衡
雖然個性化技術是企業轉變市場營銷與銷售策略的利器，但另一方面它會對個人隱私產生影響。許多人可能會感覺到他們的行蹤被記錄監視著。這給每個當事方提出了一道經典的平衡理論命題：你是否愿意犧牲有限的隱私，以換取在個性化方面的回報？
利用數據資產實現個性化的企業需要認識到這種平衡的重要性，以確保有相應的策略鼓勵消費者選擇他們喜歡的方式。這其中的關鍵模型是：
28. 隱私與個性化通常彼此相互矛盾；
29. 理解如何利用個性化而不公然侵犯隱私，這對于適當的數據管理工作至關重要。
改變產品的定義
威廉· 達維多（William Davidow） 在2012 年出版了《高科技營銷》（Marketing High Technology）一書。從那時開始，我們已經見證了許多重要的技術革新，而且到今天，這仍是一部突破時間界限的作品，幫助你思考如何構建卓爾不凡的產品。這本書傳遞的基本信息在于產品的開發團隊應當思考如何構建完整的產品生態系統，而非單一的產品。單個的產品只是客戶最終購買的商品，完整的產品生態系統則涵蓋了產品周邊相關的事物：目標市場、分銷渠道、銷售、服務、市場營銷與定位。數據改變了人們對完整產品生態系統的認識，不論是對現有的產品還是直接將數據本身變成的產品。
達維多書中的智慧還包括以下內容：
? 市場營銷應當創造出完整的產品生態，并能使它們在目標市場中笑傲群雄；
? 創造完整的產品生態的成本通常會比開發單個的產品要高出數倍；
? 產品的設計過程中應當充分考慮其可服務性；
? 出類拔萃的產品需要具有靈魂；
? 公司之所以會失敗，是因為他們無法讓客戶滿意。
在數據時代，對于完整的產品生態界，達維多的作品將給出一種更具說服力的定義。第6 章中有關特斯拉的案例詮釋了汽車廠商的產品可以不只是一輛“車”（例如，售后等各項功能特性），這一切都歸功于數據創新。因此，改變產品定義中的關鍵模型在于：
30. 借助數據，產品的定義可以從功能特性的描述延伸擴展至服務性與用戶體驗；
31. 數據可以改變產品，使其從商品自然的交易屬性轉變為某種標志與文化，從而建立起長期的客戶關系。
隨著數據量的增長，企業開始利用這些數據創造價值。企業的需求是可以預料到的，即盡快獲取到盡可能多的數據。但是，將數據展現給企業未必是件很容易的事情，因為要消化數據并不容易，而且往往受限于條例政策和規章制度等因素。
傳統信息挖掘的方式是基于文本進行檢索。這是一種默認的檢索方式，每個人都對用谷歌等在線搜索引擎檢索數據非常熟悉。其中的要點在于用戶明確認識到他尋找的是什么。而在本書第一部分的案例故事里，在許多數據帶來的變革中，許多用戶在最開始時并不知道該如何提出數據方面的要求。
為實現有效且開放式的數據訪問，企業必須有意識地決定其實現方式（使用準確的流程步驟），并將數據服務在適當的時間提供給期待中的用戶。因此，
數據挖掘過程中的關鍵模型在于：
32. 數據的大眾化已經在逐步發生，促使企業將數據更好地組織管理，供企業內部使用；
33. 數據搜索引擎只能回答用戶明確想問的問題。更有效的數據訪問方式是指將合適的數據在合適的時間呈現給合適的人，而無需用戶思考如何請求數據。
數據安全性
隨著數據變得日益大眾化，需要有更多的注意力用于數據的管理與安全性保障?？紤]到數據對許多企業而言都是至關重要的資產（有時甚至對業務本身也是如此），數據的安全性與管理毋庸置疑是數據使用過程中最為重要的。
數據安全性是指對誰在什么時候可以訪問哪些數據的設定。數據安全性將數據作為企業的資產加以看待，采用與保護實體資產類似的嚴格策略進行管理。而且由于數據涉及客戶與消費者，安全問題可能會造成長期的后果，嚴重影響企業的聲譽。
數據管理是指管理數據生命周期，維護數據被訪問的歷史記錄。缺乏數據安全策略被視為數據管理的不足或缺失。數據安全中的關鍵模型在于：
34. 確保數據的安全性，利用數據讓企業更具洞察力，與促進業務轉型同樣重要；
35. 數據管理策略是管理數據資產的生命周期所必須的，應該從商業和法律實踐層面保證數據的安全性與合規性。
建立在數據之上的合作伙伴關系
似乎從來沒有人會預料到IBM 與蘋果公司會建立起合作伙伴關系。史蒂夫· 喬布斯曾有一件著名的軼事，他站在IBM 大樓前，朝著IBM 公司的標志做出猥瑣的手勢、拍下照片。從這種情緒反應上不難看出，當時他視這家公司為頭號敵手。然而，時間與數據這兩大因素在這兩家公司之間締造出了令人覺得不可思議的伙伴關系。
數據，更確切地說，是企業數據促使IBM 與蘋果公司在2014 年建立起了伙伴關系。蘋果帶來了設備、用戶以及具有親和力的產品設計與用戶體驗；而IBM 則具有豐富的企業級客戶關系與海量數據。彼此建立起的合作伙伴關系將能夠透過數據釋放出龐大的企業級生產力。這只是數據促成新的合作伙伴關系的一個案例。
全新的合作伙伴關系將融合原先分散的數據集合，從而產生新的思路、新的客戶與新的市場。這絕非許多傳統的企業所能想象的，這需要那些果斷的領導者開創并引領這種新穎的合作伙伴關系。這其中的關鍵模型在于：
36. 以數據為主的創新驅動將促成全新的合作伙伴關系；
37. 分享各家公司的數據集，結合各方的資產能夠對業務的掌控有更深的體會。
壓縮創新周期
史迪奇與Zara 都在大幅縮短零售行業的創新周期，從而徹底改變整個行業。一家傳統的實體零售商通常需要9 到12 個月來了解消費者喜好的改變，而后開始推動其創新周期（購買者—生產商—原料模式），最后產品才能上貨架銷售。而Zara 可以根據數據的收集與運用，在兩周時間內完成上述過程。史迪奇則隨時隨地進行，例如，史迪奇在某次商品的推介中發現的消費者偏好的變化會立刻反映到下一次發貨中。創新周期被大幅壓縮。
創新周期的壓縮幾乎會發生在任何行業中。決策者需要在當前就采取行動，而追隨者則會等到行業被徹底改觀、到了山窮水盡時才作出反應。實際上，運用本章中所談到的許多模型都能夠縮短創新周期?？偠灾?，其中的關鍵模型在于：
38. 知道何處因缺乏數據而延長了創新周期，并消除這種制約因素；
39. 重新審視創新周期，運用數據可以消除部分環節，或將其實現自動化。
定義全新的營銷渠道
個人購物網站基頓正在營造一場時尚業的革命。雖然絕大多數零售商也在商品目錄、店鋪門面或營銷網站上進行改革，不過基頓網站正在定義一種全新的營銷渠道：敏銳的時尚感與電腦前的愛美女性。
這種營銷渠道利用了女性購置服裝時的一項重要影響因素：來自她們所信賴的人的建議。如果基頓網站只是依賴客戶的朋友圈加入網絡，那么他們的商業模式還不能算經濟高效。出奇制勝的是，網站通過數據為消費者匹配最合適的設計師，然后為設計師提供所需要的數據信息，作為向客戶提出建議的可信來源。定義全新營銷渠道中的關鍵模型在于：
40. 新的營銷渠道將改變一個產業的經濟學；
41. 數據可以為客戶構建出全新的消費渠道。
全新的經濟模式
通用電氣公司曾經以價格創新的方式改變了飛機引擎的經濟模式。不同于以往單純地針對引擎銷售收費的模式，通用電氣轉而以引擎的正常運行時間收費。
定價創新針對的是通用電氣制造商用飛機引擎這一業務。傳統的發動機制造商往往將引擎視為賠錢的業務，以換取利潤豐厚的替換部件的銷售業務。當這種模式面臨越來越多的競爭挑戰時，通用電氣為航空公司提供了另一種可選方案，購買引擎單位小時的使用權——從本質上講，就是指航空公司一攬子購買引擎、零部件以及MRO（保養、維修與大修），并根據正常運行時間，或者每小時的使用支付費用。這種策略使得該企業能夠針對競爭對手充分發揮出其優勢（技術能力、故障診斷、資金實力與財務知識，以及端對端的MRO 服務）。
這種方式實現了通用電氣與其客戶的雙贏結果。這種創新的可行性是建立在數據的基礎上的?；蛘吒唧w地講，發動機產生的數據可以幫助通用電氣以更具優勢的方式向他們的用戶收費。數據將繼續創造出這類全新的經濟模型。
風力渦輪機制造商維斯塔斯也在他們的經濟模型中尋求類似的創新途徑。維斯塔斯的客戶在投資渦輪機的時候，通常只能選擇提前付款的方式，從而給客戶造成不小的困難。一次性的收入對于維斯塔斯而言，也絕非最優方案。
隨著數據的收集與運用，維斯塔斯能夠實現基于對整個渦輪機生命周期洞察的貨幣化，這其中包含如何優化渦輪機操作、提升生產力的信息，或是單純的對計劃內維護的預計。無論何種方式，數據都促成了新經濟模型的出現。
作為新經濟模型的另一個案例，我們來介紹一下移動網絡運營商是如何跨界進入保險行業的。保險企業往往以一種相對靜態的方式緩慢發展，以歷史上出現的各項風險為依據對未來作出預測，并每年收取保費。而另一方面，移動網絡供應商則具備實時監控用戶的習慣并提供多種付費方式的能力，而且經過傳感器與移動設備所產生的數據信息流可以實現全新的動態保險產品。全新經濟模式中的關鍵模型在于：
42. 數據將會促成全新的經濟模式，通常會提供更佳的途徑來凝聚客戶與供應商的關系；
43. 基于數據的全新定價與經濟模式將打破現有的行業格局與傳統的壟斷者。
推測和預估未來事件
絕大多數行業都想要擁有一個水晶球來預測難以窺探的未來世界中所蘊涵的機遇與挑戰。盡管事實上要預估復雜的系統仍是非常困難的，不過大數據已經盡可能多地提供越來越多的信息（有關人類活動與環境）來識別模型并提高預測未來的能力，從而有助于提高回報率并將風險最小化。這其中的關鍵模型在于：
44. 提供最基本的信息數據來預測未來可能發生的事件、估算結果與影響；
45. 推測或預估只有在能發揮指導作用時才有意義，數據通常能夠回答應該采取怎樣的行動；
46. 預測分析需要將源自內部與外部的數據、歷史知識和實時信息進行整合。
改變激勵策略
成功的企業似乎都遵循這樣一種規律，他們知道你能夠做什么，并且如何才能讓你做得更好。除非中途出現其他變故，否則這種規律應該是行之有效的。大數據革命將產生新的贏家，他們能夠利用數據制定上述策略。充分激勵員工打破企業傳統的束縛，同時也意味著員工需要走出習以為常的舒適區域，在他們各自的業務崗位上考慮如何部署大數據，為企業創造出商業價值。獎勵措施可以促進大量圍繞著數據共享的相互協作。此外，考慮到企業將從中獲益，需要通過激勵與獎金對個人承擔的風險給予補償。改變激勵策略中的關鍵模型在于：
47. 激勵策略通常會決定某個組織或個人承擔風險的意愿；
48. 合理設定的激勵框架很可能會決定某項以數據來解決商業問題的提案的成功與否；
49. 企業組織中現有的壁壘束縛會妨礙最優結果的產生。激勵策略必須能夠消除這些障礙。
全新的（公共與私人）伙伴關系
全球化的競爭會帶來如此巨大的挑戰，企業與政府唯一可行的解決之道在于公私合作。從大數據的角度出發，作為政府，重要的是在IT 基礎架構中扮演核心的重要角色，收集分發數據，成為一種常規的社會化的福祉。這其中的關鍵模型在于：
50. 公私部門之間的合作在于借助大數據實現不斷的創新；
51. 大數據需要建立在扎實的IT基礎架構建設之上。
實時的監控和決策（早期預警系統）
企業與政府正在不斷改善他們應對風險的能力，并以此建立起一套流程來監控這些風險，并作出相應對策。通過實現過程的自動化，更有可能早期就檢測到問題出現的蛛絲馬跡，從而作出適當的決策并予以防范。這其中的關鍵模型在于：
52. 將數據收集服務于風險監控；
53. 建立早期的預警系統，為最具威脅性的風險未雨綢繆；
54. 做好準備、制訂行動計劃，對早期的系統預警予以快速響應。
在本章中，我們明確了54 項
大數據模型，其源自不同的行業、案例故事與企業組織。正如我們曾經談到的，模型識別可以是一塊餡餅，也可以是一個陷阱。從成功的案例中提取模型，并將其作為評估市場機會的框架或方法時，模型識別才會成為真正的餡餅。
CDA數據分析師考試相關入口一覽（建議收藏）：
? 想報名CDA認證考試，點擊>>>
“CDA報名”
了解CDA考試詳情；
? 想學習CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；
? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；
? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；
京公網安備 11010802034615號
經營許可證編號：京B2-20210330
