企业要拥抱大数据，大数据可以帮助企业从数据应用中创造价值。

对于扑面而来的大数据时代，有不少的企业感到困惑和迷茫，比如我们的企业到底能积累什么样的数据，如何发挥这些数据的价值，面向未来的商业创新又需要增加或抓取哪些新的数据，这些数据到底能帮助企业做什么，如何获取这些想要的数据，企业的大数据战略到底是什么等等一系列的问题，当然，还有更重要的一点，这些数据的应用能在哪些方面发挥作用？

打造大数据管理的两极

   对企业的大数据管理来说，两大系统不容忽视，一是用户管理系统，另一个就是商品（内容）管理系统。这也就是很多企业，尤其是电商企业，会推出“用户画像”和“商品标识库”的原因，当然，它也是制造企业推动“定制化生产”，“数据工厂”的重要前提和基础。 然而，要建构企业的用户管理系统和商品（内容）管理系统，需要大量数据的支撑，这些数据到底如何获取，又如何建适合本企业的商业模型呢？

   “企业要拥抱大数据时代，需要做好数据归集、数据管理、数据应用三个方面的工作，在此基础上，企业才能进行大数据的分析和挖掘，也就是大数据的应用。”在苏萌看来，数据收集是帮助企业打破数据孤岛的重要工作，在收集过程中，企业需要建立起第一方数据（企业自身）、第三方数据、CRM数据（客户关系管理数据）、交易数据等在内的多重数据匹配系统，同时构建起针对客户的统一视图，即将企业网站、移动设备、展示广告、线下数据、企业营销数据库、社会化媒体、电子邮件、呼叫中心、MINI-SITE上所有企业相关的数据进行收集和整合。

   事实上，不只是苏宁，包括华为、TCL等很多企业都在打造包括电商、媒体、金融在内的数据客理平台，由此沉淀数据资产，掌握用户。而奇虎360在建构其金融生态的同时，也提出了要将搜索、电商、社交数据三方面的数据进行整合和管理。

 由此，数据管理成为数据收集之后的第二项工作，按照苏萌的分析，“数据管理需要精确到个体消费者的洞察。”它包括数据的存储/仓库，数据标准化，筛选/细分，分析/决策，最终形成客户的群体划分和基于消费偏好的个体画像。

 在客户的群体划分中，RFM模型非常有用，R即Recently（最近），表示客户最近一次购买的时间，为方便统计量，可以停止交易的时间，或者持续交易的时间；F即Frequently（频率），表示客户在统计周期内购买的次数；M即Monetary Value，表示客户在统计周期内每次购买的平均金额。

   不难看出，RFM模型是衡量客户价值和客户创利能力的重要工具和手段。它通过一个客户的近期购买行为，购买的总体频率以及花了多少钱三项指标来描述该客户的价值状况，并将用户分层为：一般发展用户、一般价值用户、一般挽留客户、一般保持客户重要价值用户，重要发展用户、重要挽留用户、重要保持客户，进而帮助企业制定不同的营销策略。

   而在基于消费偏好的个体画像方面，很多用户的个性化数据被提炼出来，包括年龄、性别、职业、兴趣、对品牌的特殊偏好、其关注的领域等等，这也就是常被提及的用户画像或用户标签库。这个标签库的数据，除了需要足够丰富，完整，准确之外，它往往还需要上面提到的用户分层、用户画像、用户的购买预测，本质上就是要用数据挖掘的技术去解决商业上的命题。而这一商业命题，就是数据的应用。  

ITSS助力企业大数据的应用与发展

   ITSS——信息技术服务标准，是在工业和信息化部、国家标准化委的领导和支持下，由ITSS工作组研制的一套IT服务领域的标准库和一套提供IT服务的方法论。