主讲嘉宾：徐斌
主持人：清华大数据产业联合会秘书长王霞、中关村大数据产业联盟副秘书长陈新河
承办：清华大数据产业联合会、中关村大数据产业联盟、清华校友互联网与新媒体协会
嘉宾介绍：
徐斌：壳牌石油(Shell)中国零售首席信息官、清华大数据产业联合会副秘书长。21年IT从业经验，2013年加入壳牌石油(Shell)中国担任零售业务首席信息官, 致力于建设跨合资公司的平台战略规划，IT治理架构，以及基于云技术的共享应用服务的部署。通过一系列关键业务应用和创新解决方案的建设，支持了中国区业务的高速发展，并推动实现了IT从业务运营支持者向业务价值推动者的角色转变， 显著提高了业务管理的效率和水平，建立起了超越竞争对手的差异化的客户服务和持续优化创新的组织能力。 2009年加入路博润特种化工公司担任亚太区首席信息官。此前曾相继担任英国石油(BP)中国区IT总监， Seven-Eleven 中国区IT经理，建设银行软件开发和电子商务项目经理等职务。
以下为分享实景全文：
讲座摘要：首先，徐斌汇总了当前传统行业和企业面临的最大挑战有哪些；然后，与大家探讨何为大数据。接下来，徐斌以实际的企业案例来阐述传统企业在大数据方面的实践和分析；最后，徐总结合自身经历和积累介绍企业如何构建适合自己的大数据能力，为企业带来更大的发展和效益。
演讲全文
首先跟大家介绍一下壳牌，壳牌是世界比较大的公司，在过去三年，有两年是世界第一，去年是世界第二，今年规模会更上一层楼，上个月刚花了470亿英镑收购了英国一家燃气公司。它在120年前进入了中国，去年11月我们在中国举行了壳牌进入中国120周年庆典。
讲到我们今天的主题大数据，如何帮助传统行业、传统企业提升核心竞争力。壳牌是一个典型的传统的公司，不管是上游勘探、开采，下游做化工、零售，润滑油等业务，都是非常传统的行业，传统行业，数据、大数据如何帮助他们产生价值呢？这是我们今天探讨的话题。
今天我给大家分享的内容主要是四个方面：
时下一个非常热的名词就是：互联网+。
互联网+对每个企业、每个行业都发生了重要的变化，不仅仅是概念，真的是在影响着我们每一个人，特别是我们企业IT从业人员。互联网自己的概念之前一直由互联网公司在说，比如著名的BAT公司。以前比较流行的说法是，要借助互联网颠覆传统行业。今年两会期间谈到的互联网+把概念一转，变为了：通过互联网加强传统企业的核心竞争力。这里可以看出这个概念的起点是我们传统行业、是我们自己的企业。这就需要我们把好的工具、好的思想运用到企业中，力求市场竞争中有更好的地位和竞争力。正因为中国大量企业是传统企业，所以说这个对我们具有特别重大意义。
在互联网+时代，来看看我们的世界发生了什么变化：
腾讯、淘宝、京东、小米，他们现在都是顶级的公司，估值都过了一百亿美金，大家注意到右边几个数字，他们时间最长的16年，加在一起35年，四个公司都成为超过百亿市值的公司。我们再看看下面四个公司：诺基亚、摩托罗拉、柯达、索尼，都是曾经的顶级公司。在我毕业工作的时候，这些公司我能进去那是非常自豪的。现在或者破产了，被收购了，后者处于困境之中。这四个公司加起来427年，说明在传统时代它做的非常优秀，但是在当今互联网时代，一下子失去了它的核心竞争力。这个对比对我们来说是很大的冲击，我们该怎么办？我的观点是：我们要去拥抱变革、拥抱互联网时代。
按照我们的理解，互联网+是一虚一实。实是互联网的技术，云、大、物、移、智，云计算、大数据、物联网、移动互联网、智能控制技术。这些技术只是工具，我们更需要的是“虚”的互联网思维，把这些思维真正融入到企业运营、管理中去，才算是真正意义上的是互联网+。企业借助互联网+各种技术、思想的帮助去获得竞争的优势。
传统行业现在最急迫的是两个问题：开源节流，一方面要把成本降下来，一方面要打开我们市场的销售。
看一下大数据在这方面能够帮助我们的企业做什么。在互联网+时代一虚一实，技术是工具。那么，关键的互联网思维带来转变是哪些呢？
第一，决策模式的变化。在以流程为中心的决策模式里，核心是经验，行业里面的积累。这很依赖于人，有的CEO或核心层有很好的战略思维和经验积累，但是一旦他离开公司，公司就不行了，没有其他人能做正确的决策了。但是在新时代，以数据为中心的决策，靠的是客观的数据和信息做决策，而不是靠某个人的思维做决策。
第二，运营模式的转变。以前是产品为中心，模式讲究的是批量规模化生产，来保证成本最优化。但是现在我们客户的需求发生转变，有更多定制化的要求，我们需要不断调整产品设计去适应。这时候我们的运营模式就需要变成以用户为中心，即根据用户需求反向引导生产，但是这种模式下要使生产的成本降低不是很容易，因为不能大规模生产，那么如何降低成本带来了另一个挑战，中国有一些企业面对这一挑战做出了很好的探索，比如说红领集团。
第三，合作模式的转变。以前是以供应链为中心。在新的互联网时代，需要我们把客户需求放在核心位置，客户需求会关注日常生活中的各个环节，比如说我们公司旗下加油站，正常情况下与客户即司机交互时间也就是十分钟（加完油到便利店买完东西走，就是十分钟），在我看来，合作模式的思考是如何让我们的客户和我们产生更多联系。如果我们知道他有一些常规消费行为习惯，比如加完油去沃尔玛购物、再去4S店洗车，再去万达看电影等等，那么我就可以和沃尔玛、4S店，万达进行合作，共同推出一些客户营销和增值服务，那么这个客户也许就很容易被我们黏住，并很容易成为我们的忠诚客户。与此同时，通过这类服务还可以和其他的合作伙伴分享收益。
第四，组织模式的转变。传统时代是层级管理，新的时代讲究扁平化管理，以员工为中心。要加强一线员工的执行力和创造性，必须扁平化管理，让他们有足够的能力、足够的信息去快速决策。小米就是一个很好的例子，小米的员工层级非常短，就是3层，七个核心创始人，部门leader和员工。除了合伙人有职位外， 其他都是工程师。工程师直接和客户在网上交互，一个新产品测试版本发布之后，客户可以马上提意见，工程师马上对产品进行更改，通过这种方式增强一线员工的执行力、创造性和主动性，同时，这种方式对市场反馈势必非常快。
我们传统行业在互联网+的时代这四个方面需要进行转变。这些改变的一个非常核心的驱动力来自于IT即信息化技术的应用。
不同的行业，企业对IT的定位有所不同， 不同的定位又决定了IT可以为企业带来的价值。
最初的企业，一般把IT定位在建设一个简单的办公自动化系统，大多数时间做系统的维护。随着业务的发展，企业在市场中的地位提高，慢慢我们需要上一些大的系统，比如说ERP、MRP，这个时候IT承担更重要的作用，帮助业务实现业务价值。比如说更有效的管理库存，更有效的管理采购，这两个级别都是传统行业对IT应用比较多的地方。
但是在互联网+时代我希望企业管理者认识到，如果IT定位不能往上提升，便很难帮助到企业进行互联网+的转型，以及在市场上产生核心竞争力。左边第二个业务价值的推动者，这个是通过IT技术进行创新，可以超越我们竞争对手做一些创新的解决方案，包括客户关系的管理，O2O的线上线下的联动等。通过信息化技术产生竞争对手没有的方案、营销手段、效率提升的手段。这就是将IT融入企业决策层的作用，参与决策，促进创新，产生核心竞争力。IT在企业中定位的最高级别是成为业务模式的引领者，依靠IT帮助进行商业变革，脱离传统的竞争模式。“羊毛出在猪身上，狗来买单”，过往的产品服务，最初思想就只是如何把东西卖的更贵一点，能否提高价格的同时让客户接受。而如今，通过新技术、新商业模式将商品免费使用，通过后续服务挣钱，正是目前的新运营模式。依靠互联网+技术、各种信息化技术，行成一个生态链，而这个生态建设过程恰恰需要上下游不同企业的数据。希望咱们传统企业的各位领导者能够对IT有一个更好的定位，至少应该从业务价值推动者和业务模式引领者的角度来定位，才能帮助我们企业在市场上获得更好的竞争力。
刚才说到开源节流，节流方面可以通过大数据的分析结合比如6西格玛等流程分析优化的技术，来帮助找到没有价值的工作，进而去掉，来增强有价值的工作。我们把产品的成功率提升，减少废品率。比如说便利店里面有几千个商品，每个商品的销量不是很高，如果能控制成本，控制库存，非常重要。因为你的点很多，一个点上省一千，四十个就是四万。在供应链配送环节，通过优化陪送路径，就可以减少配送成本。石油公司的配送都属于高危配送，如果通过大数据分析，在效率提升之余，安全性也有所提高，那对我们的帮助非常大。比如危化品晚上七点以后才能配送，比如说某条路晚上封路，之前不知道，去了后发现需要调头改路，带来的成本消耗将非常大。
据美国一个研究机构称，人的行为中近93%是可以被预测的。大数据分析对企业提升销售也有很大的作用，所谓营销，营是两个“Ying”，一个是欢迎的“迎”，一个是共赢的“赢”，欢迎就是找到新客户，把他们吸引过来，共赢就是把客户留住，并且延伸它的需求。营销就是欢迎和共赢，欢迎找到了客户是谁，可以通过数据的分析。人的行为可以预测，可以通过各种社交数据，比如微博微信数据。当我们发现在谈论车的品牌时，这个人称某一个品牌车质量不好，并有很多讨论建议，可推断出他对车和生活质量是有一定的要求的，那么这个人就是可能是壳牌的潜在客户。当你来了以后我可以知道你的潜在需求是什么，再通过异业合作，将你的消费习惯和其他合作方关联，培养你成为我们忠诚客户，最理想的情况，让你一起床就能想到壳牌，去哪里都想到壳牌。但是如果让壳牌单独通过加油这项业务绝对是做不到这些的，势必要通过同其他企业合作，使客户对你产生联想和连接。
刚才谈到传统行业面临挑战，大数据可以帮助他们突破，迎接这种挑战，我们来看一下到底什么叫大数据。
大数据的名字叫Big Data，这个词最早是麦肯锡提出的，是指“无法用现有的软件工具提取、存储、搜索、共享、分析和处理的海量的、复杂的数据集合”。我个人的理解，大数据不是新事物，也大只是一个定义，它的核心是“数据”。大数据的应用由来已久，且其定义和应用也是持续变化的，它可以应用在我们的生活和社会的各个场景上。
在座的各位听众，有没有人信星座的？美女们都信，有没有人信命的？不少人包括嘉宾本人很信命。星座也好、算命也好都是大数据的应用，只是没有数据化。
星座把人归类为12个星座，比如说金牛座为什么会有这个特征，他是经过很多人的验证，发现都具有这类特征，且刚好出生在那个阶段，这个特征和某些动物和某些物品相关。算命也一样，八字、四柱、面相，为什么脸上这个位置长痣的人是这种性格，不知道为什么，但是发现很多这里长痣的人都有这种性格。应用的方式不一样，但是都是通过大数据的思维方式。
企业的大数据与直接的数字化信息有关，传统企业或多或少会有一些数据，比如说员工数据、供应商数据、客户数据、财务数据，这些都是我们传统数据。
新的互联网时代，我们具有微博数据、音频数据、手机定位数据等很多新型数据，交易数据和交互数据共同组成了现在的大数据。这并不是一个对立的关系，而是一个延展的关系。同时，大数据必须要有一些新的技术帮助我们分析结果，所以大数据是数据加工具。大数据如果从分类上来说，企业内部传统上都叫结构化数据，传统的放在数据库里的数据。还有电子文件、日志、文档是半结构化数据，以及一些非结构化数据比如视频、音频等。
大数据的特征，不同的人和公司做了很多的定义，比较多的说法是四个V。
数量比较大、来源比较多样、速度要求快、个体精确性不高。单个数据的价值并不高，比如说地理位置信息，单纯看每个点的信息没有价值，当你把他串联在一起的时候，你发现这一批人都往清华的舜德楼走，这时候就有价值了。
因为现在有些人考虑大数据、小数据，大家听起来好像很对立，一大一小两个不同，这是不对的。我们应该更多的讲数据，大数据更多的是为了让大家理解这个数据的重要性。
传统数据延展到更广阔范围的时候，他们的目的不同，传统的数据目的非常精确，关注一个事情发生的原因是什么，目的是解决问题，为什么会出现这个事，得找出原因解决，这是传统数据比较擅长的地方，但是到延展拿到很多外部数据，外部数据来源非常多，数据量很大，而且外部数据很杂，和企业没有直接的因果关系，但是具有关联性，对这些数据的分析目的是关注预测，我们可以不需要知道为什么这样，但是希望知道将会发生什么。可以不知道原因，但是希望知道关联性。这个人的痣长在这儿，他应该会怎么样，为什么会这样我不知道，但是既然长在这里的人都是这样，可以帮助我做决策，目的是寻找一个解决的方案，而不是一个解决的问题。这个时候数据的使用目的就发生了变化。
看看大数据在生活中的应用，举几个生活中的小场景，
大家在亚马逊或当当网买过书，选一本书以后，左边就有相关的书推送，或者推送鼠标或者路由器，因为之前买这本书的人就买了路由器和鼠标，所以也就推送给你，当当网利用这个方法推送，销售量增长了10%。
谷歌流感预测。某一个时间，某一个区域的人都在查流感这个词，以及怎么解决，吃什么药等，谷歌通过这些搜索结果对该区域的流感发病率进行预测，结果比当局卫生部门正式发布流感信息提前7周。当然， 现在这种预测的准确性降低，原因我们后面会分析到。
淘宝购物。大家在淘宝上搜索一个物品，即使没有买。过一会儿上其他门户网站，广告条上也会出现之前搜索过的的物品。
大家过去半年在中国发生在你身边比较有热度的事情是什么？股票。至少是牛市的初期，涨了百分之几十。从今年年初到现在有哪一位股票收益超过60%。新浪有一个大数据炒股指数，其他的证券公司和他有合作，发起了股票指数，有一个i100指数，这个指数今年年初到现在收益率是59%。如果你们大家没有超过60%，不如买这个指数。为什么他的收益好？他是一百个股票选的，他没有看公司的业绩，完全不管什么公司，就从社交网络上搜索哪一百个股票讨论热度最高，他认为如果涨的股票应该是大家讨论最多的，他选最高的讨论热度的股票作为他的股票，不断调整，所以他们的收益率很高。他也不知道干什么，就看别人讨论的多，他就去买，就涨的很厉害。
大数据的大到底是什么？
我对大数据的定义是，“大”不是数量的大小，也不是来源的多少，而是大到足够为企业产生业务价值”。如果能为企业产生业务价值的数据，就是大数据。这个“大”的理解是足够产生价值的，而不是一个机械的所谓4个V。这也解决了定量的问题。过去一个U盘8个G很不错，再早期几个MB就不错。现在有了TB，因为技术发展很快，无法衡量那个纬度。
刚才讲了传统行业面临的挑战，也讲了什么是大数据，接下来跟大家分享一下在我们行业，以及其他合作伙伴、同行的大数据做了哪些事，谈一下大数据在企业中的应用。
数据有不同的使用目的，根据使用目的，可以把数据分为四个类型：
第一，描述型的数据，告诉企业管理层、员工，企业发生了什么，比如说管理报表、销售报表，显示企业在发生什么，什么状态。
第二，诊断型，分析为什么出现这个问题，比如说银行，为什么这段时间坏账率这么高，分析是什么原因。这两个都是传统的企业比较擅长的。
第三，接下来如果把数据用的更好、更多一点，就是预测型的数据，通过数据的分析，预测将来会发生什么事情。比如企业的上游业务，油田开采，钻头钻进去很重要，钻头很贵，一旦钻头出了问题，更换、调整花很多时间，以前因为在地下没有很好的方法去判断他，这个时候需要找一个很有经验的专家定期检查，看他是不是正常状态。这个成本就很高，首先，专家不多，如果钻井平台在海上就更麻烦了，专家必须实时送过去，又很贵，这个专家还可能不愿意去。但是如果通过一些数据，通过一些传感器监控它的温度、振动幅度，就能够提前发现他是否有潜在的问题，如果温度在不断的增高，和平时不一样，判断可能有一些问题，可以马上主动干预。这样就不用每个专家两到三个月跑过去看一次，而只是有问题的时候打电话让他来一趟就行了，发生故障提前知道，予以处理，减少故障发生次数。
第四，指导型，根据数据的分析，可以根据客户的行为习惯、潜在需求，帮助企业定制、开发好的产品或者服务、以及营销方案，这不是解决问题，而是提供更好方案来帮助企业得到更好的回报，就像专家、咨询师一样告诉企业应该做什么。
这是数据使用的四个目的。前两个是信息展示，第三是商务分析能力。第四是预测分析。这是不同层面上数据使用的目的。
大数据的使用价值的归纳，我认为主要是五方面的价值：
第一，优化运营。降低成本、提高能效。
第二，精准营销。对客户做更好定制化服务、定制化营销方法。
第三，商业洞察。让企业了解自己，了解客户的行为，了解市场定位。
第四，企业安全。包括信息安全和物理安全。很多企业所依赖的核心竞争力是专利，如何保护专利，是企业非常核心的需要。石油公司有很多危化品的运输，大数据分析可以帮助我们发现隐患，降低风险。
第五，生态链共赢。找到合作伙伴，帮助企业加强客户对其更多的黏性。
这些都是大数据在企业中的商业价值。
接下来我分别介绍上述五个方面的行业实际案例：
第一，优化运营效率。
壳牌公司现在应用了很多，通过地下的温度、压力、历史数据、生态数据的采集，预测这个地方钻井下去出油的概率大不大。一旦打进去如果没有出油，损失就很大，如果把成功率提高10%，就会节约非常大的成本。之前中石油在苏丹开发了一口油井，之前很多国际巨头都打过井，大家认为那个地方应该有油，包括BP、道达尔去打都没有打出来。中石油去打，每桶油成本才八美金，远低于正常的20到30美金。这个地方的油非常好。为什么中石油这么好运气就打出来了？因为中石油发现这个地方的地质情况和塔里木盆地地质情况非常类似，中石油在那里打了很多井，知道很多数据，知道什么位置上打井有油的可能性比较大，于是根据这个来在苏丹打井，就成功了。很多地方的信息有高度相关性，就可以预测在那里发生的事情，在这里也可能发生。这是一个大数据应用案例。
在加油站里， 油枪里面打出来的油都是在地下油罐里面出来的，地下油罐在地下，看不见，一旦发生泄露，很有可能影响地下水、土壤、生物，甚至有可能发生爆炸，这是非常危险的。所以每年石油公司在这上面花了很多的成本去关注它，但是很多管理是被动的，因为汽油、柴油有热胀冷缩的特征，温度高涨起来，温度低就收缩了，本身又有挥发性，管理起来非常的困难。在正常行业里面管理主要是油品的损耗低于千分之三到五，就是正常的。但是通过数据的分析技术可以帮助更精准的管理。之前的模式，为了避免油井在地下油罐泄露，需要定一个阀值，每天看损耗，如果损耗超过某一个值，即认为很有可能发生泄露。一旦超过这个阀值，马上安全和工程部门的人就会干预，如果认为可能性比较大，就要停业，去地下清罐。
后来使用了一个办法，用大数据的技术在油罐里面加了一个探头，去分析罐里面情况的变化，把数据每隔几十秒钟传到云上的分析平台上去，把油箱的数据实时接通，卖出去多少油，油管里面还剩下多少油。根据这个地方的地址、温度等条件，来设置相关性的对比油站。逻辑上如果损耗都有损耗，增加都有增加，因为这些地方条件相当，温度变化应该是对应的。
如果说发现有一个油罐突然在这段时间，或者是这个时候，别人都在往上走，他在往下走，别人都是赚的，他是亏的，高度认为他是泄露的，因为这确实是不对的。还有一种情况，他超过了之前设定的阀值，升我们也没有认为它有问题，因为周围其他的油站都有类似的情况，因为可能是温度急剧下降。最重要的是看它的趋势变化。这会准很多，而且是主动防御的办法。
大数据在帮助门店选址也有很好的应用。我们开一个店选址，主要看客流量多不多，客流愿不愿意停在那儿，这些信息对选址是非常重要的，直接影响回报率。但是在现实生活中，如果知道要选址在这个位置，或者想被别人收购，就会想各种方法夸大这个数量，多找一些车在那儿拼着开，因为如果要靠人去记录，只会看过了多少车。
而现在通过和运营商的合作，利用基站分析手机信号，来发现这个地方客流量、客流停留频率以及过去一个月的数据情况，帮助更好的选址，提高投资回报率，提升运营效率，降低成本。
第二，大数据可以帮助实施精准营销。
加油站业务，发现联动很多数据，比如来自于车联网的数据。车上有传感器，可以把车的健康状态、油耗状态、车主的驾驶习惯都记录下来，通过相互合作，找到潜在客户对应的有效信息。顾客很喜欢去方便的加油站，因为比较容易找到。通过跟车联网企业合作，车只要在油站附近十公里范围内，便可知道客户是谁，以及他驾驶的车处于何种油耗状态，具备这两个条件，便可以给他发一条信息，建议去对应的加油站加油、从哪条路走不堵，以及具有何种促销信息，甚至进一步分析油耗，推断出使用壳牌加油站的油，可以降低油耗，一年节省多少钱，把这些定制化的信息发给客户，吸引到我们的加油站去。公司非常注重安全，通过中控系统车联网的数据分析，根据顾客驾驶习惯，比如经常急刹车，或者高速转弯，风险性非常高，便可以推送一些安全驾驶的建议。
加油都有加油卡，加油卡在过去这么多年发展了很多客户，但是现在碰到一个问题，再想扩展新客户挺困难的，不知道到哪找。公司要做市场活动，却不知道去哪里做，如果在广场上做，可能根本就不是潜在客户。
后来公司跟淘宝合作，将淘宝上客单价超过一百元的人作为目标群体。淘宝上平均客单价70块钱，而我们要找客单价100块钱的，这些人的消费能力比较强，对生活要求比较高，同样买相对比较好的东西，会比平均水平的人要高一些，这些人往往是企业想触达的对象。
其次，通过和第三方公司合作，通过搜索社交媒体上经常发布与车有关的信息，来从另一位纬度定位潜在的客户。
通过这两者一碰，就可以较准确地寻找到潜在的客户群， 再通过精准信息推送和相应的营销手段，来给潜在客户传递油站有什么样的服务，有什么样的促销等信息，来吸引他们在线上注册加油卡。通过这种方式，最终有近90%的人进行了会员注册，成为了卡的用户。其中有50%的人进行了充值，充值意味着一定要在这里消费，这就成为了真正的客户，转化率非常高，而付出的代价非常小，这种营销方式针对每两个人有一个人是你的客户，这个触达率非常高。过往做市场活动，五个人里面有一个人成为客户就不错了，而这样两个中就有一个成为客户。这便是大数据精准营销的经典案例。
第三，商业洞察。要知道这个企业到底在市场上什么地位，客户到底在哪里，自身客户和竞争对手客户到底有什么不同，到底是怎么分布的，这需要更明确、更清晰的视野。
通过大数据的分析，更好的了解我们的企业和我们的客户。通过一些支付信息的分析，发现在不同的品牌或者不同竞争对手之间，市场份额到底是怎么样，以前是年底看看销售额，甚至不知道对手销售额准确率多少，但是结合大数据可以实时分析，当前情况下到底我们的销售份额是多少。
