大数据从1.2到2.0，数据成为企业的战略资产。如何从数据获取价值，关键还是要形成数据分析思维。
文/王国文中国（深圳）综合开发研究院供应链管理研究所所长
大数据从1.2到2.0，数据成为企业的战略资产。如何从数据获取价值，关键还是要形成数据分析思维。
第一资本的成功案例，背后还有数据价值挖掘层次的问题。目前为止，对数据资产价值很难给出定性的分析结论，也许是因为企业不愿意披露战略资产价值。但是有一个案例可以说明这个问题。Martens和Provost的研究表明，对银行客户的特定交易数据分析，可以改善哪些产品提供给哪些客户的决策模型。银行建立的数据模型，分析了一系列不同类型的数据对预测绩效的影响。社会人口结构数据对分析哪些顾客有可能购买某种产品或另一种产品的预测模型有显著作用。但是，社会人口数据的作用仅仅如此而已。在处理了一定量的数据之后，没有看出还有什么更多的优势。相对而言，客户的个人（匿名）交易数据相对于社会人口数据对提升预测绩效更有优势。
这个对比有非常重要的价值，特别是对目前我们讨论的这一点来说相当重要——客户个人数据越多，预测性模型的效果就越好。
这就揭示了一个重大的问题：拥有大批量客户的大银行，在数据资产方面，相对小银行这类的竞争对手有明显的优势。
如果把这个道理普及化，银行再采用非常复杂的数据分析方法，拥有更大数据资产，将能对个性化客户采取更加精准的营销，提供更好的个性化产品。
这样的结果，可以让银行大大提高个性化产品服务的能力，也可以大幅度降低获取客户的成本，或者二者兼得。
将数据作为战略资产，不仅存在于金融领域。年，亚马逊就开始搜集客商户数据，建立排名机制，增加商户粘性，加大商户转网的成本，甚至还收押金。
哈拉斯赌场也投资于搜集赌客的大数据，把自己摇身一变——从90年代中期一个名不见经传的小角色到年收购凯撒娱乐，成为世界上最大的博彩公司。
脸书最大的价值，来自于其海量的大数据，包括客户个体数据、个体喜好以及社交网络的结构数据（这个故事到后来的剑桥分析公司出事，以至于影响到了特朗普的美国大选，大家就都知道了——王国文）。社交网络结构的信息，在构建哪些客户会购买哪些特定商品的预测模型方面，已经显示出了及其重要的作用。
数据分析思维
企业数据挖掘一直强调的就是要有数据思维。对客户流失（转网）的分析已经给我们加深了数据思维的意识。
学习企业的数据挖掘方法，目的是让企业家形成数据分析思维。企业家具备了数据分析思维，才能够处理好、利用好企业内部和外部的数据资源，因为数据对企业战略至关重要。
年，美国深度数据分析师缺少14-19万人，而需要弄懂数据科学的经理人总量超过万。数据分析科学家的工作往往不仅涉及分析岗位，也会明确所使用的分析工具和大数据处理的软件工具。
比如：数据挖掘技术岗位（随机森林RandomForest，支持向量机SVM），特定应用岗位（推荐系统Re