大数据分析，究竟该怎么用才能发挥价值？
“大数据”一词相信大家已经耳熟能详，然而，你了解什么是大数据分析吗？为什么一些企业通过使用大数据分析提高了业绩，但另一些企业却未能从大数据分析中获得商业价值？
有人说数据量太庞大，杂乱无章，很难理解；有人说就算有了海量的数据，但数据分析人员没有丰富的商业经验，很难从这些大数据中找到真正有价值的东西；还有人说企业规模小，不愿意投入很大的代价去做大数据分析……
究竟如何有效运用大数据分析才能使其发挥最大价值？
此前，浙江大学管理学院教授刘渊、博士生郑雨竹及团队发表一篇论文《在电子平台上使用由内向外和由外向内的大数据分析:性能影响和异质性分析》，阐释了企业使用大数据分析创造商业价值的微观过程，打开了大数据分析使用和企业绩效提升之间的“黑匣子”。
本期【浙里洞见】，我们一起来看看详情。
刘渊，浙江大学管理学院数据科学与管理工程学系教授
郑雨竹，浙江大学管理学院2018级管理科学与工程博士
01
大数据分析使用现状：
91%的企业没有充分运用它
大数据带来了前所未有的机遇和挑战，促使全球企业加大对大数据分析（Big data analytics, BDA）的投资部署，尤其是在动荡的商业环境中。
处于 “信息时代”，电脑、互联网技术给我们生活、工作和学习等方面带来了巨大的变化，大数据分析本应该为企业的绩效带来大幅度提升，但实际中表现得却不尽相同。
一项研究指出，91%的企业在大数据分析的使用方面尚未达到转型的成熟度，也就是说没有充分有效运用大数据分析。
从学术研究角度来说，现有研究探讨了企业绩效与大数据分析投资、大数据分析能力、大数据分析技术采用之间的联系，但却忽略了大数据分析的使用研究，同时，使用大数据分析是否以及如何创造商业价值，也缺少足够的经验证据。
因此，对于企业来说，究竟如何有效使用大数据分析，将其转化为知识资源，从而获得潜在价值？这些问题的研究在理论和实践应用方面都具有重要的意义。
02
大数据分析如何为企业创造价值？
从信息转化到知识吸收
在实践中，有一些企业通过使用大数据分析提高了业绩，但另一些企业却未能从大数据分析中获得商业价值，这到底是为什么呢？
知识基础观（Knowledge-based view, KBV）理论认为，企业是一个知识处理系统，企业核心能力的来源是企业内的隐性知识。
随着大数据越来越成为企业重要的战略资源，企业面临的巨大挑战成为能否使用大数据分析将大数据转化为决策的知识和洞察力，从而创造可持续的竞争优势，即知识基础观理论所说的企业获取隐性知识的能力。
在实践中，企业通过使用大数据分析获得的商业价值是大不相同的，究其根本原因，就是企业有效使用大数据分析的能力各不相同。
刘渊团队发现有效使用大数据分析为企业创造商业价值至关重要，由此，该文章以知识基础观为理论基础，构建了一个利用大数据分析创造商业价值的微观过程：
首先，大数据分析通过各种分析技术将大数据转化为有价值的信息。然后，企业通过使用大数据分析将信息转化为知识来获取知识资源。最后，通过将吸收的知识应用于计划、决策、执行、管理和学习，建立商业价值和竞争优势。
基于知识基础观理论，刘渊团队阐述了“数据-信息-知识-价值”的层次结构，从而打开了大数据使用与企业绩效价值之间的“黑匣子”，解释了使用大数据分析创造商业价值的基本机制，弥补了大数据分析使用研究的一大空白。
03
大数据分析有哪些功能类型？
由内而外与由外而内
随着数字技术的快速发展，大数据分析现在被应用于越来越广泛的管理活动中。特别是电商平台，由于拥有成熟的数字基础设施和多样化的数据源，其大数据分析可以为平台上的企业提供丰富的功能，成熟的大数据分析解决方案也通常会聚合多源数据并提供多种分析功能，以满足复杂的实际需求。
当数据分析师在运营管理中使用不同类型的大数据分析功能时，他们就需要考虑这些大数据分析功能的组合对公司绩效可能产生的复杂影响。
要厘清这些复杂影响，首先要弄清楚大数据分析的功能有哪些不同类型。文章创新性地将大数据分析的功能分为两种类别，即：
由内而外的大数据分析（关注组织边界内的对象，如产品、服务、渠道、流程、交易），注重发现组织内部的问题和机会，致力于改进内部运营流程，从而响应外部需求，创造业务价值；
由外而内的大数据分析（关注与企业互动的外部主体，如客户、竞争者、合作伙伴、供应商），侧重于组织边界外的利益相关者，强调通过及时感知和适应外部环境来获得竞争优势。
研究概念模型|来源：参考文献
显然，这两种不同的大数据分析功能对企业绩效的影响是不同的。那么，问题来了：
由内而外或由外而内的大数据分析功能能否提高企业的销售业绩？
不同类型的大数据分析功能之间会产生互动效应，这些互动效应如何影响企业的销售业绩？
使用不同类别的大数据分析功能对不同销售业绩水平的企业是否有不同程度的影响？
04
大数据分析如何影响企业绩效？
不同类型的功能影响各不相同
基于知识基础观理论，刘渊团队推断出企业使用各种类型的大数据分析时的两种绩效影响：单独影响和联合影响。
单独影响即使用单个大数据分析功能对企业绩效的影响。
联合影响即同时使用由内而外和由外而内大数据分析时对企业绩效的影响，需要强调的是，这是由两种大数据分析之间的相互作用造成的，而不是单一使用大数据分析所产生的价值的简单叠加。
考虑到电商平台优越的IT基础设施和广泛的大数据分析服务。作者选取中国的电商平台在其平台上收集了企业样本的独特面板数据集作为实证研究的研究数据，并通过建立一个分位数回归模型，以分析不同绩效水平的企业之间大数据分析使用效能的异质性。
分位数回归结果|来源：参考文献
研究结果表明，在电商平台上，由内而外和由外而内两类大数据分析功能的使用对企业的销售绩效有正向的独立和联合影响，但对不同企业的影响程度不同，使用由内而外大数据分析功能对绩效水平较低的企业有较大程度的影响，而由外而内大数据分析功能对绩效水平较高的企业有较大程度的影响。
需要注意的是，文章在研究中使用交易指数而不是利润变量来衡量企业在电商平台上的绩效。虽然这个指数可以更详细、更准确地反映销售的综合水平，但它不能反映企业的盈利能力。
05
怎样有效使用大数据分析？
他们基于研究提出四点建议
通过实证研究，刘渊团队对企业在大数据分析使用提出了四点建议：
增加大数据分析使用的深度和广度
由于使用由内而外和由外而内的大数据分析功能对销售业绩都有积极的独立和联合影响，因此，企业应该增加大数据分析使用的深度和广度，以实现大数据的潜在价值。
不同绩效水平企业关注不同类型功能
尽管内外大数据分析的使用对企业都有积极的独立影响，但不同绩效水平的企业影响程度可能有所不同。因此，建议高绩效水平的企业应该更多地关注由外向内大数据分析功能，而绩效偏低的企业应该更多地关注从由内向外大数据分析功能的使用中受益。
整合不同类型的大数据分析功能所获知识
建议企业通过整合从不同类型的大数据分析功能中获得的知识来产生协同效应，从而创造超附加价值。
为业绩不佳的企业提供支持和培育
绩效水平较高的企业可以通过联合使用由内而外和由外而内的大数据分析，实现更大的协同潜力。这增加了公司之间的销售差距，从而加剧了两极分化。为了保持电商平台生态的多样性和可持续发展，电商平台应该在数字化发展方面为业绩不佳的企业提供支持和培育，例如提供大数据分析有效使用的课程或培训。
当前，中国的数字经济活力迸发、快速发展。在大数据的时代环境下，企业正面临着全新的挑战和机遇。企业对大数据环境的适应，成为一个非常重要的因素。
在这种背景下，企业更应该用好大数据分析，从而不断实现自身的可持续发展和智能化水平，并实现自身的转型发展，最终有效地在大数据时代立足，对我国经济产生有益的推动作用。
大数据成为数智时代企业转型升级、长足发展的强大引擎。如何使大数据分析技术在企业发展过程中最大化地发挥效用也成为不少学者、企业家等关注的问题。
刘渊教授团队通过对大数据分析技术使用现状、微观过程的研究，为企业、电商平台提供商和其他行业从业者实现大数据分析的实际价值提供了理论驱动和实证检验的指导。
未来也将有更多学者更全面地探讨大数据使用对企业的影响，以帮助不同绩效水平的组织更适当地使用大数据分析，通过吸收和整合内外部知识，最大限度地发挥大数据的潜力。