中國確實沒有大數據的土壤。“差不多先生”、“大概齊”的文化標簽一直存在。很多時候，各級政府不太需要“大數據”，形成決策的關鍵性數據只有一個數字比率(GDP)而已；其二，對于行業主管機構來說，它們擁有大量原始數據，但它們還在試探、摸索數據開放的尺度，比如說，是開放原始數據，還是開放經過各種加工的數據?是轉讓給擁有更高級計算和儲存能力的大型數據公司，還是將數據開源，與各種各樣的企業共享?其三，數據挖掘的工具價值并沒有完全被認同。在這個領域，硬件和軟件的發展并不十分成熟。
即便如此，沒有人否認數據革命的到來，尤其在互聯網行業。阿里巴巴的馬云將大數據作為戰略方向，百度的李彥宏用“框計算”來謀劃未來。即便是CBA(中國男子籃球職業聯賽)也學起了NBA(美國男籃職業聯賽)五花八門的數據統計、分析與挖掘。
在過去兩年間，大量的資本投資一些新型數據工具公司，根據美國道瓊斯風險資源(Dow Jones VentureSource)的數據，在過去的兩年時間里，11.7億美元流向了119家數據庫軟件公司。去年，SAP市值已經超過西門子，成為德國市值最高的上市公司，而這樣的業績部分得益于其數據庫軟件HANA的商業化，去年一年時間里HANA帶給SAP3.92億歐元的收入，增長了142%。
但是，大數據還沒法分析、挖掘出自己的直接變現能力。在截稿日時，我們再重新讀維克托•邁爾-舍恩伯格(Viktor Mayer-Sch鰊berger)的《大數據時代：生活、工作與思維的大變革》一書，作者相信，未來，數據會成為有價值的資產。假以時日，它會大搖大擺地進入資產負債表里。
案例1：農夫山泉用大數據賣礦泉水
發揮你您的想象力，選擇您認為可是的答案
這里是上海城鄉結合部九亭鎮新華都超市的一個角落，農夫山泉的礦泉水堆頭靜靜地擺放在這里。來自農夫山泉的業務員每天例行公事地來到這個點，拍攝10張照片：水怎么擺放、位置有什么變化、高度如何……這樣的點每個業務員一天要跑15個，按照規定，下班之前150張照片就被傳回了杭州總部。每個業務員，每天會產生的數據量在10M，這似乎并不是個大數字。
但農夫山泉全國有10000個業務員，這樣每天的數據就是100G，每月為3TB。當這些圖片如雪片般進入農夫山泉在杭州的機房時，這家公司的CIO胡健就會有這么一種感覺：守著一座金山，卻不知道從哪里挖下第一鍬。
胡健想知道的問題包括：怎樣擺放水堆更能促進銷售?什么年齡的消費者在水堆前停留更久，他們一次購買的量多大?氣溫的變化讓購買行為發生了哪些改變?競爭對手的新包裝對銷售產生了怎樣的影響?不少問題目前也可以回答，但它們更多是基于經驗，而不是基于數據。
從2008年開始，業務員拍攝的照片就這么被收集起來，如果按照數據的屬性來分類，“圖片”屬于典型的非關系型數據，還包括視頻、音頻等。要系統地對非關系型數據進行分析是胡健設想的下一步計劃，這是農夫山泉在“大數據時代”必須邁出的步驟。如果超市、金融公司與農夫山泉有某種渠道來分享信息，如果類似圖像、視頻和音頻資料可以系統分析，如果人的位置有更多的方式可以被監測到，那么攤開在胡健面前的就是一幅基于人消費行為的畫卷，而描繪畫卷的是一組組復雜的“0、1、1、0”。
SAP全球執行副總裁、中國研究院院長孫小群接受《中國企業家》采訪時表示，企業對于數據的挖掘使用分三個階段，“一開始是把數據變得透明，讓大家看到數據，能夠看到數據越來越多;第二步是可以提問題，可以形成互動，很多支持的工具來幫我們做出實時分析;而3.0時代，信息流來指導物流和資金流，現在數據要告訴我們未來，告訴我們往什么地方走。”
SAP從2003年開始與農夫山泉在企業管理軟件ERP方面進行合作。彼時，農夫山泉僅僅是一個軟件采購和使用者，而SAP還是服務商的角色。
而等到2011年6月，SAP和農夫山泉開始共同開發基于“飲用水”這個產業形態中，運輸環境的數據場景。
關于運輸的數據場景到底有多重要呢?將自己定位成“大自然搬運工”的農夫山泉，在全國有十多個水源地。農夫山泉把水灌裝、配送、上架，一瓶超市售價2元的550ml飲用水，其中3毛錢花在了運輸上。在農夫山泉內部，有著“搬上搬下，銀子嘩嘩”的說法。如何根據不同的變量因素來控制自己的物流成本，成為問題的核心。
基于上述場景，SAP團隊和農夫山泉團隊開始了場景開發，他們將很多數據納入了進來：高速公路的收費、道路等級、天氣、配送中心輻射半徑、季節性變化、不同市場的售價、不同渠道的費用、各地的人力成本、甚至突發性的需求(比如某城市召開一次大型運動會)。
在沒有數據實時支撐時，農夫山泉在物流領域花了很多冤枉錢。比如某個小品相的產品(350ml飲用水)，在某個城市的銷量預測不到位時，公司以往通常的做法是通過大區間的調運，來彌補終端貨源的不足。“華北往華南運，運到半道的時候，發現華東實際有富余，從華東調運更便宜。但很快發現對華南的預測有偏差，華北短缺更為嚴重，華東開始往華北運。此時如果太湖突發一次污染事件，很可能華東又出現短缺。”
這種沒頭蒼蠅的狀況讓農夫山泉頭疼不已。在采購、倉儲、配送這條線上，農夫山泉特別希望大數據獲取解決三個頑癥：首先是解決生產和銷售的不平衡，準確獲知該產多少，送多少;其次，讓400家辦事處、30個配送中心能夠納入到體系中來，形成一個動態網狀結構，而非簡單的樹狀結構;最后，讓退貨、殘次等問題與生產基地能夠實時連接起來。
也就是說，銷售的最前端成為一個個神經末梢，它的任何一個痛點，在大腦這里都能快速感知到。
“日常運營中，我們會產生銷售、市場費用、物流、生產、財務等數據，這些數據都是通過工具定時抽取到SAP BW或Oracle DM，再通過Business Object展現。”胡健表示，這個“展現”的過程長達24小時，也就是說，在24小時后，物流、資金流和信息流才能匯聚到一起，彼此關聯形成一份有價值的統計報告。當農夫山泉的每月數據積累達到3TB時，這樣的速度導致農夫山泉每個月財務結算都要推遲一天。更重要的是，胡健等農夫山泉的決策者們只能依靠數據來驗證以往的決策是否正確，或者對已出現的問題作出糾正，仍舊無法預測未來。
2011年，SAP推出了創新性的數據庫平臺SAP Hana，農夫山泉則成為全球第三個、亞洲第一個上線該系統的企業，并在當年9月宣布系統對接成功。
胡健選擇SAP Hana的目的只有一個，快些，再快些。采用SAP Hana后，同等數據量的計算速度從過去的24小時縮短到了0.67秒，幾乎可以做到實時計算結果，這讓很多不可能的事情變為了可能。
這些基于飲用水行業實際情況反映到孫小群這里時，這位SAP全球研發的主要負責人非常興奮。基于飲用水的場景，SAP并非沒有案例，雀巢就是SAP在全球范圍長期的合作伙伴。但是，歐美發達市場的整個數據采集、梳理、報告已經相當成熟，上百年的運營經驗讓這些企業已經能從容面對任何突發狀況，他們對新數據解決方案的渴求甚至還不如中國本土公司強烈。
這對農夫山泉董事長鐘目炎目炎而言，精準的管控物流成本將不再局限于已有的項目，也可以針對未來的項目。這位董事長將手指放在一臺平板電腦顯示的中國地圖上，隨著手指的移動，建立一個物流配送中心的成本隨之顯示出來。數據在不斷飛快地變化，好像手指移動產生的數字漣漪。
以往，鐘目炎目炎的執行團隊也許要經過長期的考察、論證，再形成一份報告提交給董事長，給他幾個備選方案，到底設在哪座城市，還要憑借經驗來再做判斷。但現在，起碼從成本方面已經一覽無遺。剩下的可能是當地政府與農夫山泉的友好程度，這些無法測量的因素。
有了強大的數據分析能力做支持后，農夫山泉近年以30%-40%的年增長率，在飲用水方面快速超越了原先的三甲：娃哈哈、樂百氏和可口可樂。根據國家統計局公布的數據，飲用水領域的市場份額，農夫山泉、康師傅、娃哈哈、可口可樂的冰露，分別為34.8%、16.1%、14.3%、4.7%，農夫山泉幾乎是另外三家之和。對于胡健來說，下一步他希望那些業務員搜集來的圖像、視頻資料可以被利用起來。
獲益的不僅僅是農夫山泉，在農夫山泉場景中積累的經驗，SAP迅速將其復制到神州租車身上。“我們客戶的車輛使用率在達到一定百分比之后出現瓶頸，這意味著還有相當比率的車輛處于空置狀態，資源尚有優化空間。通過合作創新，我們用SAP Hana為他們特制了一個算法，優化租用流程，幫助他們打破瓶頸，將車輛使用率再次提高了15%。”
案例2：阿迪達斯的“黃金羅盤”
文_本刊記者 昝慧昉 編輯_房煜
發揮你您的想象力，選擇您認為可信的答案
看著同行大多仍身陷庫存泥潭，葉向陽慶幸自己選對了合作伙伴。
他的廈門育泰貿易有限公司與阿迪達斯合作已有13年，旗下擁有100多家阿迪達斯門店。他說，“2008年之后，庫存問題確實很嚴重，但我們合作解決問題，生意再次回到了正軌。”
在最初降價、打折等清庫存的“應急措施”結束后，基于外部環境、消費者調研和門店銷售數據的收集、分析，成為了將阿迪達斯和葉向陽們引向正軌的“黃金羅盤”。
現在，葉向陽每天都會收集門店的銷售數據，并將它們上傳至阿迪達斯。收到數據后，阿迪達斯對數據做整合、分析，再用于指導經銷商賣貨。研究這些數據，讓阿迪達斯和經銷商們可以更準確了解當地消費者對商品顏色、款式、功能的偏好，同時知道什么價位的產品更容易被接受。
阿迪達斯產品線豐富，過去，面對展廳里各式各樣的產品，經銷商很容易按個人偏好下訂單。現在，阿迪達斯會用數據說話，幫助經銷商選擇最適合的產品。首先，從宏觀上看，一、二線城市的消費者對品牌和時尚更為敏感，可以重點投放采用前沿科技的產品、運動經典系列的服裝以及設計師合作產品系列。在低線城市，消費者更關注產品的價值與功能，諸如純棉制品這樣高性價比的產品，在這些市場會更受歡迎。其次，阿迪達斯會參照經銷商的終端數據，給予更具體的產品訂購建議。比如，阿迪達斯可能會告訴某低線市場的經銷商，在其轄區，普通跑步鞋比添加了減震設備的跑鞋更好賣;至于顏色，比起紅色，當地消費者更偏愛藍色。
推動這種訂貨方式，阿迪達斯得到了經銷商們的認可。葉向陽說：“我們一起商定賣哪些產品、什么產品又會熱賣。這樣，我們將來就不會再遇到庫存問題。”
挖掘大數據，讓阿迪達斯有了許多有趣的發現。同在中國南部，那里部分城市受香港風尚影響非常大;而另一些地方，消費者更愿意追隨韓國潮流。同為一線城市，北京和上海消費趨勢不同，氣候是主要的原因。還有，高線城市消費者的消費品位和習慣更為成熟，當地消費者需要不同的服裝以應對不同場合的需要，上班、吃飯、喝咖啡、去夜店，需要不同風格的多套衣服，但在低線城市，一位女性往往只要有應對上班、休閑、宴請的三種不同風格的服飾就可以。兩相對比，高線城市，顯然為阿迪達斯提供了更多細分市場的選擇。
實際上，對大數據的運用，也順應了阿迪達斯大中華區戰略轉型的需要。
庫存危機后，阿迪達斯從“批發型”公司轉為“零售驅動型”公司，它從過去只關注把產品賣給經銷商，變成了將產品賣到終端消費者手中的有力推動者。而數據收集分析，恰恰能讓其更好地幫助經銷商提高售罄率。
“我們與經銷商伙伴展開了更加緊密的合作，以統計到更為確切可靠的終端消費數據，有效幫助我們重新定義了產品供給組合，從而使我們在適當的時機，將符合消費者口味的產品投放到相應的區域市場。一方面降低了他們的庫存，另一方面增加了單店銷售率。賣得更多，售罄率更高，也意味著更高的利潤。”阿迪達斯大中華區董事總經理高嘉禮對大數據的應用成果頗為滿意。
