传统经济形态下,往往规模越大的企业生存情况越好。产生这种状况的原因主要有三方面:其一是随着规模的扩大,企业的固定成本被分摊,容易在单位成本方面形成优势;其二是在企业内部可以进行经验复制,以及避免重复犯错;第三就是为企业构筑足够宽的护城河,达到足够规模后,进可攻、退可守。

然而在数字化时代,即便是规模达到垄断地位的企业,也有被瞬间掀翻的风险。弯道超车者不按照牌理出牌,结果把巨无霸般的王者甩在了身后。细细分析,形成这些现象的情况还不尽相同,数字化给我们的商业社会带来了很多新思考。

【信息流为先导的电子商务】

这是一个老掉牙的故事,但很有重温的必要。

多年雄踞全球五百强霸主的沃尔玛,全球共有8500家门店。沃尔玛充分利用规模优势,获得了无人能及的议价能力,而且依托其强大无比的信息系统,大幅降低物流等运营成本。如果再开一家连锁店,店面数量有限,因此进货成本和运营成本都不占优势,不可能打得过沃尔玛。

沃尔玛的核心资产是卖场,既大又密,货物齐全又便宜,常人难以超越。然而亚马逊设计的电子商务模式却开辟了另一条赛道:销售不在线下的实体店进行,而是在网上完成,并且根据这一特征重新定义了买东西的流程。

沃尔玛等传统零售行业是先有物流,再有资金流,然后是信息流。通俗地说,就是先将用户可能购买的商品运输到店面,然后客户购买商品支付费用,信息系统记录交易情况并进行分析,为下一次商品的运输和调配提供支撑。

而电子商务的模式是先有信息流,再是资金流,最后是物流。也就是说,用户先在网上筛选商品,再通过网络支付费用,交易完成后商家完成物流配送。亚马逊不用雇佣大量低端的收银员,不用理会大卖场的商品摆放和安全问题,尤其不用将大量商品无效地搬来运去,成本结构与传统零售企业不可比,很有可能更具成本优势。

如今,沃尔玛正在按照自己的模式和节奏优化运营,一边关闭数以百计的门店,一边又在开新店。亚马逊和沃尔玛卖同样的商品,但沃尔玛遍布全球的店面以及建立在规模之上的成本优势,完全无法阻拦亚马逊电商的崛起。

这在数字化兴起之前完全无法想象的。所以此后,无数的互联网企业叫喊着"颠覆",试图复制亚马逊的成功,动一动传统大佬的奶酪。

【入口争夺战3.0】

还记得移动梦网么?那个时代客户进入到移动互联网的入口只有一个,就是中国移动。

那时,美国互联网泡沫的破灭让彼时中国的互联网产业遭受沉重打击,仅靠后向收入养不活自己。在没有移动支付的情况下,互联网企业想从最终客户那里直接收钱,只能通过运营商的渠道。

而那个时候,中国移动在GSM移动通信领域具有垄断性优势,因此当合作之门打开后,互联网公司惊喜地看到,通过中国移动的代收,用户购买数据增值服务的真金白银就成了收入。数亿中国移动的客户,都成了数据增值业务的推广对象,很多人认为,谁能和移动搞好关系,就意味着获得了资源和收入。我们称这为入口争夺战的1.0时代。

微信支付和支付宝的兴起,让移动互联网有了新的收费渠道,前向收费可以摆脱运营商了。这种情况下,各类从事信息服务的企业纷纷构筑入口,做好引流,然后或者去资本市场讲故事,或者直接将流量变现。门户是入口、电商是入口、微信是入口、搜索是入口、视频是入口、地图是入口,后来发现终端也是入口、汽车也是入口、共享单车也是入口,甚至连一个解锁手机的软件都可以成为入口。

这就是入口争夺战2.0时代的状态,企业不断砸钱竞争或收购,希望自己的入口最终成长为垄断性的。但随着时间的推移,大家渐渐发现,花重金打造的入口竟没有黏性,被免费吸引而来的用户看着规模很大,但极其脆弱,稍不如意或者看到新的诱惑,转身就走。

在流量越来越贵、移动互联网入口的竞争越来越激烈的背景下,进到了入口争夺战的3.0时代:企业不再简单追求持续扩大规模,少做甚至不做无意义的争夺,上下游企业以开放的方式互相导流,加强合作,和气生财。

都是规模超大的企业,合作时也并非完全平等。同样是在终端上安装APP,有的时候是终端企业付费购买APP,有的时候是APP花钱求终端预装。同样是做联合促销,有的时候是运营商向OTT支付酬金补贴,有的时候则是OTT向运营商支付费用才能获得合作许可。

这种游戏规则之下,规模可以是做好企业的基础,只有做到一定规模才能拿到入场券;但只有规模是远远不够的,达到一定规模之后,就要寻求与其他企业的合作。产业链上的玩家合作,谁的开放性更强,谁在客户那里更有话语权,谁就更容易成为3.0时代的赢家。

【大数据的边际谜团】

"边际"是经济学中的一个重要词汇,往往与"增加一单位产品"有关,包括边际成本、边际收益、边际效益等。如果企业增加一个单位产品发生的成本低于该产品产生的收益,边际成本低于边际收益,那么企业就可以继续通过扩大规模来提升企业的经济效益。

大数据平台与众多IT系统对接获取数据,规模越大,边际成本越容易被摊薄。而且数据复制的成本很低,因此理论上一旦形成了规模超大的平台,基于平台里的数据进行分析,边际成本几乎为零,边际成本远低于边际收益。

实际情况下,要不要为了新的应用和场景而增加数据呢?因为对于大数据平台来说,如果需要增加新的数据,就要考虑新数据的采集、转换、处理和存储等一系列问题,而这些动作带来的成本变化,往往远大于新应用产生的效益。

所以问题就转换为,大数据平台的数据够不够用?

随着技术的进步和业务的发展,运营所需要的数据一直在不断扩充。比如客户数据,最初客户的基础信息只包括姓名、联系方式、身份证号码等,是以KB为单位的。后来要想做客户画像打标签,一个客户的信息以MB为计量单位。而为了得出分析结论,需要积累用户的服务使用记录和行为轨迹、甚至把网页内容爬下来,这就是GB甚至TB的数量级了。

如果数据规模需要持续扩展,那么无论是系统对接还是数据的转换处理,需要额外的成本。更何况很多系统的接口还是个性化的、很多数据的内容还是非结构化的。所以一旦需要引入新的数据,边际效益多半就成了负值。

这样看起来,数据不足将导致边际成本大于边际收益,成为赔钱的买卖。必须满足"数据规模大到数据足够多"的条件,才能持续赚钱,那这种模式是什么呢?        

那就是"基于现有的数据规模,各种应用场景和分析需求轮动,不同的企业需要雷同的大数据需求。"

如果无论多大规模的平台都不能做到数据完备,那么大数据的规模效益是不是个伪命题?

作者:华为云专家宁宇


本文转载:CSDN博客