2013年至今，兮易数据共做了八个大数据项目，销售收入在2千万左右，但是还没有形成到产品的程度。下面具体介绍一下兮易是怎么帮助企业做运营成本优化的其中一个案例。

 

　　对于企业来说，销售以及绩效的增长才是最重要的，所以每个项目都有一定的指标，最终目的就是为企业增加销售收入或者降低成本。企业绩效是永远的金标准，不同企业有不同的绩效指标，首先要对企业的业务建模。数据本身不可能独立存在，它是业务的一个视角分析，如果核心业务模型建立不起来，数据分析就没有意义。

 

　　业务模型建立起来之后，要根据大数据以往所形成的模型进行对比，不断在业务研究中深化这个模型。一直到这个模型基本匹配之后，才能进入到技术上的数据清洗、上载、转化，然后根据业务建立算法模型。算法模型再形成各种营销活动，再检验这个营销活动对模型是不是能让绩效指标提升起来。

 

　　例如一个销售额在50亿左右的工程机械企业，因为该行业销售情况的复杂性，所以需要建立一个五维的核心业务模型。首先它的风控非常复杂，一台100万的挖掘机，其实甲方给20万就可以把机器拿走了，后面80万得不断通过工程来回收，所以这个风控链条比较长。核心业务里有售前风控、售中风控、售后风控，一般形成债权之后根据债权的类型，还有业务债权风控，审计债权风控和恶性债权风控。整机营销链，债权催收链和后市场供应链形成了一个比较复杂的业务模型，用了两个半月才形成到三级业务模型，其中大概有200多个业务节点。

 

　　业务模型建立之后，对其数据模型进行分析，发现在整个运营过程当中，有520个数据断点，反映了该企业业务没有很好实现端到端的打通，数据流通中出现了组织断点、岗位断点、核心业务活动的断点、资金断点和财务断点等等，这些断点导致这家公司每年经营损失大概在几千万。
 

 

　　上图是神经元的算法，这个算法主要是用来做模型数据列表，这11个列表是这家工程机械公司在整个业务经营当中，数据断点时报上来业务损失主要对应的节点标准。

 

　　比如说接触流失程度标准，客户如何从3分商机变成6分商机，6分商机变成9分商机，到签合同。从数据断点上分析，由3分商机到签合同只剩下5%不到，95%的客户流失了，在什么节点上流失了，为什么流失，流失曲线表现怎么样。整个风控系统花了1千多万，但是依然没有根本解决它的经营上很多问题。

 

　　过去我们有数据，但是没有增值。例如这家公司过去有系统，系统建设得非常完善，但是该损失的还是损失，这个问题是做大数据应该重视的，尤其在工程机械如今效益不好的情况下，节约一分钱就是它的净利润。这个数据分析的结果，可以发现520个数据断点所造成的流血，大概每年要损失几千万。比如一个工程机械运行5500小时还没有维修，这个数据产生异常就报警了。通过这个模型逐渐分析，制定出一整套管理上的对策，每年能够挽回损失1500万左右，这1500万其实就是新增的净利润。

 

　　兮易数据至今总共做了4种类型项目，其中前端会员大数据做得比较多，包括万达、宝岛等，做过公司运营大数据，也做过商业地产大数据，还有其他的一些项目，目前还是停留在项目阶段，尚未形成到产品的程度。

 

　　（根据第三届世界互联网大会|乌镇峰会“大数据项目对接会”演讲实录）