数据的真实价值就像漂浮在海洋中的冰山，第一眼只能看到冰山一角，而绝大部分则隐藏在表面之下。明白了这一点，那些创新型企业就能够提取其潜在价值并获得巨大的潜在收益。一般我们认为，根据所提供价值的不同来源，分别出现了三种大数据公司——数据本身、技能与思维。

　　基于数据本身的公司拥有大量数据,却不一定有从数据中提取价值或者用数据催生创新思想的技能。最好的例子就是twitter,它拥有海量数据这一点是毫无疑问的，但都通过两个独立的公司授权给别人使用。基于技能的公司通常是咨询公司、技术供应商或者分析公司。它们掌握了专业技能但并不一定拥有数据或提出数据创新性用途的才能。比如,沃尔玛就是借助天睿公司(Teradata)的分析来获得营销创意。基于思维的公司最好的实例是皮特·华登（Pete Warden）创办的Jetpac。它通过用户分享到网上的旅行照片来为推荐下次旅行的目的地。

　　本文重点讨论第三种“基于思维的公司”，对于这些公司来说,数据和技能并不是成功的关键。让这些公司脱颖而出的是其创始人和员工的创新思维——挖掘数据新价值的独特想法。

汽车制造业
　　电动汽车能否成功地作为一种交通工具普及,其决定因素多如牛毛,但一切都与电池的寿命相关。司机需要快速而便捷地为汽车电池充电，电力公司需要确保提供给这些车辆的电力不会影响电网运转。与其说这是一个基础设施问题，不如说这是一个信息问题。
　　2012年，IBM曾参与加利福尼亚州的太平洋天然气电气公司与本田的合作，从而收集到大量信息来回答关于电动汽车应在何时何地获取动力、对电力供应的影响等基本问题。
　　基于大量的输入信息，如汽车的电池电量、汽车的位置、时间以及附近充电站的可用插槽等，IBM开发了一套复杂的预测模型。这一模型分析来自多个数据源的巨大实时数据流和历史数据，确定司机为汽车电池充电的最佳时间和地点，并揭示充电站的最佳设置点。最后，系统需要考虑附近充电站的价格差异，甚至也要考虑到天气。

航空业
　　人们可以通过美国的FlyOnTime.us网站判断恶劣天气，使某一特定机场的航班延迟的可能性降低。该网站由开放数据的倡导者开发，结合了航班信息和互联网免费提供的天气预报。不仅数据是免费的，而且软件代码也是开放源代码，可供人们学习和再次利用。
　　让数据说话的FlyOnTime.us经常语出惊人。比如从波士顿到纽约拉瓜迪亚机场的航班因大雾延迟的时间一般是因雪延迟的两倍。当人们在候机室逗留时，通常认为雪才是使航班延迟更重要的原因。正是大数据给了人们这种洞察力,只有将美国联邦航空管理局的机场信息和国家气象服务的实时状态结合起来，才能揭示这一切。FlyOnTime.us充分体现了一个不收集或不控制信息的公司如何像搜索引擎一样，获取数据的价值。

零售业
　　2011年,西雅图一家叫Decide.com的科技公司推出了一个门户网站,为无数顾客预测商品的价格。最初业务范围只限于收集电子商务网站上电子产品——包括手机、平板电视、数码相机等——价格数据和产品信息。
　　经过一年的时间，Decide.com分析了近400万产品的250多亿条价格信息，发现了一些怪异现象,比如在新产品发布时，前一代产品会经历一个短暂的价格上浮。因为大部分人都习惯性地认为旧产品更便宜，所以会选择买旧产品，结果价格比购买新产品还要高。因为电子商务网站都开始使用自动定价系统,所以Decide.com能够发现不正常、不合理的价格高峰,然后告知用户何时才是购买电子产品的最佳时机。

银行业
　　多年来,防范诈骗的高成本使得许多中小银行不愿意发行信用卡，而拥有大规模人力、财力的大型金融机构才能发展防伪技术发行信用卡。美国第一资本投资集团（Capital One）和美国银行这样的大型金融机构就承担了这个工作。但是现在小银行发现没有自己发行的信用卡，就无从得知客户的消费模式，从而不能为客户提供定制服务。
　　相对地,像VISA和MasterCard这样的信用卡发行商和其他大银行就占据了信息价值链中最好的位置。通过为小银行和商家提供服务，它们能够从自己的服务网中获取更多的交易信息和顾客的消费信息。它们的商业模式从单纯的处理支付转变成了收集数据。
　　为预测商业发展和客户的消费趋势，MasterCard Advisors部门收集和分析了来自210个国家的15亿信用卡用户的650亿条交易记录。然后,它把这些分析结果卖给其他公司。它发现，如果一个人在下午四点左右给汽车加油，他很可能在接下来的一个小时内要去购物或者去餐馆吃饭，而这一个小时的消费额在35至50美元之间。商家可能正需要这样的信息，因为这样它们就能在这个时间段的加油小票背面，附上加油站附近商店的优惠券。
　　处于这个数据链的中心，MasterCard占据了收集数据和挖掘数据价值的黄金位置。我们可以想象，未来的信用卡公司不会再对交易收取佣金，而是免费提供支付服务。作为回报,它们会获得更多的数据,而对这些数据进行复杂的分析之后，可以卖掉分析结果获得利润。

医疗业
　　华盛顿中心医院与微软研究中心合作分析了多年来的医疗记录，包括患者统计资料、检查、诊断、治疗资料等。
　　这项研究发现了在什么情况下一个出院病人会在一个月之内再次入院。除了疑难杂症外，如果最初的诊断中有类似“压抑”这种暗示心理疾病的词，病人再度入院的可能性大很多。
　　虽然两者之间没有绝对的因果关系，但如果病人出院之后的干预是以解决病人的心理问题为重点，就可能会降低再次入院的概率。这样就可以提供更好的健康服务。这些数据属于医院，微软只是提供了分析工具（Amalga系统）来发现有价值的信息。

媒体行业
　　布拉德福德·克罗斯(Bradford Cross)发现,被称作夕阳产业的媒体行业是一个可以大有作为的宝地。他的科技创新公司Prismatic收集网上资源，并对其进行文本分析，将用户喜好结合其社交网络数据对文章进行排序。根据他的系统，无论是一个青少年的博客、一个企业网站上的文章或是《华盛顿邮报》上的一篇报道,只要它的内容具有相关性，就可能排在很靠前的位置。
　　Prismatic发现，年轻一代与媒体进行交流的方式，决定了信息的来源并不重要。这给那些自视过高的主流媒体提了一个醒:公众的力量要远远超过媒体话语权,而西装革履的记者们也需要与不修边幅的博主竞争。克罗斯用这些数据来告诉世界，什么是比《纽约时报》更有用的信息来源。

电影娱乐业
　　The-Numbers.com能在好莱坞电影上映之前，利用海量数据和特定算法预测出一部电影的票房。该公司拥有一个包括了过去几十年美国所有商业电影大约3000万条记录的数据库。数据库里有所有关于预算、电影流派、拍摄、阵容、获得奖项和收入等量化信息。公司创始人兼总裁布鲁斯·纳什(Bruce Nash)说,我们公司开发了一个网络系统,其中有100万条类似“A编剧曾与B导演合作过,C导演曾与D演员合作过”这样的联系信息。将这些信息与以往的电影收入联系在一起，公司就能预测下一步电影的收入（电影收入包括北美和全球的票房、海外版权销售收入、影碟销售收入以及租金等）。借助于这个预测,电影制片人可以向工作室或投资人募资。
　　The-Numbers.com甚至可以告诉客户改变哪些剧组成员的组合可以创收。比如，该公司曾建议IMAX工作室, 需要把一部航海纪录片的预算从1200万美元减少至800万，才能赢利。
　　一旦有效利用大数据,传统的商业模式和管理实践也会被颠覆。坐落于马萨诸塞州的巴布森学院商科教授托马斯·达文波特(Thomas Davenport)是多部数据分析著作的作者,他把管理者的判断称为“黄金般的直觉”。高管们信任自己的直觉,并以此做决定。但是,随着管理决策越来越受预测性分析和大数据的影响和控制,由直觉做决定的方式将会被彻底改变。麻省理工学院商学院教授埃里克·布伦乔尔森(Erik Brynjolfsson)和他的同事一起进行了一项研究,发现决策依赖数据的公司的运营情况比不重视数据的公司要出色得多——这些公司的生产力比不使用数据进行决策的公司高6%。

　　大数据是重要的竞争力,但随着大数据手段被越来越多的公司采用,这种竞争力会慢慢削弱，所以各企业必须抓住机会，把握时代。（李钊/采访整理）