生物領域從科研到應用都將步入大數據時代。

一大數據定義及特點

1、大數據的定義：大數據（big data），指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

2、大數據的特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性），即IBM提出的5V特點。

大數據被美國政府認為是“未來的新石油”，被視為等同于人力資源和物質資源的國家重要戰略資源。著名的未來學家阿爾文·托夫勒在《第三次浪潮》中語言，社會經濟的發展將由農業經濟、工業經濟進入信息經濟和生物經濟時代。

提到大數據，必然要提到云計算，大數據與云計算的關系就像一枚硬幣的正反面一樣密不可分，大數據依托云計算的分布式處理、分布式數據庫、云存儲和/或虛擬化技術。

大數據的基礎是數據大，有海量數據可以進行挖掘，那么對于生物醫藥B2B尤其是制造業來說，對海量數據的挖掘會帶來怎樣的改變？那一定是按需進行點對點的精準匹配。

在互聯網誕生之前，無論是企業還是個人，最痛苦的是手頭掌握的信息太少、信息來源缺乏、信息處理時間緩慢；在商業決策、人才政策等各方面與產業鏈的互聯缺乏數據及時支撐，信息不對稱嚴重制約產業和企業自身發展。

互聯網猶如一股春風，瞬間讓我們進入了數據大爆炸的時代，短短十幾年，數據已經達到無可想象，毫不夸張地說，我們的世界將在 2025 年被數據淹沒，這絲毫不令人驚訝，2025年全球大數據量級將達到 163 ZB，比 2016 年創造出的數據量增加10倍，全球數據量產生的第一大主體將由消費者轉移到企業，屆時企業產生的數據量將占到全球數據總量的 60%。

注意！注重數據價值的時代已經來臨，并逐漸取代了從模擬數據向數字化轉變的時期；產生、使用和管理對生活產生重要影響的數據信息，對于消費者、政府和企業的正常生活和運轉必不可少。消費者和企業將持續在不同設備和云之間產生、分享和訪問數據，增長速度也將超出此前的預期。

你是否有這個困惑：當你想買一種設備、或者檢索某種知識盲點，去百度搜索的時候，隨便輸入一個關鍵字，彈出來幾十萬上百萬的結果，你會不會陷入選擇困難？在這么多信息中，如何找到你最匹配的商品或服務？這真實大海撈針，比沒數據時代更煩惱了。

二大數據的來源

大數據時代，人人都是數據源，每時每刻都在產生數據。比如：早上起來刷個朋友圈、出門吃早飯用移動支付、打開導航開車出門避堵、使用App刷刷時政新聞等等。任何個人和企業的被記錄行為，都被主動或被動記錄在大數據這個池子里。當你走在路上沒有使用任何看似與產生數據有關的行為，但是你的行為有可能被路面的攝像頭、行車記錄儀等實時記錄，你就成了這里面大數據的一份子。

對于企業的大數據來源，我們可以概括為三個方向：

核心：即企業數據中心和企業云的數據；

邊緣：核心數據中心外的其它企業系統；

終端：PC、手機、傳感器、照相機、智能汽車等；

三生物醫藥大數據

在生物醫藥領域,?各種平臺的數字化、企業營銷PR、無數的數碼傳感器，時時刻刻都在產生著大量數據。我們已經進入了具備相當深度和廣度的生物醫學大數據時代。

生物醫藥行業數據呈現爆炸性增長，包羅信息多、價值大，但存在碎片化、利用率低的問題。為適應生物醫藥研究進入數據密集型范式的時代需求，生物醫藥數據要以“整合、交互與先進IT技術”為導向，進行有效挖掘、實現高層次的匯交共享和分析挖掘，從而使醫藥行業的每個參與方均從中受益。

供給和需求雙輪驅動：供給驅動來自于生物醫藥電子數據的積累、數據挖掘手段的提升和移動互聯的普及。隨著電子病歷、二代測序、互聯網醫療、藥品網售、云存儲等新技術平臺的出現，生物醫藥大數據的積累正在加速。另外，新技術的出現讓數據挖掘、大數據分析的手段日益精進。而生物醫藥產業鏈各個環節效率的亟待提高、精準醫療技術和市場的成熟、健康管理和慢病管理等需求也加速著生物醫藥大數據的推進。

前面我們講了大數據產生之前和之后的兩個場景：

數據少的時候，我們需要更多數據來支撐決策，就想方設法做加法，力求得到更多有用的信息；數據大的時候，我們又陷入決策困難，因為在大數據里面，絕大部分數據是無效的，無效的臟數據讓我們非常痛苦，這時候必須要做減法。

那么問題來了，如何能夠減掉無用的信息、留下有用的信息呢？那就必須對大數據進行挖掘，提取最精準的數據。

數據沒有對錯，只有多少之分。當你檢索一條信息，不管彈出來的是1條信息，還是100萬條信息，他們有一個共同的名字叫答案，你要做的是從這些答案中找到最適合你的那一條信息。大數據的最有效應用場景，未來一定是企業行為分析和決策支撐，是B2B，在制造業B2B尤其突出。企業行為的三大要素：參數、性能指標和價格，因為定量因素多，變量因素小，更容易也更適合進行大數據挖掘。

大數據的本質是量化和模型。通過量化的數據和可建立的模型，挖掘出精準的答案。為什么不是B2C或C2C？因為C端用戶消費習慣涉及心理、喜好、環境、收入等等的變化因素太多，需求的變化較大、不確定因素太高，挖掘數據背后的行為很難，這也是為什么C端推送的服務經常被吐槽不精準的原因。

制造業及其產業流通方面的要素固定和要求明確方面比較清晰，一個企業的基本需求一般都比較固定，如對地理位置的要求、對品牌的要求、對技術的要求等。一個企業要買一臺設備，乃至一個零件，他所有“逛”的時間其實都是他不愿意浪費的，他希望找到的或者被找到的就是那個最準確的賣家。

我們去比較一下C端平臺和B端平臺的區別就會發現，C端是以“逛”為主，逛著逛著就找到了喜歡的商品，因此C端平臺都會注重視覺設計、注重商品的豐富度；反觀B端平臺的用戶，就是采購提出其明確的需求，平臺根據需求的產品參數、性能指標，以及平臺上賣家的價格、距離、供貨期、歷史信譽等進行點對點的精準匹配，不需要“逛”的感覺，一定是精準化，不要浪費他的時間。買家只要有一個輸入界面，輸入自己的明確要求。然后，平臺就會將最具性價比的一家或者幾家賣家直接推送給買家，買家從中進行談判采購就可以了。

四生物醫藥大數據精準匹配

買賣雙方的需求都清楚之后，我們真正深入去探索一下生物醫藥大數據的精準匹配是怎么實現的。我們今天談的是B2B精準匹配，首先要回答一個問題：在生物醫藥B2B領域，用戶是誰，用戶在哪，用戶要什么？這是一個全流程的事，是貫穿企業贏下全鏈路的。

企業的營銷，大致可以經歷三個階段：從以產品為中心的1.0時代到以顧客為中心的2.0時代，再到以人文精神為中心、客戶參與創新的3.0時代。在3.0時代，客戶參與產品、營銷的全流程創新，源源不斷為企業的研發、生產和流通提供創新idea，只有實現供需的及時有效互動，企業的營銷才會永葆競爭力。

營銷的本質會回歸到數據，數據的核心是用戶，企業需要研究的是用戶需求，并聚焦用戶需求，深層洞察消費者。用戶數據不僅包括用戶是誰，還有產品銷售數據、售后服務數據、官方網站數據、社交媒體數據等。將和企業用戶有關的一個個數據孤島連接成一個大數據平臺，并進行清洗、融合、識別，為每個用戶生成360度用戶畫像。

對這些數據有兩個核心用處：第一，用數據挖掘的辦法，看看這些用戶什么時候又要買企業的產品，這就是精準營銷。第二，看看這些用戶中間，哪些用戶很活躍，與他們進行交互，滿足他們的需求，這就是交互創新。

用戶與用戶之間不是孤立的，大數據的核心是連接。數據經過連接才能變成信息。以用戶數據為核心，全流程連接企業運營數據，全方位連接社交行為數據，特別是連接網絡交互數據、網器行為數據。將企業全鏈路上的銷售數據、售后數據、會員注冊數據，進行數據融合，生成360度用戶畫像，精準洞察用戶。

優秀的企業滿足需求，偉大的企業創造需求。建立全流程數據連接之后，數據最核心的價值就出來了，那就是預測。預測用戶接下來會發生什么樣的行為，會有什么樣的需求，或者對已有的產品、方案有什么更新的需求。經過數據融合、用戶識別，生成數據標簽，建立數據模型，并用量化分值定義用戶潛在需求的高低。

人有靈魂，數據亦然，數據的靈魂是應用。數據采集和挖掘的最終目的是要用數據，用對數據、用好數據。企業要分析業務部門在什么時候、開展什么業務、可能遇到什么問題，在解決這個問題時需要用到哪些辦法，這些辦法中間哪些可以用數據挖掘的路徑來達到目的。進而指導企業在何時、以何種方式該有何種決策。

精準營銷，表面看是企業為產品找用戶，本質上是為用戶找產品，是交互創新，是對企業傳統營銷方式的顛覆。

生物醫藥制造企業一般有兩大問題需要解決：一是銷售線索和品牌客戶太少，如何獲得更多更好的線索和體驗。二是潛在的客戶太多線索太多，從哪個先開始，怎么優化現有的線索，怎么排序和提高現有線索的效率。

我們可以從兩方面來對癥下藥：

一是通過預測性線索挖掘，構建銷售通路，幫客戶尋找新的銷售線索；二是預測評分方法，幫客戶把現有的銷售線索進行排序。

具體來講，我們搭建一套生物醫藥細分領域的創新服務平臺，通過海量數據體系，構建了企業洞察指標體系。我們幫助產業構建資源庫、用戶庫、產品庫，同時又構建產業鏈必需的知識庫如專利、人才、技術、知識產權、政策法規等，通過這些數據庫的建設，進行數據建模，構建知識圖譜，通過機器學習，人工智能的方式幫助企業智能推薦其發展必需的服務要素。

舉個例子：臺州是全球原料藥之都，其原料藥在全球具有舉足輕重的分量，但臺州的原料藥企業競爭也非常大，某家原料藥生產企業需要勉強全球拓展市場，創新服務平臺怎么進行賦能呢？

產業互聯網是網絡協同和數據智能雙螺旋賦能的時代。首先，我們幫助這家原料藥企業進行數字化。企業將標準化產品、非標準化產品及服務上云，在創新服務平臺上，這家企業就有了眾多個性化的標簽，當企業原來的客戶在平臺上登錄后，就天然進行了智能匹配，原來你也在這里；而當原本沒有建立連接的潛在客戶登錄創新服務平臺之后，平臺就會對雙方的供需和標簽等進行一系列匹配，并對匹配度進行細分。當然，對于潛在客戶來講，他收到的信息會是來自多個供應方的，最終由企業決策者決定選擇最適合自己的產品或服務。

通過大數據尤其是產業大數據精細化分析，給生物醫藥制造企業帶來了很多戰略戰術多層面的好處，通過多維度的數據分析、預測，數據已經成為引領生物醫藥制造業成長的指南針。

眾所周知，生物醫藥產業有很強的技術壁壘，在各個細分市場都有眾多專業企業從事專業服務，目前最大的痛點是信息不對稱，從產品、服務的供需，陌生主體之間的交易是否存在欺詐，以及價值是否符合雙方預期等都存在很大的鴻溝。如何破局？且看大數據如何解決這個問題。

我們從基本的供需信息不對稱說起，假設A公司需要一項包材相容性研究服務，然后他會做什么?可能他會從原來的合作伙伴中選擇一家，也可能找熟悉的朋友咨詢，還有可能去百度，再就是他們也許會在相應的社群進行詢問，最后的結果也許能選到合適的服務商，也許會無功而返，但是效率就不敢恭維了。那么大數據可以做什么？它可以讓萬企互聯，然后根據各自的需求和提供的服務進行精準匹配，哪怕彼此之間從來沒有聽說過對方，至少這條連接先建立起來，而且最重要的是非常精準。

信息不對稱解決了，那如何解決價值認知不對稱問題？還是A公司，他已經找到了精準提供包材相容性研究服務的公司，但是雙方的價值認知存在很大偏差，A公司心理預期價格假設是10萬，而提供這項服務的B公司（服務非常適合A公司的需求）認為這項服務必須要100萬，否則免談，結果很有可能是前面花了時間和精力談的合作就崩了。那么大數據可以做什么？它可以做價值仲裁。在我們的數據庫里面，有海量曾經類似的合作數據，他會給這項服務提供一個參考成交價格，數據會說話，它告訴A、B雙方，有95%的同類合作服務價格在50萬，雙方都可以參考，且參考意義很大。（請忽略數字，數字是隨便編的非真實數據~~）

好了，有人會說，大數據有這么厲害我信了，能做價值仲裁我也信了，可是我怎么相信我從來沒有合作過的陌生客戶？別急！大數據還有更深層次的挖掘，那就是企業信用。任何有經營行為的企業都存在信用維度，我們可以通過多種維度對企業的信用建立模型，計算得出一個分值，這很好理解，芝麻信用大家不陌生吧，企業信用也是一樣的道理。

數據和信息給生產制造企業帶來價值，而數據的分析和挖掘又可以產生許多有價值的信息。大數據真是其樂無窮。

采購數據的應用：制造企業也需要原料、需要大量的源頭合作伙伴，通過商品流通大數據可以告訴企業哪個合作伙伴的原材料生產的產品更受歡迎，同時預測銷售，提前采購原料安排生產，簡直是諸葛亮啊。

產品數據的應用：制造企業的產品生產經過策劃、設計、制造、銷售和售后等環節，通過回流的數據對企業的研發、設計、制造服務。

互聯網、大數據和人工智能，能夠對海量的需求進行精準匹配。“互聯網+制造業”使得制造商和消費者之間能夠形成雙向的鏈接與互動，是對制造業價值鏈的重塑與優化。制造商和消費者之間形成雙向連接和互動。創新服務平臺為制造商提供信息（用戶需求）、原材料（“全球買”）、銷售（在線化）、物流（貫穿生產和銷售環節）的全鏈條服務，這實際上也是制造業價值鏈的重塑與優化，從而獲得比實物制造更廣泛的利潤與發展空間。

當企業進入到創新服務平臺，平臺就像一個醫術高明的神醫，通過大數據分析，告訴該企業當前經營狀況是怎樣的，在行業中的水平是怎樣的，往哪個方向提升會更有利，該提前采購什么原材料，有哪些風險需要注意，企業需要增加什么樣的人才，這些人才在哪里，在知識產權方面有什么需求，如何獲得這些信息，企業資金運轉情況怎樣，潛在的資本在哪里，該如何對接……一切都是量身打造。

用好大數據，將給生物醫藥制造企業插上一雙全渠道精準營銷的翅膀。