3.2 用大数据预测新产品

众所周知，索尼公司的产品组合非常丰富，其取胜的关键便是新技术和新产品。索尼公司每年投入新产品开发的科研经费占销售额的10%～30%，研发人员超过万人。苹果公司更是以新观念、新产品取胜的典范。此外，宝洁产品之所以能维持居高不下的市场占有率，就在于它能不断地开发出新产品，宝洁每年在新产品研发上大约投入13亿美元，全球有超过7000位科学家投入新产品的研发中。新产品开发在保持企业利润增长、淘汰落后产品、满足消费者喜新厌旧的心理方面都发挥着极其重要的作用。

3.2.1 大数据背景下新产品开发的特点

新产品开发是企业商业活动中的一个重要环节，同时其自身也是一个非常复杂、庞大的系统。传统的产品开发思维是相对固态、封闭的，主要依赖开发人员的主观判断。例如，在进行家电产品开发设计的过程中，企业通常会比较重视市场调研，并在设计过程中充分考虑调研中所呈现出的用户需求，然而其设计过程往往缺乏对用户潜在需求的关注和对发展趋势预测的准确性，效率也较为低下，其原因在于调研数据始终是静态的，调研过程中受访者即时反映出的数据具有一定的主观性和欺骗性，同时其数据量和数据类型的局限使得设计师难以从全局把握未来产品的发展趋势，难以通过具体的创新点体现出来。

通过大数据的处理及分析，企业能够依据更高效、真实、客观的数据对用户需求展开预测，并以需求驱动和更合理的方式进行产品开发。总体来说，以大数据为基础的产品开发思维具有以下五个方面的特征。

1.提供更客观的判断依据

在传统的新产品开发设计过程中，由于时间以及预算的限制，调研问卷的发放数量是有限的，同时在排除掉一部分信度、效度较低的问卷后，有效的问卷就更少了。而在访谈式调研中，由于调研时间较短，受访者缺乏与调研者之间的深入沟通，很多有效信息是无法提取的。例如，对女性户外运动爱好者进行访谈调研以便为其设计新产品，如果选择的被调查者人数较多，则需要非常多的时间；如果选择的被调查者人数较少，则获得的有效信息较少。在这种情况下，设计师在进行产品设计时就不得不更多地依靠其个人经验，但是这种经验判断主观性非常强，同时具有明显的个体差异，不同的设计师可能会给出完全不同的新产品概念，因此局限性非常大。而基于大数据的产品开发，其数据来源广泛，数据量巨大，同时获取数据时常常是在用户无意识状态下进行的，避免了刻意隐瞒的情况，因此其数据的真实性更高。企业根据这些数据对消费者的潜在需求进行判断、对产品未来的发展趋势做出预测，其结论就会更加真实、可靠。

2.更强的时效性、动态性

在激烈的竞争中，满足消费者的需求很重要，而恰当的时机也是非常重要的，这关系到企业能否成为行业的领头羊。在新产品设计中，企业越来越多地注重消费者需求信息的调研。然而，传统调研是非常耗时的，一般新产品需求市场调研从开始到结束至少要持续3个月，这段时间对于一些工业制品企业可能影响不大，但是对于服装等消费流行性比较强、产品更新换代比较快的行业来讲影响非常大，甚至是致命的。再加上消费者的需求是在不断发展变化的，几个月前的需求可能与几个月后明显不同，企业根据之前市场调研获得的消费者需求信息进行新产品开发，生产出来的产品很可能又不符合市场需求了。这会造成极大的资源浪费，也会影响企业在行业中的竞争地位。使用大数据进行新产品开发，一方面，企业可以通过大数据的监测功能随时获得消费者需求及其变化的信息；另一方面，计算机处理和分析信息的速度明显高于人工，这样获得的新产品创意时效性较强。此外，大数据背景下的新产品开发是一个系统过程，整个过程在企业内部具有公开性，沟通流畅，可以极大地节省新产品开发的时间，有利于企业更快地提供新产品以长期占领市场。

3.更清晰的产品、用户定位

产品的精准定位是一款产品成功的重要因素，这取决于企业对市场整体状况的准确判断。基于大数据的处理分析，产品在市场中所处的层次、需求量多少、与同类产品相比较的优劣势、哪些人将会是潜在的用户群体、用户的消费特点及行为方式等因素会以智能、动态的方式呈现出来，因此开发者能够对产品和用户进行更加精准的定位。

4.以更长的产品生命周期为目标

一款产品从生产、流通、使用到废弃的周期通常有一定的规律，这一规律由市场、消费者、相关法律政策等多个因素共同形成。越是符合消费者需求、利益的产品，其生命周期就越长，为企业带来的利润增长也就越持久。通过大数据的分析，企业能够以较低的成本获取消费者的实时反馈，高效地对产品进行改良创新和升级换代，从而紧紧抓住消费者的心，有效地延长产品生命周期。

5.资源整合式的整体思路

产品开发本身是一种资源整合的行为，但在传统的开发设计过程中，企业受限于行业间的封闭性以及信息互通的迟滞，因此常常无法高效地找到自己所需要的资源，致使开发过程缓慢。通过大数据所提供的海量信息，开发者能够迅速地搜寻到与自身需求相匹配的资源，并迅速地将产品开发的上下游连接起来，组成具有针对性的、灵活的开发链条，从而更高效地展开产品开发活动。

实例3-2 华为——大数据产品创新的领先者

华为作为信息、通信和技术（Information Communication Technology，ICT）行业的领军企业，在大数据、云计算和互联互通领域具有天然优势，因而能够在大数据环境下，快速适应产品创新模式的变革。

华为目前实行“以客户需求为导向”的产品创新战略，对客户的行为分析采用机器学习和全量多维分析，通过构建全数据模型，实现百万维度数据实时分析。在市场和用户的数据采集方面，华为拥有广泛的数据来源。首先，华为与全球领先的通信运营商建立了34个联合创新中心或实验室，通过合作协议，从运营商处获取大量的用户数据资源，包括用户消费数据、用户个人属性数据等，以此拓宽数据采集渠道，全面获取目标用户的数据，把领先技术转化为自身的竞争优势和商业成功。其次，“花粉”俱乐部也是一个很重要的渠道，截至2016年5月1日，论坛内帖子总数达到158263125个，注册用户达到25758777位，在“花粉”俱乐部这个开放社区里，每周都有上万个用户反馈的帖子，其中不乏一些深度的产品使用体验报告。华为公司通过整合分析用户的发言信息，可以低成本、高效率地获取用户的需求信息，为智能手机的研发提供创新思路。最后，华为结合自身的技术和硬件优势，为每个智能手机内置了反馈软件和传感器，根据用户使用手机过程中传回的各种数据，有针对性地对产品进行功能设计，推出更符合用户需求的智能手机。

业界领先的大数据技术是华为的核心竞争优势，目前华为在全球共设有23个研究院，其中有一部分专门从事大数据技术方面的研究。例如，华为在欧洲，美国和印度，杭州和南京分别建立了MOLAP、分布式计算算法、数据可视化、大数据管理平台、流计算、实时决策等专业研究院，专注于大数据的技术研究。经过1000多名员工8年多的持续努力，华为已经全方位掌控了大数据核心技术，同时为了增加大数据平台的易用性和复杂查询能力，创新设计了表聚簇和多级索引方案，实现与公司现有数据库、数据仓库的无缝对接。

随着数据的不断产生以及数据体量的持续增大，华为通过建立云计算数据中心来解决数据存储难的问题。目前华为已在安徽宿州、贵州玉溪、江苏盐城、浙江湖州、山东济宁等五个地区建立了云计算数据中心，专门用来存储和处理大数据，同时拥有FusionSphere云操作系统、FusionStorage分布式存储系统和FusionInsight大数据分析平台、ManageOne数据中心管理系统等，并推出面向未来业务驱动的分布式云计算数据中心架构（SD-DC2），将其应用在智能手机的产品开发和风险控制方面，实现更高效的运作和管理。华为通过重构以大数据为基础的决策和分析体系，建立了基于大数据和云计算的产品创新和反馈机制，极大地提高了产品竞争力和客户满意度。

（资料来源：李冰，李玉博.基于外部动力的大数据环境下产品创新模式研究[J].中国科技论坛，2017年4月：48-54.）

思考：

结合案例浅谈华为成功的原因。

3.2.2 大数据背景下新产品开发的流程

传统新产品开发的流程大致经过以下六个阶段，如图3.4所示。

在大数据背景下，传统上“并行”与“串行”的开发方式都开始显现其不足之处，其主要问题表现为以下两个方面。

首先，从开发方式上来说，基于大数据分析的产品开发是具有高度协同性的企业行为。通常来说，新产品开发设计需要调动一个企业的多个部门共同发力，根据不同的开发阶段及相关内容配置资源，但是由于信息上的不对称，部门间的协作同步性较差，一个小的改动往往需要部门间的反复沟通。例如，在开发过程中某些部件需要通过采购完成，但采购部门可能不能完全理解设计部门的采购要求，或采购过程较长，采购信息量巨大，导致设计部门在根据已采购部件进行设计中，又不断收到新的采购件，使得设计过程出现不必要的反复和资源上的浪费。因此，基于大数据的开发方式必须是数据充分、实时共享的，这使得各个部门之间可以随时保持信息上的联动互通，确保各部门的意图能够被充分理解，以缩短开发时间，节省开发成本。例如，设计部门随时了解市场部门的消费信息反馈，有助于通过动态的数据分析高效地发掘用户的潜在需求，并生成创新的产品概念。

其次，从开发流程上来说，无论是“串行”模式还是“并行”模式，其开发轨迹基本上都是线性的，这就意味着其可逆性较差，一旦出现设计方向上的修改往往就会有较大成本的投入，如果在设计定型、大量生产铺货后市场反应平淡，则会出现很大损失。同时，对于大部分企业来说，库存量控制至关重要，很多快销产品在设计、生产过程中需要与市场联动，因此在开发流程上需要更多的数据互通、共享。

图3.5是用大数据进行新产品开发的模型图。

1.需求信息收集及新产品立项阶段

用户信息以及材料供应商信息需要经过收集、加工和处理后储存在数据平台中才可以使用。数据收集和处理的主要过程如下：互联网与各式传感设备产生的数据经过抓取和存储形成初步的数据库，通过限制条件筛选形成目标数据库，再通过进一步筛选生成有效数据库，即形成数据平台。各类外部数据平台通过接入企业内部信息系统，企业内部各部门员工即可获得相应的权限访问数据。通过大数据与标签化思路的消费者画像分析，得到用户标签和消费者画像，如性别、年龄、学历、收入、生活习惯、居住的城市、日常的饮食购物习惯等，通过这些元素，便可以将用户的标签和画像整理出来。

通过相关类别大数据的收集及分析，企业可以更加客观地对消费者需求及市场趋势进行准确的判断与预测，从而避免主观失误带来的误判，增加新产品概念的可行性，使新产品立项更加科学化。

2.新产品设计及生产调试阶段

大数据背景下的新产品设计是一个企业内部信息互动的详细设计。在这个设计阶段，参与开发的各部门在合理的组织框架下，实时共享进程数据，减少因信息不对称造成的设计指标模糊不清，使开发方向始终保持明确。同时，也可使开发部门通过大数据实时掌握消费者的最新动态及预期，适时地对开发思路做出调整。依靠大数据技术，通过情感分析、语义分析，分析用户喜好，把握个性化需求，从而针对性地制定产品方案和决策。另外，在生产调试阶段，通过大数据分析可以更快地找出生产过程中有问题的因素，并以最快速度进行调整。

3.小规模试销及反馈修改阶段

传统的产品开发在产品投入市场后才能被动地获知市场反应，也有的企业通过试销来获取市场反馈，但总体来说其反馈的速度较慢，同时对消费者的具体要求反应迟钝。而通过小规模销售试用及大数据分析，则可以迅速地获取消费者的使用反馈信息，在产品大批量投入生产前就能够预判市场反应，从而减少不适销产品给企业带来的损失。企业根据试销反馈信息和大数据综合分析对产品进行调整，减少了设计返工带来的时间成本增加，使产品不会错失上市的最佳时机。

4.新产品量产上市及评估阶段

新产品通过试销及相应的反馈改进，如果经过大数据再次分析证明可以被市场绝大部分的消费者所接受，就应该大批量生产并适时投放市场。在新产品上市时，企业通常要做出以下四个方面的决策：①投放时间决策，即确定新产品进入市场的最佳时机；②投放区域决策，即确定在哪些区域的市场上进行新产品投放；③目标市场决策，即根据新产品的特点，确定新产品的用户画像；④营销策略决策，根据新产品的用户画像，制定相应的营销策略。

然而，传统的新产品上市模式是根据少量数据分析得出的这几方面的结论，通常需要耗费很多时间，同时也未必能够得到相对准确的结论。在大数据背景下，企业可以根据全市场的信息快速做出这几方面的决策。例如，在确定新产品投放时间时，企业可以根据市场上消费者的消费状态，竞争对手的市场活动，过去新产品投放的历史数据，供应商原材料的历史价格变动及未来预期等全方位的信息，通过计算机模拟人工智能给出相对最恰当的新产品投放时间。这一过程基本是由计算机运行的，所以大大节省了从完成试销测试到新产品投放的时间。企业还可以利用大数据对目标用户的信息渠道、对营销手段的反应、交易行为、购买偏好进行分析，制定营销策略，同时也可以用决策树模拟用户对营销策略的反应。

在新产品上市后，企业需要对新产品的市场效果进行持续的跟踪评估和改进。一般来说，新产品的采用者可以分为五大类：创新采用者，早期采用者，早期大多数采用者，晚期大多数采用者，落后采用者。大多数企业在进行新产品上市推广时往往更加重视创新采用者和早期采用者的识别和推广，因为这类人群的识别和推广成本比较低。其次，这几类人群在所有新产品的接受者的大致占比分别为：2.5%，13.5%，34%，34%，16%。这一比例只是前人经验所得的平均水平，放在不同时期的不同产品，这一比例会各不相同。大数据为企业新产品采用者分析提供了个性化支持，通过大量用户（包含潜在用户）数据的收集和分析，企业可以基本确定每种类型的采用者的大致比例。同时，通过对每类新产品采用者采取个性化的推广手段，如对早期大多数采用者推送教育性广告，对晚期大多数采用者推送引导性广告等，可以加快新产品的传播速度和在消费者中的普及率，从而增加销售。

实例3-3 大数据助力智能家居设计

2014年，阿里巴巴和美的集团共同合作，提出了智能家居的设计理念，双方的合作是基于阿里云这一大数据平台，基于物联网合作网络下阿里云为美的提供大数据的计算、存储和网络连接，挖掘大数据的商业化价值，实现家电产品的连接对话和远程控制。

随后，一大批互联网企业介入到了智能家居的研发设计中。百度推出智能音响，并积极和第三方制造商合作开发安保、灯光、窗帘方面的智能化。小米则基于其庞大的手机销量，围绕小米电视、路由构建了智能家居的闭环体验。魅族、海尔、阿里巴巴构建了智能生态圈，阿里云能够提供非常强大的数据支持能力，海尔拥有全新的网络家庭平台，魅族手机则开放终端控制权限，基于LifeKit的控制技术实现智能家居体验。这里以空调产品设计为例来阐述大数据的应用实践。

（1）空调产品及空调系统大数据。一是零部件筛选数据。对不同的材料、型号的零部件搭配不同的系统，进行筛选和组合。二是空调设计数据。从设计的提出、计划、调研、定位，需要大数据的虚拟分析，以节省时间、降低成本，降低失败设计率。三是空调实验数据。产品设计的实验测试面临很多的不确定性，基于诸多的失败测试数据来节省测试成本，如寿命测试数据，参数测试数据等。四是空调运行数据。目前智能建筑的控制系统可以收集到很多空调的运行数据信息如压力、湿度、功率等，也包括一些故障数据，这些都将被挖掘应用在空调设计中。

（2）空调企业大数据。空调市场中存在物流运输网络、市场营销、产品种类、销量、市场评价、家电安装等诸多的有价值信息，整合这些信息对产品设计决策有着重要的意义。

（3）用户数据。大数据平台从互联网、智能终端各个场所获得数据，可以很容易掌握消费者的信息，并通过一些关键词的检索得到依据。通过空调运行的大数据，挖掘出用户的习惯设置，如开停机时间、开机时长、设定温度等，记录用户偏好，实现工作场所、居住场所、地区气候、季节变迁下的自动调节。

（4）大数据的运行控制。通过运行数据的挖掘基于计算机的最优控制模型设计，根据传感器传递的实时监测数据进行检测，计算机自动记录运行负荷，更新机组数据，通过大量运算有针对性地发送控制指令，不断地优化控制，实现节能高效。

（5）大数据的故障诊断作用。通过分析空调运行大数据，将空调故障检测与诊断模型对接建筑自动化控制系统，实施监测故障数据，提高时效。

通过使用大数据分析、数掘挖掘等工具和方法，空调设计师们可以了解业内最新最全面的市场动向，整合消费者、供应商、经销商等各方讯息开展产品设计。

（资料来源：张睿.大数据时代下产品创新设计[J].黑河学院学报，2016：49-50.）

思考：

1.以上空调设计案例中使用了哪些方面的大数据？

2.空调企业是如何对这些信息进行整合和挖掘的？