《商务智能》读后感（共5篇）

第一篇：《商务智能》读后感

《商务智能》读后感

——信息中心高翔

近些年来，“商务智能”这一词时时出现在我们的视线之中。由于智能商务将先进的信息技术应用到企业的信息化建设中，因此，商务智能广泛受到世界各行各业的青睐。随着计算机技术的发展，以及企业的信息过载、市场竞争加剧,企业与企业之间的交流与竞争大都是通过数据访问和共享等情况而发展。商务智能发展的时间虽然不长，但是已经成为备受企业关注的对象，它的应用前景非常广阔。为了对商务智能有更加深入和系统的学习，我最近拜读了赵卫东老师的《商务智能》这一本书。

在这一本书中，赵老师主要向读者介绍了商务智能系统的架构以及商务智能的核心技术——数据仓库、数据挖掘与OLAP的基本概念、基本方法和技术，然后在此基础上，讨论了商务智能在电子商务、移动商务、知识管理、Web挖掘、企业绩效管理、流程管理和RFID数据管理等领域的应用，此外还分析了商务智能在国内外的发展趋势。这本书内容新颖、全面，案例丰富，是我们这些信息技术人员学习商务智能的良好参考资料。

商务智能，英文为Business Intelligence，简写为BI，于1996年被Gartner Group的Howard Dresner首次提出，它描述了一系列的概念和方法，通过应用于基于事实的支持系统，来辅助商业决策的制定。商业智能的支撑技术主要由数据仓库（ＤＷ）、在线分析处理（ＯＬＡＰ）以及数据挖掘（ＤＭ）三部分组成。所谓数据仓库是指面向

主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制定过程；在线分析处理是指是一种高度交互式的过程，信息分析专家可以即时进行反复分析，迅速获得所需结果；数据挖掘是指是从浩瀚如海的数据和文档中发现以前未知的、可以理解的信息的过程。商务智能的过程是指：从不同的数据源（交易系统或其他内容储存系统）收集的数据中提取有用的数据，对数据进行清理以保证数据的质量，将数据经转换、重构后存入数据仓库或数据集市（这时数据变为信息），然后寻找合适的查询、报告和分析工具和数据挖掘工具对信息进行处理（这时信息变为辅助决策的知识），最后将知识呈现于用户面前，转变为决策。

商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。企业不管大小，都必须对瞬息万变的市场情况做出及时、高效的反应，而这些反应都必须建立在对全面、准确和及时的数据基础上。一般而言，智能型企业更能够反应迅速、适应顾客变化的需要以及采取正确的顾客解决方案。

商务智能的出现经历了一个渐进的、复杂的演进过程，并且仍处于发展之中。现如今的商务智能逐渐从战略型的BI转型为操作型或者实施型的BI，更加关注绩效、价值和数据质量，着眼于更成熟的数据分析和展现技术。但商务智能在中国的发展尚处于起步阶段，大部分

企业对商务智能仍然缺乏了解，并且在企业实际的应用过程当中，商业智能的失败率达到70%，这又是什么原因呢？对此，我认为，商务智能在国内实施成功率不高主要有以下几个方面的原因：

1、起步晚。很多人对商业智能了解不多，意识不强、参与度不高。

商业智能的提出，据今已有十几年的历史，国外成熟的信息系统以及管理理念比较成熟，而国内则不同，由于国内信息化起步比较晚，导致了商业智能的建设要比国外的商业智能建设晚，很多人对于商业智能并不是很了解，现在一直处于报表的阶段，同时也无法正确理解商业智能的价值，从而导致了商业智能这种技术一直不能得到大规模的普及。

2、技术不成熟。目前只有报表、OLAP、仪表盘和统计分析等用的比较成功，而其他方面的应用还处于研发、摸索阶段。例如非结构化数据的处理、数据质量不高的数据处理，目前还缺少有效的实用工具。

3、目前在中高端市场，国外商务智能解决方案提供商垄断市场，但其业务模型与国内企业不完全适应，国内的商务智能解决方案供应商无论从产品的完整性和实施能力上也没有多大优势。

4、缺乏既懂商业智能技术，又熟悉企业业务的人员，在商务智能市场逐年有很大增长的情况下，无论从数量上还是质量上都无法满足企业的需求。

5、商业智能项目的软硬件和实施费用很高，风险也比较大。

由于上诉原因的共同作用，才导致了现如今商务智能在我国的应用现状。但由于商务智能可以利用现代信息技术收集、管理、展示和分析那些结构化和非结构化的商务数据和信息的诉求，进而实现商务决策的精准性、有效性、快速性和动态性，所以商务智能市场潜力巨大。现在有一些有远见的企业正在努力克服上述问题，并将商务智能应用于本企业的信息化建设之中，其中不乏一些成功的案例，例如宝钢、中国海关等企业。

以我们烟草企业为例，日常经营活动中产生大量数据，这些数据包含有哪类产品更受哪类客户的喜欢，哪类促销活动能提升销售额，什么时间段应该推出什么样的产品等等信息。所以面对如此海量并且很有商业价值的数据，我们可以考虑将商务智能应用于我们的企业信息化建设之中，运用新技术为领导者的正确决策提供依据。对此，我有以下设想：

1、传统的数据分析工具、方法对于我们企业的海量数据来说，是非常耗费人力、物力、财力的。通过应用商务智能，我们可以将新的信息技术有效地应用在商务分析中，从而优化企业的信息管理系统。商务智能过程中所运用到的信息技术主要包括先收集各种数据，随后提取有用数据，再利用计算机技术对数据进行严格的筛选，将有质量的数据提出来并进行转换，然后将其存入数据仓库，并对有价值的信息进行处理。最后，将有效的决策呈现在用户面前。整个一连串过程，必定是需要计算机信息管理系统来处理的，这样就大大节约了成本。商务智能的有效应用，使企业信息化具有良好的可靠性、兼容

性、扩展性、灵活性、协调性和一致性，使企业的信息数据更加的真实有效。也就是说，将商务智能运用于企业信息化建设，利用数据仓库、联机分析处理和数据挖掘技术，对企业的信息进行快速有效的处理，不仅能大大提高办事效率，而且还能为企业节约了成本，这样就直接为企业创造了极大的经济效益。

2、在产品和管理高度同质化的背景下，客户资源成为企业最重要的资源。我们烟草企业可以通过客户关系管理，并将现在日趋流行的商务智能的理念引入企业的CRM战略之中，以提高企业的核心竞争力。与商务智能相结合的CRM可以从大量的数据中整理和提取出信息，进而将这些信息转化为可支持决策的知识，从这些知识里我们可以得知哪类客户、哪个地区的客户更偏好哪类商品以及今后的购买趋势等等，这些知识能告诉我们企业事情发生的原因及发展趋势，这样，我们就能及时、迅速、准确地制定与客户的互动行为，以提升客户的忠诚度、销售量和利润率，最终实现“以客户为中心”的经营模式。

3、供应链管理对于我们烟草企业来说，是至关重要的一个环节。在供应链管理活动中需要并产生了大量的数据，我们可以利用商务智能工具整合并分析这些数据，来改进供应链管理过程中的决策，减少浪费，提高经营效率和客户满意度。具体来说，商务智能系统能够为供应链提供以下基本的效益：改善数据的可见度，使库存水平降低；分析客户服务水平，识别供应链管理中的关键问题；更好地理解客户需求，提高预测的准确性；分析运输绩效，利用高效的运输服务来减少运输成本；改善供应链关系，加强与供应链伙伴的合作，提高供应

链的竞争力。基于以上的好处，我们烟草企业应该着力于运用商务智能解决方案从供应链管理系统中提取数据、分析数据，为整个供应链管理提供完整的视图，为供应链管理中的决策提供依据。

总而言之，我们企业的信息化建设离不开商务智能，它是一个充满希望的新兴领域。我们要将其广泛应用到企业的发展中去，要让企业从各个方面提升自己的综合实力，比如加快企业的体制和技术方面的创新，完善企业的管理制度等，惟有这样，才能有效地增强企业的竞争力，使企业长久立于不败之地。

第二篇：商务智能课程总结

商务智能课程总结

41023019邓娟

通过这学期对商务智能这门课程的学习，我了解到了很多关于商务智能的相关知识。接下来自己便根据这学期所学习的内容简单做一下总结，并谈一下自己的一点学习心得。

商业智能，英文为Business Intelligence，简写为BI。又称为商业智慧，指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值的工具。商业智能的关键是从许多来自不同的企业运作系统(包括OLTP)的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。

商务智能按Gartner的定义分为四部分：数据挖掘、多维分析、即席查询以及报表。从技术层面上讲，商务智能不是什么新技术，它只是ETL、数据仓库、OLAP、数据挖掘、数据展现等技术的综合运用。我们这学期的学习了数据仓库和报表的相关知识。

数据仓库，英文名称为Data Warehouse，可简写为DW或DWH。数据仓库从通俗意义上来说，就是存储数据的仓库，只不过这个仓库不是现实世界中能够用肉眼看见的存储物品的仓库，而是用以存储数据的虚拟仓库。它是一个面向主题的（Subject Oriented）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策。

广义的说，基于数据仓库的决策支持系统由三个部件组成：数据仓库技术，联机分析处理技术和数据挖掘技术，其中数据仓库技术是系统的核心。联机分析处理OLAP（On-Line Analytical Processing)是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。数据挖掘（Data Mining）,是通过分析每个数据，从大量数据中寻找其规律的技术，诸如神经网络、规则归纳等技术。这学期的学习还包括了很多商务智能相关的技术以及软件的运用，使自己受益良多，让我的商务智能相关技术知识丰富了不少，也提高了我的软件操作能力。但是还是存在一些不尽人意的地方，比如上课时，老师使用的专业术语太多，加上所用课件是英文版的，就让我们很多时候都跟不上老师的节奏。我个人认为还需要改进一下：

1、老师上课应该事先给我们课程的提纲，让我们了解这门课程具体的学习安排，好让我们做到心中有数，并且做好相应的预习工作。

2、老师上课应该避免使用过多的专业化术语，让我们听起来更容易一些，不至于因不知所云何物而无法理解。

3、老师应该及时听取学生课堂上的回馈，应及时了解学生是否跟上了课堂进度。

4、在进行相关实验操作前，应做好相应的准备工作，避免上课时无法正常进行试验，导致时间的浪费。

这是我学习了这门课程以后的一点心得和建议，最后还是十分感谢老师们给我们带来的精彩的课程，让我们学到了很多商务智能相关的知识。

第三篇：《商务智能》读书报告

《商务智能》读书报告

读这本书带给我许多的“没想到”：拿到这本书的时候，我也没有想到这本书写的这么好；在读完全书，忽然灵机一闪，想到网上搜索一下作者的时候，我没想到作者曾经做过爱立信的项目经理和市场经理。一本能够让人期待，并且带给人意外惊喜的书，无论如何都应该算是一本好书。

《商务智能》这本书内容比较新颖、全面，适合计算机应用、软件工程、信息管理、电子商务和管理科学等，商务智能是近年来企业信息化的热点，有着广阔的应用前景。《商务智能》首先介绍了商务智能的基本概念、商务智能系统的架构以及数据仓库、OLAP、数据挖掘等核心技术。在此基础上，讨论了商务智能在电子商务、移动商务、知识管理、Web挖掘、企业绩效管理和流程管理等领域的应用。此外，还分析了商务智能在国内外的发展趋势。

书中对于商务智能“前世今生”的描写非常形象。但感觉读完全书，自己才开始真正了解了商务智能的皮毛。以前的知识，不过盲人摸象而已。

我从书中了解到了很多知识知道了商务智能（Business Intelligence，简称BI）的概念最早是Gartner Group 的Howard Dresner于1996 年提出来的，我国学者将之翻译为“商业智能”

或“商务智能”，本文选用“商务智能”作为Business

Intelligence的中文翻译。近年来，商务智能技术日趋成熟，越来越多的企业决策者意识到需要商务智能来保持和提升企业竞争力。

商务智能是数据仓库、数据挖掘、OLAP等技术的集成，作为当前重要的研究前沿之一，商务智能是学术界和企业界关注的热点。商务智能的应用领域非常广泛，典型的有电信、银行、保险、医疗、零售、政府等，以及所有建立了数据仓库的用户。从商务智能应用的论文内容来看，我国的商务智能应用还处于起步阶段，仅在信息化程度偏高的电信、银行、保险、医疗等有少量应用。这一方面因为商务智能是建立在数据仓库基础上的，我国大部分企业的信息化程度偏低，缺乏数据的积累，而数据的积累需要一个较长期的过程。另一方面因为对商务智能的认知度不高，缺乏商务智能方面的人才以及对这些人才的有效管理。

商务智能的应用与行业内信息化的基础状况密切相关，实施商务智能的企业中，以电信、金融行业的使用率较高。

为了对近年来国内商务智能论著情况有一个比较全面的了解，我分别以“商务智能”和“商业智能”为检索题，通过对国家图书馆的多库目录检索系统进行题名检索，得到近年来相关论著及博硕论文分布情况：国内商务智能专著只有2004年的两本，译著在2003年~2005年间只有三本。相对于最早1988年出版、截止2005年已经出版23本的西文专著要少得多。国外2001年~2004年间出版的商务智能专著数量极多，说明经过一段时间的发展，国外商务智能的基础研究和应用研究都比较成熟。而我国从2002年起仅有少量的博士论文，关于商务智能的专著也屈指可数，我国商务智能仅处于导入期，对商务智能的系统研究还有大量工作要做。从检索结果来看，1996年的两篇简讯可以说是国内较早关于商务智能的文章。中国学术期刊全文数据库在1996年~2005年期间，收录了有关“商务智能”和“商业智能”的论文一共200篇，文章数量年代分布呈现前几年缓慢增长，近几年明显递增的特征。因此可以将国内商务智能发展规划为两个阶段：①初始阶段（1996年~2001年）：这个阶段国内商务智能初露端倪，这段时间相关文章很少，有36篇，约占总数18%，说明商务智能在当时属新事务，没有得到应有的重视，这段时期的文章多是关于商务智能软件和国外商务智能研究的简单介绍和综述。②明显增长阶段（2002年~2005年）：这阶段论文有显著增长。不少论文讨论商务智能在各行业和各领域的应用，但是关于商务智能的较高水平和较深层次的学术研究论文还极少，大部分文章仍是简单的、重复的功能介绍、综述和简讯等。目前我国企业信息化程度普遍不高、缺乏大量数据积累、缺乏应用商务智能的实践有关。

我查阅大量的相关论文资料，对当前商务智能的研究主题进行划分并加以调整，将商务智能的研究内容划分为基础研究和应

用层面两大类，其中基础研究包括商务智能定义、功能（任务）、技术、综述等，关于商务智能的一般应用研究等无法归于应用层面所分细类的文章也放在这一部分；应用层面分为：①商务智能软件方面的简讯和功能介绍；②商务智能的行业应用，如金融、电信等；③商务智能应用的范畴，如客户关系管理、电子政务等。按以上主题通过对中国学术期刊全文数据库按题名检索的结果进行分类，统计表明，国内学者对商务智能基础工作研究较少，共75篇，占总数的37.5%，其中还包括无法归类于商务智能软件和具体应用的一般应用讨论的文章。这里分别以“商务智能”、“商业智能”为题名检索到商务智能技术方面的论文极少，但如果以“数据挖掘”、“数据仓库”、“OLAP”分别进行题名检索，会得到成百上千篇论文。作为商务智能的支撑技术，数据挖掘、数据仓库、OLAP的发展是推动商务智能发展的技术基础。商务智能支撑技术研究的逐渐深入和成熟，为商务智能的功能、体系结构、应用研究等提供了良好的技术基础。

总的来说，我国关于商务智能基础研究的论文数量极少，部分论文的质量不高，只是肤浅的介绍式论述，论文内容不新颖，重复性较高，算得上是严格意义上的学术论文数量更是屈指可数，尤其缺乏高质量的、深入的关于功能、体系结构、方法等方面的论文。当然这也与商务智能本身的特点有关，确切地讲，商务智能并不是一项新技术，它将数据仓库（DW）、联机分析处理（OLAP）、数据挖掘（DM）等技术与客户关系管理（CRM）、ERP

等系统结合起来应用于商业活动实际过程当中，实现了技术服务于决策的目的。

商务智能应用研究的文章数量相对较多，共125篇，占总量的62.5%，这部分文章中41篇（32.8%）是关于商务智能软件的简讯，其余84篇（67.2%）是关于商务智能在各行业和各领域应用的论文和介绍性文章。这部分关于具体应用的文章也存在讨论不够深入、内容比较简单、有重复的现象。论文数量2002年开始增长较多，电信、金融等信息化程度高的行业应用商务智能较多，客户关系管理、竞争与决策、信息化和ERP等领域是商务智能应用的热点。

从现状看我国商务智能的研究还处于导入期。作者在商务智能的理论研究分为宏观研究和微观研究两方面，其中宏观研究主要是从总体上把握，如商务智能的必要性、内涵和理论综述等；微观研究主要包括：商务智能功能、技术、体系结构等。

商务智能在客户关系管理（CRM）、信息化与ERP、竞争与决策中的应用。统计分析显示商务智能在客户关系管理、信息化、竞争与决策等方面的研究论文相对较多。商务智能建设的主要目标是企业决策支持。商务智能通过信息技术的运用在不同层面为战略决策提供新的支持：提升决策者洞察力；支持信息获取与分析。

传统上，商务智能主要支持中、高级管理人员决策。目前，商务智能平台的用户包括一线的业务人员、各级管理者，甚至外部的顾客和商业伙伴。这是因为业务经营决策的范围发生了扩展，包括操作层、战术层和战略层的决策。

总的来说，我觉得这是一本挺好的书，书中描写了很多数据都表明我们国家的商务智能处于萌发期有待进一步的发展。尤其是书中很多实例的描写，让人们觉得“商务智能”并不神秘，离自己很近。比那些上来就说“资源共享”、“弹性扩容”什么的强多了。

第四篇：智能商业读后感

智能商业读后感

当阅读完一本名著后，大家心中一定有不少感悟，让我们好好写份读后感，把你的收获和感想记录下来吧。那么你会写读后感吗？以下是小编为大家收集的智能商业读后感，欢迎大家借鉴与参考，希望对大家有所帮助。

曾鸣教授是我做战略的诸多老师之一，他关于战略的论述，一度是我反复揣摩学习的教材。

阿里巴巴是一家以战略见长的公司，能够在这样一家公司任参谋长，肯定得有几把刷子。

马云是个“大忽悠”,能让马云欣赏并邀请加入阿里，斯人功力可见一斑。

刚巧，我主要的工作，也是战略设计。于是乎，我就关注了“曾鸣书院”公众号，下载了“湖畔”APP,也收听了曾教授在得到的“智能商业二十讲”.自曾老师宣布要写这本书开始，我就一直关注着这本书的进程。先是得知这本书的英文版本已经出了，无奈我英语差，不能先睹为快。后又获悉这本书由中信出版集团出版，于是就在中信的购书小程序上预定了这本书。本以为这本书要等很久才能收到，没想到才过几天，就到手了。（截至目前，京东还没上架这本书的中文版。）

书是昨天下午到的，刚到手，就一口气看了一半。

这本书对我的帮助非常大。我就在做关于公司的战略计划，也在做公司的智能系统建设。这本书和我的很多想法不谋而合，让我引以为豪；另外，这本书还讲了很多我没注意到的问题，给了我不少启示。我是一边看，一边和公司的实践比较验证，偶有所感，就随笔记录。有些地方看得茅塞顿开，有些地方看得拍案叫绝，有些地方看得一阵后怕——怕什么？怕要是没看到这本书，自己岂不是犯了大错？

——真是开卷有益——尤其是开高人的卷！

《智能商业》这本书主要讲的就是智能商业。曾教授说，这是未来的商业范式。

智能商业的落脚点在“智能”二字。这两个字将智能商业与非智能商业区别开。意思是：符合智能商业逻辑的商业模式是智能商业，不符合这个逻辑的，是传统商业；智能商业代表了未来，如果你的商业模式与智能商业无关，那么很可能你就与未来无关。

这倒不是危言耸听。

那么，智能商业的智能主要体现在哪里呢？曾教授总结是：网络协同+数据智能。

什么是网络协同？我的理解是，你要用互联网技术构建一张网，将你的产品和服务搬到线上来（或者至少要有和线上交互的界面），然后把整个服务流程（产业链）的参与者也搬上来，让参与者们在线上自主办公、协同作业。当参与的角色足够多，每个角色的用户数足够大，在线协同作业的频率足够高，这个协同网络的包容性、自生性就足够强。

像蜘蛛一样先织一张网，然后把所有参与者一网打尽，这些参与者通过网络协同作业，会不断编织这张网，将网的深度和广度都极大地延展。这是一张可以自生长的网，有多少用户涌入，就有多少个节点，有多少个节点，这张网就有多大。这张网几乎可以无限延伸。它不是物理世界，它是互联网世界、信息化世界，是新的社群组织形态。

以上是我对协同网络的粗浅理解。那么，什么又是数据智能呢？

我理解的数据智能是供给链智能化。

怎么讲？

所有商业的原点，都是用户需求，不同的生产力阶段有不同的供给系统。这里面，用户的需求是相对恒定的，是所有商业行为的目标，但是供应能力不同，所能提供的解决方案就不同、方案的'成本不同、满足用户需求的程度也不同——很多需求不是说你有了解决方案用户才有，而是因为你没有解决方案所以这个问题一直得不到解决用户也就不奢望解决了——另外，很多需求不是原生性需求，而是基于解决方案衍生出来的需求——比如手机贴膜不是原生性需求，手机才是原生性需求；或者说手机不是原生性需求，准确讲，手机应该是一种解决手段，用户需要入网联系进行信息互通才是需求——我们经常犯的错，就是错把手段当需求，不能从原点出发去创新。

绕远了。扯回来。

工业时代生产力的特征是批量生产、标准化。这时候能供给的是大批量的标准化产品。满足的是用户对产品的普遍需求，不是个性需求——记住个性需求是一直存在的，只是当时的供给能力只能满足小部分人的个性定制需求。随着工业化的不断发展，标准产品进入了产能过剩的阶段，用户也进入了标准产品信息泛滥的时代，这时候的市场矛盾，变成了用户个性化需求的增长和市场个性化定制能力薄弱之间的矛盾。本质上讲，是机械化工业生产形式无法满足用户个性化的需求。

这个矛盾成了我们这个时代亟需解决的问题。

怎么办呢？答案就是数据智能。

数据智能是用互联网技术重构供给链系统，让高效的柔性生产成为可能，从而满足用户个性化的定制需要。

如何满足？

首先是万物互联，一切在线。也就是所谓的物联网（IoT）。物联网的意义在于所有产品都成了数据终端：既是数据输入终端也是数据输出终端，更是人机交互终端。在物联网的前期，你至少要开发出一个界面，让你的产品或服务能够与用户互动。这个环节，曾教授讲叫产品化。

有了交互终端，第二步是一切行为数据化。所有的动作，行为，都可以成为数据的字节，被储存下来。这个数据有类型的数据，更有个别的数据（数据库建模时建的表单不同，数据类型就不同）。这些数据你不用它，它就毫无价值。但你只要用它，它就变成了财富。最重要的是这个财富不是消耗品，可以无限复制，越用越有用。

将用户的一切行为数据化，这个在技术上并不难——只要联网在线，用户只要触网，就会形成数据。只是一般人没有注意到这个动作的意义，所以在系统开发的时候，没有开发并迭代优化这部分功能。

数据化以后，是建立算法。算法就是建立数据规则，程序指令。什么样的数据触发条件（输入加上数据分析）会形成怎样的输出，这是算法逻辑。数据量不大，分析维度不多，这个事情就简单。但当数据维度足够丰富，数据量足够大，算法足够多，运算量足够大，这时候，就不是人力能搞定的了，只能求助于机器运算。而且一般的机器作业还不行，得借助云计算的力量。

这样耗心费力的运算，目的何在？目的在于给协同网络的每个参与者更好的体验，满足其个性化需求，让其可以高效决策高效作业。

协同网络是一张横向铺开的网，网络里的每个参与者都是这张网的服务对象，没有数据智能的协作，这些参与者的作业是笨拙的，协同是低效的，有了数据智能，网络的参与者才能真正受益，体现出智能商业的用户价值

所以曾教授讲，协同网络和数据智能是构成智能商业DNA的双螺旋，缺一不可。有了这两个螺旋，你的商业模式就是智能商业，没有，就是传统商业。最后赢的，不是新的，是先进的。智能商业代表的是先进的理念和先进的生产力。革故鼎新，变革的阀门早已开启，唯有洞悉未来的发展趋势，才能提前布局，捕捉未来。

未来还没来，但是通往未来的因已经种下。我们有幸生在这个时代，可以参与或见证这个时代的变革。想想二十多年前中国的互联网什么样，再想想现在中国的互联网什么样，你还会觉得未来很遥远吗？

面向未来，掌握事物发展的原理，因缘聚合的原理，这样我们才有机会成为未来的开创者。

感谢曾教授！

第五篇：《智能商业》读后感

读《智能商业》有感

原创： 萧翔峰

一口气读完了《智能商业》，很多过往经历的事情与书中内容对照了起来，摘选其中部分与大家分享感悟。

网络协同效应

曾鸣用一句话讲明白了滴滴今天为什么会出现美团入场后促手不及的局面——没有网路协同效应，单靠规模经济无法形成垄断。

以前只知道打车是资本密集型行业，核心竞争力是资本；但是为什么是资本？并不明白。

原来是因为在线打车在需求端没有形成网络协同效应，即使供给端的规模效应强大，但司机和平台只是简单的分成关系，通过砸钱就可以让用户迁移了，也就不存在壁垒。所以美团打车的进攻策略还是通过城市逐步切入，给司机高于滴滴的补贴，粗暴有效。

回想当年在线音乐行业，网易云能崛起这么迅速，其实是个性化+歌单的模式，让产品具备了协同效应，用户越多，体验越好。而评论的互动又强化了协同，奠定了整个产品的独特调性。这与当时酷狗、QQ 音乐、百度音乐等产品的分类目录查找型体验，是质的差异。所以，网易云音乐的用户在早期版权不受限时能迅速滚起来。但其后正版化+腾讯大力投入垄断版权后，用户的基础需求（热门歌曲）无法满足，网易云音乐上涨的势头就被迅速压制了。

数据智能

大数据、人工智能，这是时下的行业流行词。过往也在想，在未来智能时代产品经理的价值是什么？这次在《智能商业》里看到了一个很系统的阐述，给了自己很大的启发。

产品是将“云上”的数据智能传递给用户、为用户带来价值的通道。数据闭环靠产品互动实现，而产品体验依赖于数据智能，数据和产品合二为一。一切的数据智能体系，都必须最终融合在功效直接、交互友好、价值明确的互联网产品上，其智能的价值才真正的体验出来。互联网产品是一种包含了“云”的智能和“端”的体验的完整互联网服务。

因此，互联网产品经理作为负责定义、优化互联网服务的角色，价值会更大。在智能时代里，一个优秀的互联网服务，离不开产品经理或实际的产品设计者，通过创造性的产品设计，既把数据智能的价值不折不扣地传递给用户，又使用户低成本、高频度地进行反馈，从而使数据智能持续提升。

这其中，产品经理的工作小到功能交互、大到定义产品场景，既包含前端（用户侧）的直接用户体验与交互，也包含后端（云）的数据智能引擎（例如推荐算法）的目标定义、指标优化。一个同时具备前端、后端工作能力的产品经理，是未来的标配。而纯 APP 功能产品经理的价值会继续的下降，因为行业的配套中台能力越来越成熟强大了。

未来的新产品，一定是针对某个用户问题/场景，定义了全新的用户体验方式，同时启动了数据智能的引擎，形成了数据、算法、产品的反馈闭环，进而持续提升用户体验。我们现在看到的字节跳动系产品，就是这一类产品的当下典型。

成为新智人

谈到这，我们自己其实也是一家企业，以经营自我、提升自我价值为商业目标的企业。但有多少人，在这个互联大时代里，还是一个单点？离线的工作、学习着？不能具备协同效应，没有给自己建立数据输入->输出的反馈闭环的人，无法放大自己的价值，也会在未来更快的面临职业上升天花板，这是未来协同的组织中对人的更高要求。

新的一年，把自己当做一个产品，找到自己的定位点，与所在的线去结网，建立所在面中的反馈闭环，在时代的大环境中继续向前。