世界500强——壳牌的大数据实践

本文根据壳牌公司中国区CIO徐斌，在IT精英高峰论坛演讲整理而成。

徐斌

拥有 20年IT（信息化）从业经历，包括超过15 年IT（信息化）管理经验。管理经验跨越不同类型的行业和企业，包括金融、零售、能源行业以及国有企业、合资公司、外资企业等多元化的工作背景。信息化的工作经历覆盖技术管理、部门管理到集团战略规划和治理各个层面。

壳牌作为长期位列全球500强前3强的公司，在全球拥有健康高效的业务运营和管理。壳牌是唯一的在中国发展持续120年的国际性公司，充分说明了它对中国市场的战略性重视程度。

壳牌在中国的零售业务拥有全国第三的网络规模，并且在继续高速发展中。

新的互联网时代，企业的发展潜力和估值方法和过去有了非常大的不同，只有能够适应新的时代和市场竞争要求的企业才能发展壮大。

企业核心竞争力最终会落在两个方面，成本和销售。

不同的企业发展阶段，不同的市场竞争状态对IT的要求有所不同，大数据等互联网技术的应用可以对各种定位的IT都有帮助。

大数据的定义很多样，不同的人亦有不同的解读。我的理解核心还是数据， 大数据只是说明的数据的多样和广泛。

光有数据，没有分析，数据并不能产生价值， 这两个方面缺一不可。

大数据的核心在于无需了解具体的原因，而是关注于对未来的预测。

通过大数据的分析预测，可以使油井勘探的成功率提高，这对于一个投资巨大，风险巨大的商业活动来说，产生的价值非常大。

大数据技术的应用， 尤其是异业和异构数据的联合分析，可以将对客户的定位，跟踪，联合营销，增加粘性等方面，产生巨大的价值。可以使企业对客户的服务的场景从传统的有限时段延展到更长更多，成为生活的一个组成部分，从而建立更稳定可靠的合作关系。

通过大数据分析客户行为，可以更早地发现信息安全的危险，尤其是在越来越多的关键信息部署在更开放的平台上，包括云计算，BYOD等。

由于油站的油罐在地下，很难通过肉眼及时发现，一旦发生泄漏，将会对地下土壤，环境， 人生安全，企业形象等造成重大影响，对应的停业，业务和信誉恢复等成本都极其巨大，损失可高达数万至百万。

通过采集来自不同设备和环节的数据， 实时传送数据至云端，进行数据的分析。

数据的分析集中在相关性的比较，来预测非正常的现象的可能性， 从而产生对应的行动。

通过分析相关性强的对比油罐的异常，可发现潜在的事故发生的高概率， 从而产生一个风险报告。

节省的成本包括可量化的泄漏损失，人工节省， 业务减少中断， 还有大量的非量化因素， 包括企业信誉的保护等。

大数据的应用， 是一个综合的体现，最关键是建立以数据为决策依据的文化和流程。大数据的价值最终体现于如何提高企业业务的价值。