【文章內容簡介】 業(yè)行動 取消補貼，向用戶收取 增值服務費 與私家車簽約，避免車 輛養(yǎng)護及保險支出 占據數據入口，向有需 求的第三方收取費用 40 第 3階段 收獲 41 三 . 大數據戰(zhàn)術 . 滴滴 ——大數據戰(zhàn)術 ? 用戶的出行習慣、支付記錄 ? 車輛的行駛、堵塞過程記錄 ? 道路、建筑物等地理數據 ? 掌握用戶的消費習慣 ? 統計道路擁堵情況協助市政建設 ? 為其他數據需求方提供平臺 數據 來源 數據 利用 42 三 . 大數據戰(zhàn)術 . 滴滴 ——潛在的問題 出行成本 ? 服務費的增加未能有效降低用戶出行成本，使用戶粘性有降低 風險 車輛服務 ? 車輛服務難以達到統一標準，降低了用戶滿意度 保險養(yǎng)護 ? 缺乏有效的車輛保險和統一養(yǎng)護，存在事故糾紛風險和養(yǎng)護成 本的轉嫁等問題 ——商業(yè)行動和盈利模式或許需要進一步優(yōu)化 43 目 錄 一、大數據的相關認識 二、大數據戰(zhàn)略 三、大數據戰(zhàn)術 四、環(huán)境企業(yè)大數據戰(zhàn)略戰(zhàn)術 五、大數據應用 四 . 環(huán)境企業(yè)大數據戰(zhàn)略戰(zhàn)術 1. 環(huán)境行業(yè)市場現狀 大氣污 染治理 污水治 理 環(huán)保產品銷售 收入 , 49% 環(huán)保服務營業(yè) 收入 , 51% 固體廢棄物 處理 環(huán)保產品銷售收入 環(huán)保服務營業(yè)收入 44 2023年全國環(huán)保行業(yè)收入 （單位：億元） 環(huán)保行業(yè)三大成熟領域 45 國企 進軍環(huán)境行業(yè)的進程加快 從業(yè)企業(yè)不斷發(fā)展 壯大 環(huán)境服務業(yè)呈現 良好 發(fā)展態(tài)勢 環(huán)保裝備基本 滿足 工作需要 產業(yè)發(fā)展環(huán)境進一步 優(yōu)化 四 . 環(huán)境企業(yè)大數據戰(zhàn)略戰(zhàn)術 2. 環(huán)境行業(yè)市場趨勢 ? 3. 環(huán)境行業(yè)發(fā)展階段 46 四 . 環(huán)境企業(yè)大數據戰(zhàn)略戰(zhàn)術 污染治理階段（ 過去 ） 產業(yè)：開始研制控污設備，環(huán)保產業(yè)尚在孕育過程中 數據：很少系統地收集數據，也沒有意識到數據的價值 環(huán)境修復階段（ 目前 ） 產業(yè)：環(huán)保產業(yè)處于自發(fā)、無序狀態(tài)，產業(yè)市場狹小 數據：部分地區(qū)、企業(yè)逐步收集數據，但利用率不高 環(huán)境服務階段（ 即將到來 ） 產業(yè)：環(huán)保產業(yè)將迎來大發(fā)展，市場進入藍海階段 數據：對數據的利用程度將決定企業(yè)和行業(yè)的發(fā)展高度 47 四 . 環(huán)境企業(yè)大數據戰(zhàn)略戰(zhàn)術 4. 環(huán)境行業(yè)的政策 中華人民共和國環(huán)境保護法 2023年 1月 1日起施行 十二項環(huán)境信息國家標準 2023年 3月 1日起實施 生態(tài)環(huán)境大數據建設總體方案 2023年 3月 8日印發(fā) 48 四 . 環(huán)境企業(yè)大數據戰(zhàn)略戰(zhàn)術 5. 環(huán)境領域企業(yè)特點與突破口 48 １ .中小型企業(yè)發(fā)展的良機 ２ .眾多企業(yè)可以形成產業(yè)聯盟，優(yōu)勢互補 １ .企業(yè)自身積極采集數據 ２ .加快數據資產在行業(yè)內的交易 １ .培養(yǎng)企業(yè)內部的技術人員 ２ .尋求專業(yè)第三方機構的支撐 沒有巨無霸型企業(yè) 行業(yè)數據主要集中 在政府 大數據及信息化人 才缺乏 49 四 . 環(huán)境企業(yè)大數據戰(zhàn)略戰(zhàn)術 6. 環(huán)境大數據的價值 政府 利用環(huán)境大數據提高監(jiān)管能 力、支撐管理決策、創(chuàng)新服 務方式，實現用數據來監(jiān)管、 決策和服務 企業(yè) 根據大數據的精準分析結論， 預判環(huán)保市場的潛在商機， 先行產業(yè)布局，為企業(yè)帶來 更大利潤 個人 獲取基于環(huán)境大數據的個性 化資訊服務，更有針對性地 安排個人的出行、休閑、健 身、就醫(yī)等活動 內部 決策過程冗長等 管理 50 四 . 環(huán)境企業(yè)大數據戰(zhàn)略戰(zhàn)術 7. 企業(yè)啟動大數據工作的必要性 長期來看，大數 據相關工作是企 業(yè)生存發(fā)展的 必 修課 部分 企業(yè)可根據 自身情況 暫緩 原則： 越早越好 企業(yè)是否希望在 細分市場上搶占 先機并獲得話語 權 企業(yè)是否面臨市 場、生產、營銷、 服務等工作相互 脫節(jié)等問題 企業(yè)是否面臨信 息反饋遲緩變形、 問題 市場 戰(zhàn)略 數 企業(yè)是否擁有獨 據 特且極具價值的 產 數據資產 資 企業(yè) 經營 人才 51 四 . 環(huán)境企業(yè)大數據戰(zhàn)略戰(zhàn)術 8. 企業(yè)啟動大數據工作的可行性 企業(yè)中高層是否認 識到大數據戰(zhàn)略的 重要性 企業(yè)是否擁有較強 的數據資源的獲取 和管理能力 可行性 4大要 素 ： 企業(yè)是否有足夠資 資金 金來持續(xù)支撐大數 據相關工作 企業(yè)是否擁有大數 據人才或能夠尋求 到外部支撐 意識 數據 52 四 . 環(huán)境企業(yè)大數據戰(zhàn)略戰(zhàn)術 . 如何從戰(zhàn)略到戰(zhàn)術 Step1：制定規(guī)劃 ? 明確制定大數據戰(zhàn)略所要達成的目標 ? 結合環(huán)境領域的特點和企業(yè)自身現狀，制定大數據戰(zhàn)略規(guī)劃 ? 確定大數據規(guī)劃的時間周期，并做好資金、人才等準備 ? 大數據戰(zhàn)略要遵循企業(yè)的整 體戰(zhàn)略 ? 提前預判實施過程中的潛在 風險并進行管控 要 點 53 四 . 環(huán)境企業(yè)大數據戰(zhàn)略戰(zhàn)術 . 如何從戰(zhàn)略到戰(zhàn)術 Step2：梳理企業(yè)數據資產 ? 對企業(yè)數據的來源、類型、完整性等進行評估 ? 比對戰(zhàn)略目標的需求，通過多種途徑獲取缺失數據 ? 建立數據治理機制，確保數據的可用性與一致性 ? 數據與現金、設備、人才等 一樣，都是企業(yè)的重要資產 ? 充分發(fā)揮產業(yè)聯盟的價值， 來進行數據的交易和獲取 要 點 54 四 . 環(huán)境企業(yè)大數據戰(zhàn)略戰(zhàn)術 . 如何從戰(zhàn)略到戰(zhàn)術 Step3：明確數據的價值 ? 根據數據的量級、精確度、時效性、可作用范圍等對數據的 價值進行評估 ? 根據數據價值的等級，進行相應的安全性保護 ? 數據的價值包括直接價值和 間接價值兩方面 ? 數據的估值涉及面廣，需要 對其進行專業(yè)的評估 要 點 55 ? 應用場景應契合實際需要， 不能閉門造車 ? 可通過價值創(chuàng)造與業(yè)務成熟 度兩個維度進行評估 要 點 四 . 環(huán)境企業(yè)大數據戰(zhàn)略戰(zhàn)術 . 如何從戰(zhàn)略到戰(zhàn)術 Step4：尋找應用場景 ? 對標行業(yè)最佳實踐，基于數據資產現狀，運用頭腦風暴和內 部研討會等形式列出所有可能的大數據應用 ? 對應用場景進行評估和優(yōu)先級排序，順序推動實施落地 56 四 . 環(huán)境企業(yè)大數據戰(zhàn)略戰(zhàn)術 . 如何從戰(zhàn)略到戰(zhàn)術 Step5：關鍵算法和模型的設計 ? 以實際問題為導向，結合現狀來完成模型構造和算法設計 ? 利用算法和模型，輸入數據進行計算和處理 ? 比對計算結果和實測數據，不斷修正并完善算法及模型 ? 環(huán)境領域需要包含基于數據 的計算和基于模型的計算 ? 算法和模型的設計、優(yōu)化是