具体如何才能达成服务化，不同的时期有不同的解决方式。我们在书中提到过多次，农业、手工业、工业时代的服务或者部分服务化，基本都是以一对一、高端定制的方式来进行的。这确实是一种真正意义上的服务，却不是我们所说的服务化，这一个“化”字，体现了个体性，也体现了其普遍性。全社会都在进行这种服务，才是服务化。

那么如何使这种几乎无法批量复制的服务做到规模化，做到普遍性呢？这就是我们前文讲述创意传播管理理论时，说到的数字生活空间的优势了。已经讲过的内容我们不再赘述，但是大家要记得，数字生活空间当中没有时间和空间的限制，我们可以在数字生活空间内，寻求资源的整合与协作，这常常是没有障碍的，而且边际成本极低。

于是，为了达成规模化个性化，我们看到了两种服务化的模式——协同服务化和数字服务化。

协同服务化

顾名思义，就是利用社会协同来充当生产力和产能。因为大家可以很容易地理解，受到工业时代效率低下和信息不对等的影响，很多生产力是被闲置在社会当中的，这些闲置的生产力往往处于三维空间中那些比较偏僻、比较隐蔽，有的时候是比较碎片的区域当中。一种情况是，我们根本无法了解它们的存在；另一种情况是，我们即便知道它们的存在，在工业时代并没有一种技术可以在有限成本当中把它们找出来、组织在一起进行生产活动。

这其实是工业时代末期生产力分布极不均匀的一种典型体现。而极为巧合的是，移动互联网的出现和普及，为数字生活空间打造了物质基础，而我们现在已经知道了，在数字生活空间当中，其实并没有绝对的时间和空间的阻碍。那些看似非常碎片化、组织整合成本极高的分散产能，都因为数字生活空间中这种近乎零的边际成本效应，而变得可以整合，值得整合，甚至可以产生暴利。

一对一的服务可以是个性化的，那么怎么进行规模化呢？有人说，那么，多找些服务者不就好了？假如全球70多亿人都需要这种个性化服务，那么，我们到哪里去找另外70多亿人来服务我们呢？难道去雇佣外星人？

我们只能靠自己，用社会中不对等的、不均衡的闲置产能，也就是这些既有社会产能来服务我们自己。这种方式，就是我们说的社会协同。

这个道理通用于各个领域，在互联网传播当中，我们熟知的UGC以及我们说的分享，其实就是利用传播领域当中的这些既有社会产能，引发社会协同，让大家来服务大家。这在生产领域也是一样的。

怎么才能达成这种社会协同呢？

通常情况下，我们需要一个含有合理规则的平台，把这些社会既有产能整合在一起，统一管理，统一分配。滴滴出行就是这种形态，有引流机制、奖励机制、惩罚机制、留存机制、转化机制。这些机制协调一致，才能让更多社会既有产能流入平台，同时吸引更多人到这个平台上来解决问题。

这看起来是非常美好的一种状态，但是这种社会协同在根本上有着先天劣势和风险。也就是说，社会现有产能大部分都是以人为单位出现的，并且是由真实的人的主观意识来把控的。那么这些个体化且多样化的人就存在着诸多不可控因素。

我们知道，这些社会产能是被某种机制吸引过来的，我们并不对他们有任何的强制力，管理上也没有办法过于严格，这就造成了产能的不可控。

换个场景，比如在一个拥有1万台机器的工厂里，厂长每天战战兢兢，因为他不知道这1万台机器什么时候会出什么问题。

社会协同平台就存在这样的风险。这里面有太多的宾语，不可控的可能是时间，可能是质量，可能是数量，可能是安全，而这些不可控的因素，其实是无法通过制度和规则进行规避的。这些风险的背后都是和规则制定者智力相当的独立的人。

一般看来，这种协同服务化都在一些非要害性的领域长期存在，而在一些关乎安全、关乎生命的领域，往往只是过渡性的存在，待技术更新，时机成熟时，就一定会被数字服务化所替代。

数字服务化

就像之前说的，我们可以将数字服务化理解为以数字技术手段来解决服务化的核心问题，即满足规模化的个性需求。对比协同服务化来说，我们也可以将之简单地理解为，生产力和产能的来源是数字技术。

数字技术有哪些？可能随着科学技术的发展与普及，这些能够提供产能的技术会越来越多。就现在可见的技术来说，大多数是以自动化、智能化、柔性化为特征的生产能力。比如说3D打印就极具柔性化，比起开模具制造，3D打印可以快速单个制造，而且可以结合物联网进行全自动化的制造。

我们可以试想这样一个场景。当3D打印店的成熟度和普及度如当今的相片彩印店一样的时候，我们可能就再也不需要去商场买杯子、盘子、碗，甚至家具了。到那个时候，宜家家居可能也是一个全线上的、虚拟化的企业了。宜家家居有自己的APP，APP可以用于实地测量你的家居环境、尺寸，然后智能地为你提供多种家居组合方案，同时还允许你来自行设计和修改调整。而后，宜家家居APP会自动选择一个距离你最近的3D打印店，把你定制的独一无二的家具和家居用品制造出来。最后，再以社会协同的方式打包送货并提供安装服务，再或者直接让你上门提货，自行安装。

不难想象，如果是这样一个生产流程，那么宜家家居的生产效率会提升多少，销售额、销售数量会提升多少，又能节省下多少店铺租金、人员成本、物流成本、原材料采购成本以及工厂车间等重资产的硬成本？这就是数字技术产能所带来的极大的效率提高和生产力提高。同时不要忘记，对比协同来的以人为基础的社会产能，这种数字化产能有着极强的可控性和可靠性。

随着人工智能的不断发展，这些机器可能会通过物联网进行资助协同。积极乐观地说，这可以促使我们人类越来越多地把时间、精力和智慧用在创新上。但也不可否认，电影《终结者》中所说的天网，也就是那种超级人工智能最终反而统治人类的事情，其实是很有可能出现的，具体什么时候出现我们不确定，但愿我们活不到那一天。

好，那么就现有的科技而言，要达到数字服务化其实是有很多限制条件的，我们无法强求科技在我们的业务领域中随着产业链而飞速发展，这是不太现实的。更常遇到的情况是，我们在规划数字服务化商业模式的时候捉襟见肘，磕头碰脑，遇到的全都是无法解决的技术难题。这也是服务化新零售从数字技术中寻求支持却屡屡受挫、屡屡碰壁的原因。

根据数字服务化的运作原理，其实我们可以发现数字服务化的三个核心的、结构性的单元组件——大数据、智能生产还有精准渠道。

大数据

大数据是这一切的基础，没有大数据，我们就什么都不知道，也就不用说如何去洞察和满足人们的需求了。而其实在数字服务化的环境中，大数据还是比较宽泛的。我们在这里简单描述一下大数据。

首先，什么是大数据？

对于大数据的追捧似乎是从搜索引擎开始的，还有那本著名的大作Big Data^[2]。其实原著中有很详细和很明确的，我们也认为很正确的所谓“大数据”的定义，以及数据来源、应用之类的说明。可不知道是什么原因，对大数据，业内业外仍然弥漫着一团雾，很多人弄不清大数据到底是什么，到底干什么用，所以我们在这部分，为大家梳理一下，深入浅出地说明一下大数据的本质和原理。虽然字数不多，但是如果你能掌握我们讲的大数据的核心本质，你还是能够得到启发的。

至于大数据在每个领域该怎么使用，这不是我们这本书能够解决的，需要各位发挥创造性，改善、变革你所在的行业。

首先，从字面上讲，大数据就是大的数据，我们姑且这样来对名词进行分割。实词是数据，虚词是大。我们先看看数据是什么。

上图是大家常见的一种数据状态，它记录了学生的姓名、邮箱、电话等等。所以我们可以把数据看作是对事物或者现象的量化描述。

再说说大数据的“大”。到底有多大？

刚刚我们看到的、说到的这种数据，存在于生活各处。你手机里的通讯录，算不算数据呢？当然算。在公司做年会奖品的调研问卷，然后统计大家的答案，算不算数据呢？当然也算。你把同事们每天来办公室、坐下、倒水、上厕所、吃东西、打电话的时间记录下来，算不算数据呢？这些当然还是数据。

那么这些是不是大数据呢？显然不是。对，它们不够大，所以只能算是数据。

那么要多大的数据才算够大呢？

其实，对什么是大数据，并没有量级的严格规定。我们要先清楚抽样调查和大数据这两个定义的区别。

一个普遍的说法是，所谓大数据是指在某个特定条件下所记录的全体数据。所以说大数据是和传统抽样调查数据相对应的，是一种和普查结果类似的数据。

抽样调查是一种非全面的调查，指的是那些通过对全体调查对象中的一部分样本进行调查的过程。而抽样调查所得到的数据，也就一样具有了抽样代表性。比如说，我们做了一个上海市20~30岁的人吃早餐习惯的调查，用概率的方法抽样了200个人进行调查访问，而事实上，符合上海市、20~30岁这两个条件的人可能有200万。可以说，我们调研的这200个人中，1个人就要代表1万个人，这1个人的习惯、方法、特征代表了1万个人的习惯、方法、特征。这结果准么？肯定不准。所以我们才希望样本量尽可能大一些。可就算是我们调查了2万人，那么1个人也要代表100个人，1个人的特征也要代表100个人的特征。而100个人之间的差异，你很难想象到底会有多大。

普遍调查，比如人口普查、经济普查，调研者对调查对象逐个进行调查访谈，搜集数据，把每个人的特征数据记录下来形成全体数据。这是不是大数据呢？如果不太严格地讲，可以算是。但是这里面还是有个小问题，就是数据获取的方法。

调研，不论是定性调研，还是定量调研，都是在调研组织者的主导下进行的。在一定程度上，调研的组织者是主动的，而这些样本、调研对象是被动的，通常是被要求回答、描述一些问题。所以这里面就可能存在沟通失真和记录不准确的问题。

比如说，你问他：“你每天早上都吃早点么？”他说：“吃。”但有可能他只是今天早上吃了，或者你提问的时候，正好他女朋友在旁边，并且他女朋友曾警告过他一定要吃早点。(www.daowen.com)

再比如，你问他一个没那么理性和准确的问题：“你早餐爱吃什么？”他回答：“鸡蛋灌饼。”但他这么回答，可能只是因为他此时此刻想吃鸡蛋灌饼，事实上他平时吃三明治的概率更高。

而我们这里说的大数据，更多的是指那些客观记录的全体数据，它们更客观、更全面、更准确一些，也才有这个“大”的意义。

大数据的规模还会随着时间推移不断增长。没有最大只有更大，要有所有个体的数据，还要让它们乘以时间，才是我们所说的大数据。

大数据一般都从哪儿来呢？其实无非以下几种途径。

1. 历史性积累

你的客户名录、地址、电话，你的员工记录，你的供应商记录，这些都是大数据的来源。再比如说，邮局规定，要把所有用户的邮递信息至少保留2年，银行要保留10年内所有储户的账单，一个学校记录了成立以来所有学生的资料，这些积累也是大数据的来源。

2. 目的性搜集

这个最容易理解，你想要什么信息，就去搜集什么信息，就像经济普查、人口普查一样。你想知道长安街上的行车信息，就蹲在长安街各个路口进行统计，看过来过去有多少车辆，它们是什么颜色、什么品牌、什么排量，看车速、车牌、开车的人，等等。

3. 记录一切的好习惯

这个最重要，因为我们要的是全体数据，所以通常情况下，临时抱佛脚是很难奏效的。你要有意识地数据化你所能看到的一切，把它们记录下来。每一个看似无关紧要的小数据，积累起来就是意义非凡的大数据了。如果你对此进行挖掘和分析，就能够得到令你惊喜的结论。

关于大数据还要说明一点。

陈刚教授曾把大数据表述为“在一定意义上这个世界的标签化数据”。也就是说，大数据是通过各种标签来定义每个用户、每个场景、每种渠道、每个媒体以及整个世界的。进而陈刚教授又将我们所说的人工智能表述为“对这些标签化数据的程序化处理”。所以大家一定要走出一个误区，人工智能不是机器人，在本质上，人工智能是对大数据的程序化处理。

在陈刚教授的体系中，未来，随着物联网和互联网的不断发展，当大数据的数据来源越来越完整，我们前文所描述的在创意传播管理当中意义重大的生活者，也将在某种层面上变成一些标签的数据化实体。

智能生产

这个概念从工业4.0一直流行到现在，谁都没有完全说清，到底什么是智能生产，到底怎样才能做到智能生产。我们也并没有看到特别多的成功案例，也只能从一些目标任务和特征方面来理解智能生产这件事了。

智能生产的任务很简单，就是大数据探测出来的那些规模化、个性化，而且是实时动态变化的需求，这些需求需要有机制去满足。

论特征，智能生产的特征包括但不限于以下几个方面：

1.个性化

如果你的智能生产平台生产出来的都是一模一样的标准化产品，那这也就算不上智能生产，这和我们说的服务化时代有天壤之别。所以这是最重要的一步，产品必须个性化，必须要做到每个都不同。

2.柔性化

和个性化相配合，你的生产线一定具有弹性，是柔软的。这怎么理解呢？我们以雕版印刷和活字印刷为例。雕版印刷，一个版只能印一种东西，印多少都无所谓，在边际效应所限的一定数量内，印得越多，分摊的成本就越低。这种印刷方式非常工业化，不具有任何弹性，所以我们几乎无法要求在印到第2001份的时候调整雕版。而活字印刷的优势就在于，它可以随时变化，印到第65本的时候，我突然想去掉一段话或者改几个字，都没问题，换掉那几个活字就可以。

反观我们的生产，如果你的工厂只能生产500ml一瓶的果汁饮料，而且一个生产批次的产量就是20吨，那换包装换规格对你来说，简直是重建生产线。这是一种非常标准的工业化方式，没有弹性可言。

所以如果生产不够柔性化，那么同样做不到数字服务化。

3.程序化

程序化没有特别明确的定义，大概的意思就是，利用计算机和数字技术，自动执行一些烦琐而且不重复的系列动作，也就是高效率的批量化、个性化生产。这其中的重点在于其区别于流水线。流水线也是高效率、批量化生产，但却是同质化的。而在我们所说的服务化新零售当中，需求是个性化的，所以产品和服务也是个性化的、各不相同的，同时是海量的。

能够规模化复制是降低边际成本的根本。而程序化是推进规模化复制的根本。

还以古时候的印刷出版为例。如果找个秀才来手抄，这够个性化、够柔性化了吧？随时可以让秀才改个字，字体可以改，排版可以改，而且抄几本都行，随意，只要他有足够的时间就可以。

但是别忘了，我们说数字服务化要解决的是规模化的个性需求。你让这个秀才给不同水平的小学生抄写10万本唐诗宋词选集，他一时半会儿干得完么？是，或许可以干得完，一周抄一本算快的了吧？按这个速度，他一年抄52本，抄10万本差不多需要1923年。咱就算老秀才可以活到1900多岁，那等着看书的孩子呢？那还是孩子么？都成仙了。

所以一定要把个性化、柔性化中间的流程规划和梳理清楚，并利用数字技术，将其程序化，让电脑、计算机、数字技术来大规模复制这些个性化和柔性化的工作，这样才有意义。

4.数字化

有人说，某些机械的生产也可能具备个性化、柔性化、程序化特征。但大家是否还记得，我们说的数字服务化的根本是什么？是大数据。所以要在我们的智能生产中体现智能，首先就要让生产先数字化，至少是数据化。可测量，可记录，可积累，才能进一步进行分析、运算、挖掘，为人工智能提供基础。

同时，数字化也是物联网以及各种网络互联的基础，是协调设备、整合生产力的基础能力。

5.智能化

智能化指依托人工智能技术，使电脑像人一样工作，使工作效率成几百万倍地提高。但在这一“噩梦”还没有成真之前，我们很多企业都在使用“人工”而不是“人工智能”，这其实是“人肉智能”。现在没有一个企业或者组织敢说自己已经搞定了人工智能，谷歌也不敢，我们更不敢。

精准渠道

所谓“精准”的意义，不要被行业内或者媒体说的“小区液晶屏”“超市液晶屏”“精准DM直投杂志”等这种垂直细分的类型化媒体所误导。因为在大数据驱动的数字生活空间中，这些渠道实在是不怎么精准。

而“渠道”（access）这个词来源于唐·E·舒尔茨教授的SIVA理论。为什么我们不讲媒体、不讲销售通路，而讲渠道？因为现在的渠道都是具有综合功能的，也就是说，它既有媒介传播能力，也有销售能力，还有用户反馈能力及其他各种能力。随着媒体数量越来越多、形式越来越多元，渠道可做的事情就越来越多样。所以，我们不能只把渠道看成单一的“媒体”或者“销售通路”。

从整体来说，精准渠道就是一对一的，针对每一个用户建立的多媒体、多功能的渠道。

当我们利用大数据洞察出每一个用户想要什么，并利用各种智能化生产方式成功打造产品或服务，之后把相应的产品或服务通过精准渠道送至用户手中。不把张三的饭送给李四，不把老赵的咖啡送给老刘。这就是精准渠道。

以上是我们给大家归纳的数字服务化的状态。我们说过，服务化新零售就是数字服务化的一种具体表现形态，那么具体到服务化新零售，该有哪些逻辑、道理和公式呢？