“场景”是数字化空间的组成部分，或者说“场景”是数字化空间的组成维度之一，只是该维度在移动互联网快速发展后才被思考与挖掘，核心的价值与商业化应用仍然处在较为初期的阶段。尽管如此，作为数字化空间的构件，场景仍然符合数字化空间的特质，即可以利用数字科技感知、记录与存储、整合/量化与分析，以及进行商业化应用。

从这个角度审视场景，我们会很快发现，“场景”概念从被发现到开始商业化，从头到尾均在数字化进程中可控制。

首先，让我们来审视“感知、记录与存储、整合/量化与分析，以及进行商业化应用”这句话。

感知意味着“场景”不是凭空捏造的，相反，场景的信息是可以被获取且具有规律性的。最常见获取场景信息的可能性有三种，分别为“时间”“地点”“关联”。“时间”指的是“场景”信息最可能触发的时间，举例来说，90%以上的餐饮外卖需求场景，通常会密集高发在午餐前30～60分钟，第二高发的外卖订餐需求场景则会密集高发在下班后的60～90分钟，前者是办公室午餐时间，后者则是加班晚餐时间。如果要感知这类的场景，可以通过时间刻度来实现。“地点”指的是“场景”信息最可能触发的空间，举例来说，导游服务的需求密集高发在目的地宾馆酒店的客房内，散客化趋势明显的旅行让越来越多旅行者喜欢非旅行者线路的自由行方式；而对自由行的旅行者来说，来到某个陌生城市，仍然会有购买某一条当地旅行线的诉求。比如在古都西安，大量的自由行旅行者会购买当地游线路，用一天时间乘坐当地游巴士完成东线从华清池到兵马俑的游览。而感知用户入住酒店的方式，从前台办理入住手续，一直到酒店电视机的开机广告均可保障较为精准的信息传送。“关联”指的是“场景”信息最可能触发的上游“场景”，举例来说，连锁KTV的上游“场景”是几位朋友坐在餐饮店里讨论吃完饭去哪里的“场景”，针对这个场景，Wi⁃Fi探针、具有LBS功能的定位技术均可实现感知。补充一点，上述的三大场景信息获取的可能性通常为并进模式，而非三选一模式。

记录与存储，显而易见，我们始终强调，数字科技的核心特征之一便是数据可以被记录与存储，对“场景”来说同样遵循此规律。如果缺失“记录与存储”环节，一切针对数据的优化将缺失原始依据。别将“场景”的“记录与存储”看得过于高深莫测，事实上，这仅仅是数字科技的基础配置而已，而且“记录与存储”的功能远不是“场景”的独家，在人类历史的发展过程中，任何经验与技能学习均建立在“记录与存储”的前提下，只是在互联网科技时代，这种“记录与存储”变得更为高效和可靠（人脑的记忆与存储还会因人而异，产生从效率到信息流失的一定差异，但数字科技不同，机器只会按照指令大量记录与存储获取之后的场景数据，数据丢失率尽管依旧存在，效率却仍比人脑可靠得多）。

整合/量化与分析，数据的感知会需要投入成本（无论是传感器获取数据，或其他任何技术软硬件采集数据），数据的记录与存储同样需要成本（无论采取何种存储技术），而形成矛盾恰是因为，数据本身是没有价值的，数据的真正价值在于整合/量化与分析之后的商业化应用。“场景”数据也不例外，即使一家企业囤积数十万个TB的数据，如果不对其进行整合/量化与分析的话，数据也只是不折不扣的“字符段堆积”。用一个形象的例子说明“整合/量化与分析”的作用，如果没有一份考虑到建筑学、军事学、力学等多个维度的具体方案，万里长城只是一堆砖头而已，就算是数千万块砖头也不可能阻挡北方蛮族于境外，砖头能成为万里长城的根本原因是建筑师按照一定的组合方式将其变成了防御性军事建筑。“整合/量化与分析”工作的作用可以等同于建筑师的作用，“场景”数据需要通过“整合/量化与分析”才会具有应用性价值。(www.daowen.com)

商业化应用：“场景”数据的商业化应用需要考虑三个不同角度的问题：第一，不能简单认为“场景”数据只要商业化就可以万事大吉，相反，“场景”数据的商业化应用途径会有很多种，寻找到最有价值的商业化应用才是创新者的使命；第二，所有的“场景”数据商业化后，会动态回馈用户接受应用时的相关数据，这些数据能不断帮助人们矫正数据模型，换句话说，“场景”数据的更新是持续性工作，“商业化应用”的探索亦是；第三，商业化应用永远不等于“卖货”，“场景”数据的获取也不仅限于营销场景，全产业价值链的任何环节都可能衍生出“场景”数据以及背后的商业化应用价值。

让我们继续回顾上述文字提及的“感知、记录与存储、整合/量化与分析，以及商业化应用”，在本书的商业研究过程中，将“场景”数据界定为“从头到尾均在数字化进程中可控制”，而上述的“感知、记录与存储、整合/量化与分析，以及商业化应用”定律，本质上与“大数据”毫无区别。

纵观大数据理论和大数据案例，大部分的大数据玩法只有三个步骤（或者三个核心业务环节）：第一，大数据获取与存储；第二，大数据整合分析与应用；第三，大数据商业化应用。对比“场景”数据在数字化生态内的完整路径，研究者会发现与“大数据”如此接近，唯一不同在于，在“场景”数据研究中将“数据获取”单独列为一个环节。这并非研究过程中的界定标准差异，而是经过现实商业环境信息收集与分析后的结果。

“大数据”的主路径默认基础条件为数据获取方式存在于规模化基础科技领域，因而会有三步走的主路径。以PC互联网来说，浏览器的Cookie技术就是基础技术，能帮助了解用户的浏览、兴趣、社交等多个维度的数据。可在移动互联网时代，时间/地点/关联三大基础属性进一步升级，用户会在各种“场景”中产生行为数据以及行为数据背后的逻辑规则，在此趋势下，获取这系列数据的基础科技需求远远落后于数据获取需求，无论是我们上文提及的Wi⁃Fi探针还是传感器，均处于技术科技早期——因而，对挖掘“场景”数据的创新者而言，需要单独将“数据获取”视为一个独立思考单元进行审视，而这也是“场景”数据应用在数字化生态中得到高速发展的障碍，一旦被攻克，商业前景便一马平川。同样，解决此难点所需求的成本与周期极为漫长，甚至未来解决此难点的不会是个人创新者，更可能是巨头企业，乃至于政府的“智慧城市”工程。但正如每一位创业者都应该清楚的那样，一切进程都会有不同的阶段，在而今这个阶段，“场景”数据的价值探索依旧只是在早期，不可不用，却也很难形成数据化应用。