傳統經濟形態下，往往規模越大的企業生存情況越好。產生這種狀況的原因主要有三方面：其一是隨著規模的擴大，企業的固定成本被分攤，容易在單位成本方面形成優勢；其二是在企業內部可以進行經驗複製，以及避免重複犯錯；第三就是為企業構築足夠寬的護城河，達到足夠規模後，進可攻、退可守。
然而在數字化時代，即便是規模達到壟斷地位的企業，也有被瞬間掀翻的風險。彎道超車者不按照牌理出牌，結果把巨無霸般的王者甩在了身後。細細分析，形成這些現象的情況還不盡相同，數字化給我們的商業社會帶來了很多新思考。
【信息流為先導的電子商務】
這是一個老掉牙的故事，但很有重溫的必要。
多年雄踞全球五百強霸主的沃爾瑪，全球共有8500家門店。沃爾瑪充分利用規模優勢，獲得了無人能及的議價能力，而且依託其強大無比的信息系統，大幅降低物流等運營成本。如果再開一家連鎖店，店面數量有限，因此進貨成本和運營成本都不佔優勢，不可能打得過沃爾瑪。
沃爾瑪的核心資產是賣場，既大又密，貨物齊全又便宜，常人難以超越。然而亞馬遜設計的電子商務模式卻開闢了另一條賽道：銷售不在線下的實體店進行，而是在網上完成，並且根據這一特徵重新定義了買東西的流程。
沃爾瑪等傳統零售行業是先有物流，再有資金流，然後是信息流。通俗地說，就是先將用戶可能購買的商品運輸到店面，然後客戶購買商品支付費用，信息系統記錄交易情況並進行分析，為下一次商品的運輸和調配提供支撐。
而電子商務的模式是先有信息流，再是資金流，最後是物流。也就是說，用戶先在網上篩選商品，再通過網絡支付費用，交易完成後商家完成物流配送。亞馬遜不用僱傭大量低端的收銀員，不用理會大賣場的商品擺放和安全問題，尤其不用將大量商品無效地搬來運去，成本結構與傳統零售企業不可比，很有可能更具成本優勢。
如今，沃爾瑪正在按照自己的模式和節奏優化運營，一邊關閉數以百計的門店，一邊又在開新店。亞馬遜和沃爾瑪賣同樣的商品，但沃爾瑪遍佈全球的店面以及建立在規模之上的成本優勢，完全無法阻攔亞馬遜電商的崛起。
這在數字化興起之前完全無法想象的。所以此後，無數的互聯網企業叫喊著"顛覆"，試圖複製亞馬遜的成功，動一動傳統大佬的奶酪。
【入口爭奪戰3.0】
還記得移動夢網麼？那個時代客戶進入到移動互聯網的入口只有一個，就是中國移動。
那時，美國互聯網泡沫的破滅讓彼時中國的互聯網產業遭受沉重打擊，僅靠後向收入養不活自己。在沒有移動支付的情況下，互聯網企業想從最終客戶那裡直接收錢，只能通過運營商的渠道。
而那個時候，中國移動在GSM移動通信領域具有壟斷性優勢，因此當合作之門打開後，互聯網公司驚喜地看到，通過中國移動的代收，用戶購買數據增值服務的真金白銀就成了收入。數億中國移動的客戶，都成了數據增值業務的推廣對象，很多人認為，誰能和移動搞好關係，就意味著獲得了資源和收入。我們稱這為入口爭奪戰的1.0時代。
微信支付和支付寶的興起，讓移動互聯網有了新的收費渠道，前向收費可以擺脫運營商了。這種情況下，各類從事信息服務的企業紛紛構築入口，做好引流，然後或者去資本市場講故事，或者直接將流量變現。門戶是入口、電商是入口、微信是入口、搜索是入口、視頻是入口、地圖是入口，後來發現終端也是入口、汽車也是入口、共享單車也是入口，甚至連一個解鎖手機的軟件都可以成為入口。
這就是入口爭奪戰2.0時代的狀態，企業不斷砸錢競爭或收購，希望自己的入口最終成長為壟斷性的。但隨著時間的推移，大家漸漸發現，花重金打造的入口竟沒有黏性，被免費吸引而來的用戶看著規模很大，但極其脆弱，稍不如意或者看到新的誘惑，轉身就走。
在流量越來越貴、移動互聯網入口的競爭越來越激烈的背景下，進到了入口爭奪戰的3.0時代：企業不再簡單追求持續擴大規模，少做甚至不做無意義的爭奪，上下游企業以開放的方式互相導流，加強合作，和氣生財。
都是規模超大的企業，合作時也並非完全平等。同樣是在終端上安裝APP，有的時候是終端企業付費購買APP，有的時候是APP花錢求終端預裝。同樣是做聯合促銷，有的時候是運營商向OTT支付酬金補貼，有的時候則是OTT向運營商支付費用才能獲得合作許可。
這種遊戲規則之下，規模可以是做好企業的基礎，只有做到一定規模才能拿到入場券；但只有規模是遠遠不夠的，達到一定規模之後，就要尋求與其他企業的合作。產業鏈上的玩家合作，誰的開放性更強，誰在客戶那裡更有話語權，誰就更容易成為3.0時代的贏家。
【大數據的邊際謎團】
"邊際"是經濟學中的一個重要詞彙，往往與"增加一單位產品"有關，包括邊際成本、邊際收益、邊際效益等。如果企業增加一個單位產品發生的成本低於該產品產生的收益，邊際成本低於邊際收益，那麼企業就可以繼續通過擴大規模來提升企業的經濟效益。
大數據平臺與眾多IT系統對接獲取數據，規模越大，邊際成本越容易被攤薄。而且數據複製的成本很低，因此理論上一旦形成了規模超大的平臺，基於平臺裡的數據進行分析，邊際成本幾乎為零，邊際成本遠低於邊際收益。
實際情況下，要不要為了新的應用和場景而增加數據呢？因為對於大數據平臺來說，如果需要增加新的數據，就要考慮新數據的採集、轉換、處理和存儲等一系列問題，而這些動作帶來的成本變化，往往遠大於新應用產生的效益。
所以問題就轉換為，大數據平臺的數據夠不夠用？
隨著技術的進步和業務的發展，運營所需要的數據一直在不斷擴充。比如客戶數據，最初客戶的基礎信息只包括姓名、聯繫方式、身份證號碼等，是以KB為單位的。後來要想做客戶畫像打標籤，一個客戶的信息以MB為計量單位。而為了得出分析結論，需要積累用戶的服務使用記錄和行為軌跡、甚至把網頁內容爬下來，這就是GB甚至TB的數量級了。
如果數據規模需要持續擴展，那麼無論是系統對接還是數據的轉換處理，需要額外的成本。更何況很多系統的接口還是個性化的、很多數據的內容還是非結構化的。所以一旦需要引入新的數據，邊際效益多半就成了負值。
這樣看起來，數據不足將導致邊際成本大於邊際收益，成為賠錢的買賣。必須滿足"數據規模大到數據足夠多"的條件，才能持續賺錢，那這種模式是什麼呢？
那就是"基於現有的數據規模，各種應用場景和分析需求輪動，不同的企業需要雷同的大數據需求。"
如果無論多大規模的平臺都不能做到數據完備，那麼大數據的規模效益是不是個偽命題？
閱讀更多 尚儒客棧 的文章
