上海迪士尼于2016年6月一经开张，便引来消费者大量涌入和竞争对手的密切关注。首富王健林公开叫板，要让迪士尼10-20年内不能赢利。到11月，迪士尼公司召开财报电话会议，称其“业绩之优出人意料”，并着手兴建第7个主题园区“玩具总动园”。公司高层透露，上海迪士尼开园前四个月游客量突破400万人次，个完整季报显示当季实现营收55亿美元。

值得关注的是，在迪士尼乐园的成功背后，有着大数据的深入应用。

2013年3月，迪士尼公司斥资近10亿美元研发的MyMagic+智慧旅游服务系统在佛罗里达奥兰多的迪士尼度假区试点推出。这一系统整合了网站、手机应用和魔法手环(MagicBands)三个部分，是一个典型的物联网系统。

魔法手环中嵌有无线射频识别芯片（RFID），源源不断地产生游客实时数据。基于这些数据，迪士尼不但可以更好地平衡和疏导园内客流，还能为游客提供极具个性化的服务：包括让游客可提前数月通过网站或手机应用预订门票和制定游园行程；在乐园特定情景下提供用户所需要的信息，告知等候时间长的游客临近空闲的游乐点和餐厅打折信息；或者让演剧人员突然叫出某个小孩的名字，并送上生日祝愿等。

试运行结果表明，在公司位于奥兰多的4个主题公园和18个酒店服务超过1300万用户，游客满意度得到了*的。到上海迪士尼开园时，这一系统得到进一步升级，用户手机App完全替代了手环。这不仅给迪士尼公司和用户省了一笔费用，也用户参与的门槛。

作为一个体验式游览项目，迪士尼乐园面临主要的问题除了乐园管理，就是对游客需求的准确把握，即所谓“消费者洞察”。园区是一个封闭系统，公司可以随时获取游客的位置，借助于App所收集的用户资料和位置，让大数据有了广阔的用武空间。根据咨询公司麦肯锡2016年分析报告，基于位置的服务正是大数据分析能发挥价值的领域。

从大数据应用来看，一般需要经历基础设施部署、数据收集与加工、数据分析和场景运用等四个阶段。对于企业来说，前三个阶段的工作具有一定的普适性。的区别在于场景运用。离开了具体场景，大数据犹如离山之虎、浅滩之龙，功用会大打折扣。换句话说，会不会将大数据与场景融合，是检验企业大数据管理能力的试金石。

对企业来说，场景是一个真实存在但又难以把握的东西。它既包括物理空间，也包括虚拟空间；既包括经济、社会环境，也包括文化氛围。如果从整个供应链看，供方和企业内部生产办公场所是一种场景，提供服务的营业场所是另一种场景，产品售出后其使用和运行的环境也属于企业需要关心的重要场景。

有了大数据，可以做的件事是分析企业重要场景中的要素，然后尽量将其数据化，以便于分析。从大数据角度看，我们区分场景中存在的三类要素：

类是客观、可控和可数据化的因素，比如温度、湿度、位置等。

第二类是相对主观、只能部分数据化和控制的，但一定程度上可以分析：比如人员之间的朋友关系，与用户互动交谈、用户对服务的态度等，可以利用扩展大数据的功能，开展田野试验的方法，尽可能进行收集和分析。

第三类是无法或不可利用大数据来监测的。这可能是由于客观条件限制，如无法接入互联网，也可能是由于法律、伦理和隐私的原因，如涉及个人隐私信息，用户拒绝监控。

结合上述两个维度，可以对数据与场景的融合情况分类如下：

从生产办公，到销售服务，再到售后，是产品或服务的控制权和所有权从企业向客户端转移和让渡，终脱离企业控制范围的过程。各类场景对企业变得越来越模糊，比如用户是否正确使用产品、是否能保持忠诚度等。模糊性对企业意味着信息不对称，如何解决这一问题是传统企业的痛点。

随着互联网的出现，企业可以借助于嵌入式芯片和智能终端持续收集数据，利用算法分析不同的场景因素，很大程度减少场景的不确定性。在此基础上，企业通过与用户的互动，得到更清晰的用户画像和场景描绘。据此修正和优化企业决策，改进产品和服务。

用大数据之烛照亮原先对企业来说处于黑暗中的场景，将其数据化。场景经过数据化，本身可以构成为大数据模型和分析的一部分，从而变得可控，是数据与场景融合的种方式。

大数据与场景融合的第二种方式，是面向不同时空环境下的客户设计有利于销售和服务的场景。此时，大数据的作用不再限于了解场景中的因素，还可以进一步改变场景，进行场景设计，影响用户的行为。

场景设计通常发生在销售和服务现场。企业基于大数据可以获得精准的用户画像，据此为其度身定制，设计一个引导和推动其作出销售决策或其满意度的场景。前述迪士尼在现场让演艺人员送游客生日祝福就是一例。

由于现实中的场景有无穷多的变化，如何让产品具有更强的适应性是企业赢得用户，竞争力的关键。因此，大数据与场景融合还需要有第三种方式，即通过机器学习探索场景中不同因素的组合，用大数据模拟出全新的场景，创新产品和商业模式。相比于第二种方式主要关注于现有场景和产品，这种方式强调基于全新场景开发新产品。

谷歌无人驾驶汽车是大数据与场景融合方式的典型应用。自2009年开始就在开发无人驾驶汽车，其总行程已突破了200万英里（约合322万公里）。但是到目前为止，它仍无法适应雪地场景。因雪地会让摄像头和激光雷达等传感器的准确性下降，导致无人驾驶汽车无法对周围环境做出准确识别。例如，在雪地中，摄像头和激光雷达无法识别分道线，这就导致汽车很难防止车道漂移，驾驶。下雪天也导致传感器很难探测到意料之外的障碍物。因此如何将大数据与雪地这一全新场景，以及更为极端的场景，如爆炸现场的融合，是无人驾驶汽车未来需要解决的关键问题。

大数据是客观近似的反映，可以帮助企业减少信息不对称，在此基础上，它还为人们建构了一个新，一个超越现实的，能够为企业创新提供全新的思路。大数据与场景的融合，也可以看成这两个融合的过程。