從大數(shù)據(jù)的應用現(xiàn)狀，看企業(yè)運營決策該何去何從（全文）

來源：數(shù)據(jù)觀-企業(yè) 時間：2017-03-09 16:32:28 作者：TalkingData

從大數(shù)據(jù)的應用現(xiàn)狀，看企業(yè)運營決策該何去何從（下）

　　著眼情報數(shù)據(jù)挖掘

　　昨天我們提到了大數(shù)據(jù)工具的運用，另一方面情報數(shù)據(jù)也是電商公司真正應該關注的。

　　對于情報數(shù)據(jù)的處理，從日常工作來看，數(shù)據(jù)及情報的收集工作占了大部分時間。這個包含跟上下游供應鏈以及跨部門的溝通。例如，一個采購人員應該去生產(chǎn)線，去分析每家供應商的生產(chǎn)質(zhì)量水平，產(chǎn)能如何，優(yōu)秀的工廠和二線工廠的生產(chǎn)周期區(qū)別，哪里的原材料采購價格最低，運輸時長較短、運輸成本穩(wěn)定。一般來講，這樣的一條情報能使用一到三年。

　　雖然數(shù)據(jù)性不強，但這些情報價值十分高。講數(shù)據(jù)挖掘不如講是情報挖掘，情報挖掘才能夠為電商企業(yè)提供真正生產(chǎn)力級的支持，如果情報挖掘都沒做好，就想把它數(shù)字化和量化，有點操之過急。

　　舉個夸張的例子，當一個品牌商擁有20萬家生產(chǎn)廠商無從選擇時，為了找一個與需求相匹配的生產(chǎn)企業(yè)，才需要建立一個大數(shù)據(jù)模型，進行篩選。而現(xiàn)在只需情報先行，當規(guī)模達到一定程度難以進行決策時，才使用數(shù)據(jù)挖掘技術。

　　的確，大數(shù)據(jù)的應用要滲透到中國的電商企業(yè)內(nèi)部，還有很長的路要走。

　　而營銷領域則完全不一樣，市場營銷的數(shù)據(jù)模型已經(jīng)成熟，而互聯(lián)網(wǎng)又帶給電商企業(yè)足夠多的信息源，大數(shù)據(jù)的應用已經(jīng)可以直接給決策層提供建議。

　　以淘寶某原創(chuàng)女裝品牌為例，他們會每天花費500~1000元做情報挖掘，這個cost已經(jīng)相當?shù)母吡耍踔粮承┕居糜诎俣韧斗诺娜障南嘟?。他們有專門的情報收集人員，根據(jù)數(shù)據(jù)魔方、量子恒道、CRM系統(tǒng)分析數(shù)據(jù)，再把這些信息結合輔助最基本的經(jīng)營決策，考慮下一款新商品款式如何，基于對老會員的購買分析及需求分析，是否需要拓展新類目等等。

　　比如，當其有50件商品、100萬現(xiàn)金時，究竟應該怎么安排生產(chǎn)？情報挖掘人員會提醒決策層，這其中有2件爆款、6件長尾、2件滯銷品，甚至可以提出對各款商品的補貨、清倉建議，從而進行價格調(diào)整，頁面展示位置調(diào)整，push調(diào)整等一系列后續(xù)動作。從系統(tǒng)中取得所需數(shù)據(jù)并不困難，但數(shù)據(jù)需要進一步拼接，再去思考各個數(shù)據(jù)之間的因果聯(lián)系。

　　通俗來理解，商業(yè)領域中的情報分析，就是商業(yè)邏輯。

　　“情報支持的是對商業(yè)邏輯的理解，而數(shù)據(jù)支持的是對商業(yè)情報的處理能力?！蔽覀冋J為必須要先做情報挖掘，再做數(shù)據(jù)挖掘。如果情報沒做好，相當于對商業(yè)邏輯的理解沒達標，指望著數(shù)據(jù)直接講清商業(yè)邏輯，有些癡人說夢。

　　數(shù)據(jù)無法替代商業(yè)邏輯

　　大數(shù)據(jù)需要在量化數(shù)據(jù)的基礎上，加上商業(yè)邏輯，才能幫助電商企業(yè)做全局性、系統(tǒng)性的決策。排除一系列不可控因素，把結論和實際情況進行剝離，在一個理想狀態(tài)下的模型，只是數(shù)學專家給出的結論。

　　大數(shù)據(jù)的核心是融入商業(yè)邏輯。在商業(yè)邏輯里必須先懂市場，懂某個領域的消費者真正訴求的變化；其次要懂行業(yè)，包括行業(yè)的特征、要求和規(guī)則；最后才是懂企業(yè)運營，把多個支持模塊、資源有序地整合起來，從而共同創(chuàng)造價值。

　　在這些都具備的情況下，再用量化的數(shù)據(jù)適度輔佐決策，在商業(yè)邏輯的主導下，真正發(fā)揮量化數(shù)據(jù)的作用。

　　“缺乏這個商業(yè)邏輯之本，那量化數(shù)據(jù)就是天馬行空的東西。”我們把商業(yè)邏輯看成真正需要解決的難題，因行業(yè)不同、企業(yè)不同、類目不同、時機不同，商業(yè)邏輯都會有所變化，這是一種動態(tài)平衡的藝術和哲學。雖然數(shù)據(jù)不能代替商業(yè)邏輯，但是數(shù)據(jù)可以修正、調(diào)整商業(yè)邏輯。“一個決策的產(chǎn)生，要靠部分數(shù)據(jù)、部分商業(yè)經(jīng)驗、部分商業(yè)直覺?！?/p>

　　說到這兒，就涉及數(shù)據(jù)分層。根據(jù)經(jīng)驗判斷，越是偏宏觀戰(zhàn)略層面的數(shù)據(jù)，實用性越高，越是偏微觀細小的數(shù)據(jù)，不確定性越高。因為宏觀的決策很大，大到細小的影響起不了作用，而微觀的決策恰恰相反。

　　比如紐約時報在2014年進行“去紙化”向“線上訂閱”的轉型過程中，面對不同設備、不同介質(zhì)、不同時段的定價，以及培養(yǎng)用戶習慣而贈送的免費渠道、免費數(shù)量。

　　再比如，整個行業(yè)規(guī)模如何，市場增長力如何，本身是多樣本的綜合數(shù)據(jù)，每一個樣本的影響都只占一部分。而一旦到微觀層面，比如廣告用的顏色、打折力度大小、滿減的額度，某一項的數(shù)據(jù)會起決定作用，這樣如今多數(shù)商家更相信A／Btesting等更多形式，去相信數(shù)據(jù)研判和自身商業(yè)邏輯的結合。

　　我們認為“宏觀層面多看看數(shù)據(jù)，輔以經(jīng)驗；微觀層面多談談經(jīng)驗，輔以數(shù)據(jù)”，相結合的內(nèi)容才對電商企業(yè)有價值。

　　回歸商業(yè)的本質(zhì)，數(shù)據(jù)只不過是業(yè)務的副產(chǎn)物，業(yè)務系統(tǒng)好，一般情況下數(shù)據(jù)系統(tǒng)不會太差。如果本末倒置，數(shù)據(jù)系統(tǒng)好但業(yè)務系統(tǒng)差，結果會發(fā)現(xiàn)數(shù)據(jù)系統(tǒng)產(chǎn)生的數(shù)據(jù)內(nèi)容都沒法進行有效的積累與使用。

　　這并不是打臉說數(shù)據(jù)不重要，但請不要迷信，因為數(shù)據(jù)的不確定性所帶來的風險，就如股票市場出現(xiàn)MACD金叉背離，可能也會下跌一樣。商業(yè)決策的風險是多數(shù)企業(yè)無法承受的，企業(yè)需要通過豐富的數(shù)據(jù)維度和數(shù)據(jù)內(nèi)容，回歸商業(yè)邏輯，進行企業(yè)決策。

　　總之通過大數(shù)據(jù)去挖掘、展現(xiàn)自身的商業(yè)價值，并進行決策，是需要科學嚴謹?shù)幕I劃和儲備的，而不是隨大流的跟風，畢竟耗時耗力也是企業(yè)成本，這不是鬧著玩。

?點此進入 TalkingData 在數(shù)據(jù)觀的企業(yè)欄目>>>

?

責任編輯：陳近梅