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
何謂大數(shù)據(jù)？
什么是大數(shù)據(jù)？在大多數(shù)人理解中，是企業(yè)用數(shù)據(jù)來優(yōu)化自己的流程、產(chǎn)品以及決策，讓運營變得更有效。但我認為，這還不能涵蓋大數(shù)據(jù)的完整范疇。
事實上，大數(shù)據(jù)是一個包含了技術和商業(yè)兩個層面的綜合性概念。一方面是技術層面的。在技術層面，其實從計算機誕生的那一刻起就伴隨著數(shù)據(jù)的產(chǎn)生。但要進行海量的數(shù)據(jù)存儲、高效的數(shù)據(jù)計算，需要有非常強大的硬件系統(tǒng)來支撐，而動輒百萬美元的硬件成本和每月數(shù)萬美元的維護成本并不是每一個企業(yè)都能夠承擔的。在高昂的成本面前，數(shù)據(jù)的分析使用成為了企業(yè)的一種“可望而不可及”的財富資產(chǎn)。
但最近幾年，技術在不斷地發(fā)展，類似于Hadoop這樣的分布式存儲和計算系統(tǒng)的出現(xiàn)，大大提高了數(shù)據(jù)存儲和計算的效率，使海量數(shù)據(jù)應用于商業(yè)變成了可能。同時，隨著互聯(lián)網(wǎng)產(chǎn)業(yè)的飛速發(fā)展，大數(shù)據(jù)的概念也開始被越來越多的人關注。
另一方面是商業(yè)層面的。對于商業(yè)行為而言，最重要的意義是能夠讓企業(yè)通過數(shù)據(jù)的使用獲得更多的收益。傳統(tǒng)意義上的數(shù)據(jù)是面向業(yè)務的，對于每一條業(yè)務線來說都會有數(shù)據(jù)的采集和積累，相信很多企業(yè)已經(jīng)在這方面做得很好了，可以說私量級已經(jīng)足夠了。如果連私量級這方面都沒有做好，那我覺得有必要先去建立數(shù)據(jù)建構，畢竟有數(shù)據(jù)，才能進行接下來的相關內容。而能夠讓商業(yè)產(chǎn)生更大價值甚至顛覆性創(chuàng)新的則是具有多樣性多元化的數(shù)據(jù)。這個多樣性是指能夠將多種數(shù)據(jù)相互印證，通過彼此之間的關聯(lián)和互動讓數(shù)據(jù)產(chǎn)生有可能的具有可靠性的商業(yè)價值。
對于企業(yè)來說，科學有效的數(shù)據(jù)指標體系可以增加企業(yè)決策的選擇范圍以及可預見范圍。通常情況下，數(shù)據(jù)可以通過是否具有正向作用、是否可預見兩個維度歸納成四個類別。
那些具有正向作用且可預見的數(shù)據(jù)通常作為運營指標進行關注，而那些具有反向作用且可預見的數(shù)據(jù)通常作為風險來規(guī)避，而具體如何劃分數(shù)據(jù)指標，就根據(jù)具體的企業(yè)狀況決定了。但是除了可預見的數(shù)據(jù)之外，還有大量的不可預見的數(shù)據(jù)。例如雙十一，淘寶的目標是單天銷售100億，結果卻實現(xiàn)了191億，那么91億便是不可預見的意外驚喜。對于我們來說，我們需要把不可預見的變成可預見的，也就是把意外驚喜變成可預見的固定收益，讓它發(fā)揮更大的價值，把意外悲劇變成可預見的，最大可能地規(guī)避掉。
將所有意外可能性變成可預見的，穩(wěn)定收益規(guī)避風險
如果說上述都是對大數(shù)據(jù)定義的解釋，那么下面就來說說企業(yè)與數(shù)據(jù)的關系。
一方面是企業(yè)內部數(shù)據(jù)，包括財務數(shù)據(jù)、運營數(shù)據(jù)、市場數(shù)據(jù)這類公司的結構型數(shù)據(jù)以及網(wǎng)站的分析數(shù)據(jù)和移動應用數(shù)據(jù)；另一方面是企業(yè)外部數(shù)據(jù)，包括百度、360這樣的社會外部數(shù)據(jù)以及TalkingData這類的第三方數(shù)據(jù)，用以補全自己的業(yè)務數(shù)據(jù)維度。
例如，一個用戶看了某項服務或者產(chǎn)品但沒有產(chǎn)生消費，所以這組數(shù)據(jù)不可能出現(xiàn)在企業(yè)的經(jīng)營數(shù)據(jù)中，絕對僅僅出現(xiàn)在網(wǎng)站分析數(shù)據(jù)中。換而言之，如果想要知道企業(yè)未來的機會，起碼要把那些看了卻不選用的用戶轉變成客戶才可能吧？如果能轉化20%，你的市場會增加多少？
再比如，如果你無法解釋市場份額增加的原因，那么這個就屬于“意外驚喜”；但當你看懂數(shù)據(jù)，當了解“意外驚喜”的產(chǎn)生原因，并做出相應的調整，將不可預見的可能性慢慢變少，使之成為正向的穩(wěn)定的，公司也會越來越聰明（Data Smart）。
相較于對不可預見的“意外驚喜”的探索，對未知意外風險的警惕顯得更為重要。
在如今競爭數(shù)據(jù)化，新聞自媒體化的現(xiàn)在，不再僅僅是去看對手做了什么事，而更多的是從那些“微小聲音”中感受危機。例如，以前A公司的用戶，有10%是先去B公司看看后再來A公司的，現(xiàn)在這個比例變成了40%，說明B公司的影響力比以前大，對于A公司便是危險。
所以，不僅僅是內部數(shù)據(jù)的分析使用，我們也需要用一些非結構化的外部數(shù)據(jù)不斷補充自身的數(shù)據(jù)分析維度，比如微博指數(shù)、百度指數(shù)這類的社會數(shù)據(jù)就是很大一塊非結構化的數(shù)據(jù)。這些社會數(shù)據(jù)不單只是用來評價公司口碑的好壞，同樣能幫助公司進行一些決策。如果單純停留在自身數(shù)據(jù)中，往往容易出現(xiàn)盲人摸象的尷尬，用片面的數(shù)據(jù)錯誤地描繪用戶的全貌。就像當淘寶的賣家離開淘寶數(shù)據(jù)的支撐，只能稱之為有數(shù)據(jù)分析，決不可稱為大數(shù)據(jù)分析。
所謂的大數(shù)據(jù)，是需要跨視角、跨媒介、跨行業(yè)的海量數(shù)據(jù)，也可以理解為數(shù)據(jù)的收集方法相較于過去的傳統(tǒng)收集方法的巨大革新。當數(shù)據(jù)的規(guī)模和豐富程度達到一定程度，大家才開始提出大數(shù)據(jù)的概念。
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（中）
數(shù)據(jù)，圍城
在淘寶中，很多的店主認為“如果不到萬級訂單量，在基數(shù)這么低的情況下，數(shù)據(jù)分析有什么用處？所以，根本不需要大數(shù)據(jù)。只有淘寶本身、京東、亞馬遜這樣級別的電商公司才有海量數(shù)據(jù)，也才有資格去談論及使用大數(shù)據(jù)?！?/p>
可是事實上，現(xiàn)在的電商企業(yè)日均能達到十萬單的少之又少，在有海量數(shù)據(jù)積累的基礎上，還要有一套優(yōu)秀的BI系統(tǒng)，而且必須是根據(jù)公司的產(chǎn)品特性及供應鏈策略需求定制，才可能實現(xiàn)大數(shù)據(jù)。
對于現(xiàn)在大多數(shù)的電商企業(yè)來說，根本一時半會兒走不到這一步。宏觀調控在小市場的確有效，一旦市場變大便依賴市場化。在企業(yè)較小規(guī)模階段，具有一定經(jīng)驗的“拍腦袋”式?jīng)Q策的確效率最高。這造成不少企業(yè)對自身的數(shù)據(jù)一開始就沒有一個標準化運營、收集、分析的意識，直到企業(yè)規(guī)模不斷擴大，反過頭再來談大數(shù)據(jù)，多數(shù)只是癡人說夢、紙上談兵。
以庫存數(shù)據(jù)舉例
大型制造企業(yè)或者電商企業(yè)還有ERP這種主要工具幫助處理庫存，而淘寶的商家或者小型企業(yè)對自己庫存的即時數(shù)據(jù)并不了解，更不可能清楚庫存銷售的利潤。往往出現(xiàn)這種情況——庫存都是賣不掉的貨，好賣的貨早已經(jīng)斷貨，而發(fā)現(xiàn)問題時，已經(jīng)來不及清倉或者補貨了。如果光看庫存，會發(fā)現(xiàn)指標挺健康，但所謂的庫存基本都變成了積壓壞賬，所以根據(jù)庫存預計銷售利潤，不是每家企業(yè)都做得出來的，這說明數(shù)據(jù)管理水平有待提升。
在企業(yè)內部，有大量的決算數(shù)據(jù)需要耐心收集，但一般商家都沒有專門的部門做這件事情，所以很難獲得高質量的數(shù)據(jù)給自己提供決策支持。
事實上，賣家之所以對數(shù)據(jù)決策感覺束手無策，是因為數(shù)據(jù)收集維度不全，對數(shù)據(jù)的管理和獲取不夠，直接導致無法利用數(shù)據(jù)去輔助決策。而大數(shù)據(jù)之所以被熱炒，是因為少數(shù)巨無霸企業(yè)在其中獲得了巨大商業(yè)價值。例如亞馬遜從虧損到盈利，大數(shù)據(jù)功不可沒。不管是巧合還是時機成熟，亞馬遜的確在采用了重量級的大數(shù)據(jù)分析后，業(yè)績持續(xù)上漲?？梢钥吹絹嗰R遜很多基于數(shù)據(jù)的決策，甚至包括我們最能感知到的用戶體驗。
亞馬遜上，囊括了所有生活必需品。因此它充分掌握消費者的原始數(shù)據(jù)，做出來的判斷具有預測性。甚至可以向商家定制亞馬遜版本產(chǎn)品，并能保證熱賣。而這一切都是根據(jù)亞馬遜所具有的大數(shù)據(jù)源，進行收集、分析所推測出來的。
區(qū)分大數(shù)據(jù)與數(shù)據(jù)
雖然大數(shù)據(jù)看著好高端、好厲害的樣子，但畢竟像亞馬遜、淘寶這樣的公司屈指可數(shù)，大多數(shù)的電商企業(yè)還處于起步階段，甚至依舊沒有。這不得不讓人重新思考大數(shù)據(jù)和數(shù)據(jù)之間的關系。
大數(shù)據(jù)與數(shù)據(jù)是兩個極易混淆的概念。對兩者的區(qū)別，每個人的理解也大相徑庭。大數(shù)據(jù)是基于交易、產(chǎn)品與用戶的匹配。產(chǎn)品很多，人很多，把它們精準地匹配在一起，是很難的一件事情。
普通的企業(yè)內部業(yè)務經(jīng)營指標——原材料、制造、庫存，這是一個相對固定的封閉流程結構，通過ERP、豐田精益生產(chǎn)策略，企業(yè)通過不斷自身優(yōu)化和與調整供應鏈上下游來進行企業(yè)經(jīng)營調整，好的分析策略或許可以對經(jīng)營指標有所影響。所以，數(shù)據(jù)是一種狹隘的定量數(shù)據(jù)，利于企業(yè)內部流程優(yōu)化；而大數(shù)據(jù)是在定量數(shù)據(jù)的基礎上，做了一個更大范圍的延伸，給企業(yè)提供決策支持，也可以理解為大數(shù)據(jù)是對數(shù)據(jù)本身的價值權重的進一步詮釋，即數(shù)據(jù)在決策中所起到作用的權重在提高。
大數(shù)據(jù)其實是一個更大范圍、更多維度的數(shù)據(jù)，就是從最初信息獲取一直到最后的售后數(shù)據(jù)。大數(shù)據(jù)的數(shù)據(jù)量往往很大，而且一旦精細研究、不斷拓展，數(shù)據(jù)量的增加也會異常驚人，對數(shù)據(jù)存儲的要求甚至超出對運算能力的要求。暫且不管大數(shù)據(jù)和數(shù)據(jù)如何定義，對于目前的電商企業(yè)而言，僅僅是希望通過數(shù)據(jù)分析帶來整個流程上的優(yōu)化和推薦系統(tǒng)的智能化。大數(shù)據(jù)的價值是并不是那么立馬立竿見影的，每一個消費者和賣家都在享受大數(shù)據(jù)決策的成果，但是在使用時，并不覺得是大數(shù)據(jù)。
其實常被人詬病的百度關鍵詞搜索就是大數(shù)據(jù)的最日常應用，百度會提供一個關鍵詞排名篩選系統(tǒng)（這里面涉及競價、權重評定等等諸多因素，不展開說），一方面是搜索內容的相關性排序，另一方面是搜詞的同時系統(tǒng)會自動提示其他相關熱銷詞（比如窗體右側可能是其他公司名片或者相關詞條以及搜索欄下面的提示“你可能要找的是xxx”），告知哪些詞更容易接觸同類消費者。這是最早使用大數(shù)據(jù)的系統(tǒng)，是基于百度每天上億次搜索的總結。每一個買百度關鍵詞的公司，其實都在使用大數(shù)據(jù)產(chǎn)品。此外，淘寶直通車、數(shù)據(jù)魔方都也是大數(shù)據(jù)的衍生工具。
如果企業(yè)希望在大數(shù)據(jù)時代取得一些成績，必須重視大數(shù)據(jù)的使用，靈活使用大數(shù)據(jù)工具，這些工具才是目前走在大數(shù)據(jù)最前沿的技術。大數(shù)據(jù)對企業(yè)的價值，很大程度上取決于第三方服務商能夠提供怎樣的數(shù)據(jù)工具。作為企業(yè)，應該從幾十家甚至上百家工具提供商中，找到適合自己的大數(shù)據(jù)工具。
這里有不得不說說大數(shù)據(jù)的另一個重要應用--廣告精準投放。這個以后如果你們想聽，我就單起一篇來說，畢竟這塊兒的事水太深，坑兒太多，可以說夠寫一本投放決策者的血淋淋心酸淚史了...
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?，甚至跟某些公司用于百度投放的日消耗相近。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，從而進行價格調整，頁面展示位置調整，push調整等一系列后續(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?！蔽覀儼焉虡I(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。”
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、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)”，相結合的內容才對電商企業(yè)有價值。
回歸商業(yè)的本質，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