数据如何帮助业务

数据的重要性已经被越来越多的公司、个人所熟知与接受,甚至于有过犹不及之势头。大数据的概念满天飞,似乎一夜之间人人都在谈论大数据,见了面不用大数据打招呼,好像就不是在数据圈子里混的了。那么,被外界传得神乎其神的数据,到底可以在哪些方面促进业务的腾飞?或者换种说法,业务对数据有哪些层次的需求?数据在哪些地方能够帮助业务?

结合笔者多年的工作经验以及对数据与业务的理解,业务对数据的需求归纳为四个层次。

第一层:知其然

我们可以通过建立数据监控体系,掌握发生了什么、程度如何,做到“知其然”。

具体来说,切入数据的角度主要有这几个方面。首先是“观天”,观察行业整体趋势、政策环境影响;再是“知地”,了解竞争对手的表现;最后是“自省”,自身做得怎么样了,自己的数据表现怎么样。从看数据的周期上来讲,“观天”可以是季度性或者更长的周期;“知地”按周或者月,特殊时间点、特殊事件情况下除外;“自省”类的数据拿到的是最全面的,需要天天看,专门有人看,有人研究。

在这一层上,分享两个看数据的观点:

1.数据是散的,看数据需要有框架。

怎么看数据很有讲究。零碎的数据很难发挥出真正的价值,把数据放到一个有效的框架里,才能发挥整体价值。所谓有效的框架至少包含两重作用:

(1)数据很多,不同人对数据需求不一样,如CEO、中层管理者、底层员工关注的数据通常是不一样的,有效的框架能够让不同的人各取所需。

(2)有效的框架能够快速地定位问题所在。举个例子,交易量指标大家都关心,如果某一天交易量指标掉了20%,那么,业务很大可能下是出了问题,但问题到底出在哪儿呢?如果只有几个高度抽象的指标,如转化率、成交人数、客单价等,是定位不到问题的。好的框架能够支持我们往下钻,从品类、流量渠道等找到问题所在,板子也就能打到具体的负责人身上了。这也是我们通常所说的,看数据要落地。

2.数据,有比较才有真相。

我有120斤,你说是重还是轻呢?一个孤零零的数据是很难说明问题的。判断某个指标增长快慢,需要选择正确的比较对象、参考系,也就是基准线。这个基准线可以是一个预先设定的目标,可以是同行业平均水平,也可以是历史的同期数据。

第二层:知其所以然

通过数据看到了问题,走到这一步还不够。数据只是表象,是用来发现、描述问题的,实操中解决问题更重要。数据结合业务,找到数据表象背后的真正原因,解决之。解决问题的过程就会涉及数据、数据加工,还可能会涉及数据模型之类的方法或者是工具,这里面技术含量比较高,另作篇幅介绍,这里不展开了。

在第二层里也有两点分享:

1.数据是客观的,但对数据的解读则可能带有很强的主观意识。

数据本身是客观的,但消费数据的是有主观能动性的人。大家往往在解读数据的时候带入主观因素:同样一个数据在A看来结论可能是好的,从B看来可能却得出截然相反的结果。不是说出现这样的情况不好,真理越辩越明。但假如不是通过数据找问题,而是先对问题定性,然后有选择地利用数据证明自己的观点,这种做法就不可取了。可事实上,我们的身边经常发生这样的事情。

2.懂业务才能真正懂数据。

车品觉老师的博文《不懂商业就别谈数据》对这个观点作了深刻阐述,这里不展开讲了。只是由于本观点的重要性,笔者特意拿出来做一下强调。

第三层:发现机会

利用数据可以帮助业务发现机会。举个例子:淘宝上有中老年服装细分市场,有大码女装市场,这些市场可以通过对周边环境的感知,了解到我们身边有一些中老年人或者胖MM在淘宝上面没有得到需求的满足。那么还有没有其他的渠道找到更多的细分市场呢?

数据可以!

通过用户搜索的关键词与实际成交的数据比较,发现有很多需求并没有被很好地满足,反映出需求旺盛,但供给不足。假如发现了这样的细分市场,公布出来给行业小二,公布出来给卖家,是不是可以帮助大家更好地去服务消费者呢?这个例子就是现在我们在做的“潜力细分市场发现”项目。

讲这个案例,不是想吹牛数据有多厉害,而是想告诉大家:数据就在那里,有些人熟视无睹,但有些人却可以从中挖出“宝贝”来。差异是什么呢?商业感觉。刚刚提到的搜索数据、成交数据很多人都能够看到,但以前没有人把这两份数据联系在一起看,这背后体现出的就是商业感觉。

第四层:建立数据化运营体系

我理解的数据化运营,包含了两重意思:数据作为间接生产力和直接生产力。

1.数据作为间接生产力。

所谓间接生产力,是指数据工作者将数据价值通过运营传递给消费者,即通常所说的决策支持,数据工作者产出报表、分析报告等供各级业务决策者参考。我称之为决策支持1.0模式。然而随着业务开拓和业务人员对数据重要性理解的增强,对数据的需求会如雨后春笋般冒出来,显然单单依赖人数不多的分析师是满足不了的。授人以鱼不如授人以渔,让运营、产品的同学都能够进行数据分析,是我脑子中的决策支持2.0模式。

决策支持2.0模式有三个关键词:产品、能力、意愿。

让运营和PD掌握SQL这类取数语言,掌握SAS、SPSS这类分析工作,显得不大现实和必要。提供低门槛、用户体验良好的数据产品是实现决策支持2.0模式的基础。这里讲的产品,不仅仅是操作功能集,还需要承载分析思路和实际案例。

但是,数据分析的门槛始终是存在的。这就对运营和PD提出了新的基本能力要求,即基础的数学能力、逻辑思考能力和学习能力。

最后一个意愿,也许是最关键的,只有内心有强烈的驱动,想做好这件事情的时候,才有可能做好。

2.数据作为直接生产力。

所谓直接生产力,是指数据工作者将数据价值直接通过前台产品作用于消费者。时髦点讲,叫数据变现。随着大数据时代的到来,公司管理层越来越重视这一点。大数据时代带来了大的机会,但也可能是大灾难。如果不能利用数据产生价值,那么,它就是一个灾难——产生的数据越多,存储的空间、浪费的资源就越多。

现在比较好理解的一个应用就是关联推荐, 你买了一个商品之后,给你推荐一个最有可能再买的商品。个性化是数据作为直接生产力的新浪潮,这个浪潮已经越来越近。数据工作者们,做好迎接的准备吧。

原文发布于微信公众号 - 大数据挖掘DT数据分析(datadw)

原文发表时间:2014-08-26

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人称T客

Analytics—新Office工具面世将改变我们的办公方式

如果你是一位数据科学家,那么分析工具用处多多。如果你不是,那非常不幸,你有的只是一堆无用的数据。专栏作家Rob Enderle 说BeyondCore应用在Of...

3076
来自专栏数据的力量

业务对数据的需求的四大层次

1377
来自专栏腾讯Bugly的专栏

【Dev Club 话题讨论】程序员的成长离不开哪些软技能?

Dev Club 是一个交流移动开发技术,结交朋友,扩展人脉的社群,成员都是经过审核的移动开发工程师。定期会举行嘉宾分享,话题讨论等活动。 本期讨论话题为:程序...

3399
来自专栏一个会写诗的程序员的博客

教育行业BP怎么写?参考这个案例可避开80%的坑丨案例

导读:为了帮助广大创业者有针对性地提高BP撰写技能、提升融资成功率,疯狂BP将不定时挑选一些商业计划书(包含融资未成功与融资成功的),通过对BP中每一页的解读,...

772
来自专栏ThoughtWorks

超越SAFE,创新需要EDGE|TW洞见

肖然 ThoughtWorks EDGE(边缘)和SAFE(安全)这两个短语在字面上给人的感觉是截然不同的。在没有具体上下文时,我相信大部分的人会选择“安全”,...

2445
来自专栏CSDN技术头条

技术人不会学习,35岁必然要焦虑

最近大家都在讨论某打车软件的外卖业务上线24小时就紧急下线的问题, 官方给出的解释是”短期订单暴涨超出预期”,业内人士分析,是之前该公司在打车业务上积累的智能调...

882
来自专栏TEG云端专业号的专栏

【人物:王松健】可以慢,不可以停

王松健,2007年毕业于重庆大学,获得硕士学位,同年加入腾讯,一直专注于腾讯计费平台建设10年,参与了腾讯充值中心、计费开放平台、统一计费平台米大师等项目,主导...

3147
来自专栏程序员的知识天地

五年编程经验的老程序员,跟新手谈一下职场误区

这种员工大多比较内向或者性情有点高冷,须不知三人行,必有我师。多向同事学习,互通有无,对自己以后的发展有百利而无一害。有导师制或者老员工带,情况或许会有所改善,...

752
来自专栏Java架构

百度、阿里、腾讯等大型互联网的Java程序员评级标准是什么?

联网圈有这么一句话:百度的技术,阿里的运营,腾讯的产品。那么代表互联网三座大山的BAT,内部人才体系有什么区别呢?

2213
来自专栏灯塔大数据

明略数据吴明辉:忘掉你的大数据,数据思维才最重要

10月11日晚,北京明略软件系统有限公司董事长吴明辉先生结合自身丰厚的实战经验以及车品觉老师书作《决战大数据》就大数据实战应用为庐客汇“12+50”会员带来了...

2794

扫码关注云+社区