大数据变现十日谈之八：门槛和工具

已经谈了七天的大数据变现相关话题，今天我们来聊一聊大数据变现的门槛和工具。我们先说说门槛。

说到大数据变现的门槛，我想这种门槛主要是来源于两个方面的。

方面一，是分析能力或者应用能力的门槛。

毕竟大数据变现是以消除不确定性来降低试错成本的，所以分析和应用的水平直接影响到这种不确定性消除的准确性和价值。这里不仅仅需要扎实的数学基本功，和辩证思维的能力，还需要行业经验也就是我们说的“垂直”式的经验，只有分析能力与“垂直”经验相结合才能有比较可靠的分析结果，缺一不可。

方面二，信任度。

信任度在某些方面甚至比刚刚说的分析能力和应用能力还要重要。首先客户（也就是服务对象，即便是同一个公司内的同事）必须要跟你有足够信任的关系，他在愿意让你提供服务之前首先确定你不会做任何与职业道德相违背的事情，不会在任何情况下出卖他的数据从而有意无意地损害他的利益或名誉；其次客户必须要信赖你的能力，相信你提供的数据和建议是准确的可靠的，能够对生产提供有力帮助的。这两者也是同样缺一不可，而这两者之中，前者的信赖更难于建立，即便你的公司有国家级别的安全认证和保密以及可靠性相关的认证，客户也不会轻易相信，毕竟私密的东西脱手了且复制起来也没人能察觉。看上去似乎这个问题无解，但是我相信，只要是真正想做百年老字号的志存高远的大企业，一定会用服务质量、管理能力、技术水平，甚至是商业保险等诸多手段通过长期经营逐步解决和完善的，这是一场持久战，没有捷径。我们就看看东边太平洋里的小岛国里林立的世界500强企业吧，尤其是那些掌握大量数据的非国有电信、保险、银行企业，他们究竟是如何做到的。

我们再来说说工具。

现在的分析工具有很多，但是基本是两个极端的方向——一个方向是简单，偏重出报表和图表，谁都能用，但是不够专业，比如数据量一大就非常慢，或者直接崩溃掉，比如分析都比较浅层，无法做复杂的筛查和挖掘。这种工具里面最常用的就是EXCEL了，别小看这个微软的OFFICE组件，常用的统计计算，作图它都能做，一点不含糊，用好了它已经能解决生产运营中80%的问题了，当然人本身的分析能力也不可忽略，它只是一个工具而不是人工智能的分析平台。

第二个方向是专业，偏重对于海量数据的处理和数据挖掘算法集成化。例如Tableau，SPSS，GreenPlum等，不过这几种工具彼此之间的偏重还是不太一样。我们只说共性吧，就是太专业，对使用人员的培训成本太高，其实是不适宜做全面性的无差别的使用展开的——也就是说我不认为这种东西能够跟EXCEL一样普及，没有可能。如果要做比较深入的应用也不是没有办法，还是要从工具本身的特性去考虑，把握两个原则。

一、社群化和去中心化。让尽可能多的人参与到工具使用的社群中来，扩大兴趣爱好者的规模。

二、垂直化。在应用上尽可能和某个行业或者某个流行的产品相结合，这样客户在使用的过程中会大大降低门槛并降低其非本愿的自主选择选项——一个踩油门就走踩刹车就停的汽车一定比有一万种仪表盘和按钮的汽车要受人欢迎。