如何利用数据驾驭未来的商业?

产品微言 第107期

忘掉哪些华而不实的喧嚣,让大数据真正从“看”到“用”,真正的发挥“预测和开创新机能力”。

文| 人人都是产品经理专栏作家 杜松

在过去,我们都是有问题,找数据来支撑和佐证我们的观点,而拥有大数据以后,其核心的特质则是“用数据来寻找新机会”,很多时候,我们不是缺乏解决问题的方式,而是缺乏定位为题的能力,数据帮助我们还原真实的场景,也能够解决我们的盲点。

我们要的是不是数据的量,而是有“质”的量。

01

数据的本质是还原真实的需求

每天都在兴奋的讨论大数据,但你有没有考虑过一个问题——虽然我们每天都在收集数据,但为什么要关注它们呢?这些数据又如何能够为我们所用?

如果你没有能够弄清楚“数据能够产生什么价值”这个问题,就算拿到了再多的数据,我们也只是完成是“数据存储”的基本工作,因为任何脱离场景的数据都是没有意义。这种“徒劳”的工作只是消耗了我们的精力,企业的成本。

想要回答这个问题,需要站在更高的层次去思考:

你现在所在的公司,现在面对的3个核心问题是什么?未来3个月中,要解决的问题是什么?在过去的1个月里面,你做对了什么,做错了什么?

如果不能有效的回答这些问题,就必然出现非常严重的断层,收集数据的人不知道将来怎么使用数据,使用数据的人不知道数据的来路和加工的模型,彼此之间只是存在着一个神秘的黑盒子。

1、从企业的价值出发,数据收集实现了企业资源的合理分配

收集数据首先要衡量的是这些对数据对企业来说到底有没有价值,因为通常都难以做到把全部的数据都记录下来,所以首先考虑的企业资源的分配问题。比如电商平台的推荐系统,考虑的是如何让更多的用户有更高的概率找到他们想要的商品来提高商品的购买率,创造更多的经济效益。

所以,搞清楚你要面向的用户是谁,决定了企业数据收集的意义大小,但面对一个“碎片化了的个人”,将是一个巨大的考验和机会。

2、从用户的价值出发,数据收集实现了用户体验的提升

对用户来说,他们不关系你怎么采集数据,怎么搭建系统,他们只关系如何便捷、高效的找到他们所要的信息,比如电商平台的搜索引擎,最大的目的就是帮助用户更容易找到他们想要的商品,为他们创造优质的购物体验。

用户价值和企业价值,存在着一定的冲突性,做数据的分析必须要考虑从“谁的角度”作为起点,在衡量价值时也要考虑到数据使用者和数据给予者的两者对立的不同看法。

大量的碎片数据只是噪音,让事实串联的行为本身变得非常困难,哪怕我们花费大量的精力把这些枯燥的数据进行串联,我们也不一定能够真正的了解事实真相——很难真正的还原场景,回到用户做出决定之前的状态。

所以,在收集数据的时候,一定要明确,自己是否有足够的能力去辨别用户,是否有能力看到具体的场景,否则我们的数据始终都只是在假定,假定我们的用户处于某种状态。

数据的本质是还原,者是收集元数据的关键方法,如果没有这个概念,那收集的数据再多也是无从辨别的数据,当你的数据多到连你都没处理的时候,市场会毫不留情的把你挤出去。

回到现实中,我们还需在“黑盒子”中待多久呢?

02

流动的数据才具备真正的价值

数据就像散布在夜幕里的繁星,他们彼此之间布满了关系,只要轻轻按动其中一个点,就会驱动另外一个亮点发生变化。

所有的关键信息都可以被监控,用户的行为数据和企业的商业模式之间的逻辑关系就像一个仪表盘,对商业活动的好现象和坏现象都有敏锐的反应。但问题是,前端的用户行为数据和后端的商业数据如何才能真正的连接起来?

如果前端的人只关注关注卖货,后端的人只关注用户的点击行为,谁来负责把连接他们内在的逻辑关系,如何去决策整体的流程体验?

作为平台运营商,不要只是盲目的进行大数据投资,收集越来越多的数据,殊不知这些数据却是死数据,他们已经无法进行分析和使用,并且不能够产生价值。

有价值的数据,必须具备“带动更多数据进入循环系统”的能力,一个推荐系统,当发现推荐无效时,就必须重新推荐,数据的目的就是为了解决“分析——推荐——反馈——再推荐”的良性循环,这个循环的关键就是从解决问题出发主动的收集数据。

“活”的数据,包括两个含义,其一是数据不局限于本企业内部自己收集的数据,还要把别人的数据拿过来使用;其二是不局限于已有的数据框架,而是结合具体的需求场景,从相关联的行业和业务中收集能够为现在所用的数据。规避现有数据框架的弊端,更好的反应用户的实际需求。

03

学会用框架做决策

明确什么数据有价值,比收集大量的数据有用,定位问题比解决问题的方式有用。对一件事情的理解过程,都是利用数据对之进行细分/分类、对比、溯源,以及从三者的动态趋势中去寻找变化的规律。

1、目的:确定想要解决的问题,然后才能从解决问题的角度出发去收集数据。

2、定义:如何定义这个问题。把数据整理好之后,放入一个数据框架,让决策者用框架清楚的看到数据与决策之间的关系。

3、量化:给出具体可衡量的指标

4、评估:执行后,一定要评估做对了什么,做错了什么。如果行动后发现根本没有达到目的,就要检讨整个链条,寻找问题的关键点,是数据有问题吗?还是数据框架不对,或者决策不对。

想要解决的问题越复杂,框架也就越复杂。构建数据分析的框架是一个循序渐进的过程,但一定要针对需要解决的具体问题构建框架,让框架和决策紧密相关。

在做决策的过程,不要把自己逼进“是或否”的两难选择境地,如果你是一名数据分析师,你的脑海里面就要长期装着这样一个想法“数据是从哪里来的”,为什么是这些数据而不是其他数据。

真正重要的是数据与数据之间的关系,而不是数据的本身。

· 一· 本· 老· 书·

————/END/————

题图来自 Pixabay

  • 发表于:
  • 原文链接:https://kuaibao.qq.com/s/20190127B0B56Y00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券