如何将大数据变成企业的洞察力和行动力
大数据部门该放在运营团队还是技术团队?在红杉资本中国基金会专家合伙人、原阿里数据委员会会长车品觉看来,纠结于此类问题的企业,距离大数据的法门尚远。车品觉认为,大数据应该是CEO直接领导的战略级部门,是一把开启新世界大门的钥匙。今天,大数据已在营销、风险控制等领域已大放异彩;而在可预见的未来, 基于大数据的诸多模式创新,将带给我们无限的想象空间。
三大颠覆性变化正在发生,将爆发惊人威力
最近,我去了一趟美国,看到大数据的几个变化,这些变化有可能极大地改变世界。
第一个变化是开始从被动搜集数据,转变为主动搜集数据。 美国一家公司现场给我们表演,电视里正在播放新闻,他们把手机放在电视机旁,手机很快识别出这是CNN新闻频道,以及正在播出什么内容。我们三个人拿出自己的手机,手机同时放三首不同的歌,他们的软件很快辨别出这三首歌是什么,以及作为背景正在播放的电视新闻。这意味着,非结构性的数据编程结构性数据,开始从被动搜集数据转变为主动搜集数据。
第二个变化是非实时转实时。 滴滴打车的数据可以说明不同地点的人流情况,但是零售业得到了这些数据,又如何触到它的用户群呢?大家知道这个世界有一个,DSP(Demand-Side Platform 需求方平台),作为中间方,DMP记录用户去了哪个网站,用了什么APP。当人使用APP时,数据会告诉DSP,这个人出现在了某一个地方,DSP就能够帮商户做智能投放。由于背后有大数据支撑,放在很短的时间内就能完成。这种模式对营销来说,绝对是一个颠覆。
另外,还有一个非常重要的变化是对话。 美国有两大公司,几乎同时宣布了一项战略性科技——对话的人工智能。比如,你的房间有一个音响,这个音响同时是一个传感器。当你说“我要买一瓶酱油”,音响会和你说:“老板,你是不是要买你之前买过的酱油?”你说:“不是,我要买新的。”它就会告诉你,新的酱油以及同样差不多的有几种,建议你选择哪种。这个变化将引发一个大的颠覆。
隐私+归属权:从混沌走向清晰
说到大数据,不得不提的是大数据与隐私这个问题。
这次在美国,见到一个在隐私问题上给美国总统提意见的专家。他说,关于个人隐私会有一个颠覆性的变化,这一变化在欧洲已经开始了,现在是美国。过去,当用户使用一个应用时,都会和应用方签订一个协议,表明用户同意把自己的数据交给应用方以改善用户体验。但是,大部分人都不知道自己同意的是什么,仅仅是点击了“同意”。美国的法律对此准备进行修改,这可能会改变大数据产业。
在这个变化中有个问题,数据分可识别数据、不可识别数据。互联网上的数据,有的可以识别是你,有的不可以识别是你。当不能完全知道他是谁,没有办法和他说你是否同意时该怎么办?现在,美国正在认真讨论类似的事情。
另一个问题是数据的拥有权是谁? 早期大家是按照实物的思路,来定义数据拥有权的法律,后来发现这条路撞墙了。数据的可爱之处就是看见就看见了,不在于是你拿着还是我拿着。法律界已经开始关注这个问题。
关于隐私问题,大部分用户更多是希望平衡好,你不能拿到我的数据我一点好处都没有,你拿了数据使用我却一点都不知道。所以,问题是谁有权控制?比如脸书,每一次使用用户数据,会告诉用户,这个数据会在某个点使用,这就涉及数据使用透明和是否可控的权利问题。这个行业里面很多人不想讲这个问题,但并不是不知道。但这是我们做大数据的人必须要慢慢解决的,否则这是一个定时炸弹。
当然,有大量的数据不相关隐私。比如,用1000个人或者5000个人的数据算出来的结果,当做大数据营销的时候,有没有把他捆绑在5000个人当中营销?美国有些法案很可爱,认定个人数据的隐私问题不是放在单独的案例当中,而是放在行业里面。我问专家,为什么要放在行业里面?他说,个人隐私和行业有关,比如卖药的,个人隐私的监管就会非常严格,而游戏类的个人数据会相对简单一些。在欧洲则是一套法律,不分行业。欧洲人认为,隐私是一个人的底线。而美国认为价值和隐私之间可平衡。这些都是未来大家都会议论的课题。
做好缝合,不断迭代
大数据的本身是异构异类的数据,就像裁缝把不同的材料缝成一件衣服一样,需要很多技术把数据连接起来,让这些数据可以使用。不同材料缝合在一起,中间会有一些缝合处。
美国任何一个做大数据的人,都会告诉你数据关联很难。美国可以把数据关联起来的公司有几家。美国大数据行业在产业链上,是可以分工的。你干这个,我干那个,大家协同把东西做出来。这和中国的情况是有区别的。
要把大数据整合起来,数据源好不好非常重要。另外有没有不同的环境可以进行数据测试,也很重要。
数据是迭代的,算法是迭代的,产品服务也是迭代的。数据有不同的版本、算法有不同的版本,我们要找到最优、同一个语境下最好的算法,达到最好的服务。
将大数据变成企业的洞察力和行动力
对于企业来说,需要将大数据变成企业的洞察力、行动力。10年前,商业决策都是靠经验驱动,用数据证明自己的判断是对的。而数据驱动,则要拥有足够的数据,通过数据发现一些以前没有看到的东西。
比如,有一些人在购物网站搜索过的关键词,两个月后会成为比较流行的关键词。当我们深入分析时,数据会告诉我们,购物里面是有达人的,购物达人看的东西和普通人不一样,他们有自己的方法寻找自己想要的商品。如果能跟踪这些达人,就可以找到用一般推荐引擎无法找到的东西。
一个学习的完整体系,简单来讲,首先有目标定义,之后进行决策、行动、拿到行动结果之后学习。人类学习的一般方法,都是根据这个链路进行,这叫“自学习”:用自己的经验慢慢积累,进行一个自我循环。
当我们开始做大数据的时候,你会发现,别人的数据会成为你的经验。你也可以把别人的数据代入自己的决策,学习到别人的经验,这叫“ 集体智慧 ”。在大数据当中,我们可以找到别人的集体智慧。
大数据里的创新,可以有三个层面:数据的创新、算法的创新、服务的创新。
下面这张图中有四个坐标:数据集中、数据分散、问题清楚、问题不清楚。过去我们可以解决的是数据集中、问题很清楚的部分,后来开始出现很多碎片化、分散的数据,我们发现可以用零散的、没有集合、没有结构化的数据,更好地解决原来的问题。
举一个例子,有一个网站虽然有几亿用户群,但只有几百万人买彩票。如何找到更多用户到这个网站上买彩票呢?按以往的方法,先描述买彩票的人是什么样的,经验认为男的比较喜欢买彩票,年纪应该是25-35岁。而用大数据的方法,则是想猜用户下一步想做什么,可以看4周之内用户有没有看过彩票的内容,如果有,那他就是一个希望要买彩票的人,只是没有在网站里买。用这个思路,我们发现买彩票的女性比男性多,而且往往是在办公室里买的多。这样一来,数据就指明了哪些人在哪些地点是最好去做营销的。
对于数据零散且问题不是很清楚,大数据同样可以解决。比如在面对不知道客户是什么样的人,只知道这些人是重复购买的人,而想要用大众标签去描述这些人时,可以先猜1000个人,对他们进行营销,发现有些人被猜对,有些人被猜错。对猜对的那部分人继续深入,慢慢就会越做越准确。这就是我通常讲的“用数据养数据”。
一个公司有没有大数据能力,一般看他有没有预测能力和行动能力。 但是布点/收集、存储/刷新、识辨/关联,也很重要。前者是如何让数据更容易使用,后者是如何让数据更有效关联在一起。这个闭环如果可以做好,就可以做一个非常好的数据产品。
考量“好数据”的六把标尺
好的数据,六个衡量标准是缺一不可。缺少其中任何一个,数据质量就会下降。有的数据很稀缺,很独家,那就是数据价值。 数据质量,主要要看准不准,但还要看全不全。 如果你只拿到安卓的数据,没有拿到苹果的数据,那就不全。 一段段很零散的数据买过来,没有连续性的数据也是不行的。需要找很可靠的伙伴来提供算法、数据、服务。
一家公司是否能用好自己的数据,首先要看一个公司高管、员工有没有意愿,接着看工具。有意愿、有能力、有工具的前提下,才谈到整个公司一定要对数据有自己的方向,有组织保障,以及执行到位。
信息数据化的情况还没有结束,包括应用无线化。对话性的产品,将是颠覆世界的产品。互动的产品,将来或许会越来越多,这也是我们在创新产品时非常大的机会。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14