【SmartM 书摘】大数据的关键思考 -- 数据化营运三诀窍

BQoolCN

【SmartM 书摘】大数据的关键思考 -- 数据化营运三诀窍

当谈到阿里巴巴的数据化营运时，我第一个想到的就是「人」，我们花太多时间讨论我们应该要做什麽，却很少会反过来想，如果要落实数据化营运首先要从人做起，因此想跟大家分享的秘密是，数据化营运的内功是什麽呢？简单来说，就是利用好「混丶通丶晒（呈现）」这三大诀窍。

「混」出数据

现在很多数据分析师，在面对专业范围「怎麽算回归」丶「怎麽画函数」的问题游刃有馀，在实际工作中却缺乏商业意识。如果数据分析师缺乏商业意识，公司就成了「盲人」，分析师不知道该使用什麽逻辑分析数据，而公司的决策层也得不到任何有价值的参考意见。现在绝大多数 CEO 都在抱怨，每天要看一大堆零零散散的数据。造成这种局面的原因是，数据分析师只是单纯的把数据传递给管理者，却没有向管理者解释，这些呈现使用者行为的数据和能够在商业上产生价值的数据，两者间的内在关系。

CEO 没有多馀精力解读页面浏览量（PV）和独立访客（UV）等数据。他们只需要知道数据是否有问题丶反映了什麽问题丶最近有什麽新的发现以及需要我们做出什麽样的改变。简单来说，具有商业意识的数据分析师，在监测到网站上婴儿车销量增加的情况时，就可以预测到奶粉的销量也会随之上升。而且，也只有具备商业敏感的数据分析师，才懂得用什麽数据驱动公司实现经营目标。

数据分析师如何才能拥有商业敏感？要靠「混」。例如：我要求数据分析师在给我的周报里，一定要讲到业务方的动态。而且，我给他们的考评标准是，千万不要让我看见业务方发过来的周报里有的内容，你的周报里没有。我认为，要实现这一要求最基础的出发点是，数据分析师一定要跟业务方沟通，才有可能服务於他们。

打「通」混的数据

当你与业务人员混得够熟时，在看到某些数据後，你自然就会明白，「喔，这个数据跟商业决策绝对有莫大的关系。」当前，各电商公司在评估公司经营状况时，愈来愈依赖数据。但是，在今天，很少有电商敢完全肯定的说，自己掌握了呈现公司状况较完整的数据。对於公司主管而言，一是因为很多电商在开始收集数据时，会发现数据非常散乱，分布在不同的数据收集管道和营运人员——公司的核心员工手里，这就使得数据流程非常「堵」；另一个问题是，绝大多数电商缺乏大数据营运的经验，只是收集了很「散」的数据，却不知道如何利用，也不知道该让哪些数据关联起来。

从客观角度来看，数据营运的各方面都可能存在影响数据精准度的「噪音」。数据本身是客观的，但它很容易受到产品和营运人员的影响——产品目的会影响营运人员的想法，营运人员的想法则会影响样本获取的精准度，造成数据在不同人眼中出现不同结果的情形。以转换率为例，市场部门和营运部门对转换率的想法并不相同，如果公司内部的数据标准没有打通丶一致，公司决策时被数据迷惑和误导的可能性就会被放大。

因此你会发现，问题最後还是要归结到人和公司。如果不能「通」到商业环境里，即使数据很多也没有任何价值。坚持带着业务问题观察数据或者带着数据观察业务，兼备二者的敏感，就是做到了「通」。有些人在很短的时间里就能判断出数据是否有价值，就是因为「混通」了。

想做到数据的积累和沉淀，想要打通数据，建立合理的系统是不二之选。首先，做好数据安全工作，以保证公司内部不同职位的员工可以察看不同的数据；再者，统一不同部门的数据标准，使公司内部数据有统一的介面，避免混乱；最後，关联不同部门的数据，创造机会让数据的营运可以扩散至数据部门之外。「通」是「混丶通丶晒」里最关键的连接点。以前，数据量没这麽大的时候，公司「混」完就「晒」了，完全凭藉商业敏感营运数据。而现在海量数据成为主流，「通」也就成为了营运数据不可或缺的一部分。

「晒」出混和通的数据

「晒」（呈现）是一种在「混」和「通」基础上，产生出来的最终数据表现，是基於人丶商业和数据结合後的一种看数据和用数据的方法论。在「晒」数据层面上，通常是透过数据回答这几个问题：业务好或不好，数据如何改变可以让业务更好，如何利用数据说明业务发现机会，甚至产生出新的商业价值。这些问题看起来是递进关系，其实不然，因为具体应该用数据解决什麽问题，要根据业务的情境做决定。

http://www.smartm.com.tw/Article/363233cea3

大海哥哥

看不懂啊啊啊啊。