阿里巴巴分析企業(yè)如何利用大數(shù)據(jù)解決問題

從以前必須求老板看看他做的數(shù)據(jù)，到現(xiàn)在老板會挑剔他準備的數(shù)據(jù)沒有用，他認為，這是企業(yè)利用數(shù)據(jù)進化的結(jié)果，他發(fā)現(xiàn)美國許多企業(yè)不只擁有數(shù)據(jù)科學家，甚至還多了決策科學家，負責用數(shù)據(jù)替公司確定決策。

市值全球第2名的阿里巴巴，旗下諸多服務包括阿里巴巴B2B平臺、淘寶網(wǎng)C2C平臺、天貓商城B2C平臺，還有全國最大的第三方支付平臺支付寶等， 而這些服務所產(chǎn)生的數(shù)據(jù)全歸一個人管，他就是阿里巴巴數(shù)據(jù)技術(shù)及產(chǎn)品部副總裁車品覺。

車品覺以8年打滾于數(shù)據(jù)界的經(jīng)驗，以及在阿里巴巴實務應用下發(fā)展出「數(shù)據(jù)10誡」，現(xiàn)已修正到了4.0版本。作為阿里巴巴集團的數(shù)據(jù)最高領導人，車品覺說，他是虔誠的數(shù)據(jù)信仰者，喜歡用數(shù)據(jù)做決策解決問題。

企業(yè)要用數(shù)據(jù)解決問題，首先要履行數(shù)據(jù)10誡的第一條，清楚定義欲分析解決的問題是什么？車品覺舉例，現(xiàn)在中國各大都市都極力發(fā)展智慧城市，但是對于城市來說，什么樣的建設或是應用才能稱為智慧，他說，如果沒有定義智慧城市，那就難以衡量專案的成效，「定義問題是從知道到不知道的過程?！?/span>

雖然數(shù)據(jù)科學議題很熱，企業(yè)有許多問題都能從數(shù)據(jù)中找出答案，但也「不是每一個問題都是數(shù)據(jù)的問題，不是每一個問題都是大數(shù)據(jù)的問題。」車品覺說，要知道該問題是否能靠數(shù)據(jù)解決，必須先思考5件事，以明確了解需要解決的問題，「這是什么問題？誰的問題？這問題你來解決嗎？需要現(xiàn)在解決嗎？數(shù)據(jù)能解決嗎？」當這5個問題的答案皆為是，那或許就是當下可以靠數(shù)據(jù)解決的問題。

然而不少企業(yè)知道要解決的問題，卻苦無解決問題的數(shù)據(jù)，車品覺認為，思考問題解法時，不能把沒有數(shù)據(jù)當作借口，因為現(xiàn)在可以取得數(shù)據(jù)的方式太多了。車品覺舉例，調(diào)查研討會的品質(zhì)可以用最傳統(tǒng)的問卷，也能用科技的方法解決，只要在場內(nèi)跟場外架設手機探測器掃描會眾手機ID，便能記錄會眾進出場內(nèi)外的狀況，進一步分析演講品質(zhì)。清楚定義分析的問題，不怕沒數(shù)據(jù)。

車品覺另外舉了「快的打車」App的例子，他們想解決司機拒載乘客的問題，因此提供了評價的機制，當司機拒載的時候乘客得以反應，而這些評價數(shù)據(jù)也是在思考想解決的問題后才出現(xiàn)。所以「只要問題定義好， 需要的數(shù)據(jù)都存在，思考應該凌駕在數(shù)據(jù)技術(shù)之上，思考方法才是產(chǎn)生價值最重要的一點?！?/span>

以多面向歸納數(shù)據(jù)類型

因此數(shù)據(jù)并非不存在，重點在于企業(yè)能否周全收集數(shù)據(jù)，為了更清楚理解數(shù)據(jù)，歸納不同類型數(shù)據(jù)能發(fā)揮長處的時機，他用不同面向剖析數(shù)據(jù)。

首先，車品覺以能否預料以及意見正反作為X與Y軸，畫出四大象限描述企業(yè)所收集的數(shù)據(jù)。他舉例，餐廳紀錄客人的餐點，這是收集Expect Positive（預料中的正面）的數(shù)據(jù)，而Expect Negative（預料中的反面）的例子則是客人沒吃完餐點的紀錄。另一個電子商務例子則是，當有人到周大福買珠寶，記錄了客戶買了哪一個商品，這就是Expect Positive的紀錄，而調(diào)查客戶看了哪5個商品才買到了想要的戒指，則是Expect Negative，車品覺說，Expect Negative對于機器學習是重要的訓練樣本。

另外，他也依可用性將數(shù)據(jù)分為「快＋準」和「廣＋亂」2類?！缚欤珳省沟臄?shù)據(jù)是那些企業(yè)能很快速地取得，或是經(jīng)常性使用的數(shù)據(jù)，能從已知的規(guī)律中產(chǎn)生價值，能做的改善是加速數(shù)據(jù)更新的頻率，抑或是加速數(shù)據(jù)整合的速度，以更快速的做出決策，或許過去須3小時才更新數(shù)據(jù)，改進后期望能進步到即時。他認為，「快＋準」的數(shù)據(jù)要思考的議題是「有沒有、準不準、細不細、全不全、穩(wěn)不穩(wěn)以及快不快?！?/span>

相對于「快＋準」則是「廣＋亂」，「廣＋亂」的數(shù)據(jù)就是現(xiàn)今稱作大數(shù)據(jù)的類型，來源廣泛且格式多元，特性是能從發(fā)現(xiàn)中顛覆已知，車品覺認為，從「廣＋亂」的數(shù)據(jù)中，才能發(fā)現(xiàn)意料之外的事情，因此從這些數(shù)據(jù)提煉出來的信息也比較有明顯價值。

能有意料之外的發(fā)現(xiàn)，正是數(shù)據(jù)的價值，品覺認為，大部分人思考方法是演繹法形式，從已知推論未知，但是運用大數(shù)據(jù)技術(shù)可以逆轉(zhuǎn)這個程序。他以營銷作為例子，過去一項產(chǎn)品的營銷，企業(yè)會主動設定目標人群，比如是三十幾歲的女性等，針對這群人投放廣告，但是現(xiàn)在的方法，可以透過歷史的銷售數(shù)據(jù)，找出購買行為的特征，逆向圈出目標人群。

車品覺也用時間維度分析數(shù)據(jù)特性，不同周期的數(shù)據(jù)所提供的價值也不一樣，以天為周期的數(shù)據(jù)可以描述狀況，而1周需要知道的則是，上星期做的決策是正確還是錯誤的，1個月就必須了解競爭對手的策略與狀態(tài)，1季就需要檢討組織是否達到設定的KPI。

數(shù)據(jù)從分析到應用，品質(zhì)要求大不同

阿里巴巴使用數(shù)據(jù)最大的分水嶺在于「從看到用」，從數(shù)據(jù)用來分析現(xiàn)象，到用于控制全自動化的設備上。車品覺分享前些日子所做的工作，正是以自動化無人機器取代一整個既有的部門，他說，在那個時候他領悟到，數(shù)據(jù)的目的直接影響對數(shù)據(jù)品質(zhì)的要求，因為用于分析觀察還是實際使用，需要的數(shù)據(jù)屬于不同等級。

他提到，像是無人機器的動作控制，需要多個復雜模型交互作用，而穩(wěn)定且充足的數(shù)據(jù)來源是必要條件，在他們找出實際可用數(shù)據(jù)的過程，發(fā)現(xiàn)有很多數(shù)據(jù)的基本功沒扎穩(wěn)，像是數(shù)據(jù)須達高可用性等項目，需要一塊一塊的補上。

而當企業(yè)達到?jīng)]有數(shù)據(jù)就無法提供服務的狀態(tài)，就如同無人機器沒有足夠的數(shù)據(jù)就無法運作，車品覺認為，「此時企業(yè)就走在對的道路上」。也因為數(shù)據(jù)的重要性提升，企業(yè)看待數(shù)據(jù)中斷應該要等同于IT系統(tǒng)錯誤一樣的嚴重，一旦數(shù)據(jù)出錯就必須有人負責。

不只是無人機器的控制需要有非常完整的數(shù)據(jù)，在很多情境下，當沒有完整的數(shù)據(jù)描述事件發(fā)生的細節(jié)，企業(yè)往往會把事件原因歸于運氣。在零售業(yè)中，顧客的購物欲望可能起始于朋友推薦，經(jīng)過了商品搜尋以及品牌官網(wǎng)收集信息，顧客逛了電子商務網(wǎng)站，最后卻在大賣場購買，這樣的過程或許看似大賣場比較幸運最后成功銷售商品給這位顧客，但其實不然，過程中有許多企業(yè)應該要知道的數(shù)據(jù)。像是顧客信用卡的還款時間，因為要繳交信用卡的費用感到心痛，因此購物欲望下降，此時要顧客消費是困難重重，這雖然只是一項小數(shù)據(jù)，卻也是整個顧客購物鏈很重要的一環(huán)，車品覺認為，企業(yè)應該檢視所收集的數(shù)據(jù)是否完整，因為企業(yè)忽略顧客的數(shù)據(jù)，有時候?qū)Y(jié)果影響很大。

「大數(shù)據(jù)是一種能力，企業(yè)要有愛因斯坦的大腦以及健壯的身體」，大數(shù)據(jù)能力組成的因素有思想、血液以及骨骼，思想就是數(shù)據(jù)運算邏輯或模型等，血液則是企業(yè)的數(shù)據(jù)，而骨骼便是最基礎的硬件設備。

從以前必須求老板看看他做的數(shù)據(jù)，到現(xiàn)在老板會挑剔他準備的數(shù)據(jù)沒有用，他認為，這是企業(yè)利用數(shù)據(jù)進化的結(jié)果，他發(fā)現(xiàn)美國許多企業(yè)不只擁有數(shù)據(jù)科學家，甚至還多了決策科學家，負責用數(shù)據(jù)替公司確定決策。