大數(shù)據(jù)如何在企業(yè)落地

經(jīng)常聽到很多大數(shù)據(jù)的概念和趨勢(shì)，但是落地而務(wù)實(shí)的介紹相對(duì)較少。筆者根據(jù)在互聯(lián)網(wǎng)和數(shù)據(jù)領(lǐng)域的實(shí)際從業(yè)經(jīng)驗(yàn)，總結(jié)出數(shù)據(jù)價(jià)值金字塔在企業(yè)運(yùn)營(yíng)中的應(yīng)用模型。該模型對(duì)應(yīng)的是企業(yè)運(yùn)營(yíng)中的不同層面的數(shù)據(jù)需求，下文講逐層介紹。

數(shù)據(jù)基礎(chǔ)平臺(tái)層，金字塔的最底層也是整個(gè)金字塔的基礎(chǔ)層，如果基礎(chǔ)層搭建不好，上面的應(yīng)用層也很難在企業(yè)運(yùn)營(yíng)中發(fā)揮效果。沒有數(shù)據(jù)或者沒有高質(zhì)量的數(shù)據(jù)，所有的分析都是誤導(dǎo)，所有的數(shù)據(jù)挖掘都是錯(cuò)誤的引導(dǎo)。

這一層的目標(biāo)是把企業(yè)的所有用戶(客戶)數(shù)據(jù)用唯一的ID串起來，包括用戶(客戶)的畫像(如性別、年齡等)、行為以及興趣愛好等，以達(dá)到全面的了解用戶(客戶)的目的。要做好有三個(gè)關(guān)鍵：1.企業(yè)需要確定打通數(shù)據(jù)的唯一ID，有的企業(yè)是用會(huì)員注冊(cè)號(hào)，有的是手機(jī)號(hào)或者身份證號(hào)等等。2.跨部門整合數(shù)據(jù)的問題。有大數(shù)據(jù)的企業(yè)通常部門都比較多，用戶(客戶)的各種行為和興趣愛好數(shù)據(jù)散落在不同部門，需要企業(yè)有意識(shí)強(qiáng)有力的去整合;3.通過技術(shù)手段和規(guī)范手段把數(shù)據(jù)管理起來，這里解決的問題是存在數(shù)據(jù)倉(cāng)庫(kù)里面的數(shù)據(jù)具體的含義是什么，以及如何高效的存儲(chǔ)和計(jì)算，涉及到數(shù)據(jù)接入系統(tǒng)、元數(shù)據(jù)管理系統(tǒng)和計(jì)算任務(wù)調(diào)度等系統(tǒng)。

業(yè)務(wù)運(yùn)營(yíng)監(jiān)控層。這一層首要的是搭建業(yè)務(wù)運(yùn)營(yíng)的關(guān)鍵數(shù)據(jù)體系，在此基礎(chǔ)上通過智能化模型開發(fā)出來的數(shù)據(jù)產(chǎn)品，監(jiān)控關(guān)鍵數(shù)據(jù)的異動(dòng)，并可以快速定位數(shù)據(jù)異動(dòng)的原因，輔助運(yùn)營(yíng)決策，如果企業(yè)構(gòu)建了實(shí)時(shí)計(jì)算的能力，那么很多業(yè)務(wù)運(yùn)營(yíng)中問題就能過及時(shí)的發(fā)現(xiàn)。

用戶/客戶體驗(yàn)優(yōu)化層。這一層面主要是通過數(shù)據(jù)來監(jiān)控和優(yōu)化用戶/客戶的體驗(yàn)問題。這里面既運(yùn)用了結(jié)構(gòu)化的數(shù)據(jù)來監(jiān)控，也運(yùn)用非結(jié)構(gòu)化的數(shù)據(jù)(如文本)來監(jiān)控體驗(yàn)的問題。前者更多的是應(yīng)用各種用戶(客戶)體驗(yàn)監(jiān)測(cè)的模型或者工具來實(shí)現(xiàn)，后者更多的是通過監(jiān)測(cè)微博、論壇和企業(yè)內(nèi)部的客戶反饋系統(tǒng)的文本來發(fā)現(xiàn)負(fù)面的口碑，以及時(shí)的優(yōu)化產(chǎn)品或服務(wù)。

業(yè)務(wù)運(yùn)營(yíng)監(jiān)控層和用戶/客戶體驗(yàn)優(yōu)化層最終希望實(shí)現(xiàn)企業(yè)運(yùn)營(yíng)的智能化醫(yī)生。這兩層面做出的工具好比是體溫計(jì)、血壓計(jì)、B超、CT等工具，我們用這些工具就能快速透視企業(yè)運(yùn)營(yíng)中那一模塊產(chǎn)生問題。

精細(xì)化運(yùn)營(yíng)和精細(xì)化營(yíng)銷層。這層面有四方面事情：1.構(gòu)建基于用戶的數(shù)據(jù)提取和運(yùn)營(yíng)工具。運(yùn)營(yíng)和營(yíng)銷人員通過簡(jiǎn)單的條件配置(如選擇男性、18-24歲以及特定興趣愛好)，便可把數(shù)據(jù)(用戶/客戶)提取出來，對(duì)數(shù)據(jù)背后的用戶/客戶進(jìn)行營(yíng)銷或運(yùn)營(yíng)活動(dòng);2.通過數(shù)據(jù)挖掘的手段提升客戶對(duì)活動(dòng)的響應(yīng)(如點(diǎn)擊率)，常見的算法有決策樹、邏輯回歸等等;3.通過數(shù)據(jù)挖掘的手段進(jìn)行客戶生命周期管理。區(qū)別于傳統(tǒng)的客戶生命周期管理，大數(shù)據(jù)是可做到實(shí)時(shí)對(duì)不同生命周期的客戶進(jìn)行實(shí)時(shí)標(biāo)記和預(yù)警，并把有效的活動(dòng)當(dāng)成商品一樣及時(shí)的推送給不同生命周期階段的客戶;4.客戶個(gè)性化推薦。主要是用個(gè)性化推薦算法實(shí)現(xiàn)根據(jù)用戶不同的興趣和需求推薦不同的商品或者產(chǎn)品，以實(shí)現(xiàn)推廣資源效率和效果最大化。

數(shù)據(jù)輔助市場(chǎng)傳播。這一層面要做到通過“性感”的數(shù)據(jù)分析和挖掘來輔助產(chǎn)品進(jìn)行傳播，主要有兩種實(shí)現(xiàn)方式：一種是好玩的數(shù)據(jù)信息圖譜，相信大家都不喜歡看產(chǎn)品的公關(guān)軟文，而更喜歡看好玩的內(nèi)容。尤其是在網(wǎng)絡(luò)上傳播，10-29歲的網(wǎng)民占所有中國(guó)網(wǎng)民的一半多(55%，CNNIC 2013年數(shù)據(jù))，而這些用戶偏年輕、偏“屌絲”，所以這些受眾更喜歡“性感”的內(nèi)容。

淘寶曾經(jīng)通過統(tǒng)計(jì)其購(gòu)買胸罩C-Cup以上的用戶地區(qū)分布，發(fā)現(xiàn)西安的網(wǎng)民相對(duì)比例最多，并發(fā)布了這個(gè)數(shù)據(jù)，說西安女生胸部最大，引起不少“屌絲”網(wǎng)民傳播。而騰訊在今年3月份則基于8億多活躍用戶首次披露“逃離北上廣”數(shù)據(jù)圖，發(fā)現(xiàn)11%的用戶在春節(jié)后逃離了北上廣。

數(shù)據(jù)輔助市場(chǎng)傳播的另外一種方式是直接做成數(shù)據(jù)產(chǎn)品對(duì)外使用。比如，百度指數(shù)或百度過年期間做的遷徙地圖。百度東莞8小時(shí)遷徙圖的數(shù)據(jù)中可以看到，離開東莞后，去香港的人最多。那我們是不是可以簡(jiǎn)單地得到一個(gè)信息，從香港去東莞的人最多……

業(yè)務(wù)經(jīng)營(yíng)分析和戰(zhàn)略分析層。這兩個(gè)層面在這里就不多說了，因?yàn)檫@兩個(gè)層面更多的是跟很多傳統(tǒng)的戰(zhàn)略分析、經(jīng)營(yíng)分析層面的方法論相似，最大的差異是數(shù)據(jù)來自于大數(shù)據(jù)。但這里面有兩方面需要注意：

1.有很多企業(yè)錯(cuò)誤的把“業(yè)務(wù)運(yùn)營(yíng)監(jiān)控層”和“用戶/客戶體驗(yàn)優(yōu)化層”做的事情放在經(jīng)營(yíng)分析或者戰(zhàn)略分析層來做。我認(rèn)為“業(yè)務(wù)運(yùn)營(yíng)監(jiān)控層”和“用戶/客戶體驗(yàn)優(yōu)化層”更多的是通過機(jī)器、算法和數(shù)據(jù)產(chǎn)品來實(shí)現(xiàn)的，“戰(zhàn)略分析”、“經(jīng)營(yíng)分析”更多的是人來實(shí)現(xiàn)。很多企業(yè)把機(jī)器能做的事情交給了人來做，這樣導(dǎo)致發(fā)現(xiàn)問題的效率較低。我的建議是，能用機(jī)器做的事情盡量用機(jī)器來做好“業(yè)務(wù)運(yùn)營(yíng)監(jiān)控層”和“用戶/客戶體驗(yàn)優(yōu)化層”，在此基礎(chǔ)上讓人來做人類更擅長(zhǎng)的經(jīng)驗(yàn)分析和戰(zhàn)略判斷;

2. 在變化極快的互聯(lián)網(wǎng)領(lǐng)域，在業(yè)務(wù)的戰(zhàn)略方向選擇上，數(shù)據(jù)很難預(yù)測(cè)業(yè)務(wù)的大發(fā)展方向，如果有人說微信這個(gè)大方向是通過數(shù)據(jù)挖掘和分析研究出來，估計(jì)產(chǎn)品經(jīng)理們會(huì)笑了。從本質(zhì)上來說，數(shù)據(jù)在精細(xì)化營(yíng)銷和運(yùn)營(yíng)中能起到比較好的作用，但在產(chǎn)品策劃、廣告創(chuàng)意等創(chuàng)意性的事情上，起到的作用較小。但一旦產(chǎn)品創(chuàng)意出來，就可以通過灰度測(cè)試，數(shù)據(jù)驗(yàn)證效果了。

我認(rèn)為，如果能利用數(shù)據(jù)通過機(jī)器、算法、或者人工的手段，把現(xiàn)狀和問題及原因洞悉的特別清楚已經(jīng)很不錯(cuò)了，這樣決策層就可以基于這些情況進(jìn)行更好的“拍腦袋”決策了。

總之，本文只是提綱挈領(lǐng)的介紹了大數(shù)據(jù)在企業(yè)的落地方案。還有更多的細(xì)節(jié)和方法論未能展示出來。另外，大數(shù)據(jù)在不同行業(yè)的落地也許有較大的差異。因此，歡迎各行業(yè)同仁與我交流探討。