
如何提升數(shù)據(jù)的價值讓大數(shù)據(jù)變現(xiàn)?
近來看很多人都在談大數(shù)據(jù)變現(xiàn)的事情,大家都分享了在各行各業(yè),用大數(shù)據(jù)賺到錢的招數(shù)。相信隨著大數(shù)據(jù)在各行各業(yè)的深入,還會有更多人分享出更多精彩的案例。今天我想談一點個人對數(shù)據(jù)的看法,理清楚幾個概念,也許對大家能有所幫助。
數(shù)據(jù)的價值與體現(xiàn)
數(shù)據(jù)是有價值的,如果在一年以前很多人會質(zhì)疑這個觀點,但我相信現(xiàn)在更多的人支持這個觀點。數(shù)據(jù)都是有價值的,不同質(zhì)量的數(shù)據(jù),不同的價值,數(shù)據(jù)的價值是客觀存在的。
數(shù)據(jù)不是憑空而來的,數(shù)據(jù)是一個場景,一個業(yè)務,一個應用產(chǎn)生而來。所以數(shù)據(jù)的價值是它產(chǎn)生的環(huán)境,過程的獨特屬性而賦予的。數(shù)據(jù)可以有很多屬性,就我們所知,可以有金融屬性,也可以是任何一個領(lǐng)域的獨特屬性。正是這些具有不同屬性的數(shù)據(jù),造成了數(shù)據(jù)價值,應用層面的差異化。
舉個例子,什么是具有金融屬性的數(shù)據(jù),比方說你的每月收入,你的信用卡消費,你的網(wǎng)購消費,你的房貸、車貸等等,都形成了你的金融屬性數(shù)據(jù)。金融屬性的數(shù)據(jù)產(chǎn)生的過程離錢最近,也最有價值。它直接可以利用為征信,乃至金融風控。
同樣,你每天上網(wǎng)看信息、社交,聽歌,打游戲,搜索,看視頻等等,都會產(chǎn)生很多行為、偏好和社交屬性的數(shù)據(jù)。通過這些屬性就可以勾勒出一個人的用戶畫像。
我們再來看數(shù)據(jù)的變現(xiàn)。數(shù)據(jù)的變現(xiàn),就是把這些不同屬性的數(shù)據(jù)再次應用到場景(當然更多地還是新場景,跨域關(guān)聯(lián)可能產(chǎn)生更高的價值)中去,體現(xiàn)新價值的過程。變現(xiàn),是一種能力,也是提升數(shù)據(jù)價值的基礎(chǔ)。沒有變現(xiàn)的能力,提升數(shù)據(jù)價值就是空談。如何更好地提升數(shù)據(jù)價值那就更是天方夜譚了。
為什么多數(shù)知名大數(shù)據(jù)公司對“變現(xiàn)”表現(xiàn)的不像他們對大數(shù)據(jù)技術(shù)本身那樣游刃有余?因為這本身就是兩種截然不同的能力!
掌握了高深的數(shù)據(jù)處理技術(shù),與了解應用場景,解決客戶的實際問題,并能夠進一步將其提煉,包裝成業(yè)務,是兩個完全不同的能力。簡而言之,在多數(shù)大數(shù)據(jù)公司里面,并不具備這個能力。沒有理由證明有高深的數(shù)據(jù)處理技術(shù),就一定可以做好變現(xiàn)。相反,我看到的大多都是反面教材!
變現(xiàn)能力,是將技術(shù)轉(zhuǎn)化成生產(chǎn)力的能力。很多大數(shù)據(jù)公司忽略了這個能力,甚至是主觀上忽略,看不起變現(xiàn)能力,過于夸大技術(shù)驅(qū)動市場。這也是目前大數(shù)據(jù)市場上,很普遍的現(xiàn)象。
還有一種情況,是對數(shù)據(jù)本身知之甚少,介入行業(yè)時間短,自然難以變現(xiàn)。
上面兩種情況,屬于兩個目前市場上最常見的兩種情況。第一種多為在行業(yè)里多年,也確實有比較高深的數(shù)據(jù)處理技術(shù),但主觀上就輕視變現(xiàn),認為掌握了頂尖的技術(shù),就可以改變世界。我年輕的時候也想過,可惜沒成。所以啊,這些公司不是沒價值,大數(shù)據(jù)的發(fā)展依然少不了他們的推動,但恐怕就要朝基礎(chǔ)科學的陣營里去走了。大數(shù)據(jù)確實還屬于一個前沿科學,真的不是每個大數(shù)據(jù)技術(shù)都可以很好地被應用到市場中來。對于這部分公司,走情懷路線,我很尊敬的。
第二種情況,還是多歷練歷練再說吧。我一直認為市場是公平的。要想在一個行業(yè)中持續(xù)獲利,還是先搞懂這個市場再說吧。熟能生巧。
市場上,有一個誤區(qū),“我之所以在大數(shù)據(jù)領(lǐng)域賺不到錢,是因為我沒有掌握高深的數(shù)據(jù)處理技術(shù)”。我以親身經(jīng)歷負責任地說,有時大數(shù)據(jù)賺錢并不一定需要高深的技術(shù)。我們就是用了并不是很高深的處理技術(shù),為很重要的客戶提供了數(shù)據(jù)服務,解決了他們很關(guān)鍵很頭疼的問題,創(chuàng)造了很大的價值,并且已經(jīng)將其包裝成具有普適性的,可以推廣的業(yè)務了。
當然,也不是說數(shù)據(jù)處理能力不重要。沒有足夠的數(shù)據(jù)處理能力,不知道什么數(shù)據(jù)可以做什么用,即使機會擺在你面前,也是抓不住的。只有擁有了足夠的數(shù)據(jù)處理能力以及豐富的行業(yè)經(jīng)驗,能準確地挖掘用戶的實際需求,對各類數(shù)據(jù)有一個全面了解的公司,才可能“舉重若輕”。既然可以用簡單地辦法實現(xiàn)用戶的目的,又何必炫技呢?
大數(shù)據(jù)是一種技術(shù),是一種工具,不要把它過于神話,再好的技術(shù)也是為應用而來的。作為一家數(shù)據(jù)公司(區(qū)別于上面的第一種公司,那個基本可以叫研究院),首要的能力就是要懂得變現(xiàn);最大的使命,就是使你手頭的數(shù)據(jù)價值最大化!如果不懂得如何變現(xiàn),怎么能證明你懂得數(shù)據(jù)的價值,能夠為客戶創(chuàng)造更多的價值呢?只能是孤芳自賞。
提升數(shù)據(jù)價值的三種方法
數(shù)據(jù)產(chǎn)生于業(yè)務或者應用,那么體現(xiàn)價值的最好辦法就是回歸到業(yè)務。數(shù)據(jù)回歸到業(yè)務有三個層級的方法,由遠及近,首先是數(shù)據(jù)的挖掘,這個自不必說了;其次是數(shù)據(jù)的打通,如果說挖掘是提升數(shù)據(jù)價值的一次體現(xiàn),那么數(shù)據(jù)的打通就是使數(shù)據(jù)發(fā)生核聚變的一次“反應”;最后,也是最高級的實現(xiàn)方法,就是流轉(zhuǎn)。數(shù)據(jù)的流轉(zhuǎn)就是數(shù)據(jù)又流動到業(yè)務。這個流回不是簡單地回流,而是經(jīng)過了數(shù)據(jù)的加工處理,又返回業(yè)務,產(chǎn)生新的數(shù)據(jù),形成閉環(huán)。
在這里,尤其加上跨界的數(shù)據(jù),或者說具有不同屬性的數(shù)據(jù)進行加工,流轉(zhuǎn),形成新的業(yè)務數(shù)據(jù),就可以使原有的數(shù)據(jù)價值得到一個極大的升華。
很多人估計還不是真正清楚為什么要數(shù)據(jù)挖掘?數(shù)據(jù)挖掘是揭示人們可能忽視的或者檢視人們依靠主觀經(jīng)驗判斷錯誤的事物。除了大家已經(jīng)耳熟能詳?shù)钠【坪饶虿粷竦年P(guān)聯(lián)關(guān)系,你能想象出為什么很多客戶會同時買一個100元左右的包,再去買一個900多元的包嗎?但事實如此。所以數(shù)據(jù)挖掘是數(shù)據(jù)價值的第一次提升。數(shù)據(jù)的世界很精彩!
再舉個例子,比方說我們有很多ID,很多單維度的數(shù)據(jù)。目前單一的ID以及關(guān)聯(lián)的單維度數(shù)據(jù)價值并不高。因為它只揭示了很小部分的特征,只能繼續(xù)用回產(chǎn)生數(shù)據(jù)的業(yè)務場景。
如果我們又剛好獲得了幾個不同的ID以及其關(guān)聯(lián)的另外屬性的數(shù)據(jù),雖然它們每一個價值依然都不大,但我們就可以嘗試將其打通,產(chǎn)生更大的價值。假設(shè)幾個不同ID以及數(shù)據(jù)的起點成本是1,那么當我們通過幾十種不同的模型將其分類、打通之后,就遠遠大于1.在這個過程里,是1+1>>2.這是一個核聚變的過程。并不是我在這里空談,而是市場的認可。
如果在能夠?qū)⒋蛲ǖ臄?shù)據(jù),應用到某種場景當中,產(chǎn)生新的數(shù)據(jù),那就會是又一個巨大的飛躍!因為數(shù)據(jù)的價值是場景的價值決定的,它產(chǎn)生的價值越高,其本身的價值也就越高。
比方說我利用打通的數(shù)據(jù)解決了用戶的一個頑疾,避免了它每筆100元的損失,那么他是否愿意為此支付10元每筆呢?如果是,那么我的數(shù)據(jù)價值就是10元。
我們再以一個實際的例子去串起來數(shù)據(jù)價值的改變過程。我們的起點是一些互聯(lián)網(wǎng)數(shù)據(jù)的碎片,假設(shè)價值為1。經(jīng)過了清洗、分類、篩選、打通,就成為了5;再經(jīng)過與其他數(shù)據(jù)的拼接,就構(gòu)成了用戶畫像,那么作為征信生產(chǎn)材料的一部分,被應用到征信場景中來,就可能再次翻倍,成為10。在數(shù)據(jù)的應用過程中,數(shù)據(jù)的屬性在不斷地增加、提煉,最終得以升值。
總之,數(shù)據(jù)的變現(xiàn)也好,提升數(shù)據(jù)的價值也好,可以有很多渠道,有很多場景。只要你用心,懂市場,這些都不難找到。大數(shù)據(jù)雖不是萬能的,但沒有數(shù)據(jù)是萬萬不能的。法無定法,不要過于糾結(jié)什么商業(yè)模型。大數(shù)據(jù)即便今天依然是一個新業(yè)務,在行業(yè)的應用過程中,要尊重市場的規(guī)律,以市場為導向,并不是喊喊口號而已。大數(shù)據(jù)是工具,是一門技術(shù)而已,不要將其神話。再好的技術(shù),再好的工具也是為解決問題而來的。
數(shù)據(jù)是有屬性的,不同的場景,不同的業(yè)務,不同的應用,不同的對象,產(chǎn)生不同的數(shù)據(jù),具有不同的屬性。不同的業(yè)務需要不同屬性的數(shù)據(jù)。比方說征信,首先需要的是金融屬性的數(shù)據(jù),而非行為數(shù)據(jù)。你對這個人的行為再了解,不代表對這個人的金融屬性了解。這是一門嚴謹?shù)目茖W,不可兒戲。
在大數(shù)據(jù)公司提升自己數(shù)據(jù)的價值過程中,確實存在價值最大化的可能。同樣的數(shù)據(jù)價值基礎(chǔ),朝不同的業(yè)務方向上去走,得到的價值提升是不同的。當然這一點是建立在解決好上面問題的基礎(chǔ)上才能實現(xiàn)的。沒有上面基于對數(shù)據(jù)屬性的了解,不懂得如何運用數(shù)據(jù)去解決用戶的實際問題,就根本談不上更好地提升數(shù)據(jù)價值了。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內(nèi)涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11