
實戰(zhàn):電子商務(wù)企業(yè)如何把握大數(shù)據(jù)_數(shù)據(jù)分析師
誰擁有大數(shù)據(jù)?
那些擁有穩(wěn)定、豐富數(shù)據(jù)源的公司,淘寶、百度、騰訊是絕對自有數(shù)據(jù)源的公司。艾瑞咨詢技術(shù)副總裁郝欣誠同意這一說法,認為一些淘寶店鋪不能稱為有穩(wěn)定豐富數(shù)據(jù)源的公司。
因為他們的視角往往停留在本身的店鋪內(nèi),當在他們店鋪中沒有出現(xiàn)某種人,便認為某種人是不存在的。但淘寶的視角會更高,更容易看到全局,他們擁有海量的數(shù)據(jù),只要某種人在一家店鋪出現(xiàn),便能判斷這種人是存在的。
如果單純停留在自身數(shù)據(jù)中,往往容易出現(xiàn)盲人摸象的尷尬,用片面的數(shù)據(jù)錯誤地描繪消費者的全貌。當淘寶的賣家離開淘寶數(shù)據(jù)的支撐,只能稱之為有數(shù)據(jù)分析,決不可稱為大數(shù)據(jù)分析。
所謂的大數(shù)據(jù),是需要跨視角、跨媒介、跨行業(yè)的海量數(shù)據(jù),也可以理解為數(shù)據(jù)的收集方法。當數(shù)據(jù)的規(guī)模和豐富度達到一定程度,大家才開始提出大數(shù)據(jù)的概念。
而如今的電商,大數(shù)據(jù)之路又行至何方?
電商數(shù)據(jù)現(xiàn)狀
“如果不到10萬單量,在基數(shù)這么低的情況下,能分出什么維度來嗎?根本不需要大數(shù)據(jù)?!?/span>NOP創(chuàng)始人劉爽認為,只有淘寶、京東、亞馬遜這樣級別的公司,才有海量數(shù)據(jù),才需要大數(shù)據(jù)。
現(xiàn)在的電子商務(wù)企業(yè),日均能達到十萬單的少之又少。在有海量數(shù)據(jù)積累的基礎(chǔ)上,還要有一套優(yōu)秀的BI系統(tǒng),而且必須是按公司需求定制,才可能實現(xiàn)大數(shù)據(jù)。
對于現(xiàn)在大多數(shù)的電商企業(yè)來說,根本沒有走到這一步。
劉爽向《天下網(wǎng)商·經(jīng)理人》舉例說,宏觀調(diào)控在小市場的確有效,一旦市場變大便依賴市場化。由此可見,在企業(yè)小的階段,有經(jīng)驗的拍腦袋效率最高。
的確,不少賣家對自身的數(shù)據(jù)都沒有一個標準化運營、收集、分析的過程。所以談大數(shù)據(jù),多數(shù)只是癡人說夢。
以庫存舉例,多數(shù)淘寶賣家對自己庫存的即時數(shù)據(jù)并不了解,更不可能清楚庫存銷售的利潤。往往出現(xiàn)這種情況——庫存都是賣不掉的貨,好賣的貨早已經(jīng)斷貨。如果光看庫存,會發(fā)現(xiàn)指標挺健康,但所謂的庫存基本是壞賬,所以根據(jù)庫存預計銷售利潤,不是每家企業(yè)都做得出來的。這就說明數(shù)據(jù)管理水平有待提升。
在企業(yè)內(nèi)部,有大量的決算數(shù)據(jù)需要耐心收集,但一般商家都沒有專門的部門做這件事情,所以很難獲得高質(zhì)量的數(shù)據(jù)給自己提供決策支持。
事實上,賣家之所以對數(shù)據(jù)茫然,是因為數(shù)據(jù)壓根不全,對數(shù)據(jù)的管理和獲取不夠,直接導致無法利用數(shù)據(jù)。
而大數(shù)據(jù)之所以被熱炒,是因為少數(shù)巨無霸企業(yè)在其中獲得了巨大商業(yè)價值。
例如亞馬遜,從虧損到盈利,大數(shù)據(jù)功不可沒。不管是巧合還是時機成熟,亞馬遜的確在采用了重量級的大數(shù)據(jù)分析后,業(yè)績才逐漸好轉(zhuǎn)??梢韵胂?,亞馬遜很多基于數(shù)據(jù)的決策都有著大數(shù)據(jù)的影子。
亞馬遜上,囊括了美國所有生活必需品。因此它充分掌握消費者的原始數(shù)據(jù),做出來的判斷具有預測性。甚至可以向商家定制在某一價格段有某個特殊性能的商品,只供亞馬遜,并能保證熱賣。
而這一切都是根據(jù)亞馬遜所具有的大數(shù)據(jù)源,進行收集、分析所推測出來的。
辨別大數(shù)據(jù)與數(shù)據(jù)
究竟大數(shù)據(jù)這個概念是否“虛高”呢?
畢竟像亞馬遜這樣的公司屈指可數(shù),大多數(shù)的電商企業(yè)還處于起步階段。這不得不讓人重新思考大數(shù)據(jù)和數(shù)據(jù)之間的關(guān)系。
大數(shù)據(jù)與數(shù)據(jù)是兩個極易混淆的概念。對兩者的區(qū)別,每個人的理解也大相徑庭。
劉爽認為,大數(shù)據(jù)是基于交易、商品與用戶的匹配。商品很多,人很多,把它們精準地匹配在一起,是很難的一件事情。
普通的企業(yè)內(nèi)部業(yè)務(wù)經(jīng)營指標——庫存、成本、商品,這是一個封閉的結(jié)構(gòu),是由企業(yè)決定的,好的分析或許可以對它施加影響。大數(shù)據(jù)很難強行調(diào)控,只能追蹤,想辦法匹配。
而艾瑞咨詢分析師傅志勇則認為,之前所說的數(shù)據(jù),是一種狹隘的定量數(shù)據(jù),利于企業(yè)內(nèi)部流程優(yōu)化,而大數(shù)據(jù)是在定量數(shù)據(jù)的基礎(chǔ)上,做了一個更大范圍的延伸,給企業(yè)提供決策支持。
也可以理解為,大數(shù)據(jù)是對數(shù)據(jù)本身的價值權(quán)重進一步的詮釋,即數(shù)據(jù)在決策中所起到作用的權(quán)重在提高。
大數(shù)據(jù)其實是一個更大范圍的數(shù)據(jù),就是從最初獲得信息一直到最后的銷售數(shù)據(jù)。麗人麗妝CEO黃韜覺得大數(shù)據(jù)的數(shù)據(jù)量往往很大,而且一旦精細研究,數(shù)據(jù)量的增加也會異常驚人,甚至超出運算能力。
暫且不管大數(shù)據(jù)和數(shù)據(jù)如何定義,對于目前的電商企業(yè)而言,僅僅是希望通過數(shù)據(jù)分析帶來流程的優(yōu)化。
對此,郝欣誠認為,在未來的兩到三年內(nèi),電商企業(yè)多去關(guān)注營銷領(lǐng)域,會出來一大批大數(shù)據(jù)的營銷工具。
大數(shù)據(jù)的價值是潤物細無聲,每一個消費者和賣家都在享受大數(shù)據(jù)的成果,但是在使用時,并不覺得是大數(shù)據(jù)。
其實,最早買百度關(guān)鍵詞,百度會提供一個關(guān)鍵詞排名篩選系統(tǒng),搜一個詞,系統(tǒng)會自動提示其他相關(guān)熱銷詞,并告知哪些詞更容易接觸同類消費者。這是最早使用大數(shù)據(jù)的系統(tǒng),是基于百度每天上億次搜索的總結(jié)。
每一個買百度關(guān)鍵詞的公司,其實都在使用數(shù)據(jù)產(chǎn)品。此外,淘寶直通車、數(shù)據(jù)魔方都也是大數(shù)據(jù)的衍生工具。
如果賣家希望在大數(shù)據(jù)領(lǐng)域分得一杯羹,必須清楚自己只是數(shù)據(jù)的使用者。要重視大數(shù)據(jù)的使用,靈活使用大數(shù)據(jù)工具,這些工具才是目前走在大數(shù)據(jù)最前沿的技術(shù)。
大數(shù)據(jù)對商家的價值,很大程度上取決于第三方服務(wù)商能夠提供怎樣的數(shù)據(jù)工具。作為商家,應(yīng)該從幾十家甚至上百家工具提供商中,找到適合自己的大數(shù)據(jù)工具。
著眼情報數(shù)據(jù)挖掘
除了大數(shù)據(jù)工具的運用,情報數(shù)據(jù)也是電商公司真正應(yīng)該關(guān)注的。
所謂的情報數(shù)據(jù)處理人員,從日常的工作場景來看,出去奔波收集情報的工作占了多數(shù)份額。他們會跟上下游供應(yīng)鏈,以及進行跨部門溝通。例如,一個采購人員應(yīng)該去生產(chǎn)線,去分析每家供應(yīng)商的生產(chǎn)水平如何,優(yōu)秀的工廠和二線工廠的生產(chǎn)周期區(qū)別,哪里的原材料采購價格最低。一般來講,這樣的一條情報能使用一到三年。
雖然數(shù)據(jù)性不強,但這些情報價值十分高。郝欣誠說得更為直截了當:“講數(shù)據(jù)挖掘不如講情報挖掘,情報挖掘才能夠為電商企業(yè)提供真正生產(chǎn)力級的支持,如果情報挖掘都沒做好,就想把它數(shù)字化和量化,有點操之過急。”
舉個夸張的例子,當一個品牌商擁有20萬家生產(chǎn)廠商無從選擇時,為了找一個與需求相匹配的生產(chǎn)企業(yè),才需要建立一個大數(shù)據(jù)模型,進行篩眩而現(xiàn)在只需情報先行,當規(guī)模達到一定程度難以進行決策時,才使用數(shù)據(jù)挖掘技術(shù)。
的確,大數(shù)據(jù)的應(yīng)用要滲透到中國的電商企業(yè)內(nèi)部,還有很長的路要走。
而營銷領(lǐng)域則不同,市場營銷的數(shù)據(jù)模型已經(jīng)成熟,而互聯(lián)網(wǎng)又帶給電商企業(yè)足夠多的信息源(+微信關(guān)注網(wǎng)絡(luò)世界),大數(shù)據(jù)的應(yīng)用已經(jīng)可以直接給決策層提供建議,可以理解為“有米下鍋”。
以淘寶原創(chuàng)女裝品牌橡菲為例,他們會每天花費500~1000元做情報挖掘。他們有專門的情報收集人員,根據(jù)數(shù)據(jù)魔方、量子恒道、CRM系統(tǒng)分析數(shù)據(jù),再把這些信息結(jié)合輔助最基本的經(jīng)營決策,考慮下一款新商品款式如何,基于對老會員的分析,是否需要拓展新類目等等。
比如,當橡菲有50件商品、100萬現(xiàn)金時,究竟應(yīng)該怎么安排生產(chǎn)?情報挖掘人員會提醒決策層,這其中有2件爆款、6件長尾、2件滯銷品,甚至可以提出對各款商品的補貨、清倉建議。從系統(tǒng)中取得所需數(shù)據(jù)并不困難,但數(shù)據(jù)需要進一步拼接,再去思考各個數(shù)據(jù)之間的因果聯(lián)系。
通俗來理解,商業(yè)領(lǐng)域中的情報,是商業(yè)邏輯。
“情報支持的是對商業(yè)邏輯的理解,而數(shù)據(jù)支持的是對商業(yè)情報的處理能力?!焙滦勒\認為必須先做情報挖掘,再做數(shù)據(jù)挖掘,如果情報沒做好相當于對商業(yè)邏輯的理解沒達標,指望著數(shù)據(jù)直接講清商業(yè)邏輯,有些南轅北轍。
數(shù)據(jù)無法替代商業(yè)邏輯
大數(shù)據(jù)需要在量化數(shù)據(jù)的基礎(chǔ)上,加上商業(yè)邏輯,才能幫助電商企業(yè)做全局性、系統(tǒng)性的決策。排除一系列不可控因素,把結(jié)論和實際情況進行剝離,在一個理想狀態(tài)下的模型,只是數(shù)學專家給出的結(jié)論。
大數(shù)據(jù)的核心是融入商業(yè)邏輯。
在商業(yè)邏輯里,必須先懂市場,懂某個領(lǐng)域的消費者真正訴求的變化;其次要懂行業(yè),包括行業(yè)的特征、要求和規(guī)則;最后才是懂企業(yè)運營,把多個支持模塊資源有序地整合起來,從而共同創(chuàng)造價值。
在這些都具備的情況下,再用量化的數(shù)據(jù)適度輔佐決策,在商業(yè)邏輯的主導下,真正發(fā)揮量化數(shù)據(jù)的作用。
“缺乏這個商業(yè)邏輯之本,那量化數(shù)據(jù)就是天馬行空的東西。”傅志勇把商業(yè)邏輯看成真正需要解決的難題,因行業(yè)不同、企業(yè)不同、類目不同、時機不同,商業(yè)邏輯都會有所變化,這是一種動態(tài)平衡的藝術(shù)和哲學。
網(wǎng)站分析在中國創(chuàng)始人宋星認為,數(shù)據(jù)不能代替商業(yè)邏輯,但是數(shù)據(jù)可以修正、調(diào)整商業(yè)邏輯?!耙粋€決策的產(chǎn)生,要靠部分數(shù)據(jù)、部分經(jīng)驗、部分直覺?!彼涡翘寡?,決策的事并非一句大數(shù)據(jù)便能解決。
這涉及數(shù)據(jù)分層。根據(jù)經(jīng)驗判斷,越是偏宏觀戰(zhàn)略層面的數(shù)據(jù),實用性越高,越是偏微觀細小的數(shù)據(jù),不確定性越高。因為宏觀的決策很大,大到細小的影響起不了作用,而微觀的決策恰恰相反。
例如,整個行業(yè)規(guī)模如何,市場增長力如何,本身是多樣本的綜合數(shù)據(jù),每一個樣本的影響都只占一部分。而一旦到微觀層面,比如廣告用的顏色、打折力度大孝滿減的額度,某一項的數(shù)據(jù)會起決定作用。只是如今多數(shù)商家更相信測試法,并不相信數(shù)據(jù)研判。
“宏觀層面多看看數(shù)據(jù),微觀層面多談?wù)劷?jīng)驗?!备抵居抡J為這對電商企業(yè)有價值。
回歸商業(yè)的本質(zhì),數(shù)據(jù)只不過是業(yè)務(wù)的副產(chǎn)物,業(yè)務(wù)系統(tǒng)好,一般情況下數(shù)據(jù)系統(tǒng)不會太差。如果本末倒置,數(shù)據(jù)系統(tǒng)好但業(yè)務(wù)系統(tǒng)差,結(jié)果會發(fā)現(xiàn)數(shù)據(jù)系統(tǒng)都沒法輸送原材料。
并不是說數(shù)據(jù)不重要,但請不要迷信,因為數(shù)據(jù)的不確定性所帶來的風險,是多數(shù)企業(yè)無法承受的,生意人需要回歸商業(yè)邏輯。
最后,借用一段被采訪者的話來總結(jié)一下大數(shù)據(jù):大數(shù)據(jù)是未成年人的性游戲,十七八歲的時候男女這點事還是挺有意思的,誰都不知道真正搞起來是什么樣子的,所有人都在搞所以自己也要搞。大數(shù)據(jù)有的時候就是這樣,講不清楚真正的場景,自己又沒有積累強大的數(shù)據(jù),都是空談。
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
用 SQL 生成逆向回滾 SQL:數(shù)據(jù)操作的 “后悔藥” 指南? 在數(shù)據(jù)庫操作中,誤刪數(shù)據(jù)、錯改字段或誤執(zhí)行批量更新等問題時有發(fā)生。 ...
2025-07-14如何考取數(shù)據(jù)分析師證書:以 CDA 為例? ? 在數(shù)字化浪潮席卷各行各業(yè)的當下,數(shù)據(jù)分析師已然成為企業(yè)挖掘數(shù)據(jù)價值、驅(qū)動決策的 ...
2025-07-14t檢驗與Wilcoxon檢驗的選擇:何時用t.test,何時用wilcox.test? t 檢驗與 Wilcoxon 檢驗的選擇:何時用 t.test,何時用 wilcox. ...
2025-07-14AI 浪潮下的生存與進階: CDA數(shù)據(jù)分析師—開啟新時代職業(yè)生涯的鑰匙(深度研究報告、發(fā)展指導白皮書) 發(fā)布機構(gòu):CDA數(shù)據(jù)科 ...
2025-07-13LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準備指南? ? 在數(shù)據(jù)驅(qū)動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計的實用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢預判? ? 在數(shù)據(jù)驅(qū)動決策的時代,預測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點,而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報考到取證的全攻略? 在數(shù)字經(jīng)濟蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準切片? ? 在數(shù)據(jù)的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對策略? 長短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場調(diào)研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07