大数据如何落地?最关键的五大问题 (阿里巴巴集团 副总裁 - 车品觉)

浏览: 2870


2014年1月,当谷歌宣布以32亿美元收购Nest Labs的时候,所有人都觉得拉里·佩吉(Larry Page)疯了,谷歌竟然收购一家恒温器和烟感器的设备生产商。事实上,Nest在谷歌的平台之上,很可能会创造或者颠覆一个价值数十亿美元的市场。这一判断是建立在“家居数据平台”的基础之上的,随着使用Nest的家庭越来越多,家庭消费习惯的数据将对于供电,家电等等行业提供有趣的指引。

  一个小小的温度调节器厂商,通过智能化,撬动了32亿美元的估值,这是令所有人惊讶的事实。这意味着新一轮高增长的开端。这就是未来大数据“遍地黄金”的最佳例证。


很多人都在说,大数据有着无限的前景以及钱景。但是大数据的价值到底在哪里呢?为什么很多人提到大数据,都觉得那是在“讲故事”,“离我们还很远”呢?数据距离我们并不遥远,过去的数十年,很多行业走向了“信息化”,未来的十年将是“数据化”的十年。我所说的“遍地黄金”也就是指未来无所不在的数据化可能。

  “遍地黄金”在哪儿?

  什么是产品数据化呢?是以产品为立足点,寻找产品元素或者生产流程中,产生数据、运用数据的机会,把数据在产品中体现出来,就是产品的数据化。

  比如,大众点评APP可以通过收集用户点餐的数据,了解用户的用餐喜好、用餐时间和常去的酒馆,进而可以将数据代入到用户推荐系统之中,让订餐更为精准、有效、快速。南方电网通过运营数据,让电网更加省电。物流业通过运营数据,让物流变得更高效更便宜。百货业正在“数据化”的进程中,如果银泰百货了解到商场会员的兴趣爱好,逛街的时间点,从哪儿来,往哪儿去,就可以从中寻找到巨大的商业机会点。

  巴西足球比赛也是如此。当德国队将每一位球员的状态数据化之后,教练获得了更多的信息,有助于帮助他判断球员的上下场时间,以及相应的战术决策。

  在过去的数十年,我们逐渐完成了产业的“信息化”和“自动化”,但从鲜有尝试过用数据的方式来清晰地勾勒一个产品、生产流程、用户、使用场景的“面貌”。

  正如阿里巴巴集团董事长马云先生所说,未来的机会在于“Digital Technology”,但DT实现的前提在于,你的企业有数据,完成了信息化。数据科学是信息科学的延伸,数据技术的年代刚刚开始,产品数据化将是其中最为关键的特征之一。

  这是一个“遍地黄金”的时代。任何一种产品或者服务都潜藏着巨大的“数据化”潜力。现在随着“数据化”的进程,传统产业(包括互联网)将迎来第二个春天,在原有的生产基础上,产生了更高的附加值,同时这对企业也提出了更高的要求,企业需要更注重数据,加强对于数据的收集整理。


  但为何“遍地黄金”并非看上去那么触手可得呢?简言之,为什么数据价值没法落地?为什么眼下大量企业的数据案例难以凸显价值?

  其中很重要的一点是,产品经理不懂数据。很多的产品经理还停留在以前做产品的阶段,靠感觉来做产品并不知道如何用数据来改善产品,更没意识到数据已经成为做产品的核心原材料。

  过去的IT时代我们只是简单的使用数据,很少为了解决问题而提炼过数据。为什么我要强调提炼过的数据?因为如果我们要让数据产生价值,让更贴身的数据分析框架去解决用户的实际问题,就需要将有关联的数据嵌入到产品或者生产流程中,在数据提炼的最后一公里,让数据在产品中“说话”。


  如何让数据“说话”?

  在过去的信息时代,我们最擅长的方法是根据历史数据统计规律,指引行动。比如我们会统计过去一个月周五下午六点的出租车小费(打车APP),计算出价平均数,然后告诉用户“建议给小费5元”。我们所使用的数据大多都是单一角度而静态的数据。

  而现在,我们更希望得到全景而动态的关联数据。比如我们可以获取不同街道的堵塞程度,从而计算司机对小费的敏感度;我们可以集合附近的天气情况,演唱会散场的时间数据等等来预测某个时段,某个地段可能成交的打车小费金额。这样的算法就是利用了更全景的大数据,通过更多的环境动态数据,而非历史统计数据来提供服务。

  未来,产品经理需要懂得如何用数据来增值。这其中有三个关键点:产品化,数据化和商业眼光。而眼下很多产品经理更多关注的是产品化,忽略了数据化。


那么如何用数据来增值呢?让数据前置。

  假定我需要为女儿选择一所学校,如果要等三个月后考试成绩出来,才知道学校不靠谱,会不会太糟?如果我能根据数据计算来衡量这所学校,这就是数据前置。很多数据价值的关键就是数据前置,让更多数据嵌入到产品之中,产生价值,Instead of throwing Money for the Uncertainty。

  另一个更容易理解的案例是谷歌无人汽车。谷歌无人汽车就是在用数据分析框架来实现服务。这一服务的前提是数据的质量、稳定性和计算速度都已经足够完善,使得“数据指引行动”进入了完全自动的情境。工程师用上千个模型来支持这一数据分析框架,以保证无人汽车在行驶中不会出现意外。

  反观眼下大量公司的业务,很多公司还停留在用统计数据做决策参考,如果我们将更具关联性的数据分析框架应用到公司业务中,我们就会发现一个全新价值。

  必须让数据进入某个特定的场景中可以被使用。如果我们能够想象并重建人们的行为发生的情境,我们所观察到的行为数据才是有意义的。也许你会问,我们一直在说“将数据嵌入业务”中,在实际操作层面,我们应该如何嵌入?

  数据化思维:最关键的五个问题

  在我所在的工作团队中,我遭遇的困惑是,产品团队、数据团队和运营团队给我的方案总是如一盘散沙难以串联。很简单,产品团队很少人有数据概念,数据团队也很少有产品理念,而运营团队也不习惯用数据做决策。但难题在于,如果没有办法把这三个团队链接 在一起,数据价值从何说起。



产品数据化看似容易,这背后实际上需要产品经理改变思维模式——懂得用数据改进产品,懂得通过数据运营的方式来决定产品创新或者生产形态创新。

  在搭建“数据产品”的过程中,其实就是产品数据化,运维数据化的过程。这个过程让我们discover发现“有用的关联数据在哪里”,懂得如何把数据放到生产环节之中,进而如何改善流程,提高效率。

  在运营数据的过程中,我意识到,作为产品经理,需要学会用数据的思维去塑造产品。学会找到产品数据化的突破点和机会点。可能所有行业的产品经理从现在开始,都需要问自己这最关键的五个问题:

  眼下你遇到的是什么问题?(你改变了谁的体验?)

  这是谁的问题?(以谁为中心,来设计产品?)

  这个问题你能解决么?(这是你的核心竞争力能解决的么?)(你能理解他们的需求么?)

  这个问题现在解决么?(时机比性能更重要)

  如果现在解决,那么可以支撑的数据在哪里?(数据是否是解决这个问题的核心?)

  在问完以上五个问题之后,产品经理可以迅速找到问题所在。下一步我们需要思考的是,怎么解决这个问题?在这个环节,产品经理可以进而询问自己以下几个问题:

  描述下目前用户的困难是什么?

  目前已有的数据可以解决这个困难么?

  假如所有的数据都可以获取,那么你需要哪些方面的数据呢?

  考虑下获得数据的成本风险是什么?

  描述下你的数据解决方案?

  如果方案可行,我们如何去获取这些数据以及如何积累这些数据?

  很多产品经理在面对需求变更的时候,往往完全抓不住头绪,这两组问题可以很好地帮助你解决眼前的问题。这两个问题组,前者解决了“我们该干什么”,后者解决了“我们怎么干”。

  这就是产品经理如何用数据的思维模式。未来所有的产品经理都需要懂得数据化,因为未来所有的产品都必将数据化。

  尽管这些问题有助于梳理思路,产品、运营和数据团队之间的思维交叉还是非常困难。

  我通常的解决方案是,询问团队成员在特定生产流程中(有时同时也是一个决策流程),每天需要做多少决策?哪些决策点是否可以用数据替代解决?通过梳理决策点来寻找“数据嵌入”的灵感,是一个非常有效的方法。

  未来,传统企业应该更积极的数据团队活跃于业务部门之中,让研究数据的人发现每一个产品中用数据的机会点。这就是一个迅速让企业从“看数据”到“用数据”的关键方法,这样公司很快能转变为一家数据化的公司,有了生产数据产品的能力基础。


为什么你还看不到“遍地黄金”?这往往是因为你还没有看到数据创造商业的力量。当你的变速器还在一挡的时候,你很难能看到加速到三挡的风景。

  万物皆数据。

作者:车品觉



推荐 0
本文由 leblang 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。

0 个评论

要回复文章请先登录注册