车品觉:大数据时代,传统企业该如何找到自己的锚点?

另一个值得注意的是,经营的本质还是取决于创始人的方向与管理,大家不能本末倒置,一味期待透过数据就能解决企业所有的挑战。

数据为什么是割裂的?

最近我遇到一位制造电脑硬件的厂商。他说,内部生产都可以数据化,但发现与销售需求严重割裂,“这些数据似乎内外接不上。”

为什么会出现这样的状况?

我常用的一个比喻是,开餐馆定菜单的往往是餐厅老板,但是每天买菜的是最底层的采购员。所以很少有餐厅能常出名菜,因为厨师没法定菜单,也不能用到适合的好原料。

数据的创新是无时无刻的,算法的创新周期稍长,而产品的创新往往是“十年磨一剑”。也因此,在企业拥有决定权的人,往往是拥有产品决策权的人。如果仅仅站在单一角度去看,很难找到数据和业务的结合点。

根据我的观察,目前非常缺乏一种数据管理人才:他要对业务要有足够的理解,明白数据能为业务起什么作用,了解技术更新与价值产生的关系,懂得从数据收集到加工,到新数据与历史的整合,再到使用数据的便利性等等。其中,对业务和商业的理解,绝对是成为数据主管所需要的基本条件,但若是想达到杰出的程度,肯定要懂得如何在人材匮乏的大数据行业中,吸引和保留住人才的眼光和能力了。

对于业务人员,也可以问问自己:现在拥有的数据能帮我解决问题吗?假定所有数据可以获取,我需要什么数据来解决问题?要怎么做才能更更容易获取需要的数据呢?

举例来说,我过去看到路上的交通状况时曾经想过,大城市里的计程车服务会不会有可能改善?我那时想着,如果计程车上有个灯能显示过去客户对他的评价,那么司机为了保持住好评价,应该会提供更好的服务水准。这就是数据可能解决的一个简单例子。下一步才是如何设计一个容易的方法,让顾客去评价。而现在的叫车软件就是一个很好的实现案例。这是训练数据敏感度的好方法,也是过去十年我个人一直在用的方法——透过周遭事物训练数据敏感度,让数字“说话”。

最难点:在于你对自身的理解

大数据应用讲求跨界和创新,更准确地说,大数据的价值来自可以从多角度来看同一件事,全景观察可以减少误差及创造新的机会。但并不是要求大家能够认知到全部外面的世界,而是能让其他人的数据为你所用。

大数据实践中最困难的地方在于你对自身的理解,再加上,隔行如隔山,外部整合回来的数据可能很有价值但同时也有很多噪音,大家并不完全清楚数据的来源和定义。

如何去看清楚自己呢?根据过去的经验,我认为首先是从小处着手。

传统企业在初期不要贸然就开始一个非常大的大数据项目。数据化比较适合从小而具体,容易评估效果作为起点的专案开始,以此锻炼自己收集、加工、使用数据来做决策,以及衡量这个数据价值的能力,即以小知大。从小的场景开始,用数据在商业场景中不断优化。

Axciom公司的首席数据官程杰 曾经提出过“数据的三层境界”:

数据1.0 自身业务产生什么数据,我们用什么数据做分析优化;

数据2.0 将现有数据与自己的历史或上下游数据交叉,由此优化数据;

数据3.0 就是购买外部数据或者将自己的数据分享出去,数据是互溶共通的,在交融中,产生新的产品体验。

这三层境界,都需要企业有不同的技术和架构去实现数据的提炼、加工和产品化、整合。这其实是一个不断用数据来描述和还原企业业务的过程。

最近,阿里数据团队成功地提升了快的打车的打车成功率。我们就叠加了数据的一次使用和二次使用。

我们将实时数据与历史数据整合。原来APP在发送打车需求的时候,是以打车人的地理位置为原点,每过几分钟扩散到附近300米,600米的出租车。这个消息的推送是以地理位置为推送逻辑的。但是假如附近的司机其实并不想去目的地,接单的成功率就会降低。因此,我们把司机“优先目的地”这个数据加入推送系统中,就重新优化了数据,让更愿意接单的司机“可视度”更高了。也因此提高了整体的接单成功率。当然前面所说只是优化的其中一个点子。