何謂大數(shù)據(jù)？

什么是大數(shù)據(jù)？在大多數(shù)人理解中，是企業(yè)用數(shù)據(jù)來優(yōu)化自己的流程、產(chǎn)品以及決策，讓運(yùn)營(yíng)變得更有效。但我認(rèn)為，這還不能涵蓋大數(shù)據(jù)的完整范疇。

事實(shí)上，大數(shù)據(jù)是一個(gè)包含了技術(shù)和商業(yè)兩個(gè)層面的綜合性概念。一方面是技術(shù)層面的。在技術(shù)層面，其實(shí)從計(jì)算機(jī)誕生的那一刻起就伴隨著數(shù)據(jù)的產(chǎn)生。但要進(jìn)行海量的數(shù)據(jù)存儲(chǔ)、高效的數(shù)據(jù)計(jì)算，需要有非常強(qiáng)大的硬件系統(tǒng)來支撐，而動(dòng)輒百萬(wàn)美元的硬件成本和每月數(shù)萬(wàn)美元的維護(hù)成本并不是每一個(gè)企業(yè)都能夠承擔(dān)的。在高昂的成本面前，數(shù)據(jù)的分析使用成為了企業(yè)的一種“可望而不可及”的財(cái)富資產(chǎn)。

但最近幾年，技術(shù)在不斷地發(fā)展，類似于 Hadoop這樣的分布式存儲(chǔ)和計(jì)算系統(tǒng)的出現(xiàn)，大大提高了數(shù)據(jù)存儲(chǔ)和計(jì)算的效率，使海量數(shù)據(jù)應(yīng)用于商業(yè)變成了可能。同時(shí)，隨著互聯(lián)網(wǎng)產(chǎn)業(yè)的飛速發(fā)展，大數(shù)據(jù)的概念也開始被越來越多的人關(guān)注。

另一方面是商業(yè)層面的。對(duì)于商業(yè)行為而言，最重要的意義是能夠讓企業(yè)通過數(shù)據(jù)的使用獲得更多的收益。傳統(tǒng)意義上的數(shù)據(jù)是面向業(yè)務(wù)的，對(duì)于每一條業(yè)務(wù)線來說都會(huì)有數(shù)據(jù)的采集和積累，相信很多企業(yè)已經(jīng)在這方面做得很好了，可以說私量級(jí)已經(jīng)足夠了。如果連私量級(jí)這方面都沒有做好，那我覺得有必要先去建立數(shù)據(jù)建構(gòu)，畢竟有數(shù)據(jù)，才能進(jìn)行接下來的相關(guān)內(nèi)容。而能夠讓商業(yè)產(chǎn)生更大價(jià)值甚至顛覆性創(chuàng)新的則是具有多樣性多元化的數(shù)據(jù)。這個(gè)多樣性是指能夠?qū)⒍喾N數(shù)據(jù)相互印證，通過彼此之間的關(guān)聯(lián)和互動(dòng)讓數(shù)據(jù)產(chǎn)生有可能的具有可靠性的商業(yè)價(jià)值。

對(duì)于企業(yè)來說，科學(xué)有效的數(shù)據(jù)指標(biāo)體系可以增加企業(yè)決策的選擇范圍以及可預(yù)見范圍。通常情況下，數(shù)據(jù)可以通過是否具有正向作用、是否可預(yù)見兩個(gè)維度歸納成四個(gè)類別。

那些具有正向作用且可預(yù)見的數(shù)據(jù)通常作為運(yùn)營(yíng)指標(biāo)進(jìn)行關(guān)注，而那些具有反向作用且可預(yù)見的數(shù)據(jù)通常作為風(fēng)險(xiǎn)來規(guī)避，而具體如何劃分?jǐn)?shù)據(jù)指標(biāo)，就根據(jù)具體的企業(yè)狀況決定了。但是除了可預(yù)見的數(shù)據(jù)之外，還有大量的不可預(yù)見的數(shù)據(jù)。例如雙十一，淘寶的目標(biāo)是單天銷售100億，結(jié)果卻實(shí)現(xiàn)了191億，那么91億便是不可預(yù)見的意外驚喜。對(duì)于我們來說，我們需要把不可預(yù)見的變成可預(yù)見的，也就是把意外驚喜變成可預(yù)見的固定收益，讓它發(fā)揮更大的價(jià)值，把意外悲劇變成可預(yù)見的，最大可能地規(guī)避掉。

　　將所有意外可能性變成可預(yù)見的，穩(wěn)定收益規(guī)避風(fēng)險(xiǎn)

如果說上述都是對(duì)大數(shù)據(jù)定義的解釋，那么下面就來說說企業(yè)與數(shù)據(jù)的關(guān)系。

一方面是企業(yè)內(nèi)部數(shù)據(jù)，包括財(cái)務(wù)數(shù)據(jù)、運(yùn)營(yíng)數(shù)據(jù)、市場(chǎng)數(shù)據(jù)這類公司的結(jié)構(gòu)型數(shù)據(jù)以及網(wǎng)站的分析數(shù)據(jù)和移動(dòng)應(yīng)用數(shù)據(jù)； 另一方面是企業(yè)外部數(shù)據(jù)，包括百度、360這樣的社會(huì)外部數(shù)據(jù)以及TalkingData這類的第三方數(shù)據(jù)，用以補(bǔ)全自己的業(yè)務(wù)數(shù)據(jù)維度。

例如，一個(gè)用戶看了某項(xiàng)服務(wù)或者產(chǎn)品但沒有產(chǎn)生消費(fèi)，所以這組數(shù)據(jù)不可能出現(xiàn)在企業(yè)的經(jīng)營(yíng)數(shù)據(jù)中，絕對(duì)僅僅出現(xiàn)在網(wǎng)站分析數(shù)據(jù)中。換而言之，如果想要知道企業(yè)未來的機(jī)會(huì)，起碼要把那些看了卻不選用的用戶轉(zhuǎn)變成客戶才可能吧？如果能轉(zhuǎn)化20%，你的市場(chǎng)會(huì)增加多少？

再比如，如果你無(wú)法解釋市場(chǎng)份額增加的原因，那么這個(gè)就屬于“意外驚喜”；但當(dāng)你看懂?dāng)?shù)據(jù)，當(dāng)了解“意外驚喜”的產(chǎn)生原因，并做出相應(yīng)的調(diào)整，將不可預(yù)見的可能性慢慢變少，使之成為正向的穩(wěn)定的，公司也會(huì)越來越聰明（Data Smart）。

相較于對(duì)不可預(yù)見的“意外驚喜”的探索，對(duì)未知意外風(fēng)險(xiǎn)的警惕顯得更為重要。

在如今競(jìng)爭(zhēng)數(shù)據(jù)化，新聞自媒體化的現(xiàn)在，不再僅僅是去看對(duì)手做了什么事，而更多的是從那些“微小聲音”中感受危機(jī)。例如，以前A公司的用戶，有10%是先去B公司看看后再來A公司的，現(xiàn)在這個(gè)比例變成了40%，說明B公司的影響力比以前大，對(duì)于A公司便是危險(xiǎn)。

所以，不僅僅是內(nèi)部數(shù)據(jù)的分析使用，我們也需要用一些非結(jié)構(gòu)化的外部數(shù)據(jù)不斷補(bǔ)充自身的數(shù)據(jù)分析維度，比如微博指數(shù)、百度指數(shù)這類的社會(huì)數(shù)據(jù)就是很大一塊非結(jié)構(gòu)化的數(shù)據(jù)。這些社會(huì)數(shù)據(jù)不單只是用來評(píng)價(jià)公司口碑的好壞，同樣能幫助公司進(jìn)行一些決策。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(cuò)誤地描繪用戶的全貌。就像當(dāng)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)的收集方法相較于過去的傳統(tǒng)收集方法的巨大革新。當(dāng)數(shù)據(jù)的規(guī)模和豐富程度達(dá)到一定程度，大家才開始提出大數(shù)據(jù)的概念。

那么如今，企業(yè)運(yùn)營(yíng)的大數(shù)據(jù)之路又行至何方？請(qǐng)聽下回分解