大資料時代來臨

　　前言：最近讀了很多大資料分析的文章，感覺大資料時代來臨。哈佛商業評論也開了一個新的欄目叫做“大資料”。整理了一下所有收藏並準備記錄的大資料分析文章，本文是最適合做第一篇分享的。文章以案例為支援，講述了大資料分析的4個基本點。文章記錄完後，yoyo也根據與英雄聯盟資料分析組負責人的聊天，記錄一些對大資料分析的思考。

　　http://blogs.hbr.org/cs/2012/10/getting_started_on_a_big_data.html

　　Inspiration: Big data strategy needs resources and capability.

　　作者開篇提出，大資料的搜集與分析已經成為差異化競爭力研究的新領域。根據近期的一篇哈佛商業評論文章，公司需要3個關鍵能力來支援大資料分析：1，定位並管理多個資料來源；2，建立完善資料分析模型的能力；3，對公司進行轉型的決心和管理能力。

　　但是，要成功做好大資料分析，並不是一條輕鬆的道路。這個過程需要管理者不斷努力嘗試去找到清晰的資料分析策略。作者深入研究了數家近期採用大資料分析策略的公司，提煉出了大資料分析策略的4個基本點：

1、把握機遇，應對風險
　　大資料分析給公司帶來的機遇很多，例如核心競爭力的提升，創新等。舉例，保險公司可以通過大資料分析來最佳化保單；長期來看，保險公司甚至可以利用大資料分析來擴充新的保險業務。成功的關鍵是要建立清晰的商業目標，並在執行的每一個階段都確定優先順序，集中發力。

　　大資料分析更是大公司必須關注的一個策略。在作者研究的一個案例中，一個傳統的大型零售業公司面臨新的威脅，是來自於一個網路零售公司。這個網路公司通過對使用者的資料分析，得到詳細的使用者資料，並根據資料結論讓賣家更容易更高效地出售商品，從而影響到大公司的銷售與市場份額。大公司面臨這樣的威脅，應該著重關注兩點來解決：1，確認自己的市場；2，合理地對大資料分析進行投資以最佳化公司能力。

2、確保資料來源與資料分析能力
　　在確認大資料分析策略之前，必須確保資料來源，並確認有合理的資料分析能力。例如，大資料分析所需要的資料也許不會來自一個資料來源，而是多個資料來源，有時還需要夥伴部門的支援和配合。在得到資料後，如果沒有專門的資料分析人員進行資料分析，資料也不會產生完整的價值。所以，完整的資料來源，有效資料分析力量，是大資料分析必需的條件。

3、資料分析策略與公司策略統一
　　當確認了大資料分析的機遇和資源，很多公司會急於求成，想儘快得到結論並執行。這個流程是錯誤的。資料分析人員需要周密的計劃和充裕的時間來進行大資料分析工作。

　　在作者研究的一個案例中，一個通訊公司建立了一個高管團隊來監管資料分析小組，以保證大資料分析的策略與公司的大方向一致。高管團隊重點提出兩個問題：1，當使用者做購買決定的時候，我們的品牌有多少競爭力/影響力？2，使用者購買的時候最考慮什麼因素？我們的產品是不是有效地給使用者闡釋了這些因素？

　　基於高管團隊的問題，資料分析小組擷取來自多個資料來源的使用者資料，並嘗試通過分析得出可行的結論。例如，運動頻道與付費頻道是使用者決定購買的關鍵因素。資料分析小組也發現，當公司弱化電話語音時，使用者不願意購買含有電視，網路，電話的套餐。研究同時發現，公司應該在套餐中增加一個行動電話項目來滿足使用者需求。作者闡述，這些結論，該公司沒有在傳統市場調研中發現。

4、高管重視的重要性
　　大資料分析的風險與機遇很多時候只有公司高管能掌控。例如，一個電信公司的資料分析小組發現兩個因素會導致公司在網路上被批評：1，網路崩潰；2，使用者認為公司發布誤導廣告。結論一出來，公司的網路部和市場部馬上就互相指責。這個時候，公司高管出面統一協調，解決了問題。

　　作者指出，公司高管必須緊密關注並重視大資料分析，才能讓大資料分析為公司帶來價值。

———————————以下是yoyo與英雄聯盟資料分析負責人聊天記錄以及思考 ———————————

　　首先，LOL的玩家應該瞭解，RIOT是騰訊的公司哦lol。也恭喜LOL已經是世界上最流行的PC遊戲。

　　LOL的資料分析組負責人Fei從洛杉磯到深圳出差，yoyo作為一個新的LOL玩家（技術相當粗糙），很開心可以和Fei聊了一個中午，討論內容集中在LOL的資料分析上。

　　LOL有英雄角色，英雄皮膚，固定周期的新英雄增加，遊戲的平衡性，商品的價格等眾多項目。這些項目的屬性都不是隨意確定的。資料分析組運用合理的資料模型，進行商務分析，支援關鍵部門的決策，對這些關鍵項目都提供了高效的資料分析結論支援。

　　舉一個簡單的例子，LOL有許多英雄，對每個英雄的形象設計，故事設定，配套皮膚，公司都需要投入大量的資源去設計製作。怎麼樣確定優先順序呢？很簡單，大資料分析可以研究海量使用者資料，瞭解使用者最喜歡的英雄，然後公司再集中精力去最佳化最受歡迎的英雄角色。

　　英雄的定價也是通過嚴密的資料模型推算出來的，這個大資料分析結論是符合我們的直觀理解的：便宜的英雄是好操控，能吸引新使用者的英雄。例如，450就可以購買的寒冰。

　　總體感覺，RIOT公司非常重視大資料分析，並做到了以大資料分析結論支援重要部門決策，重要部門信任資料分析結論的良性迴圈。

　　最後想到自己現在負責的騰訊開放平台，雲平台產品設計工作，其中也有很多大資料分析的機會。開發商把優質應用接入到騰訊開放平台，從應用接入開始，到應用中心的最終展示，以及在管理系統和羅盤服務中，應用和使用者都在不停地產生資料。這個大資料的價值很明顯，可以給予開發商，開放平台，廣告商極大的價值。一個簡單的例子，如果一個開發商深入瞭解到使用自己應用的使用者的資料，習慣等關鍵因素，開發商可以更有針對性地設計應用，投放廣告，推廣應用。最終達到一個雙贏的局面：開發商的應用得到更多的使用者和活躍使用，使用者得到更貼近他們使用習慣的應用。

　　謝謝閱讀，歡迎對大資料感興趣的同仁討論！：）

　　接下來yoyo會找時間繼續寫大資料相關文章。

Stay tuned.

：）