解析企業在大資料掘金之路上的兩種選擇

對於大多數公司來說，在大資料的掘金之路上，如何把資料轉化為利潤，有兩種選擇， 一是資料導向的流程， 二是資料導向的產品。

大資料如今成了一個路人皆知的詞。 上至亞馬遜這樣的公司，下至是一個小的Startup， 每天也能有幾個G的資料量。 而像Instagram 這樣的照片分享網站，每天輕鬆就能產生出500T的資料量。 不少企業的CEO們都會問一個問題：「好，現在我有這麼多資料，下一步我該怎麼做呢?」

一個人， 如果只是站在金礦的土地上而不去挖掘的話， 他也成不了富翁。 同樣的， 擁有大量資料並不能代表你的企業就能成功。 這個行業裡面成功的是例如亞馬遜， NetFlix那樣， 能夠比競爭對手更好的利用資料的公司。 否則的話， 你也只能幹瞪著眼看著一堆Hadoop集群而不知道如何去做。 可是， 要是你能好好的利用你的資料， 你就能夠在競爭中領先一步。

那麼， 究竟如何才能把資料轉化為利潤呢? 對大多數公司來說， 有兩種選擇， 一是資料導向的流程， 二是資料導向的產品。

以資料為導向的業務流程：

傳統的資料分析師，使用Excel或者會編寫SQL語句進行特定查詢。 而如今， 這些就遠遠不夠了。 如今的資料科學家， 需要瞭解小資料時代和大資料時代的各種工具， 包括傳統的商業智慧工具， 查詢語言， 統計， 甚至機器學習。

好的資料科學家可以説明企業從分析產品， 比如哪些產品受歡迎， 為什麼， 哪些產品使用者不喜歡(比如Zynga就是這麼做的)， 到建立預測模型， 分析將來趨勢， 以説明現在的決策(比如沃爾瑪實驗室就是在這麼做)

下面是一些具體的例子：

1) 如果你是銷售軟體即服務(SaaS)應用， 資料科學家可以説明你分析高端客戶的特徵， 比如他們轉化的管道， 他們的基本共性(年齡， 性別， 收入水準， 地域等)，以及他們使用你的應用的特別方式等。 這樣， 你可以更加有針對性的設計你的產品功能， 推出針對性的廣告，優化市場推廣管道， 從而提高你的獲利率。

2) 資料科學家可以説明你分析某類產品的價格對其他類別產品銷量的影響， 從而説明你優化你的整個價格體系。

3) 資料科學家可以基於歷史資料， 建立一個準確的預測模型。 比如如百貨公司Target那樣， 能夠確定哪些顧客是懷孕的婦女， 或者像一些保險公司一樣， 能夠預測哪些來諮詢的潛在客戶最有可能轉化為客戶。

4) 資料科學家還能夠讓你更好的利用現有的資料分析運營結果。 比如， 資料科學家會建議你把你的市場行銷資料， 和網站訪問日誌以及交易資料進行關聯， 從而能夠衡量市場推廣活動的有效性。

以資料為導向的產品：

除了以資料為導向的流程外， 還可以把利用資料來豐富產品的功能。 有的公司， 還把資料專門打包成為一個產品來銷售。

比如Twitter， 他本身的產品不是資料產品， 但是， 他通過授權其他公司如DataSift這樣的公司使用它的資料， DataSift這樣的公司則利用Twitter的資料做成針對企業的資料產品來説明企業更好地利用社交媒體。 還有一些媒體公司， 把觀眾觀看的資料打包， 賣給一些頻道或者內容製作公司。

不過， 相對於把資料打包出售直接獲取收入， 更多的公司則是利用資料， 提高現有的產品， 使它們更加有效率， 更加智慧 更加符合使用者需求， 從而直接或間接地增加收入。

下面舉一些實際的例子來說明資料如何使產品更加智慧， 更加符合使用者需求：

1) 為了提高廣告平臺的點擊率， 廣告平臺通過分析廣告播放媒體， 廣告本身， 以及使用者的行為。 把廣告展現給最合適的使用者。

2) 電子商務網站， 通過推薦系統中的資料分析和機器學習， 提高使用者對推薦產品的購買可能性。

3) 媒體網站通過分析使用者特徵， 給不同的使用者展現不同的內容網頁， 提高使用者在網站的停留時間， 從而獲得更多的廣告收入。

4) 視頻發佈平臺通過分析使用者的觀看和互動行為， 給視頻製作者關於使用者喜好的各種回饋， 從而製作出更加滿足使用者喜好的視頻。 這是一個間接增加收入的例子。 通過資料分析， 來提高視頻平臺的受歡迎程度。

企業應該如何開始行動

那麼作為企業， 應該如何開始準備， 把冷冰冰的資料變成金燦燦的錢呢? 下面是一些建議：

1) 盡可能多的保存各種資料。 如今， 存儲的成本已經不是一個需要考慮的因素了。 要記住， 再好的分析， 沒有資料也是不行的。 有很多資料， 即使現在沒有辦法分析， 也要儘量把它們存儲下來以便日後分析。 很多公司都忽略了這一點。 其實， 很多的資料都可以把它們按照原始格式保存下來， 包括交易資料， 使用者行為， 日誌檔， 使用者生成的內容， 感應器的資料等等， 總之， 你能有的資料， 先存下來。 將來總是有用的。

2) 找一個資料科學家： 如果你是個小公司， 那麼可能需要找一個資料科學家加入， 或者團隊中有一個人需要成為資料科學家。 如果你管理一個大公司， 那麼你可能需要一個團隊的資料科學家。 資料科學家可以從內部培養。 一個好的商業分析師或者任何具有很強商業智慧或者資料庫背景的人都可能成為資料科學家。 你需要給資料科學家配備合適的工具， 並讓他能夠接觸公司的不同資料， 以便他能夠進行資料分析， 資料採礦， 商業智慧分析以及資料產品化的工作。 一個好的資料科學家， 能夠説明你提高效率， 並且説明你更好的利用公司內部產生的各種資料。

3) 資料產品化： 對任何擁有特有資料的公司， 都應該考慮把這些資料產品化。 其實， 任何具有桌面， 移動， 網路或者伺服器應用的公司， 都有自己的獨特資料。 那些廣告和零售行業的公司， 已經通過資料化產品增加了數十億美元的收入了。

舉個例子， 如果你是個B2B的軟體即服務公司， 為你的客戶提住自助報告的服務就是一個資料產品化的最簡單的例子。 如果你是個電子商務網站， 利用資料為使用者提供推薦則能夠增加你的收入， 如果你有一個移動應用， 那麼考慮如何讓你的應用更加智慧將會帶來更好的使用者體驗和收入。 有個數據科學家來考慮如何資料產品化是第一步， 最終， 企業還是需要投入資源真正實施。

4) 以資料為導向的領導： 大資料不是僅僅只是關於資料， 它更多的是如何利用資料推動工作流程， 優化產品功能。 這一切就需要企業的管理者用一個資料導向的方式來領導企業， 推動企業的大資料化。 21世紀是大資料的世紀。 如果企業不能在以資料為導向的大趨勢下順利轉型， 就很可能會被競爭者擊敗。