電子商務企業要如何才能把握大資料？

第1頁電子商務企業要如何才能把握大資料？

所謂的大資料，是需要跨視角、跨媒介、跨行業的海量資料，也可以理解為數據的收集方法。 當資料的規模和豐富度達到一定程度，大家才開始提出大資料的概念。 那麼，電商大資料現狀如何?

誰擁有大資料?

那些擁有穩定、豐富資料來源的公司，淘寶、百度、騰訊是絕對自有資料來源的公司。 艾瑞諮詢技術副總裁郝欣誠同意這一說法，認為一些淘寶店鋪不能稱為有穩定豐富資料來源的公司。

因為他們的視角往往停留在本身的店鋪內，當在他們店鋪中沒有出現某種人，便認為某種人是不存在的。 但淘寶的視角會更高，更容易看到全域，他們擁有海量的資料，只要某種人在一家店鋪出現，便能判斷這種人是存在的。

如果單純停留在自身資料中，往往容易出現盲人摸象的尷尬，用片面的資料錯誤地描繪消費者的全貌。 當淘寶的賣家離開淘寶資料的支撐，只能稱之為有資料分析，決不可稱為大資料分析。

所謂的大資料，是需要跨視角、跨媒介、跨行業的海量資料，也可以理解為數據的收集方法。 當資料的規模和豐富度達到一定程度，大家才開始提出大資料的概念。

而如今的電商，大資料之路又行至何方?

電商資料現狀

「如果不到10萬單量，在基數這麼低的情況下，能分出什麼維度來嗎?根本不需要大資料。 」NOP創始人劉爽認為，只有淘寶、京東、亞馬遜這樣級別的公司，才有海量資料，才需要大資料。

現在的電子商務企業，日均能達到十萬單的少之又少。 在有海量資料積累的基礎上，還要有一套優秀的BI系統，而且必須是按公司需求定制，才可能實現大資料。

對於現在大多數的電商企業來說，根本沒有走到這一步。

劉爽向《天下網商·經理人》舉例說，宏觀調控在小市場的確有效，一旦市場變大便依賴市場化。 由此可見，在企業小的階段，有經驗的拍腦袋效率最高。

的確，不少賣家對自身的資料都沒有一個標準化運營、收集、分析的過程。 所以談大資料，多數只是癡人說夢。

以庫存舉例，多數淘寶賣家對自己庫存的即時資料並不瞭解，更不可能清楚庫存銷售的利潤。 往往出現這種情況庫存都是賣不掉的貨，好賣的貨早已經斷貨。 如果光看庫存，會發現指標挺健康，但所謂的庫存基本是壞賬，所以根據庫存預計銷售利潤，不是每家企業都做得出來的。 這就說明資料管理水準有待提升。

在企業內部，有大量的決算資料需要耐心收集，但一般商家都沒有專門的部門做這件事情，所以很難獲得高品質的資料給自己提供決策支援。

事實上，賣家之所以對資料茫然，是因為資料壓根不全，對資料的管理和獲取不夠，直接導致無法利用資料。

而大資料之所以被熱炒，是因為少數巨無霸企業在其中獲得了巨大商業價值。

例如亞馬遜，從虧損到盈利，大資料功不可沒。 不管是巧合還是時機成熟，亞馬遜的確在採用了重量級的大資料分析後，業績才逐漸好轉。 可以想像，亞馬遜很多基於資料的決策都有著大資料的影子。

亞馬遜上，囊括了美國所有生活必需品。 因此它充分掌握消費者的原始資料，做出來的判斷具有預測性。 甚至可以向商家定制在某一價格段有某個特殊性能的商品，只供亞馬遜，並能保證熱賣。

而這一切都是根據亞馬遜所具有的大資料來源，進行收集、分析所推測出來的。

辨別大資料與資料

究竟大資料這個概念是否「虛高」呢?

畢竟像亞馬遜這樣的公司屈指可數，大多數的電商企業還處於起步階段。 這不得不讓人重新思考大資料和資料之間的關係。

大資料與資料是兩個極易混淆的概念。 對兩者的區別，每個人的理解也大相徑庭。

劉爽認為，大資料是基於交易、商品與使用者的匹配。 商品很多，人很多，把它們精准地匹配在一起，是很難的一件事情。

普通的企業內部業務經營指標庫存、成本、商品，這是一個封閉的結構，是由企業決定的，好的分析或許可以對它施加影響。 大資料很難強行調控，只能追蹤，想辦法匹配。

而艾瑞諮詢分析師傅志勇則認為，之前所說的資料，是一種狹隘的定量資料，利於企業內部流程優化，而大資料是在定量資料的基礎上，做了一個更大範圍的延伸，給企業提供決策支援。

也可以理解為，大資料是對資料本身的價值權重進一步的詮釋，即資料在決策中所起到作用的權重在提高。

大資料其實是一個更大範圍的資料，就是從最初獲得資訊一直到最後的銷售資料。 麗人麗妝CEO黃韜覺得大資料的資料量往往很大，而且一旦精細研究，資料量的增加也會異常驚人，甚至超出運算能力。

暫且不管大資料和資料如何定義，對於目前的電商企業而言，僅僅是希望通過資料分析帶來流程的優化。

對此，郝欣誠認為，在未來的兩到三年內，電商企業多去關注行銷領域，會出來一大批大資料的行銷工具。

大資料的價值是潤物細無聲，每一個消費者和賣家都在享受大資料的成果，但是在使用時，並不覺得是大資料。

其實，最早買百度關鍵字，百度會提供一個關鍵字排名篩選系統，搜一個詞，系統會自動提示其他相關熱銷詞，並告知哪些詞更容易接觸同類消費者。 這是最早使用大資料的系統，是基於百度每天上億次搜索的總結。

每一個買百度關鍵字的公司，其實都在使用資料產品。 此外，淘寶直通車、資料魔方都也是大資料的衍生工具。

如果賣家希望在大資料領域分得一杯羹，必須清楚自己只是資料的消費者。 要重視大資料的使用，靈活使用大資料工具，這些工具才是目前走在大資料最前沿的技術。

大資料對商家的價值，很大程度上取決於協力廠商服務商能夠提供怎樣的資料工具。 作為商家，應該從幾十家甚至上百家工具供應商中，找到適合自己的大資料工具。

著眼情報資料採礦

除了大資料工具的運用，情報資料也是電商公司真正應該關注的。

所謂的情報資料處理人員，從日常的工作場景來看，出去奔波收集情報的工作占了多數份額。 他們會跟上下游供應鏈，以及進行跨部門溝通。 例如，一個採購人員應該去生產線，去分析每家供應商的生產水準如何，優秀的工廠和二線工廠的生產週期區別，哪裡的原材料採購價格最低。 一般來講，這樣的一條情報能使用一到三年。

雖然資料性不強，但這些情報價值十分高。 郝欣誠說得更為直截了當：「講資料採礦不如講情報挖掘，情報挖掘才能夠為電商企業提供真正生產力級的支援，如果情報挖掘都沒做好，就想把它數位化和量化，有點操之過急。 」

舉個誇張的例子，當一個品牌商擁有20萬家生產廠商無從選擇時，為了找一個與需求相匹配的生產企業，才需要建立一個大資料模型，進行篩選。 而現在只需情報先行，當規模達到一定程度難以進行決策時，才使用資料採礦技術。

的確，大資料的應用要滲透到中國的電商企業內部，還有很長的路要走。

而行銷領域則不同，市場行銷的資料模型已經成熟，而互聯網又帶給電商企業足夠多的資訊源，大資料的應用已經可以直接給決策層提供建議，可以理解為「有米下鍋」。

以淘寶原創女裝品牌橡菲為例，他們會每天花費500~1000元做情報挖掘。 他們有專門的情報收集人員，根據資料魔方、量子恒道、CRM系統分析資料，再把這些資訊結合輔助最基本的經營決策，考慮下一款新商品款式如何，基於對老會員的分析，是否需要拓展新類目等等。

比如，當橡菲有50件商品、100萬現金時，究竟應該怎麼安排生產?情報挖掘人員會提醒決策層，這其中有2件爆款、6件長尾、2件滯銷品，甚至可以提出對各款商品的補貨、清倉建議。 從系統中取得所需資料並不困難，但資料需要進一步拼接，再去思考各個資料之間的因果聯繫。

通俗來理解，商業領域中的情報，是商業邏輯。

「情報支援的是對商業邏輯的理解，而資料支援的是對商業情報的處理能力。 」郝欣誠認為必須先做情報挖掘，再做資料採礦，如果情報沒做好相當於對商業邏輯的理解沒達標，指望著資料直接講清商業邏輯，有些南轅北轍。

資料無法替代商業邏輯

大資料需要在量化資料的基礎上，加上商業邏輯，才能説明電商企業做全域性、系統性的決策。 排除一系列不可控因素，把結論和實際情況進行剝離，在一個理想狀態下的模型，只是數學專家給出的結論。

大資料的核心是融入商業邏輯。

在商業邏輯裡，必須先懂市場，懂某個領域的消費者真正訴求的變化;其次要懂行業，包括行業的特徵、要求和規則;最後才是懂企業運營，把多個支援模組資源有序地整合起來，從而共同創造價值。

在這些都具備的情況下，再用量化的資料適度輔佐決策，在商業邏輯的主導下，真正發揮量化資料的作用。

「缺乏這個商業邏輯之本，那量化資料就是天馬行空的東西。 」傅志勇把商業邏輯看成真正需要解決的難題，因行業不同、企業不同、類目不同、時機不同，商業邏輯都會有所變化，這是一種動態平衡的藝術和哲學。

網站分析在中國創始人宋星認為，資料不能代替商業邏輯，但是資料可以修正、調整商業邏輯。 「一個決策的產生，要靠部分資料、部分經驗、部分直覺。 」宋星坦言，決策的事並非一句大資料便能解決。

這涉及資料分層。 根據經驗判斷，越是偏宏觀戰略層面的資料，實用性越高，越是偏微觀細小的資料，不確定性越高。 因為宏觀的決策很大，大到細小的影響起不了作用，而微觀的決策恰恰相反。

例如，整個行業規模如何，市場增長力如何，本身是多樣本的綜合資料，每一個樣本的影響都只占一部分。 而一旦到微觀層面，比如廣告用的顏色、打折力度大小、滿減的額度，某一項的資料會起決定作用。 只是如今多數商家更相信測試法，並不相信資料研判。

「宏觀層面多看看資料，微觀層面多談談經驗。 」傅志勇認為這對電商企業有價值。

回歸商業的本質，資料只不過是業務的副產物，業務系統好，一般情況下資料系統不會太差。 如果本末倒置，資料系統好但業務系統差，結果會發現資料系統都沒法輸送原材料。

並不是說資料不重要，但請不要迷信，因為資料的不確定性所帶來的風險，是多數企業無法承受的，生意人需要回歸商業邏輯。

　　最後，借用一段被採訪者的話來總結一下大資料：大資料是未成年人的性遊戲，十七八歲的時候男女這點事還是挺有意思的，誰都不知道真正搞起來是什麼樣子的，所有人都在搞所以自己也要搞。 大資料有的時候就是這樣，講不清楚真正的場景，自己又沒有積累強大的資料，都是空談。