大數據癥結所在：答案太多，問題太少

在解答為何如此之多的大數據項目會失敗這個方面，我最喜愛的一個例子來自于幾十年前的一本書——那個時候，“大數據”的概念甚至都還沒有形成。在道格拉斯·亞當斯（Douglas Adams）所著的《搭車游覽銀河指南》（The Hitchhiker’s Guide to the Galaxy）一書中，某個種群的生物打造了一臺超級計算機來計算“生命、宇宙及所有一切”的意義。

在經過幾百年的運算之后，這臺計算機宣布，答案是“42”。當這個種群的生物表示反對時，這臺計算機則平靜地建議說，既然他們已經有了答案，現在他們需要知道的是，真正的問題到底是什么——一個需要一臺更大、更復雜的計算機完成的任務。

這是有關大數據的一個絕妙的比喻，因為它反映了一個事實：數據本身是無意義的。

請記住，數據的價值并不在于數據本身——而是在于你能用數據做些什么。要使數據有用，你必須首先明白你需要什么樣的數據，否則你總會想要掌握一切數據——這并不是恰當的策略，而是一種注定會失敗的絕望行為。

如果你不將或無法通過數據來交付商業洞見，那為什么還要花費時間和精力去收集數據呢？你必須專注于最重要的事情上，否則你會被數據淹沒。數據是一種戰略性資產，僅在以建設性的恰當方式進行使用并交付結果的時候才是有價值的。

好的問題能引出更好的答案

這就是為什么從對的問題開始著手是如此重要的原因。如果你清楚自己想要達成什么目標，那么你就可以想一想你需要知道答案的問題。比如，如果你的戰略是想要擴大客戶基礎，你希望得到答案的問題可能會包括：“我們現在的客戶是哪些人？”“我們最有價值的客戶構成是怎樣的？”以及“我們客戶的長期價值是什么？”

當你清楚了自己需要被回答的那些問題之后，找到那些為了回答這些重要問題而所需的數據就容易得多了。比如，我曾和一家小型時尚零售公司合作，這家公司除了傳統銷售額數據之外沒有其他任何數據。他們想要增加銷售額，但沒有可以幫助他們達成這個目標的智能數據可以分析。我和這家公司一起找出了他們想要知道答案的那些問題，包括：

有多少人實際上經過我們門店？

有多少人停下腳步望向櫥窗？他們看了多久？又有多少人在這之后走入了門店？以及有多少人進行了購買？

我們所做的，就是在門店櫥窗上安裝了一部小型隱蔽設備，該設備能夠在顧客進入門店時追蹤到手機信號。每一個帶著手機經過門店的人（今時今日，應該是幾乎每個人都有手機吧）都會被該設備的傳感器捕捉到，然后被計數，這就有了第一個問題的答案。傳感器還會計算有多少人駐足觀望櫥窗并且觀看了多久、有多少人在之后進入了門店，另外銷售額數據將記錄下哪些人真正進行了購買。通過將安裝在櫥窗中的傳感器所收集的數據及交易數據結合起來，我們就能夠計算轉化率，并測試櫥窗布置和各種商品展示之中，哪些切實提高了轉化率。

這家時裝零售商不僅通過聰明地將小型傳統數據和非傳統大數據進行結合的方法大幅增加了銷售額，還利用這其中提供的洞見關閉了一家門店，從而大大節約了成本。傳感器最終告訴他們，在那家門店開張前由一家市場研究將公司所報告的人流量數據是錯誤的，且真正的人流量不足以支持門店繼續對外營業。

太多數據反而會蒙蔽真相

現今，真正成功的公司都在基于事實和數據驅動的真知灼見來做決策。無論你是否能夠獲得海量數據，如果你首先制定好策略，然后奔著結果找出你需要知道答案的問題，那么你就走在了提高表現和利用數據基本力量的康莊大道上。

現在，每一位經理人都有機會來使用數據去支持自己基于事實的決策制定。不過，如果沒有正確的問題，所有這些“事實”都可以將真相蒙蔽。大量數據可能會產生大量答案，而這些答案有時候并不那么重要，所以，各家公司應該專注于業務中那些尚未得到解答的較大問題，并用大數據解決之。