企業掘金大數據的兩種選擇

究竟如何才能把數據轉化為利潤呢？ 對大多數公司來說， 有兩種選擇， 一是數據導向的流程， 二是數據導向的產品。

　　如今，你到哪兒都能聽到大數據。別說是亞馬遜這樣的公司，現在就是一個小的Startup， 每天也能有幾個G的數據量。 而像Instagram 這樣的照片分享網站，每天輕松就能產生出500T的數據量。 不少企業的CEO們都會問一個問題：“好，現在我有這么多數據，下一步我該怎么做呢？”

　　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， 擁有大量數據并不能代表你的企業就能成功。 這個行業里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數據的公司。 否則的話， 你也只能干瞪著眼看著一堆Hadoop集群而不知道如何去做。 可是， 要是你能好好的利用你的數據， 你就能夠在競爭中領先一步。

　　那么， 究竟如何才能把數據轉化為利潤呢？ 對大多數公司來說， 有兩種選擇， 一是數據導向的流程， 二是數據導向的產品。

　　以數據為導向的業務流程：

　　傳統的數據分析師，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。 如今的數據科學家， 需要了解小數據時代和大數據時代的各種工具， 包括傳統的商業智能工具， 查詢語言， 統計， 甚至機器學習。

　　好的數據科學家可以幫助企業從分析產品， 比如哪些產品受歡迎， 為什么， 哪些產品用戶不喜歡（比如Zynga就是這么做的）， 到建立預測模型， 分析將來趨勢， 以幫助現在的決策（比如沃爾瑪實驗室就是在這么做）。

　　下面是一些具體的例子：

　　1） 如果你是銷售軟件即服務（SaaS）應用， 數據科學家可以幫助你分析高端客戶的特征， 比如他們轉化的渠道， 他們的基本共性（年齡， 性別， 收入水平， 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，優化市場推廣渠道， 從而提高你的利潤率。

　　2） 數據科學家可以幫助你分析某類產品的價格對其他類別產品銷量的影響， 從而幫助你優化你的整個價格體系。

　　3） 數據科學家可以基于歷史數據， 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， 能夠預測哪些來咨詢的潛在客戶最有可能轉化為客戶。

　　4） 數據科學家還能夠讓你更好的利用現有的數據分析運營結果。 比如， 數據科學家會建議你把你的市場營銷數據， 和網站訪問日志以及交易數據進行關聯， 從而能夠衡量市場推廣活動的有效性。

　　以數據為導向的產品：

　　除了以數據為導向的流程外， 還可以把利用數據來豐富產品的功能。 有的公司， 還把數據專門打包成為一個產品來銷售。

　　比如Twitter， 他本身的產品不是數據產品， 但是， 他通過授權其他公司如DataSift這樣的公司使用它的數據， DataSift這樣的公司則利用Twitter的數據做成針對企業的數據產品來幫助企業更好地利用社交媒體。 還有一些媒體公司， 把觀眾觀看的數據打包， 賣給一些頻道或者內容制作公司。

　　不過， 相對于把數據打包出售直接獲取收入， 更多的公司則是利用數據， 提高現有的產品， 使它們更加有效率， 更加智能 更加符合用戶需求， 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數據如何使產品更加智能， 更加符合用戶需求：

　　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， 以及用戶的行為。 把廣告展現給最合適的用戶。

　　2） 電子商務網站， 通過推薦系統中的數據分析和機器學習， 提高用戶對推薦產品的購買可能性。

　　3） 媒體網站通過分析用戶特征， 給不同的用戶展現不同的內容網頁， 提高用戶在網站的停留時間， 從而獲得更多的廣告收入。

　　4） 視頻發布平臺通過分析用戶的觀看和互動行為， 給視頻制作者關于用戶喜好的各種反饋， 從而制作出更加滿足用戶喜好的視頻。 這是一個間接增加收入的例子。 通過數據分析， 來提高視頻平臺的受歡迎程度。

　　企業應該如何開始行動

　　那么作為企業， 應該如何開始準備， 把冷冰冰的數據變成金燦燦的錢呢？ 下面是一些建議：

　　1） 盡可能多的保存各種數據。 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， 沒有數據也是不行的。 有很多數據， 即使現在沒有辦法分析， 也要盡量把它們存儲下來以便日后分析。 很多公司都忽略了這一點。 其實， 很多的數據都可以把它們按照原始格式保存下來， 包括交易數據， 用戶行為， 日志文件， 用戶生成的內容， 傳感器的數據等等， 總之， 你能有的數據， 先存下來。 將來總是有用的。

　　2） 找一個數據科學家： 如果你是個小公司， 那么可能需要找一個數據科學家加入， 或者團隊中有一個人需要成為數據科學家。 如果你管理一個大公司， 那么你可能需要一個團隊的數據科學家。 數據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能或者數據庫背景的人都可能成為數據科學家。 你需要給數據科學家配備合適的工具， 并讓他能夠接觸公司的不同數據， 以便他能夠進行數據分析， 數據挖掘， 商業智能分析以及數據產品化的工作。 一個好的數據科學家， 能夠幫助你提高效率， 并且幫助你更好的利用公司內部產生的各種數據。

　　3） 數據產品化： 對任何擁有特有數據的公司， 都應該考慮把這些數據產品化。 其實， 任何具有桌面， 移動， 網絡或者服務器應用的公司， 都有自己的獨特數據。 那些廣告和零售行業的公司， 已經通過數據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的軟件即服務公司， 為你的客戶提住自助報告的服務就是一個數據產品化的最簡單的例子。 如果你是個電子商務網站， 利用數據為用戶提供推薦則能夠增加你的收入， 如果你有一個移動應用， 那么考慮如何讓你的應用更加智能將會帶來更好的用戶體驗和收入。 有個數據科學家來考慮如何數據產品化是第一步， 最終， 企業還是需要投入資源真正實施。

　　4） 以數據為導向的領導： 大數據不是僅僅只是關于數據， 它更多的是如何利用數據推動工作流程， 優化產品功能。 這一切就需要企業的管理者用一個數據導向的方式來領導企業， 推動企業的大數據化。 21世紀是大數據的世紀。 如果企業不能在以數據為導向的大趨勢下順利轉型， 就很可能會被競爭者擊敗。