大數(shù)據(jù)可以幫助商業(yè)運營者找到大致方向，但真正落地到商業(yè)操作，反而不如小數(shù)據(jù)更有用、更有效。事實上，大數(shù)據(jù)的應(yīng)用既不便宜，也存在一定的缺陷，更尚未充分提升商業(yè)的價值，更需要企業(yè)家、產(chǎn)品經(jīng)理等管理精英們的創(chuàng)造性思維，使大數(shù)據(jù)能正確地產(chǎn)生商業(yè)效應(yīng)。

       現(xiàn)狀：盲目收集與淺應(yīng)用

       目前，大數(shù)據(jù)應(yīng)用中有個怪現(xiàn)象，就是有什么數(shù)據(jù)就收集什么數(shù)據(jù)，至于將來有什么用，一概不知�；蛘弑е跋仁占僬f，將來總有用”的態(tài)度。我建議，應(yīng)從問題、愿景導(dǎo)向來收集數(shù)據(jù)。一方面，數(shù)據(jù)的收集、存儲備份等成本都不低；另一方面，數(shù)據(jù)的價值也可能衰減。

       以用戶為核心的KPI體系能實現(xiàn)與客戶行為的點對點連通，是未來發(fā)展的大趨勢。傳統(tǒng)的用戶價值是以利潤貢獻(xiàn)為核心衡量指標(biāo)，而在大數(shù)據(jù)時代，客戶關(guān)系的管理不同了。例如，我要知道一個客戶一個月內(nèi)到淘寶多少次，不管他是否購買，要看他與淘寶的關(guān)系到底怎么樣。

       就現(xiàn)狀而言，大數(shù)據(jù)技術(shù)更多地用于推薦和營銷，不是因為它更容易，而是因為它容錯的空間更大。比如，推薦系統(tǒng)給出了顧客不喜歡的推薦，大不了重新推薦;然而一旦上升到直接解決問題的層面，容錯空間就大大縮小了。例如，利用大數(shù)據(jù)技術(shù)來觀測空氣質(zhì)量，錯了也不會有太大影響，但如果把這個指數(shù)和某個商業(yè)運營掛鉤，就不是小事了。尤其是對數(shù)據(jù)的精確性要求較高時，數(shù)據(jù)的持續(xù)跟蹤與多源比對就顯得非常重要。然而正是在這些方面，大數(shù)據(jù)的應(yīng)用還停留在比較膚淺的層次，甚至壓根就飄在空中。

       因此，公司要建立數(shù)據(jù)收集系統(tǒng)，更重要的是建立跟蹤數(shù)據(jù)質(zhì)量的監(jiān)控，對一些關(guān)鍵數(shù)據(jù)要尋找多個源頭，一方面確保“雞蛋不在一個籃子”，另一方面要相互比對、印證。對于實際運營的企業(yè)來說，數(shù)據(jù)必須有連貫性，當(dāng)然真實性更是基本前提。

       大數(shù)據(jù)還是小數(shù)據(jù)?

       我?guī)缀趺恐芏家輹蛎嬖嚭芏鄶?shù)據(jù)科學(xué)家、數(shù)據(jù)分析師。我經(jīng)常問他們，“在你心里什么是大數(shù)據(jù)”�；卮痫@示，原來業(yè)內(nèi)的認(rèn)知分歧絲毫不比外行少——至少有一半受訪者或應(yīng)聘者對“大數(shù)據(jù)”這個概念根本就不以為然，而是更關(guān)注有價值的數(shù)據(jù)、數(shù)據(jù)能產(chǎn)生什么價值。換言之，在部分人看來，“大數(shù)據(jù)”本身就是一個偽概念。我常問的第二個問題是，到目前為止，你做得最好的大數(shù)據(jù)案例是什么?他們的回答各有不同，但有個共同點：用大數(shù)據(jù)來處理數(shù)據(jù)的稀缺性。比如，北京的空氣質(zhì)量監(jiān)測站是有限的，其數(shù)據(jù)對于監(jiān)測站附近范圍的質(zhì)量呈現(xiàn)是比較準(zhǔn)確的，但其余地區(qū)的質(zhì)量數(shù)據(jù)是非常稀缺的，但我們要據(jù)此判斷出北京市空氣的整體質(zhì)量。換言之，大數(shù)據(jù)能幫我們增加對未知部分的準(zhǔn)確度、精確度的把握。

       現(xiàn)在，有很多人討論大數(shù)據(jù)與小數(shù)據(jù)的關(guān)系。其實，這個問題與大數(shù)據(jù)如何落地密切相關(guān)。在我看來，大數(shù)據(jù)可以幫助商業(yè)運營者找到大致方向，但真正落地到商業(yè)操作，反而不如小數(shù)據(jù)更有用、更有效。比如，很多運營者宣稱自己的注冊用戶是多少量級的，但1億個注冊用戶的基礎(chǔ)數(shù)據(jù)，不如一千萬個活躍用戶完整的行為數(shù)據(jù)更具有價值。初創(chuàng)企業(yè)進行客戶探索、發(fā)現(xiàn)和驗證時，幾百個甚至幾十個顧客、用戶的完整數(shù)據(jù)比千萬級數(shù)據(jù)更有價值。也許正是因為數(shù)據(jù)量雖大，但每個數(shù)據(jù)單元都出現(xiàn)了斷裂或遺漏，導(dǎo)致大數(shù)據(jù)的價值難以被挖掘出來。

       因此，，應(yīng)用大數(shù)據(jù)的能力之一就是把數(shù)據(jù)變小的本領(lǐng)。在構(gòu)建數(shù)據(jù)模型時，你需要的樣本其實不是千萬，甚至不是面面俱到的數(shù)據(jù)，而是比較敏感的數(shù)據(jù)指標(biāo)。這對數(shù)據(jù)收集和分析人員是巨大的挑戰(zhàn)。實際上，大數(shù)據(jù)的應(yīng)用和落地也要以數(shù)據(jù)的細(xì)分為基礎(chǔ)。例如，某電商顧客的真實性別不一定與購物的性別偏向一致;再比如，關(guān)鍵詞搜索量要看北京、南京等地各為多少，而不是籠統(tǒng)地說增長了多少。當(dāng)我們用放大鏡細(xì)查大數(shù)據(jù)時，會發(fā)現(xiàn)有不少的“斷鏈”和欠完整。從某種意義上說，并沒有真正的“全面數(shù)據(jù)”，差別只在于放大鏡的倍數(shù)。所以，即使基于大數(shù)據(jù)進行決策，也仍然有猜測和賭博的成分，大數(shù)據(jù)和小數(shù)據(jù)應(yīng)該可以互為作用,而非比較兩者誰更強。

       傳統(tǒng)企業(yè)怎么辦?

       我們在談?wù)摯髷?shù)據(jù)的時候，在根本上忽略了一點，很多企業(yè)本身是有其架構(gòu)的，不會因為大數(shù)據(jù)就立即變得不一樣。很多公司連信息(information)都未打通，是堵塞、零散的，更不要說大數(shù)據(jù)的應(yīng)用了。大數(shù)據(jù)作為一種新的運營理念和方法體系，要想嵌入到公司里，必然要經(jīng)歷一個新事物在舊公司的所有困難。

       從有效的策略來說，先把既有的數(shù)據(jù)用好，比盲目推進大數(shù)據(jù)要明智得多。更進一步，要重新定義數(shù)據(jù)框架來解決存在的問題。比如，很多企業(yè)都開啟了公司微博，其測定效果是轉(zhuǎn)發(fā)多少、評論多少。但實際上要細(xì)分這些數(shù)據(jù)，進一步厘清誰、什么樣的轉(zhuǎn)發(fā)和評論才是有價值的，還要和相似的公司微博進行對比。

       傳統(tǒng)企業(yè)究竟是建立起獨立的收集系統(tǒng)，還是使用別人提供的數(shù)據(jù)?我認(rèn)為要兼有，既要有側(cè)重地獨自搜集，也要多源化地獲取數(shù)據(jù)，盡力排除各種數(shù)據(jù)在搜集過程中形成的偏差，這既是一個技術(shù)問題，需要數(shù)據(jù)人員付出艱辛的努力，也是一個戰(zhàn)略問題，需要回到前文所述的小數(shù)據(jù)問題。（來源：大數(shù)據(jù)文摘）

文章為作者獨立觀點，不代表經(jīng)管之家立場