車品覺

如果你玩過一個1 000 塊以上的拼圖，應(yīng)該不難體會，開始的5% 拼起來最為吃力，拼了25% 后就可以漸入佳境。大數(shù)據(jù)時代，計算機除了具有強大的計算能力和存儲能力之外，更加速了全民數(shù)字化的步伐；互聯(lián)網(wǎng)技術(shù)的快速發(fā)展為信息的連接與互通造就了條件；各種智能終端（包括智能手機）的普及讓大數(shù)據(jù)、人工智能的應(yīng)用成為相互加強的閉環(huán)系統(tǒng)，或者也可叫作數(shù)字經(jīng)濟引擎。我們正在數(shù)據(jù)化這個世界，在這個過程中，各領(lǐng)域中的數(shù)據(jù)拼圖組成的“數(shù)字天書”，也將呼之欲出。

數(shù)據(jù)的本質(zhì)是還原真實，推想未來

通常，我們用數(shù)據(jù)來度量。如果不懂得數(shù)據(jù)的本質(zhì)，就不明白它對未來的戰(zhàn)略方向有多重要。數(shù)據(jù)的本質(zhì)是還原真實，推想未來。一方面，用數(shù)據(jù)來幫助作現(xiàn)有決策分析，另一方面則幫助推演未來。比如螞蟻金服當初預(yù)測到未來信用很重要，而現(xiàn)狀是大多數(shù)人并沒有信用體系，于是開始做芝麻信用。

說到大數(shù)據(jù)分析，不得不提系統(tǒng)思維，現(xiàn)在流行的說法是生態(tài)圈。這個概念最早是美國麻省理工學(xué)院的教授提出的，叫動態(tài)系統(tǒng)學(xué)，后來將它從工具論借鑒到組織行為學(xué)的就是彼得？圣吉的《第五項修煉》。當我們分析大數(shù)據(jù)時，系統(tǒng)思維也很有用。當我們希望用數(shù)據(jù)還原整個世界的時候，如果不能系統(tǒng)地看世界，數(shù)據(jù)就永遠是片面的。以前看公司的經(jīng)營狀況，必然是看財務(wù)報表，但財務(wù)報表只顯示結(jié)果，很少顯示生態(tài)。以系統(tǒng)思維使用大數(shù)據(jù)時，就會知道，系統(tǒng)與系統(tǒng)之間的反饋平衡，會有延后作用，這在數(shù)據(jù)分析時很重要。有的數(shù)據(jù)，今天是對的，但三個月后就不對了；也可能三個月后是對的，但當下是錯的。

好比夜晚從宇宙中的某個點看地球，看大數(shù)據(jù)時，你會發(fā)現(xiàn)某些地方是不亮的，因為有些行業(yè)根本就沒有數(shù)據(jù)化；有些雖然數(shù)據(jù)化了，但非常復(fù)雜；還有一些地方已經(jīng)開始經(jīng)歷移動互聯(lián)網(wǎng)化甚至物聯(lián)網(wǎng)化。光亮度越高的點，必然是未來領(lǐng)先的行業(yè)。比如廣告和內(nèi)容推薦類，是最容易做的，淘寶、今日頭條正是這樣的公司。下一個則是金融。金融原本就是高度信息化的，數(shù)據(jù)化成本最低。對金融行業(yè)來說，大數(shù)據(jù)起風(fēng)險管控作用的兩把刀，主要體現(xiàn)在客戶信用度及還款能力兩方面。再下一個行業(yè)則是醫(yī)療，目前應(yīng)用最多的是圖片識別。在美國，初創(chuàng)公司Kyruus 正在深挖醫(yī)療領(lǐng)域數(shù)據(jù)，高效配對醫(yī)生和病人，使得大量醫(yī)療資源不被浪費。但我們也發(fā)現(xiàn)，很少有醫(yī)院把病人數(shù)據(jù)全部輸入電腦，所以，雖然大數(shù)據(jù)是把鋒利的寶劍，但也不是一捅下去就能解決所有行業(yè)的痛點。相對來說，游戲行業(yè)因為用戶行為100%被記錄，可以說是“完美數(shù)據(jù)”，用人工智能來模仿一個游戲選手去擊敗另外選手，是非常容易的。此外還有零售行業(yè)，雖然目前線上購物行為已經(jīng)很多，但仍還有近90%的購物行為在網(wǎng)外進行，在線的數(shù)據(jù)記錄還可能有偏差，所以這一塊的發(fā)展仍有很大的空間。

數(shù)據(jù)是虛的，解決方案是實的

人工智能帶來的變革，在于萬物互聯(lián)后的巨大信息流。面對這種巨大的變革機遇，企業(yè)如何做？

從大數(shù)據(jù)的角度，一方面要找到知識產(chǎn)生和業(yè)務(wù)增長的關(guān)聯(lián)處；另一方面，要關(guān)注如何有效積累大數(shù)據(jù)，因為它們是知識倚賴的“原材料”。這也是大部分企業(yè)從想到做的過程中，“不知道自己不知道”的地方。2010 年，阿里的數(shù)據(jù)化運營也是摸著石頭過河，最初數(shù)據(jù)分析產(chǎn)品其實還不到50 個用戶，業(yè)務(wù)方對數(shù)據(jù)化管理一點也不感冒。到了2015 年，阿里的數(shù)據(jù)平臺上使用一手具體分析工具的用戶已經(jīng)超過8 000人 。

我對有意布局數(shù)字經(jīng)濟的企業(yè)有八條建議：關(guān)注業(yè)務(wù)決策的過程，從問題中找尋數(shù)據(jù)化的機會；企業(yè)數(shù)據(jù)能力的泛化，要建立在數(shù)據(jù)產(chǎn)品的靈活性上；建立規(guī)范，確保數(shù)據(jù)供應(yīng)的質(zhì)量及穩(wěn)定性；促進企業(yè)內(nèi)部數(shù)據(jù)共創(chuàng)與共享機制的建立；建設(shè)外部數(shù)據(jù)積累及有使用權(quán)的數(shù)據(jù)戰(zhàn)略儲備；培養(yǎng)海量數(shù)據(jù)的深度分析能力；阻礙大數(shù)據(jù)發(fā)展的是倫理和法規(guī)；把“門窗”關(guān)好，數(shù)據(jù)越多，責(zé)任越大。

這八點是從公司戰(zhàn)略層面上講的。從能力上來強調(diào)則是三個要點：一是從業(yè)務(wù)決策中找尋數(shù)據(jù)化的能力；二是海量數(shù)據(jù)分析能力；三是“借力打力”的能力。要把難題留給外面的專業(yè)機構(gòu)去解決。

值得一提的是，與大數(shù)據(jù)的4V（Volume-量大、Variety-多樣、Velocity-速度、Value-價值）相比，現(xiàn)在移動大數(shù)據(jù)的核心重在實時（real time）、適時（right time）以及全時（all the time）。任何一個完整的高效服務(wù)都離不開這3T。以零售業(yè)為例，實時是實時數(shù)據(jù)的獲取和推送能力，未來將通過手機或智能穿戴設(shè)備，贏得越來越多接觸用戶的機會。這些機會將為我們提供大量的時空信息，把每一刻感知到的用戶數(shù)據(jù)延續(xù)，也就是全時。有了這種感知能力之后，如何知道何時是推薦服務(wù)的最佳時機呢？就必須要有全時的數(shù)據(jù)收集，才會知道用戶的需求規(guī)律以及營銷的關(guān)鍵點，做到有效觸達。

數(shù)據(jù)是虛的，解決方案才是實在的。沒有場景作目標的大數(shù)據(jù)如同散沙，但太實相的大數(shù)據(jù)又不靈活。所以，不論金融大數(shù)據(jù)還是醫(yī)療大數(shù)據(jù)、零售大數(shù)據(jù)，都會經(jīng)歷從無到有，從有到高度連接，從高度連接到實時流通，最后通過工程化，把數(shù)據(jù)提煉成隨時可用的“業(yè)務(wù)石油”。到那時，就會產(chǎn)生無限商機以及無與倫比的回報率。

“養(yǎng)數(shù)據(jù)”的三個竅門

大部分人依舊持有“取之所用，無用則棄”的傳統(tǒng)信息理念。事實上，有目的地收集到的信息不叫大數(shù)據(jù)，大數(shù)據(jù)是不加選擇地存儲所有看到過的信息，這些信息未來可能對其他事情有幫助。換句話說，留著暫時無用猶如“養(yǎng)兵千日，用兵一時”。

很多公司也知道數(shù)據(jù)很重要，一旦落實到要制定一個數(shù)據(jù)戰(zhàn)略，就覺得上不了手。因為從表象來看，數(shù)據(jù)是海量的。要把海量的數(shù)據(jù)變得可用，就需要數(shù)據(jù)的標準化，但這樣會很費資源。對決策者來說，此時就要著眼于解決企業(yè)痛點和戰(zhàn)略布局，養(yǎng)數(shù)據(jù)絕不是“為養(yǎng)而養(yǎng)”。沒有天貓超市之前的阿里，“養(yǎng)”與物流有關(guān)的數(shù)據(jù)看上去是浪費，但做天貓超市就一定要建自己的物流?！梆B(yǎng)兵千日”，要看戰(zhàn)略的長遠，打不同目標時所需要的數(shù)據(jù)是不一樣的。再如，客服數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)打通后，會發(fā)現(xiàn)里面有很多寶藏讓我們更好地服務(wù)客戶。

行情好的時候不“養(yǎng)數(shù)據(jù)”，臨要用的時候就很難抱佛腳。這里有三個小竅門。

第一，AAR 原則鎖定客戶。第一個 A是 acquire（獲?。?，即如何用最有效的方法獲取核心客戶。第二個 A 是 activate（活躍），讓獲取到的客戶快速成長，變得活躍、有黏性。R 即 retention（保留），防范核心客戶的流失。這三個階段數(shù)據(jù)都可以貫徹始終，既可以幫你找出核心客戶，也可以告訴你什么服務(wù)和價格能讓他們變成忠誠客戶，同時還可以用數(shù)據(jù)模型來預(yù)測客戶未來的需求，甚至是他們離開的概率。當企業(yè)充分掌握客戶當前狀態(tài)的數(shù)據(jù)后，就可據(jù)此進行預(yù)測，發(fā)現(xiàn)問題馬上糾正。例如企業(yè)亂發(fā)現(xiàn)金券或經(jīng)常打折，不但太“博愛”，還會讓客戶養(yǎng)成“無折不買”的習(xí)慣。

第二，行為數(shù)據(jù)比結(jié)果數(shù)據(jù)更有價值。企業(yè)通常關(guān)注的重點是交易數(shù)據(jù)，比如一天有多少客流量、多少交易額，卻忽略了這些交易背后的原因。當把客戶的行為數(shù)據(jù)（交互行為）和交易數(shù)據(jù)相關(guān)聯(lián)時，就會知道，用什么產(chǎn)品吸引什么客戶最有效、什么價格能讓這些客戶活躍起來、怎樣讓他們對這個平臺更感興趣。我們甚至可以預(yù)測客戶流失的蛛絲馬跡。通過行為數(shù)據(jù)去發(fā)現(xiàn)客戶如何決策是個重要課題，即使是負面數(shù)據(jù)也可能有正面作用。

第三，從小處著手。假如是小企業(yè)，可以從結(jié)構(gòu)化的、已有的數(shù)據(jù)開始，一步一步開展。中小企業(yè)要有清晰的具體目標：希望數(shù)據(jù)幫自己做什么、數(shù)據(jù)能解決什么問題。必須謹記，我們面對的是消費者，數(shù)據(jù)的收集、整合、決策、反饋都必須從消費者出發(fā)，以人為中心。另外，企業(yè)不應(yīng)把客戶看成一個整體，因為解決了客戶的一般性需求，不等于了解了客戶的特殊需求。

數(shù)據(jù)思維的妙用

談數(shù)據(jù)離不開量化。量化是對被量化的事物的一種映射，就像照X光片。我們要明白量化后的數(shù)據(jù)是為了解決什么問題，以及在量化的過程中如何降低噪聲，增加穩(wěn)定性。過去數(shù)據(jù)很難獲取，所以人們喜歡用經(jīng)驗預(yù)設(shè)簡單維度，這種局面隨著大數(shù)據(jù)時代被快速改變。一些看似毫無關(guān)聯(lián)的事情，卻是過去分析時的盲點所在。所以要改變傳統(tǒng)觀念，將思維方式從經(jīng)驗驅(qū)動轉(zhuǎn)變?yōu)閿?shù)據(jù)驅(qū)動。這不僅僅應(yīng)用在處理大數(shù)據(jù)上，也可以走出數(shù)據(jù)世界，應(yīng)用到工作的管理上，甚至應(yīng)用到人生中。

比如說，你可以去量化某次會議上，CEO 在別人演講時的幾個動作信號：點頭、寫筆記、發(fā)問，這樣大致可以得出該公司CEO對每一個主題演講的專注度。用這種方式作出相應(yīng)的關(guān)鍵詞分析，可以事半功倍。再如，遞送報告給管理層，每一個高管的反應(yīng)是不同的，量化他們的反應(yīng)，事后在回顧總結(jié)時可以還原并改進。所以不要說數(shù)據(jù)是冷冰冰的，恰當?shù)剡\用數(shù)據(jù)思維，它可以幫助你解決熱乎乎的問題。