在香港，有家日料店。這家店在很短時(shí)間內風(fēng)靡全港，開(kāi)了多個(gè)連鎖店。很多市民都知道這家日料店的海鮮非常新鮮實(shí)惠，價(jià)格只有別家的七折。 我也曾經(jīng)詢(xún)問(wèn)過(guò)這位大廚朋友，是什么能做到這么好的生意？

大廚神秘兮兮地問(wèn)我“你有沒(méi)有看到每個(gè)餐桌上的攝像頭？那就是我們的秘密武器。”

原來(lái)，這家海鮮店每天都會(huì )通過(guò)攝像頭，查看食客點(diǎn)餐、到餐的順序，以及剩菜的種類(lèi)分量。通過(guò)這樣的盤(pán)點(diǎn)，這家餐廳的老板可以準確把握消費者的喜好，從而對北海道的海鮮預購量也相對精準。也正因為此，這家餐廳的貨源流轉迅速，成本也隨之降低。

這是個(gè)有趣的案例。一家沒(méi)有ERP系統的傳統餐廳，通過(guò)攝像頭實(shí)現了對采購的信息化管理：收集用戶(hù)信息，分析進(jìn)而用于第二天的采購決策，循環(huán)反復，以此降低生意成本。

對很多人而言，大數據只是一個(gè)流行詞。在覺(jué)得數據距離自己業(yè)務(wù)很遠的同時(shí)，傳統企業(yè)又心生恐懼不知未來(lái)會(huì )怎樣：哪種生意可以用上數據？數據可以解決哪些具體業(yè)務(wù)問(wèn)題？

誰(shuí)需要大數據？

美國一家有著(zhù)百年歷史的傳統零售店，這家百貨店六年前就開(kāi)始大量收集競爭對手的價(jià)格數據。最近，他們除了做好了動(dòng)態(tài)的定價(jià)引擎，還著(zhù)手研究產(chǎn)品與人群匹配的自動(dòng)化系統。在電商領(lǐng)域，我們可以將用戶(hù)的認知分為三種：瀏覽者，購買(mǎi)者和消費者。傳統百貨店既不知道走進(jìn)商店的人們都逛了哪些店（瀏覽數據），也不知道消費者在每個(gè)品牌店都買(mǎi)了什么商品（購買(mǎi)數據），用了什么銀行卡買(mǎi)單，更不要說(shuō)消費者購物完成后，他們的使用體驗數據。

生產(chǎn)企業(yè)最痛的點(diǎn)，是我知道誰(shuí)幫我賣(mài)，但不知道誰(shuí)在買(mǎi)。對零售業(yè)這個(gè)問(wèn)題變?yōu)椋何抑勒l(shuí)在買(mǎi)，但不知道客人如何做決定的，更不知道他們用得如何，出了什么問(wèn)題也不知道。這是因為舊有的模式，數據無(wú)法跟蹤到門(mén)店之外，造成了生產(chǎn)和使用是脫節的。

但在大數據時(shí)代，生產(chǎn)企業(yè)可以利用社會(huì )化數據甚至傳感器跟蹤到用戶(hù)的使用方式。產(chǎn)品出了什么問(wèn)題，生產(chǎn)企業(yè)甚至能在用戶(hù)感知之前，就了解到問(wèn)題所在，并提供解決方案。

如果傳統百貨公司可以擁有這些數據呢？他們可以知道自己會(huì )員喜歡什么品牌，偏好什么樣的付費方式，也可以向生產(chǎn)廠(chǎng)商下單，預購符合會(huì )員興趣的商品。

數據可以幫助零售業(yè)對人群的需求與商品的供應快速有效率匹配起來(lái)，最大的價(jià)值就在這里。

當獲取數據變得越來(lái)越容易的時(shí)候，企業(yè)就會(huì )發(fā)現，不用數據做決策就會(huì )失去很多機會(huì )。未來(lái)的每個(gè)企業(yè)都會(huì )成為數據企業(yè)，每個(gè)產(chǎn)品都會(huì )成為數據產(chǎn)品。因為里面的優(yōu)化點(diǎn)都依賴(lài)于數據創(chuàng )新，數據會(huì )成為企業(yè)發(fā)展的驅動(dòng)力。

資源有限怎么做大數據？

中小企業(yè)在數據化中最大的問(wèn)題是資源有限，沒(méi)有太多的資源可供試錯，試錯空間也很小。因此，中小企業(yè)應該收集關(guān)鍵信息，而不是收集所有數據。

你可以選擇比較小的場(chǎng)景進(jìn)行數據收集、分析。這個(gè)場(chǎng)景要滿(mǎn)足以下條件：

1） 有沒(méi)有所需數據？

2） 數據準不準確？

3） 數據的實(shí)時(shí)性如何?

4） 數據與算法的匹配

5） 如何從錯誤中學(xué)習, 數據回流能否起持續優(yōu)化作用

最后的一個(gè)，是這些回流的數據能夠改善我們之前的認知。就之前日本料理餐館的案例而言，消費者的選擇就是他們最關(guān)鍵的決策依據，所以可以?xún)?yōu)先收集這類(lèi)數據。

而大數據，則是基于企業(yè)數據化基礎之上的數據整合、算法創(chuàng )新和產(chǎn)品化。比如，谷歌地圖之所以能告訴你前面的路堵車(chē)，其實(shí)是有賴(lài)于每個(gè)使用谷歌地圖的位置分享的實(shí)時(shí)整合。所以我認為政府的推動(dòng)，可以讓小企業(yè)減少得到數據的門(mén)檻、增加業(yè)界的數據功用，這樣就更有利于讓小企業(yè)也享受到大數據的科技。從產(chǎn)業(yè)鏈來(lái)看，小公司聯(lián)盟，把數據統一，用數據來(lái)解決一些業(yè)內彼此都不能解決的問(wèn)題。

中小企業(yè)不容易像大公司一樣有龐大的數據團隊。因此，中小企業(yè)在運用數據的時(shí)候，一定要有更穩妥的辦法，注重使用數據效益，可以嘗試從小專(zhuān)案著(zhù)手，再逐步拓展。

另一個(gè)值得注意的是，經(jīng)營(yíng)的本質(zhì)還是取決于創(chuàng )始人的方向與管理，大家不能本末倒置，一味期待透過(guò)數據就能解決企業(yè)所有的挑戰。

數據為什么是割裂的？

最近我遇到一位制造電腦硬件的廠(chǎng)商。他說(shuō)，內部生產(chǎn)都可以數據化，但發(fā)現與銷(xiāo)售需求嚴重割裂，“這些數據似乎內外接不上。”

為什么會(huì )出現這樣的狀況？

我常用的一個(gè)比喻是，開(kāi)餐館定菜單的往往是餐廳老板，但是每天買(mǎi)菜的是最底層的采購員。所以很少有餐廳能常出名菜，因為廚師沒(méi)法定菜單，也不能用到適合的好原料。

數據的創(chuàng )新是無(wú)時(shí)無(wú)刻的，算法的創(chuàng )新周期稍長(cháng)，而產(chǎn)品的創(chuàng )新往往是“十年磨一劍”。也因此，在企業(yè)擁有決定權的人，往往是擁有產(chǎn)品決策權的人。如果僅僅站在單一角度去看，很難找到數據和業(yè)務(wù)的結合點(diǎn)。

根據我的觀(guān)察，目前非常缺乏一種數據管理人才：他要對業(yè)務(wù)要有足夠的理解，明白數據能為業(yè)務(wù)起什么作用，了解技術(shù)更新與價(jià)值產(chǎn)生的關(guān)系，懂得從數據收集到加工，到新數據與歷史的整合，再到使用數據的便利性等等。其中，對業(yè)務(wù)和商業(yè)的理解，絕對是成為數據主管所需要的基本條件，但若是想達到杰出的程度，肯定要懂得如何在人材匱乏的大數據行業(yè)中，吸引和保留住人才的眼光和能力了。

對于業(yè)務(wù)人員，也可以問(wèn)問(wèn)自己：現在擁有的數據能幫我解決問(wèn)題嗎？假定所有數據可以獲取，我需要什么數據來(lái)解決問(wèn)題？要怎么做才能更更容易獲取需要的數據呢？

舉例來(lái)說(shuō)，我過(guò)去看到路上的交通狀況時(shí)曾經(jīng)想過(guò)，大城市里的計程車(chē)服務(wù)會(huì )不會(huì )有可能改善？我那時(shí)想著(zhù)，如果計程車(chē)上有個(gè)燈能顯示過(guò)去客戶(hù)對他的評價(jià)，那么司機為了保持住好評價(jià)，應該會(huì )提供更好的服務(wù)水準。這就是數據可能解決的一個(gè)簡(jiǎn)單例子。下一步才是如何設計一個(gè)容易的方法，讓顧客去評價(jià)。而現在的叫車(chē)軟件就是一個(gè)很好的實(shí)現案例。這是訓練數據敏感度的好方法，也是過(guò)去十年我個(gè)人一直在用的方法——透過(guò)周遭事物訓練數據敏感度，讓數字“說(shuō)話(huà)”。

最難點(diǎn)：在于你對自身的理解

大數據應用講求跨界和創(chuàng )新，更準確地說(shuō)，大數據的價(jià)值來(lái)自可以從多角度來(lái)看同一件事，全景觀(guān)察可以減少誤差及創(chuàng )造新的機會(huì )。但并不是要求大家能夠認知到全部外面的世界，而是能讓其他人的數據為你所用。

大數據實(shí)踐中最困難的地方在于你對自身的理解，再加上，隔行如隔山，外部整合回來(lái)的數據可能很有價(jià)值但同時(shí)也有很多噪音，大家并不完全清楚數據的來(lái)源和定義。

如何去看清楚自己呢？根據過(guò)去的經(jīng)驗，我認為首先是從小處著(zhù)手。

傳統企業(yè)在初期不要貿然就開(kāi)始一個(gè)非常大的大數據項目。數據化比較適合從小而具體，容易評估效果作為起點(diǎn)的專(zhuān)案開(kāi)始，以此鍛煉自己收集、加工、使用數據來(lái)做決策，以及衡量這個(gè)數據價(jià)值的能力，即以小知大。從小的場(chǎng)景開(kāi)始，用數據在商業(yè)場(chǎng)景中不斷優(yōu)化。

Axciom公司的首席數據官程杰曾經(jīng)提出過(guò)“數據的三層境界”：

數據1.0  自身業(yè)務(wù)產(chǎn)生什么數據，我們用什么數據做分析優(yōu)化；

數據2.0  將現有數據與自己的歷史或上下游數據交叉，由此優(yōu)化數據；

數據3.0  就是購買(mǎi)外部數據或者將自己的數據分享出去，數據是互溶共通的，在交融中，產(chǎn)生新的產(chǎn)品體驗。

這三層境界，都需要企業(yè)有不同的技術(shù)和架構去實(shí)現數據的提煉、加工和產(chǎn)品化、整合。這其實(shí)是一個(gè)不斷用數據來(lái)描述和還原企業(yè)業(yè)務(wù)的過(guò)程。

最近，阿里數據團隊成功地提升了快的打車(chē)的打車(chē)成功率。我們就疊加了數據的一次使用和二次使用。

我們將實(shí)時(shí)數據與歷史數據整合。原來(lái)APP在發(fā)送打車(chē)需求的時(shí)候，是以打車(chē)人的地理位置為原點(diǎn)，每過(guò)幾分鐘擴散到附近300米，600米的出租車(chē)。這個(gè)消息的推送是以地理位置為推送邏輯的。但是假如附近的司機其實(shí)并不想去目的地，接單的成功率就會(huì )降低。因此，我們把司機“優(yōu)先目的地”這個(gè)數據加入推送系統中，就重新優(yōu)化了數據，讓更愿意接單的司機“可視度”更高了。也因此提高了整體的接單成功率。當然前面所說(shuō)只是優(yōu)化的其中一個(gè)點(diǎn)子。

在我看來(lái)，所有的數據產(chǎn)品都是與決策相關(guān)的。也因此，數據優(yōu)化的應該溯源于人或者機器中分析決策的每個(gè)環(huán)節，不斷更新你的錨點(diǎn)。

打破一個(gè)決策，首先要知道人們如何決策，以及有了新數據又如何改變決策。這兩者間的區別是什么？會(huì )帶來(lái)什么價(jià)值？大決策往往是由一連串的小決策組成的。比如快的打車(chē)APP提高效率的關(guān)鍵點(diǎn)，在于如何讓司機的數據與用戶(hù)的數據關(guān)聯(lián)，同時(shí)如何不斷交叉比對歷史數據，找到最高效的匹配。這其中最關(guān)鍵的是如何衡量數據回流的效用，在動(dòng)態(tài)中，找到新的錨點(diǎn)。

如今傳統企業(yè)已經(jīng)到了必將需要融入互聯(lián)網(wǎng)之中的時(shí)刻，這個(gè)時(shí)候實(shí)時(shí)數據就是你的新數據資料。當中的能力最為關(guān)鍵的是對實(shí)時(shí)數據的還原、提煉，并為企業(yè)所用。這就是一個(gè)“數據”持續優(yōu)化決策的過(guò)程——看清楚“你自己”的動(dòng)態(tài)過(guò)程。

通用電氣CEO杰夫•伊梅爾特曾說(shuō)：如果昨晚你睡覺(jué)時(shí)，GE還是一家工業(yè)公司，那么今天醒來(lái)就會(huì )變成一家軟件和數據分析公司。

作為傳統工業(yè)的代表，通用電氣都想通了，和人家說(shuō)，我已經(jīng)擁有千萬(wàn)級的數據點(diǎn)，傳統企業(yè)還有什么可猶豫的？

你還可以閱讀以下相關(guān)文章

家裝電商BuildDirect的大數據玩法； 

衛星大數據照耀農業(yè)；

工業(yè)大數據是中國贏(yíng)得新制造革命的核心競爭力；

為何九成高管不看數據，僅憑直覺(jué)？