神策數據CEO桑文鋒：數據思維與數據價值丨【芒種·觀點】
調查就像“十月懷胎”，解決問題就像“一朝分娩”。
6月6日，騰訊媒體研究院旗下芒種特訓營運營季在北京舉辦，神策數據創始人&CEO桑文鋒老師在課上進行了分享，騰訊媒體研究院將部分內容整理成稿，以下為具體內容。
1
穿越歷史看數據思維
我們談到數據分析、數據這些東西，大家的直觀感受肯定是“這種東西是從國外來的”。國內相關歷史文章提到數據兩個字的基本沒有，因為沒有形成這樣一種概念。我們很多時候講數據驅動，都是從美國、硅谷那邊引進來的。
在我看一些歷史資料的時候，我會研究中國人之前到底有沒有數據意識，會不會考慮到這些點。最近這半年我都在研究黨史，因為我覺得創業一定要去學習更成功的創業者。在地球上最大的創業莫過于此了。這些創業者中也有乘風而起自成體系的開山創業者，這其中毛主席絕對具有獨特性，因此我年前也把毛選看了一遍。
毛為什么這么厲害？研究來研究去，最重要的一點就是毛擅長做數據分析。
80后肯定都學過這篇文章——《反對本本主義》。這篇文章講清楚了調查的重要性，而調查就是做數據搜集——“沒有調查就沒有發言權”。文中還有另外一句話“調查就像十月懷胎，解決問題就像一朝分娩”——把調查做好了，這個事兒就非常明白了。毛選前面講的都是調查研究，比如湖南農民的調查報告等，毛思想的起點就是做調查，通過調查了解實際情況。
網上經常會出現一些段子，講KPI怎么怎么不好。但是在現實工作中，如果想把大家的精力放在一起去、讓大家的方向是朝一個點努力，KPI不失為一種有效的手段。所以數據分析、數據理念對一個國家來說是有益的，對一個小的公司來說更加成立。
因為中國歷史上缺乏數理化，于是我們小時候習慣了拍腦袋憑感覺去做決斷，在數據上利用率不是特別高。更多的時候講人文、講政治，可能你文章寫得好，你當丞相了，不是你生產搞得好。但是現在講科技是第一生產力，思路必須完全不一樣。
2
數據價值：驅動決策與產品智能
回到現在，數據分析到底有什么樣的價值。我總結有兩點，一點是數據是驅動決策，幫助你“拍板”。這里面包括做一些產品的大的戰略規劃，或者做一些商業決策，比如在北京開一個餐館開得挺好，下一步準備在哪開分店等，這些都需要有數據支撐。
第二，數據驅動產品和運營。產品迭代的過程并不是由你拍腦袋來決定，只有通過數據才能證明怎么改較為合適。也不是上了一個新版就有可能帶來業務的增長，新版很可能讓用戶加速流失。運營同樣如此，大家主要做內容創業，關心的是內容。那么這個內容是哪些用戶喜歡的？公眾號可以通過哪些數據來看運營情況的好壞？這是可以做運營的。
另外這些不拉過來的不同的用戶看你這一篇文章，他是否被你黏住？之后他是否又留在這個平臺里面關注你？或者成為你的一個核心付費用戶？這個過程也得依靠數據。
還有就是管理，管理用數據說話。一是做得好不好，看你KPI完成的情況，完成得好就是做得好，我們就是用一些數據指標評判考核。
但在我看來在這些只能發揮數據20%的價值，數據更大的價值是驅動產品智能。
產品智能是什么？我們有了數據，套上一定的策略算法，讓產品本身具有一種學習能力。我拿輸入法作為一個例子，2001年的時候我在讀大學，那時我們用的智能ABC還有微軟輸入法來打字，打得速度又慢性能也不行。2006年，搜狗輸入法出來了，我相信大家對它都有很直接的感知，它甚至具備了糾錯能力。
為什么這些輸入法變得越來越強大？背后靠的是數據。到搜狗輸入法的時候，它本身已經是一個搜索引擎，它將網上大家經常搜索的檢索詞收錄起來了，然后把這些信息都搬到輸入法的詞庫里，這就是過去一年多比較火的AI。AI的核心就是用數據讓產品本身具有學習能力，而不是一個傻瓜思想。
所以現在這些可能還不夠普遍，但是勢頭已經起來了，再過三五年會更加明顯。
3
如何讓數據驅動產品、驅動運營？
首先，對一個公司來說，不是有了幾張報表或者有幾個核心指標就叫數據驅動、就實現全面的數據分析了。更系統地考慮這個問題，一定要考慮“全角色”，不同的角色，不管是產品、運營、市場、銷售、分析師各個決策，都應該引用數據。比如一個便利店里面一個店員，是不是他也是掌握數據的。我去年的時候看一本書，講7—11便利店的零售哲學，里面講了一點，7—11便利店里面每個店員都能夠決定進什么貨，他會搜集這個店里面賣了哪些商品、哪些商品賣得好。這就是讓每一個人都用數據，工作比較有效。
另外就是全渠道，要把線上線下打通結合起來，大家雖然做內容創業的，但有些不止做內容，后面還有賣貨賣服務。這些信息是不是能夠打通起來，把它關聯起來去做溝通。
第三點就是全流程。任何公司做的事情都是一個業務流程，從最開始市場、銷售到后面去服務，整體就是流程，這個流程里面各個環節是否都能引入數據？或者引入數據之后讓它變得更加智能？這都是數據能夠起到作用的點。
實際情況當然沒有那么理想了，真正在實際業務里面對數據的運用、對數據分析的數據意識反差是很大的。大家可以回想一個問題，最近你做的決策里面有多少是基于數據的？還是憑你的直覺，你的直觀感受比較準，然后用它去做的？然后你的直覺里面，你的直覺判斷里面有多少是對的？可能大部分是對的，但是更多可能是錯的，你會發現很多結果與你想的不太一樣，那就是因為你沒有數據，定性憑感覺作判斷的精確性是不夠高的。
另外你也可能只是看了一些宏觀的資料，比如看到昨天用戶活躍度這個指標跌了4%，然后你就想知道為啥跌了4%，假如你只有一個宏觀日活的統計，沒有具體的數據，那該怎么去做宏觀分解？光有一些數還不夠，還要精細化維度的東西。
4
大數據之“大、全、細、時”
如何把數據做好？這就牽扯到你對數據的理解，大數據的概念已經很久了，我分享一下我所理解的大數據。
首先說“大”，大是更宏觀、更系統的概念。比如我們把全國各個地級市今天的蘋果價格拿過來，這個數據可能只有2M大小，但是如果我們去內蒙古風力發電機，一臺風機振動數據拿過來大家有多大，估計有50GB。這一天哪個產生的數據更大？肯定是風機產生的數據更大。但是風機叫不叫大數據？在我看來就不叫，因為物理量是很大的，只是采了某一個節點。相反我們搜集全球各個地級市的蘋果價值，根據這個做蘋果的智能調度系統，這個就是一個很牛的大數據系統了，它的價值就不一樣了。很多時候因為我們掌握了全局整體系統的信息，判斷的時候就是高屋建瓴了，能夠對這個事情作一個更好的判斷。
第二點就是“全”。各種數據我們都應該把它搜集起來，而不是自己抽樣。抽樣就會有問題，因為很容易會造成偏差。比如去年的時候美國大選，大家在開始之前都認為是希拉莉獲勝，獲勝率是80%，川普不靠譜只有20%的支持。但是結果一開是川普贏了，大家都在分析到底問題在哪。
其中一個原因是美國中部有很多農民，農民是比較贊同川普的，因此調查只是基于網絡上的統計偏差，最終得到了一個錯誤的結論。每個人去做調研的時候都會存在這樣的問題，像快手這樣的產品冒出來的時候，很多人覺得挺驚訝的，我怎么就沒有想到這個需求？因為采樣的標準一出來，基本上需求是什么就出來了。
第三個是“細”，也就是多維度。比如我問在座的各位，你們的產品中不同身高的客戶在閱讀時間上有什么差異，你可能很難回答，因為你可能沒采集身高這個維度，那后面就沒有辦法作分析了，這其實就是細，細就是強調維度。
不是你這個維度的用戶來了，但量很小，就不需要做這個分析。量雖然小，但是同樣有價值，可以通過不同的維度不同的視角看這些數據，同樣可以得到非常有價值的分析。
最后是“時”，時就是強調時效性。現在的信息獲取跟以前不一樣，現在一旦出了事兒，當天全世界就都知道了，信息時效性與原來有根本差別。同樣，2008年金融危機的時候，如果你比大家都提前半年知道這個信息，你就可以做空或者做多一些股票。同樣一條信息，告訴你的時間不一樣，價值也不一樣。
這就是我理解的大數據，大數據從物理層面來說數據既大，也包含全體系。我們在做數據采集的時候，要把更大、更細、更全地做出來、搜集出來。
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）