我們在生活或工作中會碰到以下情景：公司的女神安娜一直喜歡吃哈根達斯冰激凌，幾乎每天要買一杯，但某一天，她卻拿著一個DQ冰雪皇后品嘗得津津有味；公司屌絲程序員李甲上班早，加班多，完成任務代碼質(zhì)量高，公司團建活動也積極參與，連續(xù)多個季度是公司的優(yōu)秀員工，突然某一天，態(tài)度堅決提出離職，說要回家支教。
我讓從事大數(shù)據(jù)服務的朋友來預測和解釋，朋友講，如果按大數(shù)據(jù)基本算法推測，女神安娜是不會吃DQ的，因為她的行為數(shù)據(jù)已經(jīng)表明，她會繼續(xù)吃哈根達斯；同樣，行為大數(shù)據(jù)分析得出，程序猿李甲很快會晉升為研發(fā)經(jīng)理或總監(jiān)，而無法預測某天他要回鄉(xiāng)支教。那么問題來了，基于受眾行為大數(shù)據(jù)建立應用模型能取代實時的心理反饋數(shù)據(jù)嗎？兩者如何結合？
事實上，做數(shù)據(jù)有兩個概念：一個是大數(shù)據(jù)，一個是快數(shù)據(jù)。比如，我們雙11在天貓或京東上購物，我們在這些網(wǎng)站的所有行為：瀏覽網(wǎng)頁、對比商品、下訂單、付款、評價商品等等，構成了一幅大數(shù)據(jù)畫面，而所有天貓上的用戶的大數(shù)據(jù)畫面即組成了大數(shù)據(jù)組合。天貓可以根據(jù)大數(shù)據(jù)組合分析哪個省的女神罩杯大，預測哪些商品會暢銷；也可以根據(jù)一個人的行為軌跡大數(shù)據(jù)建立模型來預測她可能對什么商品感興趣，進行廣告的定向投放。當這個用戶不去點擊這樣的廣告或者這個用戶離開天貓，一個月后才再次上天貓時，我們無法從行為大數(shù)據(jù)去找到相關性或者原因。這個時候，快數(shù)據(jù)出現(xiàn)了，對于未點擊廣告或者離開天貓一個月才來的用戶，商家一般通過問卷反饋表的方式，收集用戶當時的想法，基于這個問卷反饋表的數(shù)據(jù)，他們即可以實時知曉用戶心理反饋，并采取對應措施。
問卷能幫助反饋用戶心理，打造“快數(shù)據(jù)”效果。如全球500強公司強生用問卷的方式收集員工想法，并結合員工的日常表現(xiàn)進行評估打分；初創(chuàng)公司V電影用問卷表的方式收集制作人的需求，快速的進行產(chǎn)品迭代；樂視TV用表單進行售后服務意見的收集和管理；小米公司通過快數(shù)據(jù)進行智能硬件試用…
為什么快數(shù)據(jù)能在很多場景上得到應用？不論是大數(shù)據(jù)還是快數(shù)據(jù)，其實我們在應用和解讀時，都不能離開對“人性”的理解，對于“人性”的理解，才是我們建立數(shù)據(jù)解讀模型的關鍵。而恰恰在這一點，實時反饋互動的快數(shù)據(jù)更加能在數(shù)據(jù)中體現(xiàn)對“人性”的理解。
大數(shù)據(jù)和快數(shù)據(jù)可以非常好地形成互補關系，相互映射，相得益彰。比如，在美國，當你訪問著名購物網(wǎng)站亞馬遜時，一方面它基于你的瀏覽行為大數(shù)據(jù)推薦圖書；一方面在你離開網(wǎng)站時會給你一份3-5個題目的反饋表，了解你的心理活動；兩者結合起來，第二天你可能就會收到它的小禮品郵件或者促銷郵件。據(jù)前亞馬遜數(shù)據(jù)科學家分析，這樣的大數(shù)據(jù)和快數(shù)據(jù)互動模型的建立，讓亞馬遜的滿意度提高了1.5個百分點。
快數(shù)據(jù)會不會成為繼大數(shù)據(jù)后的一個新熱點？事實上，企業(yè)、傳媒機構、政府、高校等社會組織是最大的客戶。這些用戶對于大數(shù)據(jù)有需求，同樣對于基于實時反饋互動的快數(shù)據(jù)需求非常旺盛。在美國，基于問卷調(diào)查的快數(shù)據(jù)公司Surveymonky估值已經(jīng)超過20億美元；另一家快數(shù)據(jù)公司Qualtrics也剛以超過10億美金的估值完成新一輪融資。
未來，快數(shù)據(jù)，大數(shù)據(jù)，如何發(fā)展，會水乳交融嗎？讓我們拭目以待。
京公網(wǎng)安備 11010502049343號