誰擁有大數據?
那些擁有穩定、豐富數據源的公司，淘寶、百度、騰訊是絕對自有數據源的公司。艾瑞咨詢技術副總裁郝欣誠同意這一說法，認為一些淘寶店鋪不能稱為有穩定豐富數據源的公司。
因為他們的視角往往停留在本身的店鋪內，當在他們店鋪中沒有出現某種人，便認為某種人是不存在的。但淘寶的視角會更高，更容易看到全局，他們擁有海量的數據，只要某種人在一家店鋪出現，便能判斷這種人是存在的。
如果單純停留在自身數據中，往往容易出現盲人摸象的尷尬，用片面的數據錯誤地描繪消費者的全貌。當淘寶的賣家離開淘寶數據的支撐，只能稱之為有數據分析，決不可稱為大數據分析。
所謂的大數據，是需要跨視角、跨媒介、跨行業的海量數據，也可以理解為數據的收集方法。當數據的規模和豐富度達到一定程度，大家才開始提出大數據的概念。
而如今的電商，大數據之路又行至何方?
電商數據現狀
“如果不到10萬單量，在基數這么低的情況下，能分出什么維度來嗎?根本不需要大數據。”NOP創始人劉爽認為，只有淘寶、京東、亞馬遜這樣級別的公司，才有海量數據，才需要大數據。
現在的電子商務企業，日均能達到十萬單的少之又少。在有海量數據積累的基礎上，還要有一套優秀的BI系統，而且必須是按公司需求定制，才可能實現大數據。
對于現在大多數的電商企業來說，根本沒有走到這一步。
劉爽向記者舉例說，宏觀調控在小市場的確有效，一旦市場變大便依賴市場化。由此可見，在企業小的階段，有經驗的拍腦袋效率最高。
的確，不少賣家對自身的數據都沒有一個標準化運營、收集、分析的過程。所以談大數據，多數只是癡人說夢。
以庫存舉例，多數淘寶賣家對自己庫存的即時數據并不了解，更不可能清楚庫存銷售的利潤。往往出現這種情況——庫存都是賣不掉的貨，好賣的貨早已經斷貨。如果光看庫存，會發現指標挺健康，但所謂的庫存基本是壞賬，所以根據庫存預計銷售利潤，不是每家企業都做得出來的。這就說明數據管理水平有待提升。
在企業內部，有大量的決算數據需要耐心收集，但一般商家都沒有專門的部門做這件事情，所以很難獲得高質量的數據給自己提供決策支持。
事實上，賣家之所以對數據茫然，是因為數據壓根不全，對數據的管理和獲取不夠，直接導致無法利用數據。
而大數據之所以被熱炒，是因為少數巨無霸企業在其中獲得了巨大商業價值。
例如亞馬遜，從虧損到盈利，大數據功不可沒。不管是巧合還是時機成熟，亞馬遜的確在采用了重量級的大數據分析后，業績才逐漸好轉。可以想象，亞馬遜很多基于數據的決策都有著大數據的影子。
亞馬遜上，囊括了美國所有生活必需品。因此它充分掌握消費者的原始數據，做出來的判斷具有預測性。甚至可以向商家定制在某一價格段有某個特殊性能的商品，只供亞馬遜，并能保證熱賣。
而這一切都是根據亞馬遜所具有的大數據源，進行收集、分析所推測出來的。
辨別大數據與數據
究竟大數據這個概念是否“虛高”呢?
畢竟像亞馬遜這樣的公司屈指可數，大多數的電商企業還處于起步階段。這不得不讓人重新思考大數據和數據之間的關系。
大數據與數據是兩個極易混淆的概念。對兩者的區別，每個人的理解也大相徑庭。
劉爽認為，大數據是基于交易、商品與用戶的匹配。商品很多，人很多，把它們精準地匹配在一起，是很難的一件事情。
普通的企業內部業務經營指標——庫存、成本、商品，這是一個封閉的結構，是由企業決定的，好的分析或許可以對它施加影響。大數據很難強行調控，只能追蹤，想辦法匹配。
而艾瑞咨詢分析師傅志勇則認為，之前所說的數據，是一種狹隘的定量數據，利于企業內部流程優化，而大數據是在定量數據的基礎上，做了一個更大范圍的延伸，給企業提供決策支持。
也可以理解為，大數據是對數據本身的價值權重進一步的詮釋，即數據在決策中所起到作用的權重在提高。
大數據其實是一個更大范圍的數據，就是從最初獲得信息一直到最后的銷售數據。麗人麗妝CEO黃韜覺得大數據的數據量往往很大，而且一旦精細研究，數據量的增加也會異常驚人，甚至超出運算能力。
暫且不管大數據和數據如何定義，對于目前的電商企業而言，僅僅是希望通過數據分析帶來流程的優化。
對此，郝欣誠認為，在未來的兩到三年內，電商企業多去關注營銷領域，會出來一大批大數據的營銷工具。
大數據的價值是潤物細無聲，每一個消費者和賣家都在享受大數據的成果，但是在使用時，并不覺得是大數據。
其實，最早買百度關鍵詞，百度會提供一個關鍵詞排名篩選系統，搜一個詞，系統會自動提示其他相關熱銷詞，并告知哪些詞更容易接觸同類消費者。這是最早使用大數據的系統，是基于百度每天上億次搜索的總結。
每一個買百度關鍵詞的公司，其實都在使用數據產品。此外，淘寶直通車、數據魔方都也是大數據的衍生工具。
如果賣家希望在大數據領域分得一杯羹，必須清楚自己只是數據的使用者。要重視大數據的使用，靈活使用大數據工具，這些工具才是目前走在大數據最前沿的技術。
大數據對商家的價值，很大程度上取決于第三方服務商能夠提供怎樣的數據工具。作為商家，應該從幾十家甚至上百家工具提供商中，找到適合自己的大數據工具。
著眼情報數據挖掘
除了大數據工具的運用，情報數據也是電商公司真正應該關注的。
所謂的情報數據處理人員，從日常的工作場景來看，出去奔波收集情報的工作占了多數份額。他們會跟上下游供應鏈，以及進行跨部門溝通。例如，一個采購人員應該去生產線，去分析每家供應商的生產水平如何，優秀的工廠和二線工廠的生產周期區別，哪里的原材料采購價格最低。一般來講，這樣的一條情報能使用一到三年。
雖然數據性不強，但這些情報價值十分高。郝欣誠說得更為直截了當：“講數據挖掘不如講情報挖掘，情報挖掘才能夠為電商企業提供真正生產力級的支持，如果情報挖掘都沒做好，就想把它數字化和量化，有點操之過急。”
舉個夸張的例子，當一個品牌商擁有20萬家生產廠商無從選擇時，為了找一個與需求相匹配的生產企業，才需要建立一個大數據模型，進行篩眩而現在只需情報先行，當規模達到一定程度難以進行決策時，才使用數據挖掘技術。
的確，大數據的應用要滲透到中國的電商企業內部，還有很長的路要走。
而營銷領域則不同，市場營銷的數據模型已經成熟，而互聯網又帶給電商企業足夠多的信息源(+微信關注網絡世界)，大數據的應用已經可以直接給決策層提供建議，可以理解為“有米下鍋”。
以淘寶原創女裝品牌橡菲為例，他們會每天花費500~1000元做情報挖掘。他們有專門的情報收集人員，根據數據魔方、量子恒道、CRM系統分析數據，再把這些信息結合輔助最基本的經營決策，考慮下一款新商品款式如何，基于對老會員的分析，是否需要拓展新類目等等。
比如，當橡菲有50件商品、100萬現金時，究竟應該怎么安排生產?情報挖掘人員會提醒決策層，這其中有2件爆款、6件長尾、2件滯銷品，甚至可以提出對各款商品的補貨、清倉建議。從系統中取得所需數據并不困難，但數據需要進一步拼接，再去思考各個數據之間的因果聯系。
通俗來理解，商業領域中的情報，是商業邏輯。
“情報支持的是對商業邏輯的理解，而數據支持的是對商業情報的處理能力。”郝欣誠認為必須先做情報挖掘，再做數據挖掘，如果情報沒做好相當于對商業邏輯的理解沒達標，指望著數據直接講清商業邏輯，有些南轅北轍。
數據無法替代商業邏輯
大數據需要在量化數據的基礎上，加上商業邏輯，才能幫助電商企業做全局性、系統性的決策。排除一系列不可控因素，把結論和實際情況進行剝離，在一個理想狀態下的模型，只是數學專家給出的結論。
大數據的核心是融入商業邏輯。
在商業邏輯里，必須先懂市場，懂某個領域的消費者真正訴求的變化;其次要懂行業，包括行業的特征、要求和規則;最后才是懂企業運營，把多個支持模塊資源有序地整合起來，從而共同創造價值。
在這些都具備的情況下，再用量化的數據適度輔佐決策，在商業邏輯的主導下，真正發揮量化數據的作用。
“缺乏這個商業邏輯之本，那量化數據就是天馬行空的東西。”傅志勇把商業邏輯看成真正需要解決的難題，因行業不同、企業不同、類目不同、時機不同，商業邏輯都會有所變化，這是一種動態平衡的藝術和哲學。
網站分析在中國創始人宋星認為，數據不能代替商業邏輯，但是數據可以修正、調整商業邏輯。“一個決策的產生，要靠部分數據、部分經驗、部分直覺。”宋星坦言，決策的事并非一句大數據便能解決。
這涉及數據分層。根據經驗判斷，越是偏宏觀戰略層面的數據，實用性越高，越是偏微觀細小的數據，不確定性越高。因為宏觀的決策很大，大到細小的影響起不了作用，而微觀的決策恰恰相反。
例如，整個行業規模如何，市場增長力如何，本身是多樣本的綜合數據，每一個樣本的影響都只占一部分。而一旦到微觀層面，比如廣告用的顏色、打折力度大孝滿減的額度，某一項的數據會起決定作用。只是如今多數商家更相信測試法，并不相信數據研判。
“宏觀層面多看看數據，微觀層面多談談經驗。”傅志勇認為這對電商企業有價值。
回歸商業的本質，數據只不過是業務的副產物，業務系統好，一般情況下數據系統不會太差。如果本末倒置，數據系統好但業務系統差，結果會發現數據系統都沒法輸送原材料。
并不是說數據不重要，但請不要迷信，因為數據的不確定性所帶來的風險，是多數企業無法承受的，生意人需要回歸商業邏輯。
最后，借用一段被采訪者的話來總結一下大數據：大數據是未成年人的性游戲，十七八歲的時候男女這點事還是挺有意思的，誰都不知道真正搞起來是什么樣子的，所有人都在搞所以自己也要搞。大數據有的時候就是這樣，講不清楚真正的場景，自己又沒有積累強大的數據，都是空談。
京公網安備 11010502049343號