摘要:大數(shù)據(jù)部門該放在運營團隊還是技術團隊?在紅杉資本中國基金會專家合伙人、原阿里數(shù)據(jù)委員會會長車品覺看來,糾結于此類問題的企業(yè),距離大數(shù)據(jù)的法門尚遠。
大數(shù)據(jù)部門該放在運營團隊還是技術團隊?在紅杉資本中國基金會專家合伙人、原阿里數(shù)據(jù)委員會會長車品覺看來,糾結于此類問題的企業(yè),距離大數(shù)據(jù)的法門尚遠。車品覺認為,大數(shù)據(jù)應該是CEO直接領導的戰(zhàn)略級部門,是一把開啟新世界大門的鑰匙。今天,大數(shù)據(jù)已在營銷、風險控制等領域已大放異彩;而在可預見的未來, 基于大數(shù)據(jù)的諸多模式創(chuàng)新,將帶給我們無限的想象空間。
三大顛覆性變化正在發(fā)生,將爆發(fā)驚人威力
最近,我去了一趟美國,看到大數(shù)據(jù)的幾個變化,這些變化有可能極大地改變世界。
第一個變化是開始從被動搜集數(shù)據(jù),轉變?yōu)橹鲃铀鸭瘮?shù)據(jù)。 美國一家公司現(xiàn)場給我們表演,電視里正在播放新聞,他們把手機放在電視機旁,手機很快識別出這是CNN新聞頻道,以及正在播出什么內容。我們三個人拿出自己的手機,手機同時放三首不同的歌,他們的軟件很快辨別出這三首歌是什么,以及作為背景正在播放的電視新聞。這意味著,非結構性的數(shù)據(jù)編程結構性數(shù)據(jù),開始從被動搜集數(shù)據(jù)轉變?yōu)橹鲃铀鸭瘮?shù)據(jù)。
第二個變化是非實時轉實時。 滴滴打車的數(shù)據(jù)可以說明不同地點的人流情況,但是零售業(yè)得到了這些數(shù)據(jù),又如何觸到它的用戶群呢?大家知道這個世界有一個,DSP(Demand-Side Platform 需求方平臺),作為中間方,DMP記錄用戶去了哪個網站,用了什么APP。當人使用APP時,數(shù)據(jù)會告訴DSP,這個人出現(xiàn)在了某一個地方,DSP就能夠幫商戶做智能投放。由于背后有大數(shù)據(jù)支撐,放在很短的時間內就能完成。這種模式對營銷來說,絕對是一個顛覆。
另外,還有一個非常重要的變化是對話。 美國有兩大公司,幾乎同時宣布了一項戰(zhàn)略性科技——對話的人工智能。比如,你的房間有一個音響,這個音響同時是一個傳感器。當你說“我要買一瓶醬油”,音響會和你說:“老板,你是不是要買你之前買過的醬油?”你說:“不是,我要買新的。”它就會告訴你,新的醬油以及同樣差不多的有幾種,建議你選擇哪種。這個變化將引發(fā)一個大的顛覆。
隱私+歸屬權:從混沌走向清晰
說到大數(shù)據(jù),不得不提的是大數(shù)據(jù)與隱私這個問題。
這次在美國,見到一個在隱私問題上給美國總統(tǒng)提意見的專家。他說,關于個人隱私會有一個顛覆性的變化,這一變化在歐洲已經開始了,現(xiàn)在是美國。過去,當用戶使用一個應用時,都會和應用方簽訂一個協(xié)議,表明用戶同意把自己的數(shù)據(jù)交給應用方以改善用戶體驗。但是,大部分人都不知道自己同意的是什么,僅僅是點擊了“同意”。美國的法律對此準備進行修改,這可能會改變大數(shù)據(jù)產業(yè)。
在這個變化中有個問題,數(shù)據(jù)分可識別數(shù)據(jù)、不可識別數(shù)據(jù)。互聯(lián)網上的數(shù)據(jù),有的可以識別是你,有的不可以識別是你。當不能完全知道他是誰,沒有辦法和他說你是否同意時該怎么辦?現(xiàn)在,美國正在認真討論類似的事情。
另一個問題是數(shù)據(jù)的擁有權是誰? 早期大家是按照實物的思路,來定義數(shù)據(jù)擁有權的法律,后來發(fā)現(xiàn)這條路撞墻了。數(shù)據(jù)的可愛之處就是看見就看見了,不在于是你拿著還是我拿著。法律界已經開始關注這個問題。
關于隱私問題,大部分用戶更多是希望平衡好,你不能拿到我的數(shù)據(jù)我一點好處都沒有,你拿了數(shù)據(jù)使用我卻一點都不知道。所以,問題是誰有權控制?比如臉書,每一次使用用戶數(shù)據(jù),會告訴用戶,這個數(shù)據(jù)會在某個點使用,這就涉及數(shù)據(jù)使用透明和是否可控的權利問題。這個行業(yè)里面很多人不想講這個問題,但并不是不知道。但這是我們做大數(shù)據(jù)的人必須要慢慢解決的,否則這是一個定時炸彈。
當然,有大量的數(shù)據(jù)不相關隱私。比如,用1000個人或者5000個人的數(shù)據(jù)算出來的結果,當做大數(shù)據(jù)營銷的時候,有沒有把他捆綁在5000個人當中營銷?美國有些法案很可愛,認定個人數(shù)據(jù)的隱私問題不是放在單獨的案例當中,而是放在行業(yè)里面。我問專家,為什么要放在行業(yè)里面?他說,個人隱私和行業(yè)有關,比如賣藥的,個人隱私的監(jiān)管就會非常嚴格,而游戲類的個人數(shù)據(jù)會相對簡單一些。在歐洲則是一套法律,不分行業(yè)。歐洲人認為,隱私是一個人的底線。而美國認為價值和隱私之間可平衡。這些都是未來大家都會議論的課題。
做好縫合,不斷迭代
大數(shù)據(jù)的本身是異構異類的數(shù)據(jù),就像裁縫把不同的材料縫成一件衣服一樣,需要很多技術把數(shù)據(jù)連接起來,讓這些數(shù)據(jù)可以使用。不同材料縫合在一起,中間會有一些縫合處。
美國任何一個做大數(shù)據(jù)的人,都會告訴你數(shù)據(jù)關聯(lián)很難。美國可以把數(shù)據(jù)關聯(lián)起來的公司有幾家。美國大數(shù)據(jù)行業(yè)在產業(yè)鏈上,是可以分工的。你干這個,我干那個,大家協(xié)同把東西做出來。這和中國的情況是有區(qū)別的。
要把大數(shù)據(jù)整合起來,數(shù)據(jù)源好不好非常重要。另外有沒有不同的環(huán)境可以進行數(shù)據(jù)測試,也很重要。
數(shù)據(jù)是迭代的,算法是迭代的,產品服務也是迭代的。數(shù)據(jù)有不同的版本、算法有不同的版本,我們要找到最優(yōu)、同一個語境下最好的算法,達到最好的服務。
將大數(shù)據(jù)變成企業(yè)的洞察力和行動力
對于企業(yè)來說,需要將大數(shù)據(jù)變成企業(yè)的洞察力、行動力。10年前,商業(yè)決策都是靠經驗驅動,用數(shù)據(jù)證明自己的判斷是對的。而數(shù)據(jù)驅動,則要擁有足夠的數(shù)據(jù),通過數(shù)據(jù)發(fā)現(xiàn)一些以前沒有看到的東西。
比如,有一些人在購物網站搜索過的關鍵詞,兩個月后會成為比較流行的關鍵詞。當我們深入分析時,數(shù)據(jù)會告訴我們,購物里面是有達人的,購物達人看的東西和普通人不一樣,他們有自己的方法尋找自己想要的商品。如果能跟蹤這些達人,就可以找到用一般推薦引擎無法找到的東西。
一個學習的完整體系,簡單來講,首先有目標定義,之后進行決策、行動、拿到行動結果之后學習。人類學習的一般方法,都是根據(jù)這個鏈路進行,這叫“自學習”:用自己的經驗慢慢積累,進行一個自我循環(huán)。
當我們開始做大數(shù)據(jù)的時候,你會發(fā)現(xiàn),別人的數(shù)據(jù)會成為你的經驗。你也可以把別人的數(shù)據(jù)代入自己的決策,學習到別人的經驗,這叫“ 集體智慧 ”。在大數(shù)據(jù)當中,我們可以找到別人的集體智慧。
大數(shù)據(jù)里的創(chuàng)新,可以有三個層面:數(shù)據(jù)的創(chuàng)新、算法的創(chuàng)新、服務的創(chuàng)新。
下面這張圖中有四個坐標:數(shù)據(jù)集中、數(shù)據(jù)分散、問題清楚、問題不清楚。過去我們可以解決的是數(shù)據(jù)集中、問題很清楚的部分,后來開始出現(xiàn)很多碎片化、分散的數(shù)據(jù),我們發(fā)現(xiàn)可以用零散的、沒有集合、沒有結構化的數(shù)據(jù),更好地解決原來的問題。
舉一個例子,有一個網站雖然有幾億用戶群,但只有幾百萬人買彩票。如何找到更多用戶到這個網站上買彩票呢?按以往的方法,先描述買彩票的人是什么樣的,經驗認為男的比較喜歡買彩票,年紀應該是25-35歲。而用大數(shù)據(jù)的方法,則是想猜用戶下一步想做什么,可以看4周之內用戶有沒有看過彩票的內容,如果有,那他就是一個希望要買彩票的人,只是沒有在網站里買。用這個思路,我們發(fā)現(xiàn)買彩票的女性比男性多,而且往往是在辦公室里買的多。這樣一來,數(shù)據(jù)就指明了哪些人在哪些地點是最好去做營銷的。
對于數(shù)據(jù)零散且問題不是很清楚,大數(shù)據(jù)同樣可以解決。比如在面對不知道客戶是什么樣的人,只知道這些人是重復購買的人,而想要用大眾標簽去描述這些人時,可以先猜1000個人,對他們進行營銷,發(fā)現(xiàn)有些人被猜對,有些人被猜錯。對猜對的那部分人繼續(xù)深入,慢慢就會越做越準確。這就是我通常講的“用數(shù)據(jù)養(yǎng)數(shù)據(jù)”。
一個公司有沒有大數(shù)據(jù)能力,一般看他有沒有預測能力和行動能力。 但是布點/收集、存儲/刷新、識辨/關聯(lián),也很重要。前者是如何讓數(shù)據(jù)更容易使用,后者是如何讓數(shù)據(jù)更有效關聯(lián)在一起。這個閉環(huán)如果可以做好,就可以做一個非常好的數(shù)據(jù)產品。
考量“好數(shù)據(jù)”的六把標尺
好的數(shù)據(jù),六個衡量標準是缺一不可。缺少其中任何一個,數(shù)據(jù)質量就會下降。有的數(shù)據(jù)很稀缺,很獨家,那就是數(shù)據(jù)價值。 數(shù)據(jù)質量,主要要看準不準,但還要看全不全。 如果你只拿到安卓的數(shù)據(jù),沒有拿到蘋果的數(shù)據(jù),那就不全。 一段段很零散的數(shù)據(jù)買過來,沒有連續(xù)性的數(shù)據(jù)也是不行的。需要找很可靠的伙伴來提供算法、數(shù)據(jù)、服務。
一家公司是否能用好自己的數(shù)據(jù),首先要看一個公司高管、員工有沒有意愿,接著看工具。有意愿、有能力、有工具的前提下,才談到整個公司一定要對數(shù)據(jù)有自己的方向,有組織保障,以及執(zhí)行到位。
信息數(shù)據(jù)化的情況還沒有結束,包括應用無線化。對話性的產品,將是顛覆世界的產品。互動的產品,將來或許會越來越多,這也是我們在創(chuàng)新產品時非常大的機會。