盡管大數據研究越來越成為主流，我們仍能從硅谷的數據科學家那里學到很多經驗教訓，因為他們所從事的職業大都依賴大數據才得以生存。雖然與更傳統些的商業模式相比，他們運用數據的方式存在很大不同，但他們積累了足夠的科學知識和技術，值得剛剛投身于大數據業務的后來者學習和借鑒，借以盡可能規避失敗的風險。
那么，公司如何才能圍繞大數據重構商業模式，或者如何重新思考商業經營理念？針對這一問題，大數據以及數據科學領域的專家持何種觀點？結合IE Group創新會上的所聞所見，可以歸結出5大理念，助你運用好大數據。
一、Hadoop并不意味著一切
雖說這一觀念如今應該是業內常識，但仍需不斷重復，以便銘記于心。當論及Hadoop最大擁護者、Fayyad前雇員（時任首席數據官）Yahoo如何在這方面得到慘重教訓時，ChoozOn公司的CTO Usama Fayyad深入探討了這一觀點。Yahoo原本試圖借助Hadoop做一些客戶細分方面的工作，卻發現，相較于采取更傳統的數據庫架構做同樣的工作，成本竟然高出50倍。認識到這點后，這個項目最終被否決了。后來，數據分析初始企業nPario復活了此種項目，如今，Yahoo已成為nPario的付費用戶。
二、大數據使數據科學變得更親和
Sparked.com網站的首席數據科學家Daniel Wiesenthal清晰闡述了大數據和數據科學這兩個不時會重合的概念，他認為，從本質上講，諸如支持向量機（SVM）以及類神經網絡類的技術，都是經時間檢驗而且被證實切實有效的方法，可用來“從數據庫中獲取細致到最后每一‘盎司’的信息”，即使這些數據庫規模很小。這些技術非常復雜，而且很難被口頭解釋，在一定規模下還會趨于失效。
然而，大數據使數據科學家們得以運用更簡單的模型技術，比如決策樹或者回歸技術，以便更精確地做大量數據賬目管理，使其更具統計意義，而不是僅為追求超級復雜的演算系統。Wiesenthal認為，運用Hadoop之類的通用大數據技術，意味著大數據科學家可以更快地開發和測試模型，因為這種架構不需要與特殊的規則系統或者類型問題相協調，它只是被設計用來更好地處理大數據。
三、知道如何做減法有時更為重要
作為SaaS的市場先鋒，Salesforce.com一直在運用自己的大數據平臺監測各種產品性能付諸實施的情況，產品管理主管Narayan Bharadwaj認為，這么做的目的不僅是希望預測下一步應該添加什么功能，更多則是為利用數據來支持決策，那些不能幫助公司有所提升的功能將被鑒別出來，相關資源被轉投到更具價值的功能上去。“知道如何做減法有時更為重要。”他說。
下一步該怎么做？依照邏輯，自然是分析鑒別功能特性，包括實施良好的和實施效果欠佳的，在布局未來遠景時，公司因此會獲得一個基本認知，什么樣的設計會有成效，什么樣的設計反之，由此趨利避害。
四、內容決定價值
簡單來說，如果用戶事先就知道某些內容為什么會被展示給他們，或者為什么他們會被作某種推薦，他們或許更有可能為此買單。StumbleUpon麾下的一位高階數據科學家表示，為將相關度最高的網頁內容呈現到每位用戶面前，公司在大數據及數據科學技術方面投入大量人力、物力，但事實證明，如果寄希望于用戶信任這種服務決策方式，僅這么做還遠遠不夠。Sparked.com的Wiesenthal在其論述中同樣指出了這一點，他認為諸如Pandora與Netflix這類的服務之所以流行，原因部分在于，在推薦類似內容的時候，它們實際上都向客戶傳遞了自己的一些特性。
五、交易數據遠勝研究數據
PayPal的首席科學家Mok Oh論述了從產品研究到購買的產業鏈，以及從產業鏈一端努力走向另一端時，決策信號為什么變得越來越難以辨別。PayPal試圖跨越這一障礙，做法如下：首先從交易過程著手，然后綜合其他數據（包括內部數據以及由Facebook以及Gnip等處得來的外部數據資源），盡可能鑒別出哪些人是真正的客戶，以及哪些產品或服務是這些客戶真正需要的。他認為，相對于Google努力追蹤客戶購買行為的研究，這樣做更容易些，當然，在另一種情況下例外，如果客戶確實使用像Google Wallet這樣的工具購買了某些商品，后一種研究方式更易操作。
將檸檬汁從檸檬汽水中分離出來，這正是大數據研究所要做的。一個公司所擁有的最有價值的數據資源，就是它針對自身業務特別搜集的數據，大數據處理的成功之路在于，從利用這些數據開始，探索出一些創新方式，然后深入發掘出更具洞察力的內涵。
京公網安備 11010502049343號