你不得不知道的6個用好大數(shù)據(jù)的秘訣
譯注:這篇文章里,有三位來自不同公司的大數(shù)據(jù)運營人員各自分享了他們運用大數(shù)據(jù)的經(jīng)驗。這三位是來自維亞康姆(Viacom)的Luzzi、Globys公司的Olly Downs以及知名市場顧問公司Dunnhumby的CEO Andy Hill。
秘訣一:目標要明確
就算一個公司擁有再多的數(shù)據(jù),也不能代表它就一定會獲得商業(yè)上的成功。只有真正懂得如何利用大數(shù)據(jù),了解到公司利用大數(shù)據(jù)可以達到什么目標,公司最終才有可能真正成功。在公司在發(fā)展過程中往往也會面臨諸多選擇,也只有目標設定明確了,才能夠縮小選擇范圍聚焦精力去發(fā)展。企業(yè)應時刻保持頭腦清醒,朝著自己定好的目標前進,才有助于公司進行持續(xù)長久的良好運作。
不過,Luzzi也表示,有時候,利用太復雜先進的數(shù)據(jù)分析工具往往也會帶來很多問題,不過如果我們能夠通過分析大量的數(shù)據(jù)來得到最終的結果,那就不用懷疑了,你就干吧,至少方向肯定是對的。
秘訣二:要區(qū)分清楚“森林”和“樹”
現(xiàn)在,企業(yè)可以做到一些他們以往沒有能力做到的事。對于很多公司來說,可供分析的數(shù)據(jù)更多,可以用來分析數(shù)據(jù)的工具和方法也比以前更先進方便。公司已經(jīng)完全有能力去分析和處理他們收集到的大量數(shù)據(jù),這對于企業(yè)來說或許是件好事,然而,有時候這些數(shù)據(jù)也會過于分散。
Globys公司的Olly Down表示說,現(xiàn)在,很多公司都傾向于收集精度較高的數(shù)據(jù),因為獲得的數(shù)據(jù)越精確,就越有利于分析受眾群體,也更有利于公司進行相關戰(zhàn)略和產(chǎn)品的調整。不過,公司往往需要花費大量的時間去處理大量的數(shù)據(jù),結果卻有可能不盡如人意,所以,在進行數(shù)據(jù)分析處理時,有時候沒有必要執(zhí)著于某一棵“樹”長成什么樣子,而應該注重這片“森林”,要懂得舍小取大。
秘訣三:做好團隊的協(xié)調
在大數(shù)據(jù)的世界里,最有價值和作用的數(shù)據(jù)往往十分稀少。要想找到真正有價值的數(shù)據(jù),就如同大海撈針一樣困難。所以,為了找到這些有價值的數(shù)據(jù),企業(yè)內部應齊心協(xié)力通力合作,要經(jīng)常保持有效的溝通和協(xié)作。
例如,為了能更好地利用數(shù)據(jù)來分析公司的實際運營情況,數(shù)據(jù)專家們應該了解公司決策者為公司制定的戰(zhàn)略目標。反過來也一樣,公司決策者也應該知道,公司的數(shù)據(jù)團隊得出的分析結果,最終能給公司帶來什么收益。
Luzzi 表示,以大數(shù)據(jù)作為工具,他可以建立模型來幫助公司做出商業(yè)決策。由于公司決策者對公司整體運行情況及所處商業(yè)環(huán)境更加了解,當決策者看到分析結果時,肯定能看到一些他看不到的地方。但同時,決策者們也不會知道他是用什么方法得出這些數(shù)據(jù)和結果的。
Olly Downs也說,公司的數(shù)據(jù)團隊和各部門以及管理層應保持良好的溝通交流,這樣公司才能良好高效的運行,有效的協(xié)調配合需要通過有效的溝通交流來實現(xiàn)。有一個商業(yè)智能團隊為預測公司的客戶流失率建立了一個模型,由于大家缺少有效的溝通,操作團隊認為這個模型“很有趣”,但是公司卻認為這個模型沒有任何意義。
“如果你的公司雇傭了一個數(shù)據(jù)研究小組,他們宣稱自己建立了一個有效的模型,可是公司別的相關部門卻認為這個模型沒有效果,原因便在于二者之間缺乏溝通。”Downs表示。
秘訣四:用機器代替人工
機器學習指計算機模擬或實現(xiàn)人類的學習行為,以獲取新的知識或技能,從而對自身功能進行改進。機器學習相比人工學習,速度更快,學習規(guī)模也更大,一個公司能通過機器學習較快地發(fā)現(xiàn)新的問題。
比如,為了研究特定消費者的消費行為模式,企業(yè)可以研究用什么樣的方式對單個消費者進行研究分析,依據(jù)不同的消費者選擇不同的模型,進而對消費者行為進行追蹤研究。公司認為,在單個消費者身上所需的分析時間是10分鐘,按照這個速度,公司共有260萬消費者需要調查追蹤,需要416000個分析員,每天工作10小時,每天觀察單個消費者8次,才能得出結果。顯然,如果真通過人工分析,那就需要花費太多的時間和精力了。
所以,Downs認為,企業(yè)如果有大量的數(shù)據(jù)需要進行分析處理,最好的辦法就是讓機器代替人工來做,機器學習的速度很快,能在短時間內同時分析大量的數(shù)據(jù),這樣一來,所需的分析時間就會大大縮短。與人工分析相比,成本也會大大降低。
秘訣五:要謹慎對待數(shù)據(jù)
有時,企業(yè)是沒有能力去獲取數(shù)據(jù)的,也就沒法用數(shù)據(jù)去解決問題。就算公司獲得了一些數(shù)據(jù),他們往往也不清楚這些數(shù)據(jù)最終能否解決他們的問題。
在這一點上,維亞康姆集團的Luzzi的建議是,一個數(shù)據(jù)是否有效,是否能幫助公司解決問題,最好詢問數(shù)據(jù)小組的意見。
Dunnhumby公司會對消費者數(shù)據(jù)進行統(tǒng)計和分析,這樣一來公司便可以了解到哪些數(shù)據(jù)是有用的,以及這些數(shù)據(jù)有多大價值。如果公司能收集到有價值的數(shù)據(jù),公司實際經(jīng)營中遇到的相關問題就能得到有效解決。知名市場顧問公司Dunnhumby的 CEO Andy Hill表示,企業(yè)不僅應該了解收集到的數(shù)據(jù)到底能解決哪些問題,更應該知道,哪些問題還不能通過這些數(shù)據(jù)得到解決。如果還有一些問題解決不了,公司便需要繼續(xù)收集其他維度的數(shù)據(jù)來補充。
有時候,重要的數(shù)據(jù)可能會被忽略。比如,當Downs為他的前東家搭建交通情況模型時,大家普遍認為天氣是預測交通狀況的最重要因素。后來研究結果卻顯示,最影響那個地區(qū)交通狀況的是當?shù)貙W校的放學時間。當學生們放學時,堵車情況尤為嚴重。
Downs說,從一開始的假設來看,我們并沒有預見到會得出這樣的結論,所以,應謹慎認真對待數(shù)據(jù),數(shù)據(jù)會真實客觀地告訴你想要的答案。有時,數(shù)據(jù)能告訴你的會讓你大吃一驚。
秘訣六:要避免得出錯誤的結果
由于人為主觀因素和不相關數(shù)據(jù)的干擾,有時候得出的結論往往是錯誤的。
“不要讓不相干的數(shù)據(jù)影響到整個結果,有相當一部分的數(shù)據(jù)并不重要,這些不相關的‘樹’往往并不能代表整個‘森林’?!盠uzzi說,“如果使用了錯誤的數(shù)據(jù),得出的結論往往也是錯的?!?/p>
數(shù)據(jù)選擇上的錯誤會影響人們解決問題的過程,也會影響人們如何看待這些數(shù)據(jù)和結果。錯誤的數(shù)據(jù)選擇可能影響到公司做出相關決策。
Dunnhumby 公司的CEO Andy Hill表示:“為了消除數(shù)據(jù)上的誤差,你需要準確找到特定的目標人群,這些人的行為往往可以準確地回答你需要解決的問題。
來源@HCR(公眾號:HCR-1993)
- 目前還沒評論,等你發(fā)揮!