【資料】資料驅動的流程和產品

這些日子，大資料並不少見。哪怕你只是一家小型創業公司，一天下來你可能就拿到了幾個G的資料，而Instagram一天產生的資料則高達500個T。坐在不斷增加的資料上的你，撓著頭苦想：“大資料我是有了，要怎麼利用它們？”

只是擁有資料自然用處不大，真正的贏家是像Amazon或Netflix這類公司，他們比競爭對手更好地利用了大資料而取得了競爭優勢。如果不能資料變成收入，你的Hadoop叢集和裡麵包含的大量的資料就沒什麼意義了。

要是你能比對手更好地利用大資料，你甚至有機會躋身成為像Amazon和Netflix這樣的大資料資深玩家。

如何才能把資料變成錢呢？有兩種辦法：資料驅動的流程（data-driven processes）和資料驅動的產品（data-driven products）。

商業分析師往Excel裡輸入方程，在SQL資料庫裡執行特定的查詢陳述句——在大資料時代這樣是不夠的。新時代需要更大膽、更無畏的資料探索者，無論是在小資料還是大資料的世界裡，他都能熟練運用工具。

被稱作“資料科學家”的他，是下一代的資料極客，他充分瞭解傳統的BI工具、查詢語言、統計辦法和機器學習技術。

優秀的資料科學家能在方方面面幫到你：弄清楚你產品的哪個地方行得通或是行不通（這是Zynga的資料科學家的角色）；創造預測模型，讓你一窺未來，從而在眼前做出更好的決策（這是@WalmartLabs的做法）。

資料科學家能怎麼幫到你？下麵有幾個具體的例子：

如果你銷售的是一款SaaS應用，資料科學家可以幫你分析、找出帶來高營收的使用者的共性。比如，這類使用者可能會以特定路徑轉化成為付費帳戶，人群特點也可能相近（性別、收入、地域、年齡範圍等），也會以特定的辦法使用該產品。所有這些洞見有助於進一步打磨廣告、市場營銷以及產品，以提高營收。

資料科學家可以確定某個定價範圍或產品是否會擠佔來自其它定價或是產品的銷量，由此，你可以最佳化你的定價策略和產品線。

資料科學家可基於歷史資料建立預測模型，讓你做出相對更靠譜的預測。比如，你可以分辨哪一類顧客更有可能是懷孕的女性（Target就曾做過這樣的事情），或是銷售漏斗裡的哪類顧客最有可能在哪個水平上被轉化。

資料科學家能幫你弄清針對資料你要問些什麼正確的問題。比如，資料科學家可能會建議你把營銷資料和網站日誌資料以及交易資料都關聯起來，以確定市場推廣活動背後的ROI（投資回報率）。

除了利用資料驅動業務流程以外，資料還可被用來增強產品的功能。有些公司會把資料打包到一款有用的產品裡，再轉售給其它公司。

Twitter自己並不是一款資料產品，但它把資料授權給了像DataSift這樣的資料服務公司，後者接著創造了一款資料產品，而別的公司痛快地接受了它所提供的分析結果。也有一些媒體公司會把觀眾收視率資料打包到產品裡，再轉頭賣給頻道製作人和內容創造者。

然而，大多數建立資料驅動的產品的公司並不會簡單地建立資料產品再轉手賣掉。他們會利用資料把現有產品變得更加高效、更加智慧，或是更具有洞察力，從而直接或間接地產生額外的收入。

下來我舉幾個例子：

廣告平臺可以針對不同的觀眾展示不同的廣告，以最大限度地提升點選率、以及其它產生營收的使用者行為。

電商應用可智慧地做產品推薦，以最大化增加消費者的購買率（包括原本就打算買的，以及許多購買計劃外的東西）。

Publisher可透過智慧分析和推薦，為每個使用者做出個性化的頁面，以最大化使用者在網站上的停留時間，並產生更多的廣告收入。

影片平臺可捕捉所有的使用者互動行為，並向內容創作者提供詳盡的分析報告，幫助他們對重要的指標做出最佳化（參與率、播放率、轉化率等）。這也是間接貨幣化的例子之一。透過新增一個由資料或分析支援的功能，平臺也有望對使用者產生更大的吸引力。

下麵是我的幾個建議：

集中地收集所有資料。在儲存成本直線下降的今天，廉價乃至免費的大資料儲存服務隨處可見，如果你沒有全方位地收集資料，你就大錯特錯了。我經常這樣告訴一些公司：就算你忽略你擁有的資料，但你卻絕不可能分析你沒有的資料。非結構化或是半結構化的資料儲存服務允許你把原始資料先存起來，等到需要的時候，再付費把結構化的資料提取出來。所以說，你是沒理由不把經過你手的資料給收集、儲存起來的（交易、互動、行為資料、感測器資料、使用者生成的內容、日誌檔案等等）。

聘請一位資料科學家。如果你是一家創業公司，你團隊至少需要一位資料科學家，或是能夠兼任資料科學家角色的成員。假如你公司有了一定規模，就有必要準備 成團隊的資料科學家了。比起從外部聘請，內部培養會更容易些。優秀的商業分析師，或是在BI和SQL有優異背景的人，都有機會成為資料科學家。他們需要配備適當的工具，並獲許訪問全公司的資料，這樣，他們才可以回答特定的問題、進行探索性的資料挖掘、支援BI團隊、並協助資料產品化的工作。

把資料產品化。任何一家公司，但凡擁有專有的資料，都應該好好考慮把資料利用起來，打造新的產品，或是在現有產品上建立由資料驅動的功能。任何一家公司，只要它有桌面、移動、Web、或基於媒體的應用，它就有專有的資料（也就是說，在這個資料時代，絕大多數的公司都有專有資料！）。各類公司，尤其是廣告和零售公司，已利用資料驅動智慧化的功能，獲得了數以百萬乃至十億美元計的增量收入（incremental revenue）。

如果你是一家B2B的SaaS供應商，向你的客戶提供自助的報告服務，是你把資料變成產品的簡易辦法，也能間接產生額外營收。如果你是一個電商平臺，利用你手頭的資料做個性化推薦，可以帶來可觀的增量收入。如果你做的是一款面向消費者的應用，利用資料把應用變得更加聰明，也能提高易用性和使用者活躍度。走向資料產品化的第一步，就是讓團隊裡的某個人開始思考利用你的資料資產可以做出些什麼功能或是產品。但最終，你還需要專門的工程師資源，把資料變成功能和產品。

大資料真正講的不是資料本身，而是要探討怎樣利用資料在公司內部驅動業務流程和產品功能。過去幾年迅速竄起的資料科學就是“資料已成為21世紀的貨幣”的有力證據。如果你置手頭的資料不顧，你就在競爭中處在了劣勢。

只需簡單的幾步，比如把所有接觸到的資料都收集起來，團隊擁有至少一位資料科學家，在資料產品化方向上用力，你就是在有效地“花錢”——花在你資料倉庫裡不斷積累起來的“資料貨幣”。