从用数据到养数据.docVIP

从用数据到养数据 　　过去，有一些问题一直困扰着我：“现在的企业获取数据如此容易，数据的增长速度如此之快，那么对于企业来说，到底要收集什么样的数据？收集多少数据？收集数据的边界在哪里？”后来，我在美国遇到一位高人，他认为，过去收集数据很难，而现在获取数据资源变得越来越容易，但是如果收集数据的出发点不是为了解决问题，那么收集再多的数据也没有什么意义。 　　同时，许多企业还有一个疑问：“现在收集数据不难，成本也不高，为什么不先收集了数据再说呢？等以后需要数据来解决问题时，再拿出来用不是也可以吗？”这位高人同样也给出了这个问题的答案，他对此持否定观点，并指出用这样的理念来设计数据应用注定会失败。 　　数据收集是没有边界的，我为此也痛苦了好一段日子，比如，收集一个人的生日，虽然可以精确到几分几秒，但这么精确的数据又能用在什么领域，又能产生什么价值呢？ 　　事实上，数据是有生命周期的。比如，某网站的母婴频道在主动收集用户的宝宝信息，包含宝宝生日、性别、小名、身高、体重，这里我们就要清楚这几个数据的用途和生命周期，如宝宝的身高和体重。但是，妈妈们填写的是宝宝当前的数据，我们知道宝宝的身高、体重变化非常之快，也就是说这两个数据的生命周期很短，在当时的推荐中可能有用，但过了一段时间后，这两个数据就失效（Data Broken）了；而宝宝生日和性别这两个数据的生命周期就很长，可以从生日的年份中推算出宝宝的年龄，而性别则基本是终生稳定的。 　　保存数据及其收集时的背景（Context），也是一件不容易的事情。 　　还是以收集宝宝的年龄作为例子来阐述，我们可以通过用户购买特定的商品集合，如几段奶粉和尿不湿的型号等，知道宝宝所处的大概年龄段，以推算出宝宝当前的年龄。但如果仅仅是保存宝宝几岁这个数据，那么这个数据很快也会失效，因为人的年龄是在动态变化的。同时，你还需要保存宝宝几岁这个数据获得的时间，即在哪年哪月计算得知这个宝宝的年龄，而这个信息就是背景数据。另一种做法更加聪明一些，即通过宝宝现在的年龄反过来推算宝宝是什么时候出生的。 　　所以说，在收集数据时，我们必须知道这些数据未来可以用来做什么，如果今天都想象不出来的话，日后就更不可能了。 　　打一个比方，如今很多电商高管会询问数据分析师商品的重复购买率是多少。于是，工作人员收集数据来计算重复购买率，却很少想到高管们需要重复购买率是来做什么决定的，这就好比“刻舟求剑”的故事。事实上，在世事多变的大数据时代，我们不能只是机械地套用方法或指标。 　　重复购买率有不同的定义，而做不同的决策需要考虑经过不同定义的重复购买率。如果一家投资公司想收购A 公司，那么会从重复购买率来看整个A 公司的运营良好程度或用户质量等；如果从A公司本身运营的角度来看重复购买率，那么它更应该关注的是日、周级别的重复购买率的变化趋势，或者当月新增客户有多少人在三个月后进行了重复购买，从而可以衡量出每个月新增及存量客户的忠诚度和质量，进而找出改善的空间。在知道了以上的背景之后，再去选择使用什么数据不是更有的放矢吗？ 　　数据应用因小而美 　　“小”不是指数据量，而是指应用的目标很具体。 　　2011年年底，作为一名数据分析师，我开始思考怎么从“用数据”转变为“养数据”（即从数据化运营转变为运营数据），这段时间我为收集什么样的数据而特别烦恼。而且，我也曾经试图做出一个特别大且适合多数人使用的数据应用，可是后来发现这在数据应用的起步阶段几乎是不可能的―― 一是找到可以解决大部分人需求的数据应用并不容易；二是当时公司的数据非常丰富，需要考虑的因素很多，因素之间的联系又很复杂。 　　所以，当开发数据应用的时候，数据就等于原材料；当原材料一直处于变化的情况下，做出来的产品就很容易出问题。体会到数据和应用的关系之后，我最后决定从小角度切入，先把小应用做出来，这就是很好的瞄准器。 　　这里说的“小”指的是应用的目标很具体。请注意，“小”不是指数据量。许多人在没有获取足够的数据，并且缺乏对数据理解的情况下做出决策，其实是在“享受”自己的无知。打个比方来说，对于一款数据应用，如果我的目的是分辨两种决策谁更好以及差异在哪里，这就是一个很具体的问题；但如果我的目标是想知道如何让公司赢利，这就是一个空泛的目标。 　　经过这样的一番周折后，按照小角度切入的想法设计数据应用，就可以做得具体而快速，而且可以避免因原材料的变化而导致数据缺失的问题。 　　把数据放进“框”之中 　　在大数据的背景下，必须考虑数据之间的关联性。一个单独的数据是没有意义的，要把数据放在一个“数据框架”（场景）之中，才能看出存在的问题。 　　为了把这个问题说得更明白，这里我拿前阵子一家电商公司找我讨论的问题来举例。 　　A 公司问我，要不要撤去导航网