【讀書】大數據的關鍵思考

大數據的關鍵思考：行動×多螢×碎片化時代的商業智慧

第1部 從數據化營運到營運數據

數據十誡：

好的問題，答案就在裡面

實踐中提煉數據

數據成為科技，更利他

數據跟著人走

缺乏數據品質，任何數據都是浮雲

「假設數據是可獲取的」去思考問題

大數據安全，不是監管

利用數據去拿到更有用的數據

建立數據的數據，才有進步

讓人做人擅長的事，讓機器做機器擅長的事

01 只會談大數據不會做
大數據關鍵思考：問題就是答案

• 去找到真正做過大數據的人，而不是講得好的人
• 對一件事情的認知，在於你是否可以用問題回答問題
• 你現在公司面對的三大問題是什麼？公司在未來三個月要解決的問題是什麼？過去的一個月，做對又做錯了什麼？ → 先把問題想清楚，再決定收什麼數據來解決問題
• 大數據的世界裡，必須懂數據又懂商業，搭配好的思維框架，因此思考的角度很重要，靠的是大膽的想法，腳踏實地的實踐，這是一個循環成長的過程

02 還原使用者真實需求
大數據關鍵思考：CEO關心哪三項數據

• 同時看到「企業價值」與「客戶價值」，我認為跟商業價值主張很像，同時要看清楚顧客跟公司的關係，以及相互的需求，才不會一直盯著商業指標成長，而忘了滿足客戶的需求，才是領先指標，才是這家公司存在的意義

• 例如：推薦系統，讓客戶更方便的找到想要看的商品，創再優直體驗，做出選擇，同時，公司也因為客戶可以做出選擇而獲利，因此一套好的推薦系統，要能在前端數據看出使用者體驗的「感覺」，同時最後在後端交易數據中，看出客戶透過系統所提供的「獲利」
• 認識你的客戶很重要，數據本質就是還原，尤其是在多載具，多情境的實體世界，要能夠認清楚數據的製造者是誰，在什麼情境下有什麼樣的需求
• 提出三樣最重要的數據指標給CEO：先思考 CEO 關心的數據，練習換位思考，CEO 是誰？在什麼產業？最近最要緊的事是什麼？怎麼樣的數據才能讓CEO 得到滿足？ 在還沒問清楚你要解決問題的 stackholder 時，不要貿然給出數據，那樣的結果往往是錯的，雖然靠反饋修正也能達到目的，但可能是一條較遠的道路，如果可以問清楚脈絡，就一定要問，讓數據更接近需求，因此指標是什麼不重要，你怎麼問出關鍵問題的方法才重要，那你說，CEO 沒有空可以給我這麼多時間問問題怎麼辦？ 我認為，第一，是你的問題要夠精練，能直接問出好問題是需要練習的，第二，如果CEO 沒時間，那誰會有時間？可能可以去旁敲側擊其他主管們，試著從side data 推敲出 real data 的本質，不也是一個好的分析師該有的技能嗎？

03 「活」數據才是大數據
大數據關鍵思考：別再做「碰巧遊戲」

孫子兵法：「兵無常勢、水無常形，能因敵變化而取勝者，謂之神」

「活」做數據蒐集 & 「活」做數據指標

• 數據不一定只會在家裡資料庫內，有沒有可能有外部資訊可以輔助判斷
• 如何做活呢？要從情境切入，不同情境有不同的需求，把靜態數據配合情境，轉成動態數據，才能在對的時間，端出對的商品來，例如：一般時間，用戶買東西通常會想比較久，並會配合自己的屬性，做購物行為，但是在「雙十一」的時候，可能就會衝動購物，這一點，我們有沒有辦法從歷史資料得知並預測，使用者會在什麼時候有什麼樣的行為
• 注意 ROI，盡量不要只看局部的指標表現，而是要看完整的顧客行為到公司獲利，也就是 funnel 要從頭建立到尾，當最後有問題時，再從中檢討斷點位置與對應決策，例如：廣告投放，通常會放「潮詞」吸引用戶，此時，買對幾個關鍵字可以讓你的訪問數突然暴增，但你會發現，可能訪問數多，但消費少，這是因為用戶進來後，找不到他要的，因此，在行銷上，我們要拉新，但也要拉到對的人，才能保證新用戶的品質
• 別再做「碰巧遊戲」，從數據看出戰線的切入點，而不是單純靠感覺，公司在生態系的位置，目前經營重點是什麼，所以你需要什麼指標來讓自己能掌握全局？進而將梳理成儀表板，將顧客行為與商業指標連接，觀察儀表板之間的動態互動，看出感覺來，進而知道是顧客體驗問題，還是定價問題，還是 SEO …

04 大數據的顛覆者──行動數據
大數據關鍵思考：樣本的偏見

• 多螢時代，我們需要了解不同情境的需求，同時在數據蒐集上，要能辨識載具的差異，並且連結電腦與手機的數據關係，例如：在一個學習平台上，會不會有一個情況是使用者都拿手機看「影片」，用電腦做「題目」，那這是為什麼？如果你的數據不能告訴你，事件發生的當下，使用者的情境所在，那你的改善可能就很難針對痛點或爽點下手
• 及早有「多螢＋移動」的思維
• 樣本的偏見，我們蒐集樣本分析後，必須知道 bias 以及 樣本管道等等，而大數據則是全數據，但我認為還是得小心數據蒐集的脈絡，避免 bias，例如：一個 GA Event 的發生，是在使用者被充分引導還是隨機選擇

05 什麼才是核心數據
大數據關鍵思考：用傻瓜的視角觀察

數據分類：

1. 是否可再生
2. 層次：基礎(raw data)、中間(半成品)、應用（業務需求）
3. 根據業務分類
4. 是否隱私

五大價值：

1. 識別用戶跟串連資料
2. 描述型的數據
3. 時間
4. 預測
5. 數據結合，產出新的價值

• 傻瓜的視角：避免用慣性思維去解構事物的本質，先讓自己「若愚」，從問問題中找出答案，成為「大智」，用我是傻瓜，所以我想要懂更多，於是我問了一堆問題，並找到答案的態度，讓自己對於長期目標，能看得更清楚

06 從用數據到養數據
大數據關鍵思考：遠離「或」選擇

用數據談方法，養數據談戰略

用數據：

• 當事業剛起步，先專注於一項領域的成功，而數據也是，先關注於某一個情境下的數據該怎麼用，讓他小而美

數據框架：

1. 投入產出比（包含新舊客戶、渠道）
2. 競爭對手的動作
3. 時間（用現在、過去、未來 看出一個行為的價值）

從框架到決策：

1. 確認問題、釐清問題，從解決問題的角度蒐集數據
2. 將數據放入容易決策的數據框架中
3. 觀察框架指標與決策的關係
4. 檢查數據及框架做出的決策是否有解決問題，不行的話，再重新循環、學習

因此，問題越複雜，框架就越大，但不要一次就想建立大框架，解決一個大問題，從小問題著手，建立小框架的成功，進而衍生迭代出更大的框架，滿足更大的需求

養數據：

• 基於業務理解的戰略層次，決定要養什麼數據，並有耐心的蒐集
• 靠其他舊功能，蒐集用戶的特性，轉化為新數據，並用新數據，做出新功能，可能也是一個產品與數據合作的方式

關鍵思考：

• 遠離「或」的選擇，遇到兩難的問題，不要馬上想著決定一種，而是跳出來想，為什麼會有這樣的困境呢？再去想決策點
• 這讓我想起 Gipi 這這篇文章：成為自由工作者兩年後，讓自己可以擁有主導權是很重要的，回到數據面上來說，不要因為你手上有什麼數據，就局限自己只能做什麼應用，而是去想，如何主導數據的養成，並達到長期的目標

07負面數據的力量
大數據關鍵思考：為什麼數據會騙人

• 物理盲點：數據蒐集的方法有問題
• 邏輯盲點：將多情境混在一起看
• 用「小偷觀點」的負能量去觀察數據佈線，關注高風險的地方，避免太愚蠢的失敗

第2部 阿里巴巴的大數據秘密

待續…