【讀書】大數據的關鍵思考
Published in
6 min readMay 16, 2019
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:
- 是否可再生
- 層次:基礎(raw data)、中間(半成品)、應用(業務需求)
- 根據業務分類
- 是否隱私
五大價值:
- 識別用戶跟串連資料
- 描述型的數據
- 時間
- 預測
- 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:
- 投入產出比(包含新舊客戶、渠道)
- 競爭對手的動作
- 時間(用現在、過去、未來 看出一個行為的價值)
從框架到決策:
- 確認問題、釐清問題,從解決問題的角度蒐集數據
- 將數據放入容易決策的數據框架中
- 觀察框架指標與決策的關係
- 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…