文 / 阿里巴巴集团商业智能部资深司理 欧吉良（勾践）
数据的主要性已经被越来越多的公司、小我私家所熟知与接受 ，，，甚至于有过犹缺乏之势头 。。大数据的看法满天飞 ，，，似乎一夜之间人人都在谈论大数据 ，，，见了面不必大数据打招呼 ，，，似乎就不是在数据圈子里混的了 。。那么 ，，，被外界传得神乎其神的数据 ，，，究竟可以在哪些方面增进营业的腾飞？？？？？？或者换种说法 ，，，营业对数据有哪些条理的需求？？？？？？数据在哪些地方能够资助营业？？？？？？
连系笔者多年的事情履历以及对数据与营业的明确 ，，，营业对数据的需求归纳为四个条理 。。
第一层：知其然
我们可以通过建设数据监控系统 ，，，掌握爆发了什么、水平怎样 ，，，做到“知其然” 。。
详细来说 ，，，切入数据的角度主要有这几个方面 。。首先是“观天” ，，，视察行业整体趋势、政策情形影响；；再是“知地” ，，，相识竞争敌手的体现；；最后是“自省” ，，，自身做得怎么样了 ，，，自己的数据体现怎么样 。。从看数据的周期上来讲 ，，，“观天”可以是季度性或者更长的周期；；“知地”按周或者月 ，，，特殊时间点、特殊事务情形下除外；；“自省”类的数据拿到的是最周全的 ，，，需要天天看 ，，，专门有人看 ，，，有人研究 。。
在这一层上 ，，，分享两个看数据的看法：
1.数据是散的 ，，，看数据需要有框架 。。
怎么看数据很有考究 。。琐屑的数据很难施展出真正的价值 ，，，把数据放到一个有用的框架里 ，，，才华施展整体价值 。。所谓有用的框架至少包括两重作用：
（1）数据许多 ，，，差别人对数据需求纷歧样 ，，，如CEO、中层治理者、底层员工关注的数据通常是纷歧样的 ，，，有用的框架能够让差别的人各取所需 。。
（2）有用的框架能够快速地定位问题所在 。。举个例子 ，，，生意量指标各人都体贴 ，，，若是某一天生意量指标掉了20% ，，，那么 ，，，营业很大可能下是出了问题 ，，，但问题究竟出在哪儿呢？？？？？？若是只有几个高度笼统的指标 ，，，如转化率、成交人数、客单价等 ，，，是定位不到问题的 。。好的框架能够支持我们往下钻 ，，，从品类、流量渠道等找到问题所在 ，，，板子也就能打到详细的认真人身上了 。。这也是我们通常所说的 ，，，看数据要落地 。。
2.数据 ，，，有较量才有真相 。。
我有120斤 ，，，你说是重照旧轻呢？？？？？？一个孤零零的数据是很难说明问题的 。。判断某个指标增添快慢 ，，，需要选择准确的较量工具、参考系 ，，，也就是基准线 。。这个基准线可以是一个预先设定的目的 ，，，可以是偕行业平均水平 ，，，也可以是历史的同期数据 。。
第二层：知其以是然
通过数据看到了问题 ，，，走到这一步还不敷 。。数据只是表象 ，，，是用来发明、形貌问题的 ，，，实操中解决问题更主要 。。数据连系营业 ，，，找到数据表象背后的真正缘故原由 ，，，解决之 。。解决问题的历程就会涉及数据、数据加工 ，，，还可能会涉及数据模子之类的要领或者是工具 ，，，这内里手艺含量较量高 ，，，另作篇幅先容 ，，，这里不睁开了 。。
在第二层里也有两点分享：
1.数据是客观的 ，，，但对数据的解读则可能带有很强的主观意识 。。
数据自己是客观的 ，，，但消耗数据的是有主观能动性的人 。。各人往往在解读数据的时间带入主观因素：同样一个数据在A看来结论可能是好的 ，，，从B看来可能却得出截然相反的效果 。。不是说泛起这样的情形欠好 ，，，真理越辩越明 。。但若是不是通过数据找问题 ，，，而是先对问题定性 ，，，然后有选择地使用数据证实自己的看法 ，，，这种做法就不可取了 。？？？？？？墒率瞪 ，，，威尼斯9499身边经常爆发这样的事情 。。
2.懂营业才华真正懂数据 。。
车品觉先生的博文《不懂商业就别谈数据》对这个看法作了深刻叙述 ，，，这里不睁开讲了 。。只是由于本看法的主要性 ，，，笔者特意拿出来做一下强调 。。
第三层：发明时机
使用数据可以资助营业发明时机 。。举个例子：淘宝上有中晚年打扮细分市场 ，，，有大码女装市场 ，，，这些市场可以通过对周边情形的感知 ，，，相识到我们身边有一些中晚年人或者胖MM在淘宝上面没有获得需求的知足 。。那么尚有没有其他的渠道找到更多的细分市场呢？？？？？？
数据可以！
通过用户搜索的要害词与现实成交的数据较量 ，，，发明有许多需求并没有被很好地知足 ，，，反应出需求兴旺 ，，，但供应缺乏 。。若是发明了这样的细分市场 ，，，宣布出来给行业小二 ，，，宣布出来给卖家 ，，，是不是可以资助各人更好地去效劳消耗者呢？？？？？？这个例子就是现在我们在做的“潜力细分市场发明”项目 。。
讲这个案例 ，，，不是想吹捧数据有多厉害 ，，，而是想告诉各人：数据就在那里 ，，，有些人置若罔闻 ，，，但有些人却可以从中挖出“废物”来 。。差别是什么呢？？？？？？商业感受 。。刚刚提到的搜索数据、成交数据许多人都能够看到 ，，，但以前没有人把这两份数据联系在一起看 ，，，这背后体现出的就是商业感受 。。
第四层：建设数据化运营系统
我明确的数据化运营 ，，，包括了两重意思：数据作为间接生产力和直接生产力 。。
1.数据作为间接生产力 。。
所谓间接生产力 ，，，是指数据事情者将数据价值通过运营转达给消耗者 ，，，即通常所说的决议支持 ，，，数据事情者产出报表、剖析报告等供各级营业决议者参考 。。我称之为决议支持1.0模式 。。然而随着营业开拓和营业职员对数据主要性明确的增强 ，，，对数据的需求会如雨后春笋般冒出来 ，，，显然单单依赖人数未几的剖析师是知足不了的 。。授人以鱼不如授人以渔 ，，，让运营、产品的同砚都能够举行数据剖析 ，，，是我脑子中的决议支持2.0模式 。。
决议支持2.0模式有三个要害词：产品、能力、意愿 。。
让运营和PD掌握SQL这类取数语言 ，，，掌握SAS、SPSS这类剖析事情 ，，，显得不大现实和须要 。。提供低门槛、用户体验优异的数据产品是实现决议支持2.0模式的基础 。。这里讲的产品 ，，，不但仅是操作功效集 ，，，还需要承载剖析思绪和现实案例 。。
可是 ，，，数据剖析的门槛始终是保存的 。。这就对运营和PD提出了新的基本能力要求 ，，，即基础的数学能力、逻辑思索能力和学习能力 。。
最后一个意愿 ，，，也许是最要害的 ，，，只有心田有强烈的驱动 ，，，想做好这件事情的时间 ，，，才有可能做好 。。
2.数据作为直接生产力 。。
所谓直接生产力 ，，，是指数据事情者将数据价值直接通过前台产品作用于消耗者 。。时髦点讲 ，，，叫数据变现 。。随着大数据时代的到来 ，，，公司治理层越来越重视这一点 。。大数据时代带来了大的时机 ，，，但也可能是大灾难 。。若是不可使用数据爆发价值 ，，，那么 ，，，它就是一个灾难——爆发的数据越多 ，，，存储的空间、铺张的资源就越多 。。
现在较量好明确的一个应用就是关联推荐 ，，， 你买了一个商品之后 ，，，给你推荐一个最有可能再买的商品 。。个性化是数据作为直接生产力的新浪潮 ，，，这个浪潮已经越来越近 。。数据事情者们 ，，，做好迎接的准备吧 。。