作者：车品觉，阿里巴巴集团副总裁，数据委员会会长，浙江大学管理学院兼职教授。本书是车老师基于互联网二十年的从业经验，十五年的数据产品经验总结。分析大数据的现状及数据化思考的方法，以及怎样才能盘活数据，让数据产生价值，能够驾驭未来的商业。
数据的价值
从有数据概念的那天起，数据分析便被作为一个高大上的词，泛滥的被用在一些其实名不副实的事情上，数据的价值并没有被真正发觉、重视。
想让数据产生价值，要让科学的数据分析框架去解决用户的实际问题，就需要将相互关联的数据嵌入产品或生产流程中，在数据提炼的“最后一公里”，让数据在产品中“说话”。
在最后一公里之前的工作都叫数据统计，只有当数据开口说话了，才是数据分析。用来作为决策支持，数据的价值才得以体现。
过去使用数据的方法很简单，很少为了解决问题而提炼数据。即使为了解决问题，常见的方法是根据历史数据总结规律，然后采取行动。而现在更希望得到从全景出发的动态关联数据。通过更多的环境动态数据，而非历史统计数据来提供服务。
数据价值的关键就是数据前置，即让更多数据嵌入产品中，从而产生价值。比如地震预测，由于地震发生在地底下，不能直接观察，影响因素也较为负责，目前全球的地震预测准确率只有20%左右。地震发生前的数据价值是生命与财产，地震发生后的数据价值是新闻数字，这两个价值之前的差异不言而喻。
当下很多公司还停留在用统计数据作决策参考的水平上，如果将更具关联性的数据分析框架应用于公司业务中，那么就会发现一个全新价值。所以，必须让数据进入某个特定的场景中，而且可以被使用。
死数据与活数据
死数据：单纯存储在数据库中，无法进行分析和使用，并且不能够产生价值的数据。
活数据：把数据用起来！
数据的价值在于能为决策做支撑。重要的是数据与数据之间的关联，而非数据本身。
活做数据收集，不仅收集自己的，也要收集别人的。
活看数据指标，不要局限于既又的数据框架，而应该结合用户需求的不同场景而来灵活收集数据。
大数据的问题
大数据的很多问题，其实是小数据中问题的放大。所以古人说，“治大国如烹小鲜”。用数据化思维理解并使用小数据，将更具关联性的数据分析框架应用于公司业务中，那么就会发现一个全新价值。
数据的五大价值
1.识别与串联
如何将用户在不同平台、不同ID发生的行为进行识别是否为同一个人的行为？有多大能力知道哪些数据是同一个用户的，这是企业首先必须解决的问题。
在这个问题上，酒店业和航空业要幸运很多，他们的服务需要身份证这唯一的标识。但是从大数据的角度来说，光有自己的数据还是不够的，要获取用户更多场景的数据：用户在使用酒店/航空服务之前可能在某个平台用一个ID对自己的产品及服务进行搜索，使用服务后可能又会在另外的平台用另外的ID对服务进行分享或评价。要获得这些全景数据，身份识别依然是个问题。
2.描述价值
将用户的行为、现状串联起来，勾勒出用户的行为画像。判断用户的需求，通过对需求进行刺激，以促进消费行为。
数据盲点
物理盲点：应该收集但却没有收集到的数据
逻辑盲点：应该关联分析出，但是没有被分析出的数据
人为制造的盲点：通过混淆、偷换概念得到的没有实际意义的数据
亚马逊的数据收集案例
一个人是否选择在网上买书，除了用户习惯以外，还有现实条件的约束：如果家附近没有书店，可能网上买书是一个更可能的选择。亚马逊主动收集用户的IP地址，然后从IP地址破译出用户所处的位置附近多少公里内有实体书店。
家附近没有实体书店的用户，更有可能成为亚马逊的客户。针对这部分客户，可以投入更多的精力进行精准营销。
3.时间价值
数据是有保质期的，看行业的趋势数据要看三年，天气预报的数据有效性则止于当下。用数据来进行业务分析，一定要关注原始数据的时间：数据所处的时间段长短，数据所处的时间点都是数据的时间属性中所需要关注的。
4.预测价值
数据价值的关键是数据前置，根据前置数据来进行趋势预测，从而顺应趋势来进行决策。在以往的数据模型中，有太多的条件假设是固定不变的，但是用于商业活动的数据预测，一定要假设一切都在改变，要关注新的数据收集源头，注入新的信息，尤其是拐点信息。
5.产生数据的价值
先开枪后瞄准
这并不符合常理，常理讲的是有的放矢。但大数据的情况是面对海量的数据、有用的，无用的，重复的，缺失的，要从中找到有价值的信息。
所谓开枪，就是在一堆海量数据中盲选，而瞄准是在海量数据中盲选出有价值的数据。
在没有数据的时候，在探索中寻找有参考价值的数据，最后发现目标，作出决策。
从数据化运营到运营数据
没有了运营数据这个部分，绝大部分数据都不是大数据。通过用数据拿数据可以把二者打通。
用问题来获取更多数据，是用数据拿数据最常用的一种方法。
阿里巴巴的数据化运营
业务层面三板斧：混、通、晒
混：断层是数据化管理所面临最严重的问题——收集数据的人不知道使用数据的人要做什么。数据分析师要跟业务人员混在一起，混出商业敏感。
通：打通混的数据，让数据分析接地气
晒：在混和通上的数据呈现，是在人、商业、数据三者相结合后的看数据、用数据的方法论。
数据层面三板斧：存、管、用
存：数据收集
管：保护好存储数据
用：从收集到管理
---------------------------------------------------------------------------------------------------------------------------
更多文章，请关注微信公众号：沁水小数据（@qinData）
本号专注于基于Excel的小数据分析，以及数据分析结论的展示方法及技巧，流程管理及优化的方法探索，致力于用数据解决问题。
-
决战大数据：驾驭未来商业的利器
2016-04-20
作者：车品觉，阿里巴巴集团副总裁，数据委员会会长，浙江大学管理学院兼职教授。本书是车老师基于互联网二十年的从业经验，十五年的数据产品经验总结。分析大数据的现状及数据化思考的方法，以及怎样才能盘活数据，让数据产生价值，能够驾驭未来的商业。
数据的价值
从有数据概念的那天起，数据分析便被作为一个高大上的词，泛滥的被用在一些其实名不副实的事情上，数据的价值并没有被真正发觉、重视。
想让数据产生价值，要让科学的数据分析框架去解决用户的实际问题，就需要将相互关联的数据嵌入产品或生产流程中，在数据提炼的“最后一公里”，让数据在产品中“说话”。
在最后一公里之前的工作都叫数据统计，只有当数据开口说话了，才是数据分析。用来作为决策支持，数据的价值才得以体现。
过去使用数据的方法很简单，很少为了解决问题而提炼数据。即使为了解决问题，常见的方法是根据历史数据总结规律，然后采取行动。而现在更希望得到从全景出发的动态关联数据。通过更多的环境动态数据，而非历史统计数据来提供服务。
数据价值的关键就是数据前置，即让更多数据嵌入产品中，从而产生价值。比如地震预测，由于地震发生在地底下，不能直接观察，影响因素也较为负责，目前全球的地震预测准确率只有20%左右。地震发生前的数据价值是生命与财产，地震发生后的数据价值是新闻数字，这两个价值之前的差异不言而喻。
当下很多公司还停留在用统计数据作决策参考的水平上，如果将更具关联性的数据分析框架应用于公司业务中，那么就会发现一个全新价值。所以，必须让数据进入某个特定的场景中，而且可以被使用。
死数据与活数据
死数据：单纯存储在数据库中，无法进行分析和使用，并且不能够产生价值的数据。
活数据：把数据用起来！
数据的价值在于能为决策做支撑。重要的是数据与数据之间的关联，而非数据本身。
活做数据收集，不仅收集自己的，也要收集别人的。
活看数据指标，不要局限于既又的数据框架，而应该结合用户需求的不同场景而来灵活收集数据。
大数据的问题
大数据的很多问题，其实是小数据中问题的放大。所以古人说，“治大国如烹小鲜”。用数据化思维理解并使用小数据，将更具关联性的数据分析框架应用于公司业务中，那么就会发现一个全新价值。
数据的五大价值
1.识别与串联
如何将用户在不同平台、不同ID发生的行为进行识别是否为同一个人的行为？有多大能力知道哪些数据是同一个用户的，这是企业首先必须解决的问题。
在这个问题上，酒店业和航空业要幸运很多，他们的服务需要身份证这唯一的标识。但是从大数据的角度来说，光有自己的数据还是不够的，要获取用户更多场景的数据：用户在使用酒店/航空服务之前可能在某个平台用一个ID对自己的产品及服务进行搜索，使用服务后可能又会在另外的平台用另外的ID对服务进行分享或评价。要获得这些全景数据，身份识别依然是个问题。
2.描述价值
将用户的行为、现状串联起来，勾勒出用户的行为画像。判断用户的需求，通过对需求进行刺激，以促进消费行为。
数据盲点
物理盲点：应该收集但却没有收集到的数据
逻辑盲点：应该关联分析出，但是没有被分析出的数据
人为制造的盲点：通过混淆、偷换概念得到的没有实际意义的数据
亚马逊的数据收集案例
一个人是否选择在网上买书，除了用户习惯以外，还有现实条件的约束：如果家附近没有书店，可能网上买书是一个更可能的选择。亚马逊主动收集用户的IP地址，然后从IP地址破译出用户所处的位置附近多少公里内有实体书店。
家附近没有实体书店的用户，更有可能成为亚马逊的客户。针对这部分客户，可以投入更多的精力进行精准营销。
3.时间价值
数据是有保质期的，看行业的趋势数据要看三年，天气预报的数据有效性则止于当下。用数据来进行业务分析，一定要关注原始数据的时间：数据所处的时间段长短，数据所处的时间点都是数据的时间属性中所需要关注的。
4.预测价值
数据价值的关键是数据前置，根据前置数据来进行趋势预测，从而顺应趋势来进行决策。在以往的数据模型中，有太多的条件假设是固定不变的，但是用于商业活动的数据预测，一定要假设一切都在改变，要关注新的数据收集源头，注入新的信息，尤其是拐点信息。
5.产生数据的价值
先开枪后瞄准
这并不符合常理，常理讲的是有的放矢。但大数据的情况是面对海量的数据、有用的，无用的，重复的，缺失的，要从中找到有价值的信息。
所谓开枪，就是在一堆海量数据中盲选，而瞄准是在海量数据中盲选出有价值的数据。
在没有数据的时候，在探索中寻找有参考价值的数据，最后发现目标，作出决策。
从数据化运营到运营数据
没有了运营数据这个部分，绝大部分数据都不是大数据。通过用数据拿数据可以把二者打通。
用问题来获取更多数据，是用数据拿数据最常用的一种方法。
阿里巴巴的数据化运营
业务层面三板斧：混、通、晒
混：断层是数据化管理所面临最严重的问题——收集数据的人不知道使用数据的人要做什么。数据分析师要跟业务人员混在一起，混出商业敏感。
通：打通混的数据，让数据分析接地气
晒：在混和通上的数据呈现，是在人、商业、数据三者相结合后的看数据、用数据的方法论。
数据层面三板斧：存、管、用
存：数据收集
管：保护好存储数据
用：从收集到管理
---------------------------------------------------------------------------------------------------------------------------
更多文章，请关注微信公众号：沁水小数据（@qinData）
本号专注于基于Excel的小数据分析，以及数据分析结论的展示方法及技巧，流程管理及优化的方法探索，致力于用数据解决问题。
<图片1>