神策数据CEO桑文锋：数据思维与数据价值丨【芒种·观点】
调查就像“十月怀胎”，解决问题就像“一朝分娩”。
6月6日，腾讯媒体研究院旗下芒种特训营运营季在北京举办，神策数据创始人&CEO桑文锋老师在课上进行了分享，腾讯媒体研究院将部分内容整理成稿，以下为具体内容。
1
穿越历史看数据思维
我们谈到数据分析、数据这些东西，大家的直观感受肯定是“这种东西是从国外来的”。国内相关历史文章提到数据两个字的基本没有，因为没有形成这样一种概念。我们很多时候讲数据驱动，都是从美国、硅谷那边引进来的。
在我看一些历史资料的时候，我会研究中国人之前到底有没有数据意识，会不会考虑到这些点。最近这半年我都在研究党史，因为我觉得创业一定要去学习更成功的创业者。在地球上最大的创业莫过于此了。这些创业者中也有乘风而起自成体系的开山创业者，这其中毛主席绝对具有独特性，因此我年前也把毛选看了一遍。
毛为什么这么厉害？研究来研究去，最重要的一点就是毛擅长做数据分析。
80后肯定都学过这篇文章——《反对本本主义》。这篇文章讲清楚了调查的重要性，而调查就是做数据搜集——“没有调查就没有发言权”。文中还有另外一句话“调查就像十月怀胎，解决问题就像一朝分娩”——把调查做好了，这个事儿就非常明白了。毛选前面讲的都是调查研究，比如湖南农民的调查报告等，毛思想的起点就是做调查，通过调查了解实际情况。
网上经常会出现一些段子，讲KPI怎么怎么不好。但是在现实工作中，如果想把大家的精力放在一起去、让大家的方向是朝一个点努力，KPI不失为一种有效的手段。所以数据分析、数据理念对一个国家来说是有益的，对一个小的公司来说更加成立。
因为中国历史上缺乏数理化，于是我们小时候习惯了拍脑袋凭感觉去做决断，在数据上利用率不是特别高。更多的时候讲人文、讲政治，可能你文章写得好，你当丞相了，不是你生产搞得好。但是现在讲科技是第一生产力，思路必须完全不一样。
2
数据价值：驱动决策与产品智能
回到现在，数据分析到底有什么样的价值。我总结有两点，一点是数据是驱动决策，帮助你“拍板”。这里面包括做一些产品的大的战略规划，或者做一些商业决策，比如在北京开一个餐馆开得挺好，下一步准备在哪开分店等，这些都需要有数据支撑。
第二，数据驱动产品和运营。产品迭代的过程并不是由你拍脑袋来决定，只有通过数据才能证明怎么改较为合适。也不是上了一个新版就有可能带来业务的增长，新版很可能让用户加速流失。运营同样如此，大家主要做内容创业，关心的是内容。那么这个内容是哪些用户喜欢的？公众号可以通过哪些数据来看运营情况的好坏？这是可以做运营的。
另外这些不拉过来的不同的用户看你这一篇文章，他是否被你黏住？之后他是否又留在这个平台里面关注你？或者成为你的一个核心付费用户？这个过程也得依靠数据。
还有就是管理，管理用数据说话。一是做得好不好，看你KPI完成的情况，完成得好就是做得好，我们就是用一些数据指标评判考核。
但在我看来在这些只能发挥数据20%的价值，数据更大的价值是驱动产品智能。
产品智能是什么？我们有了数据，套上一定的策略算法，让产品本身具有一种学习能力。我拿输入法作为一个例子，2001年的时候我在读大学，那时我们用的智能ABC还有微软输入法来打字，打得速度又慢性能也不行。2006年，搜狗输入法出来了，我相信大家对它都有很直接的感知，它甚至具备了纠错能力。
为什么这些输入法变得越来越强大？背后靠的是数据。到搜狗输入法的时候，它本身已经是一个搜索引擎，它将网上大家经常搜索的检索词收录起来了，然后把这些信息都搬到输入法的词库里，这就是过去一年多比较火的AI。AI的核心就是用数据让产品本身具有学习能力，而不是一个傻瓜思想。
所以现在这些可能还不够普遍，但是势头已经起来了，再过三五年会更加明显。
3
如何让数据驱动产品、驱动运营？
首先，对一个公司来说，不是有了几张报表或者有几个核心指标就叫数据驱动、就实现全面的数据分析了。更系统地考虑这个问题，一定要考虑“全角色”，不同的角色，不管是产品、运营、市场、销售、分析师各个决策，都应该引用数据。比如一个便利店里面一个店员，是不是他也是掌握数据的。我去年的时候看一本书，讲7—11便利店的零售哲学，里面讲了一点，7—11便利店里面每个店员都能够决定进什么货，他会搜集这个店里面卖了哪些商品、哪些商品卖得好。这就是让每一个人都用数据，工作比较有效。
另外就是全渠道，要把线上线下打通结合起来，大家虽然做内容创业的，但有些不止做内容，后面还有卖货卖服务。这些信息是不是能够打通起来，把它关联起来去做沟通。
第三点就是全流程。任何公司做的事情都是一个业务流程，从最开始市场、销售到后面去服务，整体就是流程，这个流程里面各个环节是否都能引入数据？或者引入数据之后让它变得更加智能？这都是数据能够起到作用的点。
实际情况当然没有那么理想了，真正在实际业务里面对数据的运用、对数据分析的数据意识反差是很大的。大家可以回想一个问题，最近你做的决策里面有多少是基于数据的？还是凭你的直觉，你的直观感受比较准，然后用它去做的？然后你的直觉里面，你的直觉判断里面有多少是对的？可能大部分是对的，但是更多可能是错的，你会发现很多结果与你想的不太一样，那就是因为你没有数据，定性凭感觉作判断的精确性是不够高的。
另外你也可能只是看了一些宏观的资料，比如看到昨天用户活跃度这个指标跌了4%，然后你就想知道为啥跌了4%，假如你只有一个宏观日活的统计，没有具体的数据，那该怎么去做宏观分解？光有一些数还不够，还要精细化维度的东西。
4
大数据之“大、全、细、时”
如何把数据做好？这就牵扯到你对数据的理解，大数据的概念已经很久了，我分享一下我所理解的大数据。
首先说“大”，大是更宏观、更系统的概念。比如我们把全国各个地级市今天的苹果价格拿过来，这个数据可能只有2M大小，但是如果我们去内蒙古风力发电机，一台风机振动数据拿过来大家有多大，估计有50GB。这一天哪个产生的数据更大？肯定是风机产生的数据更大。但是风机叫不叫大数据？在我看来就不叫，因为物理量是很大的，只是采了某一个节点。相反我们搜集全球各个地级市的苹果价值，根据这个做苹果的智能调度系统，这个就是一个很牛的大数据系统了，它的价值就不一样了。很多时候因为我们掌握了全局整体系统的信息，判断的时候就是高屋建瓴了，能够对这个事情作一个更好的判断。
第二点就是“全”。各种数据我们都应该把它搜集起来，而不是自己抽样。抽样就会有问题，因为很容易会造成偏差。比如去年的时候美国大选，大家在开始之前都认为是希拉莉获胜，获胜率是80%，川普不靠谱只有20%的支持。但是结果一开是川普赢了，大家都在分析到底问题在哪。
其中一个原因是美国中部有很多农民，农民是比较赞同川普的，因此调查只是基于网络上的统计偏差，最终得到了一个错误的结论。每个人去做调研的时候都会存在这样的问题，像快手这样的产品冒出来的时候，很多人觉得挺惊讶的，我怎么就没有想到这个需求？因为采样的标准一出来，基本上需求是什么就出来了。
第三个是“细”，也就是多维度。比如我问在座的各位，你们的产品中不同身高的客户在阅读时间上有什么差异，你可能很难回答，因为你可能没采集身高这个维度，那后面就没有办法作分析了，这其实就是细，细就是强调维度。
不是你这个维度的用户来了，但量很小，就不需要做这个分析。量虽然小，但是同样有价值，可以通过不同的维度不同的视角看这些数据，同样可以得到非常有价值的分析。
最后是“时”，时就是强调时效性。现在的信息获取跟以前不一样，现在一旦出了事儿，当天全世界就都知道了，信息时效性与原来有根本差别。同样，2008年金融危机的时候，如果你比大家都提前半年知道这个信息，你就可以做空或者做多一些股票。同样一条信息，告诉你的时间不一样，价值也不一样。
这就是我理解的大数据，大数据从物理层面来说数据既大，也包含全体系。我们在做数据采集的时候，要把更大、更细、更全地做出来、搜集出来。
评论
评论
推荐评论
暂无评论哦，快来评论一下吧！
全部评论（0条）