第三章 需求挖掘与分析，电子商务与大数据
互联网购物逐渐成了人们购物的主要方式，电子商务的繁荣带动了相关产业的不断升级。为了迎合大数据时代的特征，也为了更好地把握住大数据时代的种种商机，各个电子商务企业纷纷涉足互联网金融，追逐大数据，都希望占据未来市场。
大数据时代中的电子商务
全球最大的信息技术和业务解决方案公司IBM在被联想收购之前，可谓是电子商务行业中的一匹宝马。它始创于1911年，总部位于美国纽约州阿蒙克市。IBM在2011年的净利润达到159亿美元之多。
进入大数据时代之后，IBM积极响应并做出转变。IBM全面整合了公司的内部资源，搭建了全新的数据平台。就此宣告 全面升级的大数据战略。IBM的大数据战略体现在三个方面：1.包括掌控信息、获悉洞察、采取行动的全面战略理论（也称3A5步）；2.包括Hadoop 系统、数据仓库和信息整合系统、流计算的全面的解决方案；3.全面的落地实践。
马云的阿里巴巴可谓是国内电子商务界的龙头老大，阿里巴巴成功的因素之一就在于该企业非常重视数据。1999年成立 的阿里巴巴经过十几年的发展，企业平台上已经积累了大量的数据，目前阿里巴巴拥有阿里巴巴B2B、聚划算、一淘、淘宝网、天猫商城、中国雅虎、阿里云、一 达通、中国万网等子公司。
阿里巴巴设立了“首席数据官”一职以充分挖掘大数据的价值，并为自己的网络销售平台提供完善的数据云服务。在 2012年的商业大会上，马云表示阿里巴巴将于2013年1月起转型金融、重塑平台和数据三大业务。阿里巴巴希望通过这种方式，分享和挖掘海量的数据并为 其他中小企业提供更有价值的信息。
除了IBM、阿里巴巴之外，甲骨文、微软、惠普、百度等公司为了应对大数据时代的挑战和机遇，都在积极挖掘大数据之 中的“宝藏”，使得大数据市场一时间热闹非凡。而在这热闹的过程中，众多的电子商务企业在大数据的基础上，开始纷纷涉足互联网金融。网络银行一夜间崛起， 网上支付、手机客户端支付已经成为很多人消费的主要支付方式。京东商城选择和中国银行合作，担任着类似的中介角色。通过这样的方式为供货商们提供入库单融 资、应收账款融资、订单融资、资产包转移计划等服务。京东商城对供应商提出的融资申请进行核准之后，转交给银行，银行根据相关材料对供货商发放资金。
2013年1月，京东商城的CEO刘强东在公司内部年会上表示，京东商城将以大数据的供应链金融业务为主要战略性业务，以此应对大数据时代的考验。此外，京东商城还将组建京东金融公司等子企业和部门为商家和个人提供融资贷款服务。
阿里巴巴和京东商城这两个老对手，在进入大数据时代之后交手更加频繁。京东并不是首家涉足供应链金融的商家，阿里巴巴在2007年就已经推出了供应链金融以帮助中小企业进行融资。供应链金融的好处和利润被其他各个企业看中，这些小企业争相挤进这个领域，想要分得一杯羹。
其中最具代表性的就是金银岛。2009年，金银岛通过和中国建设银行、中远物流合作推出了E单通。E单通可以细分为网络订单融资和网络仓单融资两部分。这是合作三方共同建立的一整以实现物流、资金流、信息流的深度融合为目的的服务和风控体系。
亚马逊在大数据时代的实践
亚马逊是全球第一家网络书店，他的掌门人是贝索斯。了解亚马逊的人都会发现，贝索斯有个习惯——在开会的时候留出一 把空椅子。他的目的是为了告诉自己的员工，消费者是公司最重要的人。本着顾客至上的经营理念，亚马逊成了名副其实的电子商务领袖：仅2011年的净利润就 达到了6.3亿美元，公司的市值接近千亿美元。
和很多企业不同的是，亚马逊推出新产品和服务的速度非常快，并不需要进行长时间的调研、分析等步骤。因为只要推出了新产品，几周的时间内，消费者就会自动为公司留下珍贵的评论及购买的数据。
有了这些数据，亚马逊就可以采用大数据技术，详细分析这些数据背后的真相。准确地评估自己的新产品，从而很快给出产 品是否应该继续推广、如何推广等问题的答案。亚马逊的这个流程，实际体现了以消费者为中心的理念。通过消费者的真实反映来改善产品，这是很多企业都应该学 习的。贝索斯的“空椅子”理念代表了他对电子商务的深刻理解，也代表了亚马逊在大数据时代的良好实践。
在金融市场不断发展和稳定，金融产品在人们的生活中不断占据更大的比例的情况下，全球已经进入了从工业化时代向信息化时代过渡的阶段。美国是这条道路上走得最快的国家，中国紧紧地跟在西方发达国家之后。
以宝洁、沃尔玛、通用汽车等企业为代表的大工业时代有明显的特征——大量生产、物流强度大、零售量大。大工业时代不会在未来的消费市场延续，取而代之的是信息化时代。信息化时代的特征有：主导者就是消费者、个性化生产、网络化协作。
这一转变将一改企业只专注于内部管理、生产和供应链的问题，使得消费者处于主导的地位并成为企业的一分子。
以著名的汽车生产商福特为例。福特在早期一直生产T型车，并且福特的理念是以生产为中心，当时福特对外流传这样一句 话“顾客可以随心选择自己喜欢的颜色，只要是黑色”。但是这样的经营理念，早已经被淘汰。在当下的市场竞争中，企业必须学会揣摩每一个消费者的喜好，以提 供满足绝大部分消费者需求的产品。
开启了各个企业以消费者为主导模式之门的大数据时代到来了。比如一家服装企业企图调查其顾客的购买意愿，于是安装了 监控，以方便观察顾客试穿了哪些衣服。但是既要安装设备，又要整理和分析数据，成本一下子提高了，尝试以减少样本量的方式降低成本只会使得统计的结果有偏 差或者失灵。
如果将类似的情况放在互联网上，边际成本的增加却趋近于零。因为消费者只要在网上点击了衣服的图片、放进了购物车、 付了款等等，这些动作都会被服务器自动记录下来。想要分析这些数据唯一花费的就是时间，从海量的数据中挑选需要的数据并做出分析。这一对比，大数据技术的 价值就明显地展现了出来。
想要成功地实现展业转型，就必须洞悉消费者的心理、快速响应消费者的需求，即使是潜在的需求。企业如果拥有了对大量 数据的处理和分析能力，就等于拥有了“千里眼”和“顺风耳”。虽然大数据技术在国内很多企业中都处于起步阶段，但是总有一些优秀的领袖企业，带领着大家走 在技术进步的道路上。
以对比亚马逊和索尼为例来体现亚马逊对待大数据技术的态度和实践。亚马逊拥有全球最大的电子商务网络，这也使得亚马 逊可以大规模地收集消费者在浏览和消费的过程中留下的一切痕迹，从而拥有全面精准的数据。以此为中心，亚马逊开发了市面上唯一一款能够和苹果的iPad抗 衡的产品——kindle fire。
而索尼的市场份额在近几年不断缩小，这是因为它所生产的产品明显和消费者的喜好脱节，walkman等产品早已经被消费者淘汰了，而索尼似乎后知后觉。这正是因为索尼错过了利用大数据技术更紧密地贴近消费者的机会。
美国明尼阿波利斯市的一个经典案例一直在互联网上流传。塔吉特百货里来了一个怒气冲天的男子强烈要求见百货公司的经理。原因是百货公司寄给了她在上高中的女儿一些购买母婴用品的优惠券。顾客因为百货公司不恰当的行为非常生气。
经理查看了公司发给顾客女儿的邮件，的确给他的女儿赠送过购买母婴产品的优惠券。经理反复和这位顾客道歉，才平息了这件事情。
有趣的是，几天之后百货公司的经理再次给这位父亲打去电话表示歉意的时候，这位父亲非常愧疚地告诉他：“对不起，我之前错怪了你们，我和女儿长谈了一次，她的确怀孕了。”
很多人看到这里都会有疑问：百货公司怎么会知道顾客的女儿怀孕了，并向她赠送母婴产品的优惠券呢？商店竟然比顾客先一步了解他女儿的动态，这实在令人惊讶。想要知道这其中的奥妙就必须提起电子商务的鼻祖——亚马逊。
成立于1995年的亚马逊是全球最大的电子商务供应商。该公司最令人称奇之处在于，在成立之初，亚马逊一直处于亏损 的状态，而且逐年严重。数据显示，2000年亚马逊亏损了14.1亿美元。在成立之初的8年时间里，亚马逊一直处于这样的亏损状态。直到2003年，亚马 逊才终于开始盈利。
亚马逊的“锦囊”就是它有一位伟大的领导者——贝索斯，贝索斯是一个眼光长远的人。尽管在成立初期，亚马逊经历了互 联网泡沫的冲击、经历了投资机构的做空，贝索斯依旧不顾外界对公司的评价，我行我素。在贝索斯给公司股东的信件中，他总是强调：“It’s all about long term.”而亚马逊之后的辉煌也证明了这位领导者的犀利眼光。
仅仅2012的前三个季度，亚马逊的营业收入就达到了398亿美元之多，相比前期，涨幅非常大。亚马逊能够做到如此 转变主要归功于它强大的推荐系统。亚马逊的网店系统最强大的一点，就是能够让顾客发现自己的潜在需求。顾客进入亚马逊的网上商店起，就不断地被这样的思想 渗透。“人气组合”“购买了此商品的用户还浏览了”等等栏目都是吸引顾客发现自己潜在需求的“钓钩”。
亚马逊将顾客在网站内的所有行为都通过系统记录下来，根据数据的特点进行分类处理，按照商品类别形成不同的推荐栏 目。例如“今日推荐”就是根据当天顾客浏览的信息记录，推出一些点击率最高或者购买率最高的产品。而“新产品推荐”则是根据顾客搜索的内容为顾客提供了大 量新产品的信息。“用户浏览商品推荐”，则是将顾客曾经浏览过的商品信息再一次推向顾客，让顾客考虑购买或者进行二次购买。
捆绑销售法也是亚马逊采用的有效方法之一。即利用数据挖掘技术分析顾客的购买行为，找到某件商品的购买者经常一起购 买的其他商品，构成销售组合，进行捆绑销售。他人购买或浏览过的商品栏目，则是通过社会化的机制，根据购买同类商品的顾客的喜好，为顾客提供更多的选择， 使顾客更加方便地挑选。
亚马逊成功的另一个主要因素是，在给顾客做推荐的时候，亚马逊的顾客体验非常特别。亚马逊给出了大量的真实数据，让顾客在短时间内就对其产生了信任和忠诚。例如，购买了此产品的顾客还购买了某产品、你曾购买过某产品因此给你推荐类似的其他产品等等。
不得不提的是，亚马逊的推荐内容是根据真实数据分析计算出来的。每个用户的档案中都记录了该用户的所有购买和浏览行 为。亚马逊的商品评价系统也从另一个方面归纳和反映了顾客对产品的偏好。亚马逊将这些数据做成顾客的档案，直截了当地告诉顾客亚马逊这些推荐举动的可靠和 用心。
小米手机在大数据时代的实践
小米手机就像是竞赛中的一匹低调的黑马，在赛前默默无闻、鲜为人知。一下子就占据了手机市场上前列的位置。于 2010年成立的小米，自2011年推出第一代小米手机起，就获得了顾客的喜爱。2012年小米又推出了第二代手机，并且开通了网络销售平台。令很多竞争 者没有想到的是，网络销售平台一开放，第一轮的5万部手机在3分钟之内被抢购一空。到2012年中旬，小米公司的市值已经达到了40亿美元。小米的董事长 雷军推崇软硬一体化设计，和苹果公司的创始人乔布斯相同，因此，很多小米的喜爱者都称雷军为“雷布斯”。
虽然“雷布斯”的小米公司在很大程度上是模仿乔布斯的苹果公司。但是一味地模仿是不会取得这么大的成功的。小米有着自己的一套“模仿”模式，这种模式分为三个方面，即硬件、软件、移动互联服务。小米的目标是要把这三个方面都发展到市场领先地位。
这个年轻的公司，在其走向市场之后，已经发布了小米1、2、3三代手机。其软件上的实力也不可小视，小米公司开发了米柚操作系统、小米读书、小米分享等软件。
这样一家看似模仿苹果公司而产生的企业，在其成长和发展道路上一定受到了很多的质疑和责难。但是小米却用不断提供好 的服务来回馈了这些。小米选择的道路是正确的，同时掌握硬件和软件的技术，为顾客提供全方位的服务，其未来一定会受到越来越多人的认可和喜爱，发展前景不 可限量。
再好的软件，没有硬件作为展示的平台，也无法发展起来。就好像一个人没有了灵魂，生命也索然无味一样。只有将硬件和 软件结合起来，提供全方位的服务，才能给顾客最好的体验。科技迅速发展，电子产品不断升级的时代，顾客不仅重视电子产品的外观，更重视其内在的软件配置和 操作系统。一些专攻硬件的制造商，如果不转变自己的生产方向，那么就会在竞争中被淘汰。
任何一家电子产品的生产商，如果没有自己独立的软件配置，都无法在竞争中生存下来。很多生产商在自己的产品中内设自 己独有的软件，来保护自己的产权。例如，联想的手机就默认联想的网盘，华为的手机默认华为的网盘。可见，硬件和软件同样重要，缺少一个，就会被竞争对手获 得先机。苹果公司的成功就极大地证明了软、硬件一体化的优势。
软硬件一体化的模式，适用于各种智能型电子产品的开发，而不仅仅是手机生产。不论是笔记本电脑还是iPad等平板电 脑，都遵循这样的模式。小米的发展空间远不止如此，它可以发展成为一个综合性多元化的电子产品生产商。通过将这种模式扩展到小米电视、小米电脑等产品的开 发和生产上，不久的未来，小米还将带给我们惊喜。
没有将软硬一体化生产投入到自己的企业生产模式中去的企业将会在竞争中处于劣势。这种现象不仅出现在手机生产商中 间，中国的整个IT行业都存在这样的现象。即使生产商做出了很大的努力并且极力地宣传，顾客却仍然理所当然地认为国产的硬件设备没有任何的优势。电子产品 中通用的硬件，因为其价格越来越透明化，其生产商的利润在不断地下降。顾客一门心思地认为硬盘、操作系统和CPU等都是国外的产品比较好，因此单一生产硬 件产品的商家在价格上没有任何优势，反而一步步进入利润逐降的怪圈。
但是和手机行业不同的是，IT行业的怪圈远不止如此。因此，软件生产商也不赚钱。顾客对软件的投资，只占其电子产品 投资的极小一部分。任何一个系统都可以用光盘安装和卸载，而一个光盘的价格又非常低。因此，顾客从心理上也不愿意在软件上过多投资。由于这种原因，中国的 硬件及软件生产商正面临被动的局面。
这是一种既不利于中国的硬件、软件生产商，也不利于顾客专注业务发展的信息产业格局。软件供应商失去了硬件支持，就 变成了跛脚的瘸子，很难走得更远。硬件供应商不了解顾客业务需求，就成了睁眼瞎，无法把握发展的正确方向。中国的硬软件产业，一瞎一瘸，一路走来，着实不 容易。即使是国内最大的软件厂商——用友，其2011年的销售收入也不过40亿元，根本无法和国际市场比较。
一体化模式的好处不仅能在IT行业体现，在企业的应用市场上体现得也非常明显。海外甲骨文公司是这个市场领域“第一 个吃螃蟹的”企业。其创始人拉里﹒埃里森是乔布斯的好朋友。读过《乔布斯传》的人对他一定不陌生，《乔布斯传》就写到了他对苹果公司一体化模式的认可，并 准备运用到自己的企业的市场中去。甲骨文立刻将这种模式投入到了自己的生产中。其生产的Exadata一体机，就融合了其公司自己开发的商业软件，例如数 据库软件、数据仓库软件等。这款机器就是甲骨文公司的一个典型软硬件一体化产品。
继甲骨文公司之后，IBM公司也将这样的模式运用到了自己的生产中。其生产的Netezza一体机中硬件部分包括 SMP主机，Snippet Blad、磁盘仓和网络结构。软件部分集成了数据库、数据存储、数据处理及数据挖掘等软件。其中的SMP主机又由两台分别作为活动和备机的高性能 Linux服务器组成。因此，Nettzza同时具备了大规模并行处理和对称处理的优点，建立了一个能极速分析PB量级数据的强大设备。
此外，Netezza通过将复杂的非SOL算法嵌入到MPP流的处理组件中，建立了一个强大的系统，这个系统能极速分析PB量级数据并以“流水线”的方式处理庞大的数据量及复杂的数据量。这种方式不仅提高了其性能，还减少了数据转移的成本。
EMC本是一家生产硬件的厂商，但是由于硬件生产的利润空间急剧下降，其竞争对手已经开始实行软硬一体化模式等原 因。这家储存界的翘楚也开始了自己的软硬一体化之路。EMC在大数据方面早有布局，它于2008年收购了Smarts这家网络软件开发商来提高自己的网络 管理能力。不仅如此，2011年，Greenplum这家Oracle、Netezza和Teradata等老牌厂商的挑战者企业，因其能够做到超出传统 数据库软件10~100倍的性能被EMC收购。同年10月，EMC收购了Zettapoint，这是一家数据优化企业。2012年，EMC又收购了 Pivotal Labs和Watch4Net来提高自己产品的计算能力和绩效管理能力。一系列的收购之后，EMC成功地转型为软硬一体化的企业。并购了 Greenplum之后，EMC开发并推出了统一分析平台，来加强自己在大数据方面主要提供存储和统一分析的能力。
小米手机对“米粉”需求的文化挖掘
小米公司的一位高管在接受记者采访的时候这样说道：“小米从创立起，业界对我们的看法经历了三个阶段。看不起——看 不懂——赶不上。”的确，小米手机这匹后来居上的黑马，一夜间让老牌的手机企业都刮目相看，它的来势汹汹，出乎了所有人的意料。小米的经营理念就是以消费 者为中心，以它的支持者即粉丝为中心。这样的经营思想帮助小米在其支持者的心中牢牢地占据了重要的地位，这对很多企业都有极大的参考价值。说起小米的粉丝 团，最令人疑惑和关心的就是，小米是如何将其300万的粉丝凝聚在一起的？这些狂热的支持者对小米的快速发展起到了什么样的作用呢？
小米公司最早推出的手机用的操作系统是根据谷歌的安卓系统定制而来的MIUI操作系统。这个系统深受很多顾客的喜 爱，甚至有人买回了安卓系统的手机之后重新刷成MIUI操作系统。小米抓住了这个好机会，不久后推出了专属于自己的小米论坛，以此聚拢了一批MIUI操作 系统的铁杆用户。最令人惊讶的是，这些粉丝中的一些人，一开始只是小米的用户，然后成了狂热的粉丝，最后直接加入了小米，成了论坛的版主或者运营人员。
小米的这些铁杆粉丝都是其朋友圈里的公认的技术宅。他们的朋友手机出现问题的时候，往往都找他们来解决。这些铁杆粉丝由此成了其小圈子里的“手机专家”，因此，他们的意见几乎影响了朋友圈里的所有人。
小米论坛是这些技术粉和其他粉丝直言不讳、大展拳脚的天堂。只要粉丝在论坛里抱怨其MIUI系统哪个地方不方便、不 完善，小米团队就会迅速反应。并尽快在下一个版本中修改这个问题，不仅如此，他们还会在论坛里公开表扬提出了质疑和问题的粉丝。因此，很多粉丝有了一种主 人翁的感觉，这是一种神秘的参与感和心灵的愉悦感。即使只是小米的用户，他们却能够感觉到自己好像参与了小米的开发过程，甚至成了小米的系统检测者。这 样，小米手机不仅仅是小米公司的专利，它真正地属于了每一个顾客和粉丝。粉丝们通过这样的参与方式，对小米产生了极大的亲切感。每个操作系统都有漏洞和问 题，但是使用MIUI的乐趣就在于能够亲自参与其中，解决问题。
小米在这么短的时间内取得这么大的成功，其营销手段成了各大媒体争相报道的头条。小米的营销思想类似于白酒营销中的 盘中盘思想。盘中盘营销思想就是由公关某地的显要阶层带动其他阶层的营销手段。小米正是运用这样的营销思想赢得了“米粉”们的忠诚。小米的新机发布会上， 到场的营销商、合作伙伴的人数远远比不过狂热的“米粉”。
在惊叹小米拥有如此之多的忠诚、狂热的粉丝的同时，仔细分析小米对其粉丝的发掘和维持，不得不由衷地赞叹，小米发展 到如此地步，的确有很多值得学习的地方。全国各地的小米粉丝组成了一个个小组织，小米的工作人员正是通过这些分散的组织更有效地和小米的铁杆粉丝沟通，并 解决其中出现的问题。在小米的论坛上，不同的社区都有各种技术帖。在解决问题的同时，论坛也成了小米向顾客宣传和销售的良好平台。小米的粉丝与其用户的重 叠度非常高，为了让更多的用户转变为自己的粉丝，小米组建了专门的团队以保证社区的有效运行。
微博成了如今最流行的社交平台，小米的官方微博上粉丝数量大约300万人，巧合的是，其手机的销售量也是300万，这也非常有力地说明了小米的粉丝和其用户重叠度非常高。和论坛相同，小米同样组建了专门的团队来管理自己的官方微博，以保证和粉丝的及时沟通。
从一开始的被忽略、被质疑，到如今小米已经在其顾客心中占据了重要的位置，制造商小米和它的消费者及粉丝之间的隔阂 正在逐渐缩小，他们之间的交集也越来越多。很多粉丝一路伴随着小米成长，最终成了小米的员工。没有成为小米员工的粉丝，也通过社区积极地加入了小米的研发 和测试环节之中。消费者和制造商之间形成了如此亲密的关系，小米如何不壮大？这两股相互促进的力量，正是帮助和推动小米发展的最大动力。
小米和其消费者之间的关系是一种新型的买卖关系，这种良好的关系中，小米做到了以消费者为中心，以消费者的需求为标准定制化生产自己的产品，也因此获得了更广阔的顾客群。和其他企业不同的是，小米的客服不仅限于其全国统一电话，其微博、论坛都是有效的客服部门。
小米的成功使得它的这种运营模式被很多企业争相模仿，不仅要让顾客知道企业能够听到他们的声音，更要让顾客知道自己可以介入企业的各个环节。很多企业的公共平台，例如微博和官方网站都只是宣传的摆设，不起任何实质性的作用。这也正是这些企业需要向小米学习并改正的地方。
阿里巴巴数据化运营的那些“大招”
提到数据化运营，很多企业花费了大部分的时间思考要去做什么的问题。但国内电子商务行业的龙头老大阿里巴巴却没有走 这条“寻常路”，当阿里巴巴开始数据化运营的时候，他们想到的是“人”。的确，首先要从“人”做起，才能让数据化运营落地。阿里巴巴的秘密就是简单又有效 的三招。
第一招，找数据。
企业要实现其经营目标，离不开数据分析，因此也就离不开能够胜任数据分析的数据分析师，这一类人最懂分析什么样的数 据，如何分析。但是并不是去找一个专业理论非常丰富的数据分析师，就可以高枕无忧了。很多数据分析师，在专业领域数一数二，但是空有一肚子的理论，缺乏商 业意识。他们为企业分析数据的时候，不懂得究竟要运用哪些数据去分析，于是就成了“盲人”。这种数据分析师对企业是有害的，因为他们的分析结果对企业决策 层没有任何的参考价值。
很多数据师仅仅把没有整理或者初步整理的不具代表性的数据直接交给了CEO，并且他们没有向管理层解释这些数据背后的含义、体现了什么用户什么样的行为、数据的横向和纵向比较有什么结论等等。这也是导致了很多CEO每天都因为要看一大堆零碎的数据而一直抱怨的原因。
CEO需要知道的是这些数据是否精确有意义、反映了哪些问题，数据中反映了哪些市场的新现象以及需要做出什么样的决 策来应对，而不是花费多余的精力来查阅资料解读数据。这就需要企业拥有一名具有商业意识的数据分析师，对商业数据有敏感的触觉。例如，看到网络上婴儿奶粉 的销量忽然增高的时候，就可以预测到其他婴儿用品：婴儿推车、婴儿纸尿裤等的销量会随之上升。
数据师的商业意识并非天生的，没有任何一项技能是与生俱来的。因此，和很多其他技能一样，数据师想要拥有敏锐的商业触觉是需要锻炼的。
这个锻炼包含了很多层意思，对于数据分析师来说，他们需要多和业务部门的人接触，因为这样他们才会知道业务部门的员 工每天面对的业务是什么样的。要坚持不断地进行这种锻炼，商业触觉才会逐渐增加。此外，如果数据分析师能够经常参加业务部门的周会、规划会议等活动，就能 够尽快地开发自己的商业触觉。很多数据师甚至选择去业务部门轮岗，和他们一起上班、午休、喝茶聊天等，以最近距离了解业务部门，以最快地了解市场。
企业高管需要的数据分析师，是能够在每周发给CEO的周报里能看到对数据的分析，能够准确地把握市场的方向。没有任何一个CEO喜欢只有数据没有任何分析和结论的周报，这就要求数据分析师一定要有意识地和业务部门的人沟通，经常了解企业业务的情况。
第二招，沟通数据。
这一招是三招里面最重要、最关键的，并且是将前两招联系在一起的纽带。数据分析师能够从数据中看出业务的问题，或者根据业务来分析数据，这就做到了第二点。如果数据师和业务部门的员工经常联系、经常向他们了解情况，那么就会在看到数据之后，很快分析出数据背后的含义。
很多行业都非常重视数据分析及其结果，尤其是电子商务行业。随着互联网购物的普及，电子商务行业对数据的要求越来越 高，也越来越依赖于数据。但遗憾的是，即使在电子商务如此发达的今天，也很少有电子商务企业能够在数据分析的环节上做到尽善尽美。很多公司的专业人员在收 集数据的时候，会发现数据非常混乱，并且不同的数据杂乱地分散在很多人员和主管手中，给分类和整理造成了很大的麻烦。并且，很难将这些非常凌乱的数据联系 起来并分析出其中隐含的内容。
当然，必须承认的是，在数据运营的时候，会存在很多主客观的因素，影响数据和数据分析的精准度。数据本身是没有思想 的，对数据的解读在某些程度上也会受到和产品相关的各个部门的人员偏好的影响，这样，数据就有了思想和针对性。分析这样的数据，就会有不同的结果。例如， 市场部门和运营部门对“产品转化率”的理解有很大的不同，如果这样的分歧一直存在，那么企业进行数据分析，其结果的波动性就会很大。
正是因为这些不稳定因素的存在，很多问题最后都要归结到“人”和“企业”这两方面来。如果数据分析师不能和其他部门 的人产生良好的沟通，不能深入地了解业务部门的每天情况的变化，那么即使再多良好的数据也只会被浪费。数据分析师必须做到以一个业务员的身份来客观地分析 手中的数据，才能给管理层一个较为真实的分析结果。很多有经验的数据分析师，面对数据，能够在很短的时间内给出中肯的分析建议，这正是将第二招牢牢掌握的 表现。
不得不提的是，第二招有两个具体的场景。例如，面临一堆数据和一个特定的商业场景的时候，当能够准确地把握二者之间的关系时，就表示能够实现对二者之间存在的“数据中间层”进行准确地把握。
第二招的另外一个层面，存在于企业中不同组织的数据之中。即当存在某一个特定的商业情景或问题的时候，需要对甲、 乙、丙、丁四个不同组织之间的数据进行互相联系并分析，才能得出结论或解决问题。例如，某一个销售日，由于UV一下子有很大的增长，那么一定要去看退款的 数量，如果退款的数量在这一天之内也有很大的增长，那么这就是一个正常的现象。当然，如果这一天的UV并没有不寻常的增加，但退款的数目却异常地增加了， 那么就要考虑到可能是少数买家为之，此时，就要综合其他各方面的原因进行全面的分析。这就是将不同组织之间的数据融会贯通之后分析的必要性。
很多企业，在对这至关重要的第二招的把握上存在很大的问题。主要表现在两个方面。第一，从人的角度来说，即数据分析 师的主观原因造成的数据分析的不合理。如果数据分析师对企业不同组织架构中的数据不能明确地分辨，那么不仅会造成分析结果的偏差，还会导致更加严重的后 果。然而，很多企业之中都有这样的情况，部门与部门之间沟通不畅，导致数据和数据之间关联性较小或者立足点不同，这就给分析造成了极大的困难，更别说得出 有意义的结果了。
第二招，即打通数据与数据之间的联系，是在数据分析中非常重要的一点，也是能够进行准确数据分析的基础。因此，事先 做好一系列铺垫工作非常重要，例如保证数据的安全性，统一不同部门统计数据的标准，以免造成更大的工作量。最后要保证不同部门数据之间能够顺利地相互交 换，使得部门之间有较好的沟通和了解。第二招可谓是三招之中的核心，尤其是在现今每个企业的数据都越来越复杂，基数越来越大的时候。完全凭感觉去分析数据 的时代已经过去了，面对海量数据，必须做好打通数据之间联系的工作，才能更好地分析数据，使企业做正确的有益的决策。
第三招，对数据进行运营和分享。
用好第三招的主要内容就是能够通过对数据的分析得出这样几点结论：企业的业务是否正常，如何对数据进行优化来促进企 业业务的优化，如何通过对数据的分析来找到有益于企业发展的方法，帮助企业创造新的商业价值。这些问题之间看似存在明显的递进关系，但实际上却不是如此简 单的逻辑关系就能够解释的。对待这三个问题，要根据不同的场景来具体分析。不同的问题有不同的解决方法，要具体问题具体对待，做到对症下药。以下就是几种 能够解决不同问题的不同方法。
任何事物的发展都需要一个范围作为约束，数据也一样，需要一个具体的框架来具体分析企业的业务水平究竟如何。因此， 给数据搭建框架非常重要，有了合适的框架，才能对数据进行更加准确的分析，也就能更加直观地分析企业业务的好坏。数据的框架，就是一个标准，能够将数据在 同样的层面下进行分解的标准。指标化分解是一种重要的分解方式，能够将混乱的数据整理出条理，并客观地分析企业的业务。
这样的方式就类似于生活中，因为感冒而去医院检查，医生首先要求验血来判断是不是病毒性感冒一样。根据客观的数据得 出真实的结论，然后对症下药，效果才会立竿见影。看数据要能够看到数据背后隐藏的信息，而不只是被表面的信息所迷惑。对数据进行真正的分析，就会发现很多 数据和其表面所代表的内容差别很大。例如，一个网站当天成交额的提高达到百分之二十，表面上这是个值得兴奋的数据。但是，具体分析才发现，销售额的增加是 因为企业加大了对广告的投入，一对比发现，成交额的提升带来的收入增加不足以覆盖增加的广告费用，那么这个看似可喜的消息就立刻变成了一个可悲的消息，这 说明企业的广告效果非常差。
很多电子商务企业，在评价自己的业务水平时，通常用到以下两套指标。第一套是企业用来计算其成交额的，公式为成交 额=流量×转化率×单价；另一套指标多用于企业对商品进行促销的时候，公式为，即大促成交额=预热期加入购物车的商品数×商品单价×经验转化率×经验成交 额占比。前者是用来评价企业的某一类商品或单个商品的健康度的，后者则是在企业促销的前提下，用来预测大概成交额的。
业务水平的好坏是通过对数据分析之后进行比较才能得出的，单个的数据分析得到的结论是不具备代表性的。不能够进行横 向和纵向比较的数据是没有任何意义的。比较的实质就是找一个参照物，参照物的不同，会导致结果有很大的差别，因此进行比较不仅必要而且重要。寻找合适的比 较对象是比较最重要的一个环节，例如，当企业进行促销的时候，需要和往期的促销活动销售额、促销幅度、顾客对促销的评价等方面进行比较。而不是和上一个季 度的正常销售进行比较，因为毫无可比性。选错了比较对象，会导致数据分析产生极大的偏差，影响对某一决策内容的判断从而影响以后的决策方向。
当然，除了对数据框架的构造之外，能够使数据分析锦上添花的一个方式就是好的展现形式。常见的数据分析展现形式就是 表格和图形。但是这两种展现形式在某些特定的情境下是不可以互换的，否则会造成分析结果的不直观和偏颇。使用了不恰当的表现形式，会使得对数据分析结果的 分析产生障碍甚至误解。那么如何选择合适的数据展示形式呢？有几种便捷的选择原则：当需要对精确的数据有展示的时候，应该用表格，此时用图就显得非常不合 适。好的数据展示形式有利于决策者根据数据做出更加合理的决策。
数据分析的最终目的就是通过对数据的分析，发现并解决问题。那么，这样的目标就要求数据分析要准要切中问题要害。以下，举一个例子来解释如何利用数据帮助业务为企业发现更多的商机。
想要利用数据帮助业务让企业发现并抓住更多的机会，就必须了解，这样做的价值点在于通过这样的方式，使得企业的数据 变成了人人都必须使用的数据。长此以往，企业的每个人都会变成数据分析师。这正是最理想的状态，每个人都能够对数据做出分析并给出判断和结论。客观的数据 是最好的指示器，如果能够对数据进行客观敏锐的分析，那么每个员工都可以成为企业决策的参与者。
当员工积极地参与进了数据分析的工作中之后，就能够对企业出谋划策。帮助专业人员在产品的个性化设计、销量预测等方 面出一份力。这样的模式也减轻了数据分析师的前期工作，使得数据分析师能够对数据做出更加精确的分析。如此一来，数据的运营就进入了一个良性循环，有助于 企业快速地提升自己的业务水平。
在阿里巴巴流传着这样一句话：“让信用变成财富”，的确，阿里巴巴也在践行这句话。阿里巴巴所有运营程序的核心就是 通过数据来计算客户的信用水平，并且通过对客户信用的评估来为客户进行授信。一系列流程之后，通过审核的顾客就会获取他所需要的资金。正是这样一个良好的 信用模式，使得阿里巴巴越来越成功，旗下的产品也越来越多，深受顾客的喜爱。
数据分析师工作的一个重要环节就是通过对数据的分析和对市场的预测，说服产品经理某样东西可以被列为产品出售。但是这样一个看似简单的环节在实际操作中却很难顺利地实行。尤其是公司对于新产品的开发和上架没有任何问题，但是如果数据的分析达不到这个效果，一切都是空谈。
因此，如果不能有效地获取、使用、分享、协同、连接数据，数据化运营就会受到很大的阻碍。于是，数据分析师是否能将 数据简化，留下最重要的部分就变得尤为重要了。千万不能出现收集了很多的数据不知道怎么用，不知道用的数据是怎么来的等情况。这就要求能够熟练掌握前文提 到的数据化运营的三招，让每个员工都成为数据分析师。
大数据中的企业价值及客户价值
有效的数据收集不仅能够实现企业资源的合理配置，也能够更好地服务顾客，为顾客带来更好的体验。如何有效地收集数据 呢？数据的收集包括两个维度，第一个维度，是衡量数据对企业的生产价值，第二个维护是衡量数据对顾客的价值。第一个维度要求记录顾客行为数据里对企业有价 值的那些。第二个维度则能很好地帮助企业为顾客提供更好的服务，创造更大的顾客价值。
从第一个维度企业的价值来看，数据收集的主要目的就是实现了对企业资源的合理分配。可以通过不断的升级自己的操作系统，让自己的产品能够更方便地被顾客找到，从而增加产品的二次甚至多次销售，创造更高的销售利润。
从第二个维度来看，企业的目标就是要提升顾客体验。例如，提供各方面的服务界面和搜索引擎，方便顾客的购物，增加顾客消费的喜悦感和满意感。
这两个维度看似相似，实际不同。从不同的维度看数据，也会有不同的结果。例如，在工作日里，银行门口总是排着长长的 队伍。从第一个维度去看，则需要知道每天固定时段排队的人数，然后设法减少顾客排队等候的时间。从第二个维度去看，则要思考这些排队的顾客平均要等待多久 才能获得相应的服务。同样的问题，从不同的角度去思考和理解，就会得到不同的结论。两个维度所看重的信息点不同，第一个维度的解决方法可以是开发手机客户 端，减少排队等候的人数。第二个维度的解决重点就是减少顾客等候的时间，例如在高峰期多开几个窗口等。
因此，在分析数据的时候，要分清是从哪个维度去解决问题。因此，在大数据时代，数据运营要衡量不同的方面。同时，还 要注意看待数据的不同角色，他们的感受和体验也是不同的。即在银行看来，20个人的队伍并不算多，但是在顾客心中，等待超过了10分钟，就属于长时间的等 待了。
排队只是一个典型的例子，电子商务企业在操作系统方面的实践和排队相似。企业思考的是如何让顾客更多地点击自己的商品，而消费者想的却是：“我想要买的这个东西能否顺利买到呢？”
因此，企业在对数据进行了分析之后，只用通过改善自己的推荐系统来更好地改善用户的购物体验。此外，对用户的整体购买情况要做横纵向的分析，形成一条完整的数据链。例如，如果企业想要了解用户登录前的浏览情况，就需要更新系统来达到这个目的。
来源：我是码农，转载请保留出处和链接！
本文链接：http://www.54manong.com/?id=1101