大數據部門該放在運營團隊還是技術團隊?在紅杉資本中國基金會專家合伙人、原阿里數據委員會會長車品覺看來，糾結于此類問題的企業，距離大數據的法門尚遠。車品覺認為，大數據應該是CEO直接領導的戰略級部門，是一把開啟新世界大門的鑰匙。今天，大數據已在營銷、風險控制等領域已大放異彩;而在可預見的未來， 基于大數據的諸多模式創新，將帶給我們無限的想象空間。

三大顛覆性變化正在發生，將爆發驚人威力

最近，我去了一趟美國，看到大數據的幾個變化，這些變化有可能極大地改變世界。

第一個變化是開始從被動搜集數據，轉變為主動搜集數據。 美國一家公司現場給我們表演，電視里正在播放新聞，他們把手機放在電視機旁，手機很快識別出這是CNN新聞頻道，以及正在播出什么內容。我們三個人拿出自己的手機，手機同時放三首不同的歌，他們的軟件很快辨別出這三首歌是什么，以及作為背景正在播放的電視新聞。這意味著，非結構性的數據編程結構性數據，開始從被動搜集數據轉變為主動搜集數據。

第二個變化是非實時轉實時。 滴滴打車的數據可以說明不同地點的人流情況，但是零售業得到了這些數據，又如何觸到它的用戶群呢?大家知道這個世界有一個，DSP(Demand-Side Platform 需求方平臺)，作為中間方，DMP記錄用戶去了哪個網站，用了什么APP。當人使用APP時，數據會告訴DSP，這個人出現在了某一個地方，DSP就能夠幫商戶做智能投放。由于背后有大數據支撐，放在很短的時間內就能完成。這種模式對營銷來說，絕對是一個顛覆。

另外，還有一個非常重要的變化是對話。 美國有兩大公司，幾乎同時宣布了一項戰略性科技——對話的人工智能。比如，你的房間有一個音響，這個音響同時是一個傳感器。當你說“我要買一瓶醬油”，音響會和你說：“老板，你是不是要買你之前買過的醬油?”你說：“不是，我要買新的。”它就會告訴你，新的醬油以及同樣差不多的有幾種，建議你選擇哪種。這個變化將引發一個大的顛覆。

隱私+歸屬權：從混沌走向清晰

說到大數據，不得不提的是大數據與隱私這個問題。

這次在美國，見到一個在隱私問題上給美國總統提意見的專家。他說，關于個人隱私會有一個顛覆性的變化，這一變化在歐洲已經開始了，現在是美國。過去，當用戶使用一個應用時，都會和應用方簽訂一個協議，表明用戶同意把自己的數據交給應用方以改善用戶體驗。但是，大部分人都不知道自己同意的是什么，僅僅是點擊了“同意”。美國的法律對此準備進行修改，這可能會改變大數據產業。

在這個變化中有個問題，數據分可識別數據、不可識別數據。互聯網上的數據，有的可以識別是你，有的不可以識別是你。當不能完全知道他是誰，沒有辦法和他說你是否同意時該怎么辦?現在，美國正在認真討論類似的事情。

另一個問題是數據的擁有權是誰? 早期大家是按照實物的思路，來定義數據擁有權的法律，后來發現這條路撞墻了。數據的可愛之處就是看見就看見了，不在于是你拿著還是我拿著。法律界已經開始關注這個問題。

關于隱私問題，大部分用戶更多是希望平衡好，你不能拿到我的數據我一點好處都沒有，你拿了數據使用我卻一點都不知道。所以，問題是誰有權控制?比如臉書，每一次使用用戶數據，會告訴用戶，這個數據會在某個點使用，這就涉及數據使用透明和是否可控的權利問題。這個行業里面很多人不想講這個問題，但并不是不知道。但這是我們做大數據的人必須要慢慢解決的，否則這是一個定時炸彈。

當然，有大量的數據不相關隱私。比如，用1000個人或者5000個人的數據算出來的結果，當做大數據營銷的時候，有沒有把他捆綁在5000個人當中營銷?美國有些法案很可愛，認定個人數據的隱私問題不是放在單獨的案例當中，而是放在行業里面。我問專家，為什么要放在行業里面?他說，個人隱私和行業有關，比如賣藥的，個人隱私的監管就會非常嚴格，而游戲類的個人數據會相對簡單一些。在歐洲則是一套法律，不分行業。歐洲人認為，隱私是一個人的底線。而美國認為價值和隱私之間可平衡。這些都是未來大家都會議論的課題。

做好縫合，不斷迭代

大數據的本身是異構異類的數據，就像裁縫把不同的材料縫成一件衣服一樣，需要很多技術把數據連接起來，讓這些數據可以使用。不同材料縫合在一起，中間會有一些縫合處。

美國任何一個做大數據的人，都會告訴你數據關聯很難。美國可以把數據關聯起來的公司有幾家。美國大數據行業在產業鏈上，是可以分工的。你干這個，我干那個，大家協同把東西做出來。這和中國的情況是有區別的。

要把大數據整合起來，數據源好不好非常重要。另外有沒有不同的環境可以進行數據測試，也很重要。

數據是迭代的，算法是迭代的，產品服務也是迭代的。數據有不同的版本、算法有不同的版本，我們要找到最優、同一個語境下最好的算法，達到最好的服務。

將大數據變成企業的洞察力和行動力

對于企業來說，需要將大數據變成企業的洞察力、行動力。10年前，商業決策都是靠經驗驅動，用數據證明自己的判斷是對的。而數據驅動，則要擁有足夠的數據，通過數據發現一些以前沒有看到的東西。

比如，有一些人在購物網站搜索過的關鍵詞，兩個月后會成為比較流行的關鍵詞。當我們深入分析時，數據會告訴我們，購物里面是有達人的，購物達人看的東西和普通人不一樣，他們有自己的方法尋找自己想要的商品。如果能跟蹤這些達人，就可以找到用一般推薦引擎無法找到的東西。

一個學習的完整體系，簡單來講，首先有目標定義，之后進行決策、行動、拿到行動結果之后學習。人類學習的一般方法，都是根據這個鏈路進行，這叫“自學習”：用自己的經驗慢慢積累，進行一個自我循環。

當我們開始做大數據的時候，你會發現，別人的數據會成為你的經驗。你也可以把別人的數據代入自己的決策，學習到別人的經驗，這叫“ 集體智慧 ”。在大數據當中，我們可以找到別人的集體智慧。

大數據里的創新，可以有三個層面：數據的創新、算法的創新、服務的創新。

下面這張圖中有四個坐標：數據集中、數據分散、問題清楚、問題不清楚。過去我們可以解決的是數據集中、問題很清楚的部分，后來開始出現很多碎片化、分散的數據，我們發現可以用零散的、沒有集合、沒有結構化的數據，更好地解決原來的問題。

舉一個例子，有一個網站雖然有幾億用戶群，但只有幾百萬人買彩票。如何找到更多用戶到這個網站上買彩票呢?按以往的方法，先描述買彩票的人是什么樣的，經驗認為男的比較喜歡買彩票，年紀應該是25-35歲。而用大數據的方法，則是想猜用戶下一步想做什么，可以看4周之內用戶有沒有看過彩票的內容，如果有，那他就是一個希望要買彩票的人，只是沒有在網站里買。用這個思路，我們發現買彩票的女性比男性多，而且往往是在辦公室里買的多。這樣一來，數據就指明了哪些人在哪些地點是最好去做營銷的。

對于數據零散且問題不是很清楚，大數據同樣可以解決。比如在面對不知道客戶是什么樣的人，只知道這些人是重復購買的人，而想要用大眾標簽去描述這些人時，可以先猜1000個人，對他們進行營銷，發現有些人被猜對，有些人被猜錯。對猜對的那部分人繼續深入，慢慢就會越做越準確。這就是我通常講的“用數據養數據”。

一個公司有沒有大數據能力，一般看他有沒有預測能力和行動能力。 但是布點/收集、存儲/刷新、識辨/關聯，也很重要。前者是如何讓數據更容易使用，后者是如何讓數據更有效關聯在一起。這個閉環如果可以做好，就可以做一個非常好的數據產品。

考量“好數據”的六把標尺

好的數據，六個衡量標準是缺一不可。缺少其中任何一個，數據質量就會下降。有的數據很稀缺，很獨家，那就是數據價值。 數據質量，主要要看準不準，但還要看全不全。 如果你只拿到安卓的數據，沒有拿到蘋果的數據，那就不全。 一段段很零散的數據買過來，沒有連續性的數據也是不行的。需要找很可靠的伙伴來提供算法、數據、服務。

一家公司是否能用好自己的數據，首先要看一個公司高管、員工有沒有意愿，接著看工具。有意愿、有能力、有工具的前提下，才談到整個公司一定要對數據有自己的方向，有組織保障，以及執行到位。

信息數據化的情況還沒有結束，包括應用無線化。對話性的產品，將是顛覆世界的產品?；拥漠a品，將來或許會越來越多，這也是我們在創新產品時非常大的機會。

本文作者：佚名

來源：51CTO

總結

以上是生活随笔為你收集整理的如何将大数据变成企业的洞察力和行动力？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。