目錄

什么是數據

數據的商業價值

政府價值

可量化的參照系

數據價值的轉化

搞清楚客戶的需求

數據分析風口（未來）

什么是數據

常見答案：數據=信息，數據=數字? （太過抽象）

其實，數據遠不局限數字，凡是電子記錄的都是數據，依賴記錄數據的技術手段，比如，手機，數碼相機，各種工程設備上的探頭等，這些手段有強烈的時代特征。（不同時代所能提供的記錄的技術手段是不一樣的）

思考

? ? 當前以及未來，數據采集的基礎技術是否會有一些突破性的變革？如果有，這些變革會發生在哪些方向上？進而帶來哪些新的數據？

? ? 通過對這些新的數據進行分析，能夠回答哪些之前不能回答的科學問題？是否可產生一些增值的商業價值？

---

數據的商業價值

數據的商業價值三要素：收入，支出，風險

企業靠什么什么活著？（收入），企業為了獲得收入，需要做什么？（支出），沒有任何企業對自己未來的收入和支出是100%確定的，這種不確定性帶來的是什么？（風險）

靠譜的談數據商業價值觀：任何數據產品，如果可以幫助客戶在收入，支出，風險中的任何一方面實現可量化的改進。

延伸思考：

• 收入：能否為客戶帶來額外的收入？
• 支出：能否給客戶節約不必要的開支？
• 風險：能否幫助客戶把控風險，或增加收入，或降低成本？

事實上答案是肯定的，來看下數據分析帶來商業價值的應用場景：

最理想的額外收入-新興市場

? ? 五一小長假，堵車是必然，能否出一個堵車的堵車險，每堵車一分鐘賠付一塊錢，補償下你那郁悶的心情。看似不錯注意，保險公司為什么不做呢？因為傳統保險公司沒有技術手段可以實時監控一輛車的狀態。但是有了車聯網數據，就會催生一種全新的保險產品，帶來一個純粹增量的新興市場。

百度付費搜索廣告

? ? 通過對用戶搜索數據的深入分析，理解用戶意圖，進行精準匹配，對于諸如醫療，教育， 電商等行業，廣告的投放能夠直接帶來銷售的收入。

呼叫中心運營改進

? ? 通過數據分析可以精確把握電話呼入量的規律，可以安排坐席，比如，應該安排多少全職坐席，兼職坐席等。數據分析通過研究電話呼入量與星期幾的關系，與一天中時間段的關系，與企業重大市場行為的關系，甚至與天氣狀況，空氣污染之間的關系來解決這個問題。如果技術進一步提高，可以通過準確的語音數據分析理解客戶意圖。

關于風險控制度量有兩種情況：

• 風險根本沒辦法通過貨幣度量，是獨立于收入或者支出的另一個維度。
• 風險就是連接收入和支出的轉化器。

第一種風險

? ? 可能是人的健康甚至是生命，如果有一種可穿戴設備能夠在無創傷的情況下，測量各種血液指標（如血糖），這會為糖尿病患者帶來怎樣的福音？又如通過對人類基因組的數據分析，找到同某種致命癌癥強相關的基因，這能是否改變病人未來的命運？它的價值又如何？另外，重大設施設備的風險考慮，一座橋梁坍塌，礦井瓦斯爆炸，會失去多少生命？一個發電鍋爐爆炸，會造成多大損失，這些都不容易通過貨幣衡量。

? ? 不管如何，這些都是人們都不愿意接受的風險。

? ? 【風險應對】如果通過數據分析，時刻監控橋梁的情況，及時維修保養，那橋梁坍塌的概率就非常小。通過數據分析，及時了解發射塔的工作狀況，也許每年的故障率就會顯著下降。通過探頭數據，完全把握發電鍋爐的運行狀態，就可以避免鍋爐爆炸的風險。

第二種風險

? ? 用戶通過互聯網直接申請信用卡或其他金融信貸產品，或P2P，有些通過線下面簽才能提供的材料無法獲得，只能通過提高在線申請的門檻，減低通過率，這樣做可能會“錯殺”很多好人，為什么會“錯殺”，因為不了解他們，缺乏信任，無法實現監控。

? ? 【風險應對】通過獨特數據分析，幫助它更加準確去人哪些線上申請者是好人，壞人，銀行就可以放心大膽地給更多人放貸，進而增加收人。風控做得好，壞賬率就低，催收成本就會節省。

---

政府價值

政府角色：制定市場規則，掌握巨大的數據資源（公安，通信，醫療等），以及預算，政府的重大決策非常需要數據支持。

價值：數據分析能夠幫助政府更好地服務社會，讓普通公民的收入有所增加，支出有所降低，風險有所規避。

公民收入：增加就業，降低賦稅，提高福利等

• ? ? 通過對招聘廣告的文本分析，可以洞察市場需求，并提供相應的教育培訓機會，就有可能增加就業，帶動GDP.
• ? ? 通過數據分析，理解產品經理工作年限在薪酬上的體現。
• ? ? 通過數據分析，可以理解數據分析師應該具備什么樣的編程技巧，最好具備什么樣的大數據計算能力（Hadoop，Spark）,以及這些專業技能在薪酬上的反映。

公民支出

• ? ? 醫保為例，大量公共資金聚集在一起，它的使用效率是否足夠高，是否有改進空間？是否存在一定數量騙保行為？能否通過數據分析將這些騙保行為人自動識別出來，并施以相應的懲罰教育措施。
• ? ? 醫院：能否通過對醫院的各種收入，支出數據分析，理解普通群眾看病貴的根本原因在哪里？昂貴的醫療費用所產生的收入到底去了哪些地方？能否進行相關制度建設？

公民風險

• ? ? 能否通過對各種公開以及非公開的刑偵數據的合理分析，更加準確地鎖定吸毒人群，尤其是有重大公共影響力的人群，并實施制止教育措施？
• ? ? 能否通過對各種數據的綜合分析，做到對恐怖事件的提前預警？能否通過對各種流量數據的監控，做到提前規避一些重大公共安全事件（如踩踏）。

---

可量化的參照系

量化：必須有明確數據，準確率提升xx%,? 成本支出降低xx%等。

參照系：在沒有數據分析情況下，當下成本支出，收入，風控如何？ 實施了數據分析并且采取相關措施后，成本對比之前減少了多少，收入額外增加了多少，風險控制改善了多少？這樣對比量化才更有說服力來支撐數據分析決策的價值所在。

“預測不準是常態，預測準確是變態”

• ? ? 數據分析，模型預測就是應對數據帶有強烈不確定性。有價值的數據分析，就是要在不確定性中，盡可能發掘價值，因此預測不準必然是常態，需要找到一個合理的參照系。
• ? ? 如果一個數據被精確預測，這樣的分析就沒有價值。（eg. 今天是星期六，明天一定是星日）。

---

數據價值的轉化

回歸分析的“道”：把一個業務定義成一個數據可分析的問題

回歸分析的“術”：數據模型，線性，非線性，一元，多元，底維，高維等

數據問題

? ? Y： 是因變量，刻畫業務核心訴求，是科學研究的關鍵。

? ? X： 是解析Y的相關變量，一個或多個。

好人與壞人

? ? 征信：隔壁老王找我借錢，最后他還還是不還？如果還，定義老王的Y=0，說明老王是好人，如果不還，定義老王是Y=1,這說明老王是壞人。這就是征信的核心業務訴求，即因變量Y。

回歸分析的任務：通過研究X和Y的相關關系，嘗試去解析Y的目的。

? ? 在上面的例子中，當老王找我借錢的那一刻，我并不知道老王將來是否會還錢，就是我不知道老王的Y,怎么辦？我只能通過當時能夠看到的，關于老王的X,去預測老王的Y。這種預測是否100%準確？ 不可能，但能夠做得比拍腦袋準確，這是非常有可能的.。

? ? 因此，我們需要尋找優質的X， 比如老王的實物資產，老王的收入，老王的社交資產等。

回歸分析的“術”

對參數化的線性回歸模型來說，完成三個重要使命

1. 識別并判斷哪些X變量是同Y真的相關，哪些不會。 -- 變量選擇

? ? 排除不相關的變量，沒有用的變量不會提高Y的預測模型。

2. 有用的X變量同Y的相關關系是 +（正） 還是 -（負）

? ? 假如對于老王借貸還款行為，老王的股票收入同他的還款行為可能性是正（+）相關？還是負（-）相關？如果是正相關，老王的股票收入越高，還款能力越強，我越敢借給他，反之就越不敢借錢給他。

3. 賦予不同X的權重，即不同的回歸系數，進而可以知道不同變量之間的相對重要性。

? ? 假如老王，老李都找我借錢，老王月基本工資X1=1(萬元)，但股票收入x2=0; 老李剛好相反，X1=0, X2=1（萬元），請問哪一個還款能力更強？ 月收入同為一萬元，但他們的還款能力恐怕是不同的。通過數據建模，賦予X1,X2不同的權值，也就是不同的回歸系數，這樣就容易計算他們還款能力。

---

搞清楚客戶的需求

誰是我們的客戶？數據分析需求是誰提出來的？ 為什么自己的需求還說不清楚？

• ? ? 1都不是我想要的
• ? ? 鬼才知道“客戶價值” ： 價值不是已經實現的過去價值，還是沒有發生的未來的預期價值。
• ? ? 跟收入過不去：理解數據之于客戶的價值，首先得摸清楚客戶的盈利模式。

對于大多數人沒有受過回歸分析的理念，因此無法洞見自己正在操心的業務問題，其實數據是可分析的，只需要把Y定義清楚，給一些關于X的想法，剩下的就交給數據分析人員全力以赴就可以了。

數據之于企業的價值，最需要被普及教育的不是數據分析部門，而是業務部門。

員都使用一種回歸分析的語言，需求才可能被說清楚。

---

數據分析風口（未來）

推動統計學發展的產業

? ? 互聯網，順應產業變革，大勢所趨。

推動統計學發展的技術

? ? 技術進步，產生大量的數據，數據蘊藏著某些重要的秘密，具有重要的價值。

推動統計學發展的制度環境

? ? 國家政策戰略方針

統計學發展的大趨勢：從不以任何個人興趣愛好為轉移，而是有產業變革，技術進步，以及制度環境所決定

風口所在：

互聯網：移動互聯網產生流量什么獨特數據？ 價值是什么？如何研究

例如，微信：產生的數據是網格結構數據，刻畫用戶之間的社交關系。對統計分析而言，這帶來的最根本變化就是讓信息沿著網絡結構開始流通。

制造業

? ? 特點：中國是全世界制造中心，亟待產業升級，進入工業4.0時代；與世界制造中心相對應的是，對中國制造業的數據，我們極其無知，遠遠落后于互聯網。

? ? 原因：傳統制造業數據采集困難；互聯網故事太搶眼。

? ? 現狀（蓄勢待發）：物聯網技術越來越成熟，采集數據越來越方便；傳統制造業體量巨大。

對傳統制造業，數據分析很可能不以消費者為第一核心，而是以流程再造，產品改進，成本節省為第一核心。

應對風口機遇

? ? 學習業務知識，了解應用場景，實踐統計學理論。在游戲，電商，社交，廣告，投資，金融，征信，可穿戴設備，車聯網，設備監控，政府，醫療等行業領域大有實踐施展的廣闊舞臺。

? ? 醫療健康，互聯網，物聯網就是風口所在，順勢而為，你做好準備了嗎？

?

注，本文內容主要整理自《數據思維-從數據分析到商業價值》 王漢生

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的【大数据】朴素的数据价值观的全部內容，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。