??
在香港，有家日料店。這家店在很短時間內風靡全港，開了多個連鎖店。很多市民都知道這家日料店的海鮮非常新鮮實惠，價格只有別家的七折。 我也曾經詢問過這位大廚朋友，是什么能做到這么好的生意?
大廚神秘兮兮地問我“你有沒有看到每個餐桌上的攝像頭?那就是我們的秘密武器。”
原來，這家海鮮店每天都會通過攝像頭，查看食客點餐、到餐的順序，以及剩菜的種類分量。通過這樣的盤點，這家餐廳的老板可以準確把握消費者的喜好，從而對北海道的海鮮預購量也相對精準。也正因為此，這家餐廳的貨源流轉迅速，成本也隨之降低。
這是個有趣的案例。一家沒有ERP系統(tǒng)的傳統(tǒng)餐廳，通過攝像頭實現了對采購的信息化管理：收集用戶信息，分析進而用于第二天的采購決策，循環(huán)反復，以此降低生意成本。
對很多人而言，大數據只是一個流行詞。在覺得數據距離自己業(yè)務很遠的同時，傳統(tǒng)企業(yè)又心生恐懼不知未來會怎樣：哪種生意可以用上數據?數據可以解決哪些具體業(yè)務問題?
誰需要大數據?
美國一家有著百年歷史的傳統(tǒng)零售店，這家百貨店六年前就開始大量收集競爭對手的價格數據。最近，他們除了做好了動態(tài)的定價引擎，還著手研究產品與人群匹配的自動化系統(tǒng)。在電商領域，我們可以將用戶的認知分為三種：瀏覽者，購買者和消費者。傳統(tǒng)百貨店既不知道走進商店的人們都逛了哪些店，也不知道消費者在每個品牌店都買了什么商品，用了什么銀行卡買單，更不要說消費者購物完成后，他們的使用體驗數據。
生產企業(yè)最痛的點，是我知道誰幫我賣，但不知道誰在買。對零售業(yè)這個問題變?yōu)椋何抑勒l在買，但不知道客人如何做決定的，更不知道他們用得如何，出了什么問題也不知道。這是因為舊有的模式，數據無法跟蹤到門店之外，造成了生產和使用是脫節(jié)的。
但在大數據時代，生產企業(yè)可以利用社會化數據甚至傳感器跟蹤到用戶的使用方式。產品出了什么問題，生產企業(yè)甚至能在用戶感知之前，就了解到問題所在，并提供解決方案。
如果傳統(tǒng)百貨公司可以擁有這些數據呢?他們可以知道自己會員喜歡什么品牌，偏好什么樣的付費方式，也可以向生產廠商下單，預購符合會員興趣的商品。
數據可以幫助零售業(yè)對人群的需求與商品的供應快速有效率匹配起來，最大的價值就在這里。
當獲取數據變得越來越容易的時候，企業(yè)就會發(fā)現，不用數據做決策就會失去很多機會。未來的每個企業(yè)都會成為數據企業(yè)，每個產品都會成為數據產品。因為里面的優(yōu)化點都依賴于數據創(chuàng)新，數據會成為企業(yè)發(fā)展的驅動力。
資源有限怎么做大數據?
中小企業(yè)在數據化中最大的問題是資源有限，沒有太多的資源可供試錯，試錯空間也很小。因此，中小企業(yè)應該收集關鍵信息，而不是收集所有數據。
你可以選擇比較小的場景進行數據收集、分析。這個場景要滿足以下條件：
1) 有沒有所需數據?
2) 數據準不準確?
3) 數據的實時性如何?
4) 數據與算法的匹配
5) 如何從錯誤中學習, 數據回流能否起持續(xù)優(yōu)化作用
最后的一個，是這些回流的數據能夠改善我們之前的認知。就之前日本料理餐館的案例而言，消費者的選擇就是他們最關鍵的決策依據，所以可以優(yōu)先收集這類數據。
而大數據，則是基于企業(yè)數據化基礎之上的數據整合、算法創(chuàng)新和產品化。比如，谷歌地圖之所以能告訴你前面的路堵車，其實是有賴于每個使用谷歌地圖的位置分享的實時整合。所以我認為政府的推動，可以讓小企業(yè)減少得到數據的門檻、增加業(yè)界的數據功用，這樣就更有利于讓小企業(yè)也享受到大數據的科技。從產業(yè)鏈來看，小公司聯盟，把數據統(tǒng)一，用數據來解決一些業(yè)內彼此都不能解決的問題。
中小企業(yè)不容易像大公司一樣有龐大的數據團隊。因此，中小企業(yè)在運用數據的時候，一定要有更穩(wěn)妥的辦法，注重使用數據效益，可以嘗試從小專案著手，再逐步拓展。
另一個值得注意的是，經營的本質還是取決于創(chuàng)始人的方向與管理，大家不能本末倒置，一味期待透過數據就能解決企業(yè)所有的挑戰(zhàn)。
數據為什么是割裂的?
最近我遇到一位制造電腦硬件的廠商。他說，內部生產都可以數據化，但發(fā)現與銷售需求嚴重割裂，“這些數據似乎內外接不上。”
為什么會出現這樣的狀況?
我常用的一個比喻是，開餐館定菜單的往往是餐廳老板，但是每天買菜的是最底層的采購員。所以很少有餐廳能常出名菜，因為廚師沒法定菜單，也不能用到適合的好原料。
數據的創(chuàng)新是無時無刻的，算法的創(chuàng)新周期稍長，而產品的創(chuàng)新往往是“十年磨一劍”。也因此，在企業(yè)擁有決定權的人，往往是擁有產品決策權的人。如果僅僅站在單一角度去看，很難找到數據和業(yè)務的結合點。
根據我的觀察，目前非常缺乏一種數據管理人才：他要對業(yè)務要有足夠的理解，明白數據能為業(yè)務起什么作用，了解技術更新與價值產生的關系，懂得從數據收集到加工，到新數據與歷史的整合，再到使用數據的便利性等等。其中，對業(yè)務和商業(yè)的理解，絕對是成為數據主管所需要的基本條件，但若是想達到杰出的程度，肯定要懂得如何在人材匱乏的大數據行業(yè)中，吸引和保留住人才的眼光和能力了。
對于業(yè)務人員，也可以問問自己：現在擁有的數據能幫我解決問題嗎?假定所有數據可以獲取，我需要什么數據來解決問題?要怎么做才能更更容易獲取需要的數據呢?
舉例來說，我過去看到路上的交通狀況時曾經想過，大城市里的計程車服務會不會有可能改善?我那時想著，如果計程車上有個燈能顯示過去客戶對他的評價，那么司機為了保持住好評價，應該會提供更好的服務水準。這就是數據可能解決的一個簡單例子。下一步才是如何設計一個容易的方法，讓顧客去評價。而現在的叫車軟件就是一個很好的實現案例。這是訓練數據敏感度的好方法，也是過去十年我個人一直在用的方法——透過周遭事物訓練數據敏感度，讓數字“說話”。
最難點：在于你對自身的理解
大數據應用講求跨界和創(chuàng)新，更準確地說，大數據的價值來自可以從多角度來看同一件事，全景觀察可以減少誤差及創(chuàng)造新的機會。但并不是要求大家能夠認知到全部外面的世界，而是能讓其他人的數據為你所用。
大數據實踐中最困難的地方在于你對自身的理解，再加上，隔行如隔山，外部整合回來的數據可能很有價值但同時也有很多噪音，大家并不完全清楚數據的來源和定義。
如何去看清楚自己呢?根據過去的經驗，我認為首先是從小處著手。
傳統(tǒng)企業(yè)在初期不要貿然就開始一個非常大的大數據項目。數據化比較適合從小而具體，容易評估效果作為起點的專案開始，以此鍛煉自己收集、加工、使用數據來做決策，以及衡量這個數據價值的能力，即以小知大。從小的場景開始，用數據在商業(yè)場景中不斷優(yōu)化。
Axciom公司的首席數據官程杰曾經提出過“數據的三層境界”：
數據1.0 自身業(yè)務產生什么數據，我們用什么數據做分析優(yōu)化;
數據2.0 將現有數據與自己的歷史或上下游數據交叉，由此優(yōu)化數據;
數據3.0 就是購買外部數據或者將自己的數據分享出去，數據是互溶共通的，在交融中，產生新的產品體驗。
這三層境界，都需要企業(yè)有不同的技術和架構去實現數據的提煉、加工和產品化、整合。這其實是一個不斷用數據來描述和還原企業(yè)業(yè)務的過程。
最近，阿里數據團隊成功地提升了快的打車的打車成功率。我們就疊加了數據的一次使用和二次使用。
我們將實時數據與歷史數據整合。原來APP在發(fā)送打車需求的時候，是以打車人的地理位置為原點，每過幾分鐘擴散到附近300米，600米的出租車。這個消息的推送是以地理位置為推送邏輯的。但是假如附近的司機其實并不想去目的地，接單的成功率就會降低。因此，我們把司機“優(yōu)先目的地”這個數據加入推送系統(tǒng)中，就重新優(yōu)化了數據，讓更愿意接單的司機“可視度”更高了。也因此提高了整體的接單成功率。當然前面所說只是優(yōu)化的其中一個點子。
在我看來，所有的數據產品都是與決策相關的。也因此，數據優(yōu)化的應該溯源于人或者機器中分析決策的每個環(huán)節(jié)，不斷更新你的錨點。
打破一個決策，首先要知道人們如何決策，以及有了新數據又如何改變決策。這兩者間的區(qū)別是什么?會帶來什么價值?大決策往往是由一連串的小決策組成的。比如快的打車APP提高效率的關鍵點，在于如何讓司機的數據與用戶的數據關聯，同時如何不斷交叉比對歷史數據，找到最高效的匹配。這其中最關鍵的是如何衡量數據回流的效用，在動態(tài)中，找到新的錨點。
如今傳統(tǒng)企業(yè)已經到了必將需要融入互聯網之中的時刻，這個時候實時數據就是你的新數據資料。當中的能力最為關鍵的是對實時數據的還原、提煉，并為企業(yè)所用。這就是一個“數據”持續(xù)優(yōu)化決策的過程——看清楚“你自己”的動態(tài)過程。
通用電氣CEO杰夫•伊梅爾特曾說：如果昨晚你睡覺時，GE還是一家工業(yè)公司，那么今天醒來就會變成一家軟件和數據分析公司。
作為傳統(tǒng)工業(yè)的代表，通用電氣都想通了，和人家說，我已經擁有千萬級的數據點，傳統(tǒng)企業(yè)還有什么可猶豫的?
