只是擁有數(shù)據(jù)自然用處不大，真正的贏家是像Amazon或Netflix這類(lèi)公司，他們比競(jìng)爭(zhēng)對(duì)手更好地利用了大數(shù)據(jù)而取得了競(jìng)爭(zhēng)優(yōu)勢(shì)。如果不能數(shù)據(jù)變成收入，你的Hadoop集群和里面包含的大量的數(shù)據(jù)就沒(méi)什么意義了。

要是你能比對(duì)手更好地利用大數(shù)據(jù)，你甚至有機(jī)會(huì)躋身成為像Amazon和Netflix這樣的大數(shù)據(jù)資深玩家。

如何才能把數(shù)據(jù)變成錢(qián)呢？有兩種辦法：數(shù)據(jù)驅(qū)動(dòng)的流程（data-driven processes）和數(shù)據(jù)驅(qū)動(dòng)的產(chǎn)品（data-driven products）。

數(shù)據(jù)驅(qū)動(dòng)的流程（data-driven processes）

商業(yè)分析師往 Excel 里輸入方程，在 SQL 數(shù)據(jù)庫(kù)里運(yùn)行特定的查詢語(yǔ)句——在大數(shù)據(jù)時(shí)代這樣是不夠的。新時(shí)代需要更大膽、更無(wú)畏的數(shù)據(jù)探索者，無(wú)論是在小數(shù)據(jù)還是大數(shù)據(jù)的世界里，他都能熟練運(yùn)用工具。

被稱(chēng)作“數(shù)據(jù)科學(xué)家”的他，是下一代的數(shù)據(jù)極客，他充分了解傳統(tǒng)的 BI 工具、查詢語(yǔ)言、統(tǒng)計(jì)辦法和機(jī)器學(xué)習(xí)技術(shù)。

優(yōu)秀的數(shù)據(jù)科學(xué)家能在方方面面幫到你：弄清楚你產(chǎn)品的哪個(gè)地方行得通或是行不通（這是 Zynga 的數(shù)據(jù)科學(xué)家的角色）；創(chuàng)造預(yù)測(cè)模型，讓你一窺未來(lái)，從而在眼前做出更好的決策（這是@WalmartLabs 的做法）。

數(shù)據(jù)科學(xué)家能怎么幫到你？下面有幾個(gè)具體的例子：

如果你銷(xiāo)售的是一款 SaaS 應(yīng)用，數(shù)據(jù)科學(xué)家可以幫你分析、找出帶來(lái)高營(yíng)收的用戶的共性。比如，這類(lèi)用戶可能會(huì)以特定路徑轉(zhuǎn)化成為付費(fèi)帳戶，人群特點(diǎn)也可能相近（性別、收入、地域、年齡范圍等），也會(huì)以特定的辦法使用該產(chǎn)品。所有這些洞見(jiàn)有助于進(jìn)一步打磨廣告、市場(chǎng)營(yíng)銷(xiāo)以及產(chǎn)品，以提高營(yíng)收。

數(shù)據(jù)科學(xué)家可以確定某個(gè)定價(jià)范圍或產(chǎn)品是否會(huì)擠占來(lái)自其它定價(jià)或是產(chǎn)品的銷(xiāo)量，由此，你可以優(yōu)化你的定價(jià)策略和產(chǎn)品線。

數(shù)據(jù)科學(xué)家可基于歷史數(shù)據(jù)創(chuàng)建預(yù)測(cè)模型，讓你做出相對(duì)更靠譜的預(yù)測(cè)。比如，你可以分辨哪一類(lèi)顧客更有可能是懷孕的女性（Target 就曾做過(guò)這樣的事情），或是銷(xiāo)售漏斗里的哪類(lèi)顧客最有可能在哪個(gè)水平上被轉(zhuǎn)化。

數(shù)據(jù)科學(xué)家能幫你弄清針對(duì)數(shù)據(jù)你要問(wèn)些什么正確的問(wèn)題。比如，數(shù)據(jù)科學(xué)家可能會(huì)建議你把營(yíng)銷(xiāo)數(shù)據(jù)和網(wǎng)站日志數(shù)據(jù)以及交易數(shù)據(jù)都關(guān)聯(lián)起來(lái)，以確定市場(chǎng)推廣活動(dòng)背后的 ROI（投資回報(bào)率）。

數(shù)據(jù)驅(qū)動(dòng)的產(chǎn)品（data-driven products）

除了利用數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)流程以外，數(shù)據(jù)還可被用來(lái)增強(qiáng)產(chǎn)品的功能。有些公司會(huì)把數(shù)據(jù)打包到一款有用的產(chǎn)品里，再轉(zhuǎn)售給其它公司。

Twitter 自己并不是一款數(shù)據(jù)產(chǎn)品，但它把數(shù)據(jù)授權(quán)給了像 DataSift 這樣的數(shù)據(jù)服務(wù)公司，后者接著創(chuàng)造了一款數(shù)據(jù)產(chǎn)品，而別的公司痛快地接受了它所提供的分析結(jié)果。也有一些媒體公司會(huì)把觀眾收視率數(shù)據(jù)打包到產(chǎn)品里，再轉(zhuǎn)頭賣(mài)給頻道制作人和內(nèi)容創(chuàng)造者。

然而，大多數(shù)創(chuàng)建數(shù)據(jù)驅(qū)動(dòng)的產(chǎn)品的公司并不會(huì)簡(jiǎn)單地創(chuàng)建數(shù)據(jù)產(chǎn)品再轉(zhuǎn)手賣(mài)掉。他們會(huì)利用數(shù)據(jù)把現(xiàn)有產(chǎn)品變得更加高效、更加智能，或是更具有洞察力，從而直接或間接地產(chǎn)生額外的收入。

下來(lái)我舉幾個(gè)例子：

廣告平臺(tái)可以針對(duì)不同的觀眾展示不同的廣告，以最大限度地提升點(diǎn)擊率、以及其它產(chǎn)生營(yíng)收的用戶行為。

電商應(yīng)用可智能地做產(chǎn)品推薦，以最大化增加消費(fèi)者的購(gòu)買(mǎi)率（包括原本就打算買(mǎi)的，以及許多購(gòu)買(mǎi)計(jì)劃外的東西）。

Publisher 可通過(guò)智能分析和推薦，為每個(gè)用戶做出個(gè)性化的頁(yè)面，以最大化用戶在網(wǎng)站上的停留時(shí)間，并產(chǎn)生更多的廣告收入。

視頻平臺(tái)可捕捉所有的用戶交互行為，并向內(nèi)容創(chuàng)作者提供詳盡的分析報(bào)告，幫助他們對(duì)重要的指標(biāo)做出優(yōu)化（參與率、播放率、轉(zhuǎn)化率等）。這也是間接貨幣化的例子之一。通過(guò)添加一個(gè)由數(shù)據(jù)或分析支持的功能，平臺(tái)也有望對(duì)用戶產(chǎn)生更大的吸引力。

數(shù)據(jù)驅(qū)動(dòng)，你也可以做到

下面是我的幾個(gè)建議：

集中地收集所有數(shù)據(jù)。在存儲(chǔ)成本直線下降的今天，廉價(jià)乃至免費(fèi)的大數(shù)據(jù)存儲(chǔ)服務(wù)隨處可見(jiàn)，如果你沒(méi)有全方位地收集數(shù)據(jù)，你就大錯(cuò)特錯(cuò)了。我經(jīng)常這樣告訴一些公司：就算你忽略你擁有的數(shù)據(jù)，但你卻絕不可能分析你沒(méi)有的數(shù)據(jù)。非結(jié)構(gòu)化或是半結(jié)構(gòu)化的數(shù)據(jù)存儲(chǔ)服務(wù)允許你把原始數(shù)據(jù)先存起來(lái)，等到需要的時(shí)候，再付費(fèi)把結(jié)構(gòu)化的數(shù)據(jù)提取出來(lái)。所以說(shuō)，你是沒(méi)理由不把經(jīng)過(guò)你手的數(shù)據(jù)給收集、存儲(chǔ)起來(lái)的（交易、交互、行為數(shù)據(jù)、傳感器數(shù)據(jù)、用戶生成的內(nèi)容、日志文件等等）。

聘請(qǐng)一位數(shù)據(jù)科學(xué)家。如果你是一家創(chuàng)業(yè)公司，你團(tuán)隊(duì)至少需要一位數(shù)據(jù)科學(xué)家，或是能夠兼任數(shù)據(jù)科學(xué)家角色的成員。假如你公司有了一定規(guī)模，就有必要準(zhǔn)備 成團(tuán)隊(duì)的數(shù)據(jù)科學(xué)家了。比起從外部聘請(qǐng)，內(nèi)部培養(yǎng)會(huì)更容易些。優(yōu)秀的商業(yè)分析師，或是在 BI 和 SQL 有優(yōu)異背景的人，都有機(jī)會(huì)成為數(shù)據(jù)科學(xué)家。他們需要配備適當(dāng)?shù)墓ぞ?，并獲許訪問(wèn)全公司的數(shù)據(jù)，這樣，他們才可以回答特定的問(wèn)題、進(jìn)行探索性的數(shù)據(jù)挖掘、支持 BI 團(tuán)隊(duì)、并協(xié)助數(shù)據(jù)產(chǎn)品化的工作。

把數(shù)據(jù)產(chǎn)品化。任何一家公司，但凡擁有專(zhuān)有的數(shù)據(jù)，都應(yīng)該好好考慮把數(shù)據(jù)利用起來(lái)，打造新的產(chǎn)品，或是在現(xiàn)有產(chǎn)品上創(chuàng)建由數(shù)據(jù)驅(qū)動(dòng)的功能。任何一家公司，只要它有桌面、移動(dòng)、Web、或基于媒體的應(yīng)用，它就有專(zhuān)有的數(shù)據(jù)（也就是說(shuō)，在這個(gè)數(shù)據(jù)時(shí)代，絕大多數(shù)的公司都有專(zhuān)有數(shù)據(jù)?。?。各類(lèi)公司，尤其是廣告和零售公司，已利用數(shù)據(jù)驅(qū)動(dòng)智能化的功能，獲得了數(shù)以百萬(wàn)乃至十億美元計(jì)的增量收入（incremental revenue）。

如果你是一家 B2B 的 SaaS 供應(yīng)商，向你的客戶提供自助的報(bào)告服務(wù)，是你把數(shù)據(jù)變成產(chǎn)品的簡(jiǎn)易辦法，也能間接產(chǎn)生額外營(yíng)收。如果你是一個(gè)電商平臺(tái)，利用你手頭的數(shù)據(jù)做個(gè)性化推薦，可以帶來(lái)可觀的增量收入。如果你做的是一款面向消費(fèi)者的應(yīng)用，利用數(shù)據(jù)把應(yīng)用變得更加聰明，也能提高易用性和用戶活躍度。走向數(shù)據(jù)產(chǎn)品化的第一步，就是讓團(tuán)隊(duì)里的某個(gè)人開(kāi)始思考利用你的數(shù)據(jù)資產(chǎn)可以做出些什么功能或是產(chǎn)品。但最終，你還需要專(zhuān)門(mén)的工程師資源，把數(shù)據(jù)變成功能和產(chǎn)品。

受數(shù)據(jù)驅(qū)動(dòng)的你

大數(shù)據(jù)真正講的不是數(shù)據(jù)本身，而是要探討怎樣利用數(shù)據(jù)在公司內(nèi)部驅(qū)動(dòng)業(yè)務(wù)流程和產(chǎn)品功能。過(guò)去幾年迅速竄起的數(shù)據(jù)科學(xué)就是“數(shù)據(jù)已成為 21 世紀(jì)的貨幣”的有力證據(jù)。如果你置手頭的數(shù)據(jù)不顧，你就在競(jìng)爭(zhēng)中處在了劣勢(shì)。

只需簡(jiǎn)單的幾步，比如把所有接觸到的數(shù)據(jù)都收集起來(lái)，團(tuán)隊(duì)擁有至少一位數(shù)據(jù)科學(xué)家，在數(shù)據(jù)產(chǎn)品化方向上用力，你就是在有效地“花錢(qián)”——花在你數(shù)據(jù)倉(cāng)庫(kù)里不斷積累起來(lái)的“數(shù)據(jù)貨幣”。

英文原文：http://techcrunch.com/2012/12/15/so-ive-got-big-data-now-what/

【編輯推薦】