誰擁有大數(shù)據(jù)?

那些擁有穩(wěn)定、豐富數(shù)據(jù)源的公司，淘寶、百度、騰訊是絕對自有數(shù)據(jù)源的公司。艾瑞咨詢技術副總裁郝欣誠同意這一說法，認為一些淘寶店鋪不能稱為有穩(wěn)定豐富數(shù)據(jù)源的公司。

因為他們的視角往往停留在本身的店鋪內，當在他們店鋪中沒有出現(xiàn)某種人，便認為某種人是不存在的。但淘寶的視角會更高，更容易看到全局，他們擁有海量的數(shù)據(jù)，只要某種人在一家店鋪出現(xiàn)，便能判斷這種人是存在的。

如果單純停留在自身數(shù)據(jù)中，往往容易出現(xiàn)盲人摸象的尷尬，用片面的數(shù)據(jù)錯誤地描繪消費者的全貌。當淘寶的賣家離開淘寶數(shù)據(jù)的支撐，只能稱之為有數(shù)據(jù)分析，決不可稱為大數(shù)據(jù)分析。

所謂的大數(shù)據(jù)，是需要跨視角、跨媒介、跨行業(yè)的海量數(shù)據(jù)，也可以理解為數(shù)據(jù)的收集方法。當數(shù)據(jù)的規(guī)模和豐富度達到一定程度，大家才開始提出大數(shù)據(jù)的概念。

而如今的電商，大數(shù)據(jù)之路又行至何方?

電商數(shù)據(jù)現(xiàn)狀

“如果不到10萬單量，在基數(shù)這么低的情況下，能分出什么維度來嗎?根本不需要大數(shù)據(jù)。”NOP創(chuàng)始人劉爽認為，只有淘寶、京東、亞馬遜這樣級別的公司，才有海量數(shù)據(jù)，才需要大數(shù)據(jù)。

現(xiàn)在的電子商務企業(yè)，日均能達到十萬單的少之又少。在有海量數(shù)據(jù)積累的基礎上，還要有一套優(yōu)秀的BI系統(tǒng)，而且必須是按公司需求定制，才可能實現(xiàn)大數(shù)據(jù)。

對于現(xiàn)在大多數(shù)的電商企業(yè)來說，根本沒有走到這一步。

劉爽向《天下網商·經理人》舉例說，宏觀調控在小市場的確有效，一旦市場變大便依賴市場化。由此可見，在企業(yè)小的階段，有經驗的拍腦袋效率最高。

的確，不少賣家對自身的數(shù)據(jù)都沒有一個標準化運營、收集、分析的過程。所以談大數(shù)據(jù)，多數(shù)只是癡人說夢。

以庫存舉例，多數(shù)淘寶賣家對自己庫存的即時數(shù)據(jù)并不了解，更不可能清楚庫存銷售的利潤。往往出現(xiàn)這種情況——庫存都是賣不掉的貨，好賣的貨早已經斷貨。如果光看庫存，會發(fā)現(xiàn)指標挺健康，但所謂的庫存基本是壞賬，所以根據(jù)庫存預計銷售利潤，不是每家企業(yè)都做得出來的。這就說明數(shù)據(jù)管理水平有待提升。

在企業(yè)內部，有大量的決算數(shù)據(jù)需要耐心收集，但一般商家都沒有專門的部門做這件事情，所以很難獲得高質量的數(shù)據(jù)給自己提供決策支持。

事實上，賣家之所以對數(shù)據(jù)茫然，是因為數(shù)據(jù)壓根不全，對數(shù)據(jù)的管理和獲取不夠，直接導致無法利用數(shù)據(jù)。

而大數(shù)據(jù)之所以被熱炒，是因為少數(shù)巨無霸企業(yè)在其中獲得了巨大商業(yè)價值。

例如亞馬遜，從虧損到盈利，大數(shù)據(jù)功不可沒。不管是巧合還是時機成熟，亞馬遜的確在采用了重量級的大數(shù)據(jù)分析后，業(yè)績才逐漸好轉?？梢韵胂?，亞馬遜很多基于數(shù)據(jù)的決策都有著大數(shù)據(jù)的影子。

亞馬遜上，囊括了美國所有生活必需品。因此它充分掌握消費者的原始數(shù)據(jù)，做出來的判斷具有預測性。甚至可以向商家定制在某一價格段有某個特殊性能的商品，只供亞馬遜，并能保證熱賣。

而這一切都是根據(jù)亞馬遜所具有的大數(shù)據(jù)源，進行收集、分析所推測出來的。

辨別大數(shù)據(jù)與數(shù)據(jù)

究竟大數(shù)據(jù)這個概念是否“虛高”呢?

畢竟像亞馬遜這樣的公司屈指可數(shù)，大多數(shù)的電商企業(yè)還處于起步階段。這不得不讓人重新思考大數(shù)據(jù)和數(shù)據(jù)之間的關系。

大數(shù)據(jù)與數(shù)據(jù)是兩個極易混淆的概念。對兩者的區(qū)別，每個人的理解也大相徑庭。

劉爽認為，大數(shù)據(jù)是基于交易、商品與用戶的匹配。商品很多，人很多，把它們精準地匹配在一起，是很難的一件事情。

普通的企業(yè)內部業(yè)務經營指標——庫存、成本、商品，這是一個封閉的結構，是由企業(yè)決定的，好的分析或許可以對它施加影響。大數(shù)據(jù)很難強行調控，只能追蹤，想辦法匹配。

而艾瑞咨詢分析師傅志勇則認為，之前所說的數(shù)據(jù)，是一種狹隘的定量數(shù)據(jù)，利于企業(yè)內部流程優(yōu)化，而大數(shù)據(jù)是在定量數(shù)據(jù)的基礎上，做了一個更大范圍的延伸，給企業(yè)提供決策支持。

也可以理解為，大數(shù)據(jù)是對數(shù)據(jù)本身的價值權重進一步的詮釋，即數(shù)據(jù)在決策中所起到作用的權重在提高。

大數(shù)據(jù)其實是一個更大范圍的數(shù)據(jù)，就是從最初獲得信息一直到最后的銷售數(shù)據(jù)。麗人麗妝CEO黃韜覺得大數(shù)據(jù)的數(shù)據(jù)量往往很大，而且一旦精細研究，數(shù)據(jù)量的增加也會異常驚人，甚至超出運算能力。

暫且不管大數(shù)據(jù)和數(shù)據(jù)如何定義，對于目前的電商企業(yè)而言，僅僅是希望通過數(shù)據(jù)分析帶來流程的優(yōu)化。

對此，郝欣誠認為，在未來的兩到三年內，電商企業(yè)多去關注營銷領域，會出來一大批大數(shù)據(jù)的營銷工具。

大數(shù)據(jù)的價值是潤物細無聲，每一個消費者和賣家都在享受大數(shù)據(jù)的成果，但是在使用時，并不覺得是大數(shù)據(jù)。

其實，最早買百度關鍵詞，百度會提供一個關鍵詞排名篩選系統(tǒng)，搜一個詞，系統(tǒng)會自動提示其他相關熱銷詞，并告知哪些詞更容易接觸同類消費者。這是最早使用大數(shù)據(jù)的系統(tǒng)，是基于百度每天上億次搜索的總結。

每一個買百度關鍵詞的公司，其實都在使用數(shù)據(jù)產品。此外，淘寶直通車、數(shù)據(jù)魔方都也是大數(shù)據(jù)的衍生工具。

如果賣家希望在大數(shù)據(jù)領域分得一杯羹，必須清楚自己只是數(shù)據(jù)的使用者。要重視大數(shù)據(jù)的使用，靈活使用大數(shù)據(jù)工具，這些工具才是目前走在大數(shù)據(jù)最前沿的技術。

大數(shù)據(jù)對商家的價值，很大程度上取決于第三方服務商能夠提供怎樣的數(shù)據(jù)工具。作為商家，應該從幾十家甚至上百家工具提供商中，找到適合自己的大數(shù)據(jù)工具。

著眼情報數(shù)據(jù)挖掘

除了大數(shù)據(jù)工具的運用，情報數(shù)據(jù)也是電商公司真正應該關注的。

所謂的情報數(shù)據(jù)處理人員，從日常的工作場景來看，出去奔波收集情報的工作占了多數(shù)份額。他們會跟上下游供應鏈，以及進行跨部門溝通。例如，一個采購人員應該去生產線，去分析每家供應商的生產水平如何，優(yōu)秀的工廠和二線工廠的生產周期區(qū)別，哪里的原材料采購價格最低。一般來講，這樣的一條情報能使用一到三年。

雖然數(shù)據(jù)性不強，但這些情報價值十分高。郝欣誠說得更為直截了當：“講數(shù)據(jù)挖掘不如講情報挖掘，情報挖掘才能夠為電商企業(yè)提供真正生產力級的支持，如果情報挖掘都沒做好，就想把它數(shù)字化和量化，有點操之過急。”

舉個夸張的例子，當一個品牌商擁有20萬家生產廠商無從選擇時，為了找一個與需求相匹配的生產企業(yè)，才需要建立一個大數(shù)據(jù)模型，進行篩選。而現(xiàn)在只需情報先行，當規(guī)模達到一定程度難以進行決策時，才使用數(shù)據(jù)挖掘技術。

的確，大數(shù)據(jù)的應用要滲透到中國的電商企業(yè)內部，還有很長的路要走。

而營銷領域則不同，市場營銷的數(shù)據(jù)模型已經成熟，而互聯(lián)網又帶給電商企業(yè)足夠多的信息源，大數(shù)據(jù)的應用已經可以直接給決策層提供建議，可以理解為“有米下鍋”。

以淘寶原創(chuàng)女裝品牌橡菲為例，他們會每天花費500~1000元做情報挖掘。他們有專門的情報收集人員，根據(jù)數(shù)據(jù)魔方、量子恒道、CRM系統(tǒng)分析數(shù)據(jù)，再把這些信息結合輔助最基本的經營決策，考慮下一款新商品款式如何，基于對老會員的分析，是否需要拓展新類目等等。

比如，當橡菲有50件商品、100萬現(xiàn)金時，究竟應該怎么安排生產?情報挖掘人員會提醒決策層，這其中有2件爆款、6件長尾、2件滯銷品，甚至可以提出對各款商品的補貨、清倉建議。從系統(tǒng)中取得所需數(shù)據(jù)并不困難，但數(shù)據(jù)需要進一步拼接，再去思考各個數(shù)據(jù)之間的因果聯(lián)系。

通俗來理解，商業(yè)領域中的情報，是商業(yè)邏輯。

“情報支持的是對商業(yè)邏輯的理解，而數(shù)據(jù)支持的是對商業(yè)情報的處理能力。”郝欣誠認為必須先做情報挖掘，再做數(shù)據(jù)挖掘，如果情報沒做好相當于對商業(yè)邏輯的理解沒達標，指望著數(shù)據(jù)直接講清商業(yè)邏輯，有些南轅北轍。

數(shù)據(jù)無法替代商業(yè)邏輯

大數(shù)據(jù)需要在量化數(shù)據(jù)的基礎上，加上商業(yè)邏輯，才能幫助電商企業(yè)做全局性、系統(tǒng)性的決策。排除一系列不可控因素，把結論和實際情況進行剝離，在一個理想狀態(tài)下的模型，只是數(shù)學專家給出的結論。

大數(shù)據(jù)的核心是融入商業(yè)邏輯。

在商業(yè)邏輯里，必須先懂市場，懂某個領域的消費者真正訴求的變化;其次要懂行業(yè)，包括行業(yè)的特征、要求和規(guī)則;最后才是懂企業(yè)運營，把多個支持模塊資源有序地整合起來，從而共同創(chuàng)造價值。

在這些都具備的情況下，再用量化的數(shù)據(jù)適度輔佐決策，在商業(yè)邏輯的主導下，真正發(fā)揮量化數(shù)據(jù)的作用。

“缺乏這個商業(yè)邏輯之本，那量化數(shù)據(jù)就是天馬行空的東西。”傅志勇把商業(yè)邏輯看成真正需要解決的難題，因行業(yè)不同、企業(yè)不同、類目不同、時機不同，商業(yè)邏輯都會有所變化，這是一種動態(tài)平衡的藝術和哲學。

網站分析在中國創(chuàng)始人宋星認為，數(shù)據(jù)不能代替商業(yè)邏輯，但是數(shù)據(jù)可以修正、調整商業(yè)邏輯。“一個決策的產生，要靠部分數(shù)據(jù)、部分經驗、部分直覺。”宋星坦言，決策的事并非一句大數(shù)據(jù)便能解決。

這涉及數(shù)據(jù)分層。根據(jù)經驗判斷，越是偏宏觀戰(zhàn)略層面的數(shù)據(jù)，實用性越高，越是偏微觀細小的數(shù)據(jù)，不確定性越高。因為宏觀的決策很大，大到細小的影響起不了作用，而微觀的決策恰恰相反。

例如，整個行業(yè)規(guī)模如何，市場增長力如何，本身是多樣本的綜合數(shù)據(jù)，每一個樣本的影響都只占一部分。而一旦到微觀層面，比如廣告用的顏色、打折力度大小、滿減的額度，某一項的數(shù)據(jù)會起決定作用。只是如今多數(shù)商家更相信測試法，并不相信數(shù)據(jù)研判。

“宏觀層面多看看數(shù)據(jù)，微觀層面多談談經驗。”傅志勇認為這對電商企業(yè)有價值。

回歸商業(yè)的本質，數(shù)據(jù)只不過是業(yè)務的副產物，業(yè)務系統(tǒng)好，一般情況下數(shù)據(jù)系統(tǒng)不會太差。如果本末倒置，數(shù)據(jù)系統(tǒng)好但業(yè)務系統(tǒng)差，結果會發(fā)現(xiàn)數(shù)據(jù)系統(tǒng)都沒法輸送原材料。

并不是說數(shù)據(jù)不重要，但請不要迷信，因為數(shù)據(jù)的不確定性所帶來的風險，是多數(shù)企業(yè)無法承受的，生意人需要回歸商業(yè)邏輯。

最后，借用一段被采訪者的話來總結一下大數(shù)據(jù)：大數(shù)據(jù)是未成年人的性游戲，十七八歲的時候男女這點事還是挺有意思的，誰都不知道真正搞起來是什么樣子的，所有人都在搞所以自己也要搞。大數(shù)據(jù)有的時候就是這樣，講不清楚真正的場景，自己又沒有積累強大的數(shù)據(jù)，都是空談。

【編輯推薦】