自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

國內(nèi)趨于概念化的 “數(shù)據(jù)分析”在硅谷是怎樣真正落地的?

大數(shù)據(jù)
“大數(shù)據(jù)” 和 “數(shù)據(jù)分析” 是兩個挺有意思的詞。

[[146834]]

“大數(shù)據(jù)” 和 “數(shù)據(jù)分析” 是兩個挺有意思的詞。在平常采訪的時(shí)候,這些詞有很大的概率會從坐在我對面的創(chuàng)業(yè)者嘴里冒出來,即使他們項(xiàng)目的背景千差萬別;另一方面 ,真正在做 “數(shù)據(jù)分析” 這項(xiàng)工作本身的又很沒幾個,在交談中能讓你對 “大數(shù)據(jù)” 三個字眼前一亮的更是寥寥無幾。不過,前幾天關(guān)于張溪夢的采訪,我印象倒是挺深刻的。原因大概很簡單:對方首先就是吃數(shù)據(jù)這碗飯的,而且,他還是一個來自硅谷的大神。

張溪夢此前從事過的最廣為人知的一份職業(yè)——也是他創(chuàng)業(yè)前的最后一份工作——是在LinkedIn。在那里,他一路從 Data scientist 做到高級總監(jiān),4年 內(nèi)據(jù)說升了四次職,最后從無到有一手組建了整個商業(yè)數(shù)據(jù)分析部門。這個部門如今人員規(guī)模已經(jīng)達(dá)到 80+,對 LinkedIn 的重要性不言而喻。而在 LinkedIn 之前,張溪夢在硅谷的工作經(jīng)歷還包括:Linde、Epson、Petco,以及Ebay。

現(xiàn)在,張溪夢出來創(chuàng)業(yè)了。他在做一款名為GrowingIO的數(shù)據(jù)分析類產(chǎn)品,目標(biāo)是中國市場。

在采訪過程中,在硅谷積累了豐富經(jīng)驗(yàn)的張溪夢談到了很多數(shù)據(jù)分析行業(yè)里的觀察和思考。其中他提到了美國成熟商業(yè)體系下的數(shù)據(jù)分析所處的角色,讓人很有啟發(fā)。寫出來分享給大家:

數(shù)據(jù)分析是商業(yè)運(yùn)營的一部分

“國內(nèi)做數(shù)據(jù)分析的,有一個不足是對商業(yè)結(jié)果的關(guān)注不夠。我覺得美國這一點(diǎn)就做的非常好——他們把數(shù)據(jù)分析變成商業(yè)運(yùn)營的一部分。比如,他們的市場推廣、產(chǎn)品設(shè)計(jì)、銷售流程、客戶服務(wù),包括風(fēng)控這些部分,基本上都是全數(shù)據(jù)驅(qū)動的。里面有很多東西聽起來很 TDS(流程化),包括人與客戶的交互,每個人都像有一個精確的導(dǎo)航系統(tǒng)一樣。這樣做事情的效率就會提高很多,因?yàn)槟悴恍枰诤芏嗳藶榕袛嗌侠速M(fèi)時(shí)間。”

“你把人的效率提高了,本質(zhì)上一個公司的效率也就提高了。最終這些變量都會為公司做出整體上的優(yōu)化。”

“另外一點(diǎn),這種系統(tǒng)一經(jīng)運(yùn)營起來之后,這種小幅度的進(jìn)步會不斷的演化,最后產(chǎn)生大幅度的 revenue 上的增長。這一點(diǎn)我覺得是國內(nèi)值得學(xué)習(xí)、并且必須去做的事情。像以前我在做市場分析的時(shí)候,他們對每一個渠道拉來多少客戶、轉(zhuǎn)化率多少、投資回報(bào)率多少,都會給予全方位的關(guān)注,長期進(jìn)行跟蹤,再不斷總結(jié),最后反過來對業(yè)務(wù)進(jìn)行優(yōu)化。”

事先的預(yù)期和推演很重要

“老美還有一點(diǎn)很厲害,就是他們每做一件事情都會做推演。老美做一件事本質(zhì)上都有一種預(yù)期,這種預(yù)期一般是通過數(shù)據(jù)分析提前計(jì)算出來的,而不是拍腦袋決定。這有點(diǎn)像孫子兵法里的神機(jī)妙算,還沒打仗就提前做各種遞歸和推演。然后出來以后,結(jié)果必須是和事先的推演接近的。”

“如果結(jié)果和預(yù)估是完全相反的,即使業(yè)務(wù)上有提升,這個活動也是失敗的,做這個活動的人能力也會受到質(zhì)疑。他們講究事先的這種 expectation 是因?yàn)?,只有?dāng)你的結(jié)果和預(yù)期相對一致的時(shí)候,你才能從中找到總結(jié)的方法,再逐步去繼續(xù)優(yōu)化下一件事。我覺得老美這套東西發(fā)展這么多年,還是很有意義的。”

“而實(shí)際上這套東西,都是他們從零售、保險(xiǎn)、能源、物流甚至軍工這些傳統(tǒng)行業(yè)里慢慢剝離、抽取最終總結(jié)出來的。今天互聯(lián)網(wǎng)上用的很多模型,說真心話,我覺得在本質(zhì)上并沒有源認(rèn)知級別上的改變,只不過是用技術(shù)把它大幅度的放大了。”

數(shù)據(jù)分析是用技術(shù)手段把商業(yè)本質(zhì)放大

“在商業(yè)上很多的原始認(rèn)知和管理方法,最早的時(shí)候都是從軍事開始的,數(shù)據(jù)分析就是這樣。比如說統(tǒng)計(jì)學(xué)的第一次大規(guī)模應(yīng)用,在所謂非數(shù)學(xué)領(lǐng)域里面,是在一戰(zhàn)的時(shí)候開始用的。他們當(dāng)時(shí)計(jì)算的是地上的炮火打在機(jī)翼上的彈孔密度。那時(shí)攻擊的主要方法是通過不同的戰(zhàn)術(shù)編隊(duì)發(fā)起進(jìn)攻,然后回收那些機(jī)翼,計(jì)算彈孔密度,進(jìn)而優(yōu)化他們下一次機(jī)型的編隊(duì)。”

“后來這些方法慢慢從軍工里面進(jìn)入到民用,再到零售、保險(xiǎn)、金融這些 section。這里面本質(zhì)上還是反映亞當(dāng)斯密那套 supply and demand 的方法,就是如何優(yōu)化你的供給和需求,讓它們達(dá)到平衡。如果你能做到大局上的平衡上和微觀層面上的平衡,優(yōu)化效果就達(dá)到了。”

“在一九六幾年之后,麥肯錫這些公司和管理咨詢這群人,又接著把數(shù)據(jù)分析升華了,變成了基于數(shù)據(jù)和商業(yè)洞察的戰(zhàn)略性分析。這里面有兩個分支,業(yè)務(wù)上的和數(shù)學(xué)上的。這兩個分支慢慢 convert,一步一步的沉淀,最后變成一個綜合的分析方法,又逐步分散應(yīng)用到各個行業(yè)里。”

“我 12年 前剛?cè)胄凶鍪袌鰻I銷的時(shí)候,有一個很簡單的 case。就是你買一臺 PC,然后再買一個打印機(jī)就能享受折扣。需要解決的問題是,什么樣的人買了 PC,應(yīng)該給什么樣的打印機(jī)折扣。”

“這個 case 看起來很簡單,拍腦袋就可以決定。比如直接給一個 5000 塊以上電腦、15%打印機(jī)折扣的方案。但他們處理這個 case 的時(shí)候,會根據(jù) PC 的型號、商店的位置、消費(fèi)情況、打印機(jī)檔次等等多維數(shù)據(jù),綜合計(jì)算出來一個結(jié)果,最后這個結(jié)果,他必須保證每種組合的 deal 對這個消費(fèi)者來說是可負(fù)擔(dān)得的、最優(yōu)的,同時(shí)每個 deal 公司自己又是盈利的。”

“當(dāng)時(shí)還有很讓我震撼的一點(diǎn)是,如果公司要做一個活動,事先得出的一個假設(shè)是,女性客戶應(yīng)該會對這個促銷活動更感興趣,那他們并不會馬上就針對女性用戶做投放,還是男女各 50%的 percent 這樣投放。最后看結(jié)果,女性用戶的轉(zhuǎn)化率確實(shí)比較高,驗(yàn)證了這個假設(shè)后,他們才會再在下一次活動中專門針對女性群體進(jìn)行廣告投放。”

“市場營銷是這樣,零售業(yè)這個古老的行業(yè)很多也是如此。很多商業(yè)上的原理和本質(zhì)很早就在這些傳統(tǒng)行業(yè)里被摸透了,但是以前的技術(shù)條件有限,他們試圖做這種數(shù)據(jù)分析的時(shí)候不是那么容易。比如,美國的公司常常需要先把數(shù)據(jù)發(fā)給印度的公司,然后印度公司再把整理結(jié)果發(fā)回到美國本土進(jìn)行分析,這中間周期就很長,效果沒法那么明顯?,F(xiàn)在有了互聯(lián)網(wǎng),有了大數(shù)據(jù),本質(zhì)上是給了一個更好的工具,這個工具再把這種效果放大了而已。”

責(zé)任編輯:李英杰 來源: 36大數(shù)據(jù)
相關(guān)推薦

2018-11-08 10:06:43

物聯(lián)網(wǎng)數(shù)據(jù)分析IOT

2009-03-31 08:23:09

郭臺銘鴻海制造業(yè)務(wù)

2018-10-22 13:53:02

無人零售無人貨架智能

2023-03-04 21:31:57

大數(shù)據(jù)采集抽樣式

2018-11-08 15:12:16

數(shù)據(jù)分析算法決策樹

2016-09-30 01:04:45

數(shù)據(jù)分析數(shù)據(jù)

2017-09-28 16:31:02

大數(shù)據(jù)數(shù)據(jù)分析漏斗模型

2024-11-08 12:36:35

2022-12-02 11:40:00

數(shù)據(jù)分析成果

2022-11-14 11:55:39

數(shù)據(jù)分析項(xiàng)目

2023-06-16 11:54:59

數(shù)據(jù)分析項(xiàng)目

2024-11-01 08:16:54

2015-09-24 09:32:39

大數(shù)據(jù)白富美

2015-09-02 11:44:39

視頻云華為

2015-09-15 13:22:08

數(shù)據(jù)分析七宗罪

2019-12-13 10:52:27

區(qū)塊鏈應(yīng)用區(qū)塊鏈比特幣

2014-04-24 09:46:47

數(shù)據(jù)分析

2015-10-26 14:30:36

數(shù)據(jù)分析炒菜搬運(yùn)工

2017-02-27 16:35:00

HDFS大數(shù)據(jù)分析

2016-09-30 16:06:23

大數(shù)據(jù)分析工業(yè)化
點(diǎn)贊
收藏

51CTO技術(shù)棧公眾號