大數據思考：最關鍵的5個問題
摘錄自：Cheers雜誌電子報 2015/1/22
2015-01
天下雜誌出版
作者：車品覺
 |
| 圖片來源：天下雜誌出版 |
2014年1月，當Google宣佈以32億美元收購NestLabs時，所有人都覺得賴瑞‧佩吉（LarryPage）瘋了，因為Google竟然收購了一家恆溫器和煙霧偵測器的生產商。
事實上，NestLabs在Google的平台上，很可能會創造出一個價值數十億美元的市場。這一判斷建立在「家居數據平台」的基礎之上，隨著使用該公司產品的家庭愈來愈多，家庭消費習慣的數據將對供電、家電等行業提供極富價值的指引。
遍地大數據的未來黃金十年
一個小小的溫度調節器生產商，透過智慧化，居然產生了32億美元的市場價值，這是令所有人都驚訝的事實。這意味著新一輪高增長的開端，而這同樣也是未來大數據「遍地黃金」的最佳例證。
很多人說，大數據擁有無限前景以及錢景。但是大數據的價值到底在哪裡？為什麼很多人提到大數據，都覺得那是在「講故事」、「離我們還很遠」？事實上，數據離我們並不遙遠，過去的數十年，很多行業都走向了「資訊化」。而未來的十年將是「數據化」的十年，「遍地黃金」指的則是未來無所不在的數據化可能。
「遍地黃金」在哪兒
什麼是產品數據化？以產品為立足點，尋找在產品元素或者生產流程中產生數據、運用數據的機會，以使數據在產品中體現。
比如，大眾點評App可以透過收集使用者點餐數據，了解其用餐喜好、用餐時間和常去的餐廳，進而將數據代入使用者推薦系統中，讓訂餐更為精準、有效、快速。南方電網透過營運數據，讓電網更加省電；物流業透過營運數據，讓物流變得更高效、更便宜；如果百貨商場了解會員的興趣愛好、逛街時間以及從何處來和到哪裡去，就可以從中尋找到巨大商機。巴西足球比賽也是如此。當德國隊將每一位球員的狀態數據化之後，教練從中便獲得更多資訊，有助於幫助他判斷球員的上、下場時間以及相應的戰術決策。
數十年來，我們逐漸完成了產業的資訊化和自動化，但鮮有嘗試用數據清晰地勾勒產品、生產流程、使用者和使用情境的「面貌」。
正如馬雲所說，未來的機會在於DT（DataTechnology，數據科技），但DT實現的前提是，企業擁有數據，並且已經完成了資訊化。可見，數據科學是資訊科學的延伸。現在，數據技術的時代剛剛開始，產品數據化將是其中最為關鍵的特徵之一。
這是一個「遍地黃金」的時代。任何一種產品或服務都潛藏著巨大的「數據化」潛力。隨著「數據化」進程的加快，傳統產業（包括網路）將迎來第二春，在原有的生產基礎上，產生更高的附加價值。同時，這對企業也提出了更高的要求──企業需要加強對數據的重視，更加注重數據的收集和整理工作。
但為何「遍地黃金」並非看上去那般唾手可得？簡而言之，為什麼數據價值無法落地？為什麼眼下大量企業的數據案例仍難以凸顯價值？
其中很重要的一點是，產品經理不懂數據。很多產品經理還停留在以前做產品的階段，他們靠感覺來做產品，不知道如何用數據改善產品，更沒有意識到數據已經成為做產品的核心原材料。
過去，我們使用數據的方法很簡單，很少為了解決問題而提煉數據。那麼，現在為什麼我要強調對數據的提煉？因為，如果我們想要讓數據產生價值，讓科學的數據分析框架解決使用者的實際問題，就需要將相互關聯的數據嵌入產品或生產流程中，在數據提煉的「最後一哩」，讓數據在產品「說話」。
如何讓數據「說話」
過去，我們最擅長的方法是根據歷史數據總結規律，再採取行動。比如，我們會統計過去一個月週五下午6點的計程車小費金額（根據租車App），計算出小費的平均數，再提出「支付小費5元人民幣」的建議。當時，我們所使用的數據大多是從單一角度出發的靜態數據。
而現在，我們更希望得到更全面的動態關聯數據。比如，我們可以獲取不同街道的交通堵塞程度，從而計算司機對小費的敏感度；我們可以綜合附近的天氣情況、演唱會散場的時間等數據，預測某個時段、某個地段可能成交的計程車小費金額。這種演算法就是利用更全面的大數據，透過更多的環境動態數據，而非從歷史統計數據提供服務。
未來，產品經理需要懂得如何用數據使產品增值。這其中有3個關鍵因素：產品化、數據化和商業眼光。現在很多產品經理更關注產品化，以致忽略了數據化和商業眼光。
那麼如何用數據使產品增值？答案是，讓數據前置。
假定我需要為女兒選擇一所學校，如果要等3個月後考試成績出來才知道學校不值得信賴，會不會為時已晚？如果我能根據數據計算衡量這所學校，也就是所謂的數據前置。很多數據價值的關鍵就是數據前置，即讓更多數據嵌入產品之中，從而產生價值。
另一個更容易理解的案例是Google無人駕駛汽車。Google無人駕駛汽車就是用數據分析框架實現服務。這一服務的前提是數據的品質、穩定性和計算速度都已經足夠完善，使得「數據指引行動」進入完全自動的情境。工程師用上千個模型支撐這一數據分析框架，以保證無人駕駛汽車在行駛中不會出現意外。
反觀眼下，很多公司還停留在用統計數據做決策參考，如果我們將更具關聯性的數據分析框架應用於公司業務中，會發現一個全新價值。
所以，我們必須讓數據進入某個特定的場景中，而且可以被使用。如果我們能夠想像並重建人們行為發生的情境，所觀察到的行為數據才是有意義的。也許你會問，我們一直在說「將數據嵌入業務」，在實際操作層面，我們應該如何將之嵌入？
大數據思考：最關鍵的5個問題
我的工作團隊所遭遇的困惑是，產品團隊、數據團隊和營運團隊交給我的方案總是如一盤散沙，難以統一起來為我所用。問題其實很簡單，即產品團隊中很少有人有數據概念，數據團隊也很少有人有產品理念，而營運團隊也同樣不習慣用數據做決策。但難題在於，如果沒有辦法將這三個團隊連接在一起，數據價值就無從說起。
產品數據化看似簡單，但這背後實際上需要產品經理改變思維模式，即要懂得用數據改進產品，懂得透過數據營運的方式決定產品創新或生產形態創新。
搭建「數據產品」的過程，其實就是產品數據化、營運數據化的過程。這個過程讓我們發現「有用的關聯數據在哪裡」，懂得如何把數據應用於生產環節之中，進而改善流程，提高效率。
在營運數據的過程中，產品經理需要學會用數據思維塑造產品，學會找到產品數據化的突破點和機會點。從現在開始，所有行業的產品經理都需要問自己以下5個關鍵問題：
1. 眼下你遇到的是什麼問題？（你改變了誰的體驗？）
2. 這是誰的問題？（以誰為中心來設計產品？）
3. 你是否能解決這個問題？（你的核心競爭力能解決這個問題嗎？你能理解客戶的需求嗎？）
4. 這個問題現在就得解決嗎？（時機比性能更重要。）
5. 如果現在就得解決，那麼可以支撐的數據在哪裡？（數據是否是解決這個問題的核心？）
問完這5個問題之後，產品經理就可以迅速找到問題所在。下一步需要思考的是，怎麼解決問題？在這個環節中，產品經理可以詢問自己以下幾個問題：
1. 用戶目前的困難是什麼？
2. 已有的數據可以用於解決這個困難嗎？
3. 假如所有數據都可以被獲取，那麼你需要哪些方面的數據？
4. 獲得數據的成本和風險是什麼？
5. 你的數據解決方案是什麼？
6. 如果方案可行，你如何獲取及累積這些數據？
很多產品經理在面對需求變更時，往往會顯得毫無頭緒，而這兩組問題可以很好地幫助他解決眼前的問題。這兩組問題，前者解決了「我們該幹什麼」，後者解決了「我們該怎麼幹」。
這就是產品經理如何「用數據」的思維模式。未來，所有產品經理都需要懂得數據化，因為未來的所有產品都必將數據化。
儘管這些問題有助於梳理思路，但是連接產品團隊、營運團隊和數據團隊之間的思維依舊存在一定的難度。
我通常的解決方案是，詢問團隊成員在特定生產流程中（有時同時也是決策流程），每天需要做多少決策？哪些決策點是可以用數據替代？透過梳理決策點尋找「數據嵌入」的靈感，是非常有效的方法。
未來，傳統企業應該打造出更積極的數據團隊，並使之活躍於業務部門中，讓研究數據的工作人員發現每一個產品「用數據」的機會。
這是一個讓企業從「看數據」迅速轉變為「用數據」的關鍵方法，公司很快就能轉變為一家數據化公司，從而具備生產數據產品的能力基礎。
為什麼你還看不到「遍地黃金」？那是因為你還沒有看到數據創造商業的力量。當你的變速器還在一檔時，很難看得到加速至三檔的風景。
萬物皆數據。
沒有留言:
張貼留言