[[146221]]

 

人們討論大數據就像討論青少年性行為一樣！

這里有讓你擺脫數據困境的新方法。

—4Ps來拯救你—Platform（平臺），Processes（流程），People（人），Politics（政策）“大數據就像是青少年性行為：每個人都談論但卻沒人真正知道該怎么辦，每個人都認為別人都在做，所以他們都說他們也正在做……

—Dan Ariely

TED演講者，暢銷書的作者以及杜克大學的教授Dan Ariely說的話是對的——在當今的大數據領域中，紙上談兵太多而實質內容太少導致了許多企業在大數據項目中的失敗。為了解決這個問題，我們為評估和實施大數據這一舉措提出了一個框架：我們已經申請將aCommerce的客戶以及企業發展成為 Ardent Capital的一部分：這就是大數據的4個“P”——Platform（平臺），Processes（流程），People（人類），politics（政策）。

傳統的市場營銷4P是Price（價格），Product（產品），Promotion（宣傳）以及Place（渠道）——最初由McCarthy創造并由Kotler推廣的這4P，徹底改變了公司的傳統的市場模式，如P&G、Kellogg。我們相信，大數據的4Ps將利用從數據中得出的見解，幫助企業少走彎路，并專注于推動財富500強企業以及初創企業產生真正的有價值的變化。

1.Platform（平臺）

大數據中的一個***的謊言就是，大數據是十分復雜且屬于高科技的產物，這些科學技術問題同時又是企業運用大數據失敗的主要原因，尤其是當我們在談論我們害怕面對數據或者是沉迷于數據時。大數據是偏向于科學技術領域的這種說法讓許多人望而卻步，使得人們在處理企業數據的的時候遲遲不敢邁出***步。另一方面，出現這種現象也有過于注重科學技術的緣故。大數據平臺應該是實現業務目標的一種手段，而不應該是以大數據平臺為目標。

Peter Thiel，一位億萬富翁同時也是一位風險投資者，批評人們不應該過度注重技術。他創立了Paypal和Palantir——一家價值90億美元的公司，據說曾利用大數據技術幫助美國政府追捕本·拉登，在他的暢銷書《從0到1》中提到對創業的注意事項，或者是該如何打造未來，Thiel說：”我們讓我們自身沉迷于大數據只是因為我們認為大數據這個名字夠洋派，并且被自身能夠獨立使用計算機完成的一些壯舉所感動。但是，我們卻忽略了從人類與數據互補得來的大成就，因為人類所做出的貢獻使得數據的價值并不突出。“

只有當人們能夠從所謂的大數據產業園區中所產生的充滿復雜性的大數據煙幕中，意識到這些帶有三個英文字母簡稱的公司只是在兜售技術產品，也意識到大數據平臺其實只是檢驗人們是否成功利用這個數據平臺并實現見解的一個通道，我們就能夠朝著真正解決這些實際挑戰的目標繼續前行。

2.Processes（流程）

一旦我們開始使用我們的大數據平臺，那么下一個挑戰就是建立正確的流程，這些流程包括（1）數據范圍；（2）數據質量；（3）數據訪問。

在同行業中還流傳著另外一種對大數據的誤解，就是處理越多的數據等同于創造越多的價值。“現在社會上有許多公司對于數據的需求是永不滿足的，他們錯誤地認為更多的數據總是能夠創造更多的價值。但是，大數據往往只是數據，他們是不會發出聲音的。“Thiel說。

從我們的經驗上來看，數據往往遵循80/20法則，尤其是在一個確定的點上添加過多的數據源會導致在輸入方面的收益減少（時間和資源）以及在輸出方面的收益減少（缺乏高質量的洞察見解）。
我們總是傾向于認為“只是足夠的數據”而不是大數據提供“最小化的可實行的產品”方法。沒有實際行動的數據是沒有任何意義的，因此專注于少數關鍵的可實行的指標吧。

500條創業經驗法則的創始人Dave McClure說：”如果你不利用指標去做決定，那么你的計劃就不可行。”

那么，如果可以，請絕對忽略那些沒有價值的指標。

這句話是《Web Analytics2.0》的作者、谷歌的數字營銷傳播者Avinash Kaushik說的一句話，“不要再沉迷于那些***的數據，你永遠都不可能得到那些***的數據的。我們要做的應該是專注于趨勢推動決策并一如既往，牢記80/20法則。”

讓百花齊放

數據只能自身派生出的信息來體現價值，因為分析數據的是人而不是機器，而分布在整個企業的能夠訪問數據的人群將會提高他們的工作效率以及推動創新。但不幸的是，許多企業把數據限制在專業商業智能和數據科學團隊中進行使用，越來越多的其他部門開始要求進行數據分析，目前的模式往往成為一個主要瓶頸。

擁有一個能訪問運營數據如客戶、訂單以及收入等數據的職能團隊是一個不錯的價值主張，因為它允許團隊快速發展前進，更為重要的是，允許團隊在相關的商業環境下分析、解釋數據。

3.人

盡管擁有一個大數據平臺和正確的組織流程是利用數據所必須的，但僅僅只有這些是不夠的。這里有無數個案例都是講述一些公司在大數據技術上投資了成千上百萬美元但依然還是以失敗告終。那是因為他們沒有在大數據處理上找到適合的人選去解釋這些數據并且正確運用。

“計算機可以發現暗示人類行為的模式，但是他們不知道如何從不同的來源去對比這些模式，或者不知道如何解釋這些復雜的行為。可操作的見解只能來自人的分析。”Thiel說。

大數據的4Ps中，人的因素無疑是***的瓶頸。根據McKinsey：“現在存在著這樣一種現象：企業運用大數據所必須的人才是短缺的“。然而，到2018年，僅是美國就可能有14萬到19萬的人精通分析技巧，150萬位經理級別的人以及分析師懂得如何運用大數據分析去做有效決策。

這個問題在東南亞之類的新興市場中顯得更為重要了。盡管是在發達國家，像新加坡，挖掘帶有這種數據心態的人才也是十分困難，在某些時候甚至更難。這是因為許多新加坡企業都是跨國管理的，許多要完成的工作都是以電話會議的形式與其他合作國溝通聯系，并通過郵件實現。數據本質上是地方性的并且動態的，要想以舒服的方式和數據工作，需要只身深入了解數據。

數據科學家并不是解決辦法

然而，那些被推薦來幫助我們處理所有這些大數據的新生代的鑄造數據的科學家又如何呢？他們并不適合。根據Josh Attenberg和Foster Provost，兩位都是在紐約大學負責實際數據科學課程的，他們都認為：“一些在計算機科學部門受過訓練的數據科學家們抱怨說他們”只是技術員“，他們能夠很好地理解算法，但是他們普遍缺乏重要的問題制定能力、評估能力以及分析能力。另一方面，那些訓練有素的商業學校往往會有未發展起來的技術能力。

要達到企業的工作速度要求，僅是雇用傳統的數據科學家以及工商管理碩士是不夠的，還需要每個人都能與數據共事。

盡管我們看到一些積極的變化，尤其是在市場上的變化。“一份名為‘Growth Hacker’的新工作正與美國硅谷的文化相結合，這強調了編程能力和技術驅動是一個偉大的營銷者的重要組成部分。長期以來被認為是非技術性職位的市場營銷副總裁現在正迅速地衰落，而在這個位置上，一種既是營銷商同時會運用編碼的人才應運而生，”Andrew Chan說到，而這些人就是公眾所說的Growth Hacker。

Auren Hoffman，作為LiveRamp的總裁以及Quora的股東，說過這樣的話：“***營銷官（CMO）的角色正在發生巨大的改變，它在成為一個能夠‘點球成金’的角色，并且非常側重數據。如今的Moneyballer的***營銷官計劃將她的營銷像Billy Beane建立Oakland As那樣實施。她利用顧客行為上的這些細微的數據在傳統的營銷上擴展，直接影響了產品策略，客戶服務以及優化推銷服務。

拋開這些專業術語不說，快速瀏覽一下招聘廣告營銷的職位，例如Facebook和Uber，這闡明了我們正在經歷的改革。Uber所要招聘的高級營銷員要求能夠使用Tableau那樣的工具以及如Python和SQL那樣的計算機語言，另外，還要求能夠處理和分析復雜的數據集，解釋他們并用以做商業決策。

值得提醒的是，這些職位都是關于市場的職位而不是軟件工程師。噢，對了，他們需要找工程專業、計算機科學專業，數學專業、經濟學專業以及統計學專業的人才。而與此同時，傳統的數據機構的發展依然停留在2005年，并聘請通信專業的人才來擔任績效營銷的角色。

“咦，SQL？”

在aCommerce時，我們過于強調在個人層面發展技術營銷技巧。例如，我們所有的市場分析師都知道，如何將數據從SQL數據庫中提取出來并進行深入分析。有些人能夠超越這一點，并且能夠編寫代碼，通過不同的APIs（應用編程接口）來提取數據。

4.政策

數據>信息>知識>權力

因此，分配數據等同于在一個組織中分配權力，這就是為何數據常常會與公司政策聯系在一起的原因。經理以及部門都不愿意讓數據變得有利用價值，因為如果這樣做就相當于挑戰自己的存在。數據是一臺偉大的均衡器——它能夠擁有數據并且展示數據——能夠廣泛地使用力量使人們亮出自己的底牌。這讓人們容易受到批評，因為在不久的將來人們將不再把自己隱藏在這花哨的PowerPoint平臺中，并掩蓋自身能力的不足。

盡管一些機構已經遭受了這些問題。那些不愿意分享如營業額以及銷售情況的下行數據的客戶，當這些機構除了推動這些劣等的效果并且拼點擊率之外，他們做不成任何事情。他們除了抱怨自己責備自己，也沒有其他可行的辦法了。在這種情況下，當客戶端也允許訪問下行數據，機構卻不知道該如何提取這些數據（人的問題），或者是不想要得到這些數據（政策問題）。

為了能讓企業的大數據計劃能夠得以成功，它需要我們打破數據孤島并發展數據民主。當然，這家企業也需要在數據分配以及確保安全和個人隱私之間保持平衡，并且絕對不能把后者當作保護前者的借口。

***的話

大數據不是難以捉摸的獨角獸，通過運用這4Ps，企業也可以加大大數據的發展。典型的一種想法就是，人們認為大數據只是與BS技術有關。而真相其實是，大數據更多是跟人有關。教會你的員工與數據共事吧，其他的一切會隨之而來。

正確的人帶有正確的數據能夠驅使項目落實到位，并且建立/使用平臺，以政策方式處理數據驅動這一舉措將蓬勃發展而不是衰落。