數據創新：數據創新的關鍵成功因素
數據創新的窘境
這是一個真實的案例。
某大型多業態地產集團，其業務涵蓋地產、商業、物業三大領域，同時也在開辟和擴展商業的邊界，在租賃、電商領域也有所試水。對于一個地產項目來說，最重要的一個環節就是在投研階段。在哪里買地，花多少錢買地，買了地蓋什么類型的房子?這三個問題直接決定了一個項目是否能成功。而這么重要的一個環節，過去這么多年，靠的都是以人的經驗為主的決策方法，很難找到一個相對客觀，可度量可描述的投研方法。該企業希望建立數據驅動的投研的體系，所有的一切決策都是有數據支撐的，比如在標的地塊所在地區的經濟發展水平，周邊的消費生態，居民結構，競品情況等。
一個智能投研的項目啟動了，自然語言識別、統計學、數據挖掘加機器學習的多個科技服務公司都蜂擁而至做POC，從政府公開數據、社交數據、歷史交易數據、第三方數據等多方面采集數據，構建消費者畫像，競品畫像，預測沙盤等眾多模型， 希望構建一個全方位的能夠從多維度做銷量預測的投研模型。但是，即使是在POC階段，大家也發現了眾多難以解決的問題：
1、業務目標模糊，領域太寬
這個地段應該蓋什么類型的房子?看上去這個***很清晰，但是拆解后就會發現這個業務目標非常模糊，領域太寬。業務度量的標準是什么?潛在用戶的范圍應該如何界定?是周邊還是全市，還是全省，還是全國?如何利用數據產生比常識更加精準的結論?如果把這個業務目標所有的可能性都列舉一遍，會發現基本上會涵蓋所有的業務領域，是很難用一個模型就能夠清晰的定義出一個***實踐的。
2、需要的數據集太廣，大部分數據處理較復雜
投研本身是一個非常寬的業務領域，所需要的數據集非常的廣泛，從宏觀政策數據、市場行情數據、交易數據、消費者數據等多方面，而且數據之間的相關性較弱。而通過前期的POC，我們會發現，如果要讓這些數據都能夠被建模，這過程中的數據處理會非常的復雜，基本上會涉及所有的人工智能技術的應用場景。
3、項目范圍龐大，建設周期長，業務見效慢
經過兩周左右的POC，大家都發現，這樣的一個業務***本身是一個研究領域，如果作為一個項目來做，哪這個項目的范圍會非常的龐大，周期也會變得無法控制的長。而這也就意味著，項目的投資需要很長的時間才能看到業務上的回報。
所以***客戶放棄了這樣的一個項目。
數據驅動創新的幾個關鍵成功因素
通過這個POC的過程，我們發現要成功的利用數據產生新的洞察來做創新，支撐決策，需要具備以下幾個關鍵成功因素：
1、清晰的業務愿景和目標
一定要制定清晰的業務愿景和目標。
在現狀調研，數據分析這樣的具體的工作開始之前，首先要定義可理解，簡單，簡短和可以衡量的目標，這一點非常重要。這些目標可以以問題的形式列出，比如“我們的用戶轉化率能否提高到40%以上?”和“如何能夠提升高端產品銷量?”。
當然，很多時候我們會發現，我們的業務愿景本身是挺復雜的，不可以被衡量，那我們需要將這個愿景，相對模糊的目標分析，拆解成可理解，簡單和可衡量的目標。
這個環節非常重要，定義問題本身是產生有價值的創新的基礎，否則就是漫無目的的探索，那可能帶來的是資源的浪費和無效的投入。
2、能夠帶來價值的業務場景
在定義了清晰的目標以后，為了達到這個目標，一定要探索出有價值的業務場景。業務場景是可被實現，可落地，與真實業務可以緊密結合的端到端的一系列流程的組合。這個場景一定要與業務相關聯，能夠為業務產生價值。也就意味著通過數據關聯、分析產生的洞察是能與具體的業務掛鉤的，而不是一個飄在空中的不可實現的幻想和空想。
3、可實現的數據資產和技術支撐
有價值的創新場景需要被實現，這里面就需要數據和技術支撐。我們需要在一開始的時候就有頂層設計的思路，把這些創新場景所需要的數據集，技術的支撐，對于工具平臺的要求從架構層面列示清楚，然后在實現過程中快速迭代，只有這樣才能保證體系上一開始就是可實現的，是集成的。
【本文為51CTO專欄作者“凱哥”的原創稿件，轉載請通過作者微信公眾號shikai590獲取授權】
