京公网安备 11010802034615号
经营许可证编号:京B2-20210330
挖掘大数据商业价值的关键:从“大数据”到“厚数据”
从本质上来说,所有商业行为都是在针对人类行为下注。哪种产品最有可能在市场上热销?哪位员工最有希望取得成功?消费者愿意支付多高的价格?善于下注的公司往往能在市场上立于不败之地。
如此说来,“大数据”(Big Data)成为商界的最新热潮也就不足为奇了。所谓“大数据”,是指由强大的分析工具进行筛分的庞大数据集。“大数据”可以成为一种出色的工具,帮助企业收集有关我们行为和偏好的新信息,但它无法解释我们行为背后的原因。
事实上,公司过分依赖“大数据”里的数字、图表和不甚可靠的信息会面临风险,那就是将自己与消费者日常生活中丰富多彩、但不能量化的内容隔绝。他们会丧失能力,无法想象和凭直觉感知世界和他们的企业可能会如何演变。假如让“大数据”代替我们思考,我们通过细致观察来认识世界的能力就会开始退化,这好比在一座新的城市,如果只靠GPS来导航,你就无缘亲身感受和触摸这座城市。
成功的企业和管理者会设法了解其产品或服务会让用户产生什么样的情绪甚至本能反应,并能根据情况变化适时调整。他们能够运用我们所说的“厚数据”(Thick Data)。
我们来看看乐高(Lego)的案例。2004年,这家丹麦公司一天的亏损额就高达一百万美元。该公司产品与消费者需求出现脱节,处于破产边缘。
当时,乐高内部思路很明确,认为他们已经找到了可能的解决方案。该公司认为,现代儿童在游戏中寻求的是“瞬时驱动”。他们想要能拿起来就玩的玩具,而不是像经典乐高积木那样需要“一砖一瓦”认认真真组装的玩具。基于这一设想,乐高开始开发新的活动人偶和其他概念玩具,但该公司新任首席执行长约尔廷·克努德斯托普(Jorgen Vig Knudstorp)则一直有一种挥之不去的感觉:这种想法是错误的。他认为自己应该从头开始,从更根本的角度理解儿童怎样玩和为什么玩。他聘请我们公司在五个国际大都会对乐高用户进行研究。我们被派去和孩子一起玩耍——不是在专门的小组里,而是在实实在在的现实生活里。
在收集了无数个小时的视频、数以千计的照片和日志以及数百个用乐高搭成的模型之后,乐高细致地为所有信息进行编码,从中寻找跨越地理位置和年龄的模式。一种模式慢慢从数据的犄角旮旯里浮现出来。
该公司发现,并不是每个孩子都喜欢搭乐高积木,但爱搭积木的孩子对此十分着迷:他们想把积木搭好,还想了解自己处于什么样的水平。乐高的团队领悟到:他们应该“回归一砖一瓦”。
David McLain/Aurora Photos/Corbis
乐高通过对数据的分析弄清了问题所在:他们应该回归“一砖一瓦”。
如今,乐高再度成为一家成功的企业。乐高的东山再起有很多原因,其中包括《乐高大电影》(The Lego Movie)近期的成功,但对儿童游戏经验更深入的理解肯定是原因之一。
再来看看康乐宝(Coloplast)的案例。这家总部位于丹麦的医疗科技公司1954年创建以来,一度年年都能实现两位数的增幅。但在2008年,该公司突然一年有四次没能达到销售目标。多年来一直在造口护理用品这一细分市场保持全球领先的康乐宝发现,其产品正在竞争中失去市场份额。
康乐宝的研发团队专注于解决造口袋的“渗漏”问题。无数研究显示,遭遇过渗漏的用户会对产品失去信任,并改用其他产品。当时整个行业普遍将改进黏合剂和减少渗漏划等号。
多年来,康乐宝的工程师们一直在通过增加新功能或改进黏合剂来优化产品。但这招已经不再灵光了。为了更好地了解公司该如何提供更加优质的产品,他们决定让自己置身于用户的世界中。在几个月的时间里,我们公司与康乐宝联手收集、整理和分析一批批有价值的用户 “厚数据”。
通过视频、照片和其他第一手资料,康乐宝的高管可以观察到用户的实际体型以及公司产品与用户身体的契合程度。一位高管告诉我们:“我可以拿起照片和日记,浏览它们,感受它们。这些数据带来完全不同的感觉。”
康乐宝的团队发现,黏合剂并不是问题的关键。导致恼人渗漏的原因是,患者身形各异且每个人的体型也在不断变化,造口袋与之不吻合。许多患者术后体重出现大幅增减,或者产生了疤痕组织,从而导致造口袋很难固定。
领悟到这一点之后,康乐宝针对各种体型开发出三类不同的产品。这不仅帮助康乐宝解决了渗漏问题,而且让该公司确立了有关未来创新的清晰视角和方向。
最后,让我们来看看三星(Samsung)的电视机业务。在本世纪初,三星的电视机看上去和商场货架上所有其他电视机都差不多。三星的高管能感觉到他们正在丧失脱颍而出的机遇,但他们不知道怎样才能给消费者带来惊喜。他们需要在文化背景下问一个有关人类行为的更宏观的问题:“在现代家庭中,电视机意味着什么?”
我们与三星展开合作,设法回答这个问题。通过数百个小时的访谈、视频和其他资料,我们帮助该公司识别出一些至关重要的模式。一位访谈对象说,他把电视机藏在一个角落里,因为他不喜欢电视机的外观;还有一位访谈对象说,他希望电视机能像他制作精良的椅子一样“经得起时间考验”。我们发现,对多数人来说,电视机不是电子产品,而是家具。
根据这一重要洞见,三星的团队开发出一种与以前的设计风格迥异的电视机,这种电视机在审美上更接近现代风格的家具,而不是粗笨的科技产品。他们把扬声器和其他有碍观瞻的部件隐藏起来,还改变了电视机的销售、营销及维修方式。这样一来,电视机(现在成为一种家具)就实现了外观和功能的完美结合。
处理“厚数据”并不是那么简单直接的事情,但是如果我们不这样做,就得选择让机器来代替我们应对这些复杂的商业挑战。虽然现在计算机有强大的能力可供我们调遣,但有时我们却只能凭借认真而耐心的亲身观察,静下心来,深入思考,想方设法把问题解决。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16