登录
首页精彩阅读阿里巴巴分析企业如何利用大数据解决问题
阿里巴巴分析企业如何利用大数据解决问题
2015-10-03
收藏

阿里巴巴分析企业如何利用大数据解决问题


从以前必须求老板看看他做的数据,到现在老板会挑剔他准备的数据没有用,他认为,这是企业利用数据进化的结果,他发现美国许多企业不只拥有数据科学家,甚至还多了决策科学家,负责用数据替公司确定决策。


市值全球第2名的阿里巴巴,旗下诸多服务包括阿里巴巴B2B平台、淘宝网C2C平台、天猫商城B2C平台,还有全国最大的第三方支付平台支付宝等, 而这些服务所产生的数据全归一个人管,他就是阿里巴巴数据技术及产品部副总裁车品觉。

车品觉以8年打滚于数据界的经验,以及在阿里巴巴实务应用下发展出「数据10诫」,现已修正到了4.0版本。作为阿里巴巴集团的数据最高领导人,车品觉说,他是虔诚的数据信仰者,喜欢用数据做决策解决问题。

企业要用数据解决问题,首先要履行数据10诫的第一条,清楚定义欲分析解决的问题是什么?车品觉举例,现在中国各大都市都极力发展智慧城市,但是对于城市来说,什么样的建设或是应用才能称为智慧,他说,如果没有定义智慧城市,那就难以衡量专案的成效,「定义问题是从知道到不知道的过程。」

虽然数据科学议题很热,企业有许多问题都能从数据中找出答案,但也「不是每一个问题都是数据的问题,不是每一个问题都是大数据的问题。」车品觉说,要知道该问题是否能靠数据解决,必须先思考5件事,以明确了解需要解决的问题,「这是什么问题?谁的问题?这问题你来解决吗?需要现在解决吗?数据能解决吗?」当这5个问题的答案皆为是,那或许就是当下可以靠数据解决的问题。

阿里巴巴大数据心法:数据10诫 4.0版

1. 一切从定义「问题」开始,已知到未知的过程

2. 先假设数据都能获取来思考问题,包括衍生及循环思考

3. 让数据来帮助描述、诊断、预测以及行动建议

4.「快+准」的数据能从已知规律中产生价值

5.「广+乱」的数据能从发现中颠覆已知

6. 大数据不是独奏,而是不断连接无处不在的资料

7. 大数据技术就是加速和累积「数据、分析与服务」的能力

8. 数据生态的连接需要建立标准与规范

9. 大数据是来自很多小数据的组合

10. 数据是一种信仰!

然而不少企业知道要解决的问题,却苦无解决问题的数据,车品觉认为,思考问题解法时,不能把没有数据当作借口,因为现在可以取得数据的方式太多了。车品觉举例,调查研讨会的品质可以用最传统的问卷,也能用科技的方法解决,只要在场内跟场外架设手机探测器扫描会众手机ID,便能记录会众进出场内外的状况,进一步分析演讲品质。清楚定义分析的问题,不怕没数据。

车品觉另外举了「快的打车」App的例子,他们想解决司机拒载乘客的问题,因此提供了评价的机制,当司机拒载的时候乘客得以反应,而这些评价数据也是在思考想解决的问题后才出现。所以「只要问题定义好, 需要的数据都存在,思考应该凌驾在数据技术之上,思考方法才是产生价值最重要的一点。」

以多面向归纳数据类型

因此数据并非不存在,重点在于企业能否周全收集数据,为了更清楚理解数据,归纳不同类型数据能发挥长处的时机,他用不同面向剖析数据。

首先,车品觉以能否预料以及意见正反作为X与Y轴,画出四大象限描述企业所收集的数据。他举例,餐厅纪录客人的餐点,这是收集Expect Positive(预料中的正面)的数据,而Expect Negative(预料中的反面)的例子则是客人没吃完餐点的纪录。另一个电子商务例子则是,当有人到周大福买珠宝,记录了客户买了哪一个商品,这就是Expect Positive的纪录,而调查客户看了哪5个商品才买到了想要的戒指,则是Expect Negative,车品觉说,Expect Negative对于机器学习是重要的训练样本。

另外,他也依可用性将数据分为「快+准」和「广+乱」2类。「快+准」的数据是那些企业能很快速地取得,或是经常性使用的数据,能从已知的规律中产生价值,能做的改善是加速数据更新的频率,抑或是加速数据整合的速度,以更快速的做出决策,或许过去须3小时才更新数据,改进后期望能进步到即时。他认为,「快+准」的数据要思考的议题是「有没有、准不准、细不细、全不全、稳不稳以及快不快。」

相对于「快+准」则是「广+乱」,「广+乱」的数据就是现今称作大数据的类型,来源广泛且格式多元,特性是能从发现中颠覆已知,车品觉认为,从「广+乱」的数据中,才能发现意料之外的事情,因此从这些数据提炼出来的信息也比较有明显价值。

能有意料之外的发现,正是数据的价值,品觉认为,大部分人思考方法是演绎法形式,从已知推论未知,但是运用大数据技术可以逆转这个程序。他以营销作为例子,过去一项产品的营销,企业会主动设定目标人群,比如是三十几岁的女性等,针对这群人投放广告,但是现在的方法,可以透过历史的销售数据,找出购买行为的特征,逆向圈出目标人群。

车品觉也用时间维度分析数据特性,不同周期的数据所提供的价值也不一样,以天为周期的数据可以描述状况,而1周需要知道的则是,上星期做的决策是正确还是错误的,1个月就必须了解竞争对手的策略与状态,1季就需要检讨组织是否达到设定的KPI。

数据从分析到应用,品质要求大不同

阿里巴巴使用数据最大的分水岭在于「从看到用」,从数据用来分析现象,到用于控制全自动化的设备上。车品觉分享前些日子所做的工作,正是以自动化无人机器取代一整个既有的部门,他说,在那个时候他领悟到,数据的目的直接影响对数据品质的要求,因为用于分析观察还是实际使用,需要的数据属于不同等级。

他提到,像是无人机器的动作控制,需要多个复杂模型交互作用,而稳定且充足的数据来源是必要条件,在他们找出实际可用数据的过程,发现有很多数据的基本功没扎稳,像是数据须达高可用性等项目,需要一块一块的补上。

而当企业达到没有数据就无法提供服务的状态,就如同无人机器没有足够的数据就无法运作,车品觉认为,「此时企业就走在对的道路上」。也因为数据的重要性提升,企业看待数据中断应该要等同于IT系统错误一样的严重,一旦数据出错就必须有人负责。

不只是无人机器的控制需要有非常完整的数据,在很多情境下,当没有完整的数据描述事件发生的细节,企业往往会把事件原因归于运气。在零售业中,顾客的购物欲望可能起始于朋友推荐,经过了商品搜寻以及品牌官网收集信息,顾客逛了电子商务网站,最后却在大卖场购买,这样的过程或许看似大卖场比较幸运最后成功销售商品给这位顾客,但其实不然,过程中有许多企业应该要知道的数据。像是顾客信用卡的还款时间,因为要缴交信用卡的费用感到心痛,因此购物欲望下降,此时要顾客消费是困难重重,这虽然只是一项小数据,却也是整个顾客购物链很重要的一环,车品觉认为,企业应该检视所收集的数据是否完整,因为企业忽略顾客的数据,有时候对结果影响很大。

「大数据是一种能力,企业要有爱因斯坦的大脑以及健壮的身体」,大数据能力组成的因素有思想、血液以及骨骼,思想就是数据运算逻辑或模型等,血液则是企业的数据,而骨骼便是最基础的硬件设备。

从以前必须求老板看看他做的数据,到现在老板会挑剔他准备的数据没有用,他认为,这是企业利用数据进化的结果,他发现美国许多企业不只拥有数据科学家,甚至还多了决策科学家,负责用数据替公司确定决策。


数据分析咨询请扫描二维码

客服在线
立即咨询