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。

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。