最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
开启左侧

什么是数据驱动,如何才算实现数据驱动?

[复制链接]
发表于 2020-4-24 23:38:22 | 显示全部楼层 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
“数据驱动”是大数据时代人人必提的词,各行各业也越来越意识到数据驱动的重要性,但是你真的知道数据驱动是什么吗?你所谓的数据驱动有效吗?
下面我们将从数据驱动的价值和现状展开,为你揭开数据驱动的面纱。
一、数据驱动的价值
从消除不确定性的视角来解释大数据的本质与价值,会变得直接很多。那么,数据驱动到底都有什么样的价值呢?有些产品把数据作为运维监控的手段,比如通过日志来监控系统的性能负荷,这当然也很有价值。如图 1 所示,从提升业务的角度来看,数据驱动的价值归结为以下两点。
其一是驱动决策。
通过数据来帮助拍板,包括产品改进、运营优化、营销分析和商业决策等。我们有了数据,就能判断哪些渠道转化的效果更好,哪些功能样式更加受用户欢迎。这也就是我们常说的 BI(Business Intelligence,商业智能),通过数据来支持决策。
其二是驱动产品智能。
所谓智能,我把它归结为这么一种模式:我们有了一定的数据基础,然后在上面套一个算法模型,再将得到的数据结果反馈到产品中。这样,产品本身就具有了学习能力,可以不断迭代。
比如个性化推荐,通过采集许多用户行为数据,在这个基础上训练用户兴趣模型,然后给用户推荐信息,再将用户的使用数据反馈到模型中,精准广告就是类似的模式。智能是一种学习能力,产品智能就是现在比较火的 AI(Artiÿcial Intelligence,人工智能)概念。
图 1 数据驱动的两大价值
这两点都消除了决策的不确定性,只是前者是人来执行决策,后者是机器来执行决策。事实上,我认为,数据驱动决策只能发挥数据 20% 的价值,甚至更少。而数据驱动产品智能将会发挥数据更大的价值,我也非常看好 AI 的发展趋势。
企业内部数据驱动现状
数据固然能够帮助我们看透笼罩在创造新业务和产品周围的不确定性阴霾,不可否认,这对于一些初创企业有一定困难:一个创业公司创始人无法拿到更多的数据,他需要凭直觉来决策“做一款什么样的产品”。但是要让这个阶段尽量缩短,更可控一些,以更少的代价获得一个验证的效果。
当一家企业的产品已开始被市场接纳,而在实际工作中,企业在实现数据驱动的道路上,依旧困难重重。以下是创业公司实现数据驱动道路上的常见场景。
场景1:排队等待工程师跑数据
如图 2 所示,企业老板、运营、产品、市场等各部门都要通过数据工程师老王获取数据,整个流程包括沟通需求 → 分析数据源 → 升级数据采集系统 → 开发程序 → 提供结果等,老王忙得痛不欲生。当然,数据需求方都对数据获取的速度很不满意,有的人等不及,还是决定拍脑袋,最终导致产品迭代效率低下。

图 2 排队等待工程师跑数据现状
场景2:仪表盘只能看到宏观数据
如图 3 所示,仪表盘能够帮助各个团队负责人看到宏观数据,如销售额、用户数等,这在一定程度上帮助管理者做出科学决策。然而宏观的数据价值有限,这令执行者苦恼不已。比如昨天活跃用户数暴跌 20%,是什么原因?宏观的数据这时显然丧失价值,我们需要进行深入、精细化的分析,如按照渠道、地域等维度对数据进行分解,判断某渠道或某地域是否有大的波动,进行多维度、细粒度的下钻分析,才能快速定位问题,从而有的放矢地解决问题。

图 3 公司有仪表盘后的现状
场景3:无法跨越数据孤岛的藩篱
如图 4 所示,企业内部的数据孤岛现象是普遍存在的,特别对一些集团化的企业孤岛效应更是明显。做大数据分析需要与不同部门沟通协调,获得审批权限,等待数据审批完成后才能统计数据,周期较长。并且,这些数据可能因为没有统一ID而无法打通。从企业自身数据的价值角度来说,应消除部门间的数据孤岛,让数据协作更好完成。

图 4 公司有仪表盘后的现状
理想的数据驱动 —— “流”
上述三个场景是典型的“需求驱动”,即根据需求去找数据。
业务方提出数据需求,工程师满足需求,加上排队等待,整个效率非常低,完成一个需求都要几天甚至几周的时间。那么,理想的数据驱动应该是怎样的?
我们应该反向思考这一问题,先把数据源整好,在这个基础上提供强大的分析平台,让业务需求提出者能够自助式(Self-Service)地完成数据分析需求,从串行变成并行,完成需求从几天时间缩短到几分钟甚至几秒钟,这才是理想中的数据驱动,如图 5 所示。

图 5 现实中和理想中的数据驱动
在百度有 10 年的大数据经验,现神策数据创始人&CEO 桑文锋从 2008 年开始专职从事数据方面的工作,到了 2012 年才慢慢想清楚——数据处理归根到底就是一条“流”。按照数据的流向,可以把数据处理分成 5 个阶段,如图2-10所示。

图 6 数据驱动的“流”
在这个过程中,每个业务人员和数据之间都需要有一个强大的工具,将数据规范化,处理数据模型。通过这个强大的分析工具,让这些业务人员在数据分析平台上自助式地完成自己的分析需求,如图 7 所示。

图 7 自助式产品分析是最理想的数据分析方式
总的来说数据驱动是通过采集数据(这里的数据必须满足大、全、细、时),将数据进行组织形成信息流,在做决策或者产品、运营等优化时,根据不同需求对信息流进行提炼总结,从而在数据的支撑下或者指导下进行科学的行动。
希望本文对您有帮助!
来源:神策数据

楼主热帖
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-3-29 05:39

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表