别怀疑-眼下正是“遍地黄金”.doc

《别怀疑-眼下正是“遍地黄金”.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、别怀疑,眼下正是“遍地黄金”--福布斯中文网作者车品觉阿里巴巴集团副总裁，数据委员会会长2014年1月，当谷歌宣布以32亿美元收购NestLabs的时候，所有人都觉得拉里·佩吉（LarryPage）疯了，谷歌竟然收购一家恒温器和烟感器的设备生产商。事实上，Nest在谷歌的平台之上，很可能会创造或者颠覆一个价值数十亿美元的市场。这一判断是建立在“家居数据平台”的基础之上的，随着使用Nest的家庭越来越多，家庭消费习惯的数据将对于供电，家电等等行业提供有趣的指引。一个小小的温度调节器厂商，通过智能化，撬动了32亿美元的估值，这是令所有人惊讶的事实

2、。这意味着新一轮高增长的开端。这就是未来大数据“遍地黄金”的最佳例证。很多人都在说，大数据有着无限的前景以及钱景。但是大数据的价值到底在哪里呢？为什么很多人提到大数据，都觉得那是在“讲故事”，“离我们还很远”呢？数据距离我们并不遥远，过去的数十年，很多行业走向了“信息化”，未来的十年将是“数据化”的十年。我所说的“遍地黄金”也就是指未来无所不在的数据化可能。“遍地黄金”在哪儿？什么是产品数据化呢？是以产品为立足点，寻找产品元素或者生产流程中，产生数据、运用数据的机会，把数据在产品中体现出来，就是产品的数据化。比如，大众点评APP可以通过收集用

3、户点餐的数据，了解用户的用餐喜好、用餐时间和常去的酒馆，进而可以将数据代入到用户推荐系统之中，让订餐更为精准、有效、快速。南方电网通过运营数据，让电网更加省电。物流业通过运营数据，让物流变得更高效更便宜。百货业正在“数据化”的进程中，如果银泰百货了解到商场会员的兴趣爱好，逛街的时间点，从哪儿来，往哪儿去，就可以从中寻找到巨大的商业机会点。巴西足球比赛也是如此。当德国队将每一位球员的状态数据化之后，教练获得了更多的信息，有助于帮助他判断球员的上下场时间，以及相应的战术决策。在过去的数十年，我们逐渐完成了产业的“信息化”和“自动化”，但从鲜有尝试

4、过用数据的方式来清晰地勾勒一个产品、生产流程、用户、使用场景的“面貌”。正如阿里巴巴集团董事长马云先生所说，未来的机会在于“DigitalTechnology”，但DT实现的前提在于，你的企业有数据，完成了信息化。数据科学是信息科学的延伸，数据技术的年代刚刚开始，产品数据化将是其中最为关键的特征之一。这是一个“遍地黄金”的时代。任何一种产品或者服务都潜藏着巨大的“数据化”潜力。现在随着“数据化”的进程，传统产业（包括互联网）将迎来第二个春天，在原有的生产基础上，产生了更高的附加值，同时这对企业也提出了更高的要求，企业需要更注重数据，加强对于数

5、据的收集整理。但为何“遍地黄金”并非看上去那么触手可得呢？简言之，为什么数据价值没法落地？为什么眼下大量企业的数据案例难以凸显价值？其中很重要的一点是，产品经理不懂数据。很多的产品经理还停留在以前做产品的阶段，靠感觉来做产品并不知道如何用数据来改善产品，更没意识到数据已经成为做产品的核心原材料。过去的IT时代我们只是简单的使用数据，很少为了解决问题而提炼过数据。为什么我要强调提炼过的数据？因为如果我们要让数据产生价值，让更贴身的数据分析框架去解决用户的实际问题，就需要将有关联的数据嵌入到产品或者生产流程中，在数据提炼的最后一公里，让数据在产品

6、中“说话”。如何让数据“说话”？在过去的信息时代，我们最擅长的方法是根据历史数据统计规律，指引行动。比如我们会统计过去一个月周五下午六点的出租车小费（打车APP），计算出价平均数，然后告诉用户“建议给小费5元”。我们所使用的数据大多都是单一角度而静态的数据。而现在，我们更希望得到全景而动态的关联数据。比如我们可以获取不同街道的堵塞程度，从而计算司机对小费的敏感度；我们可以集合附近的天气情况，演唱会散场的时间数据等等来预测某个时段，某个地段可能成交的打车小费金额。这样的算法就是利用了更全景的大数据，通过更多的环境动态数据，而非历史统计数据来提供

7、服务。未来，产品经理需要懂得如何用数据来增值。这其中有三个关键点：产品化，数据化和商业眼光。而眼下很多产品经理更多关注的是产品化，忽略了数据化。那么如何用数据来增值呢？让数据前置。假定我需要为女儿选择一所学校，如果要等三个月后考试成绩出来，才知道学校不靠谱，会不会太糟？如果我能根据数据计算来衡量这所学校，这就是数据前置。很多数据价值的关键就是数据前置，让更多数据嵌入到产品之中，产生价值，Insteadofthrowingmoneyfortheuncertainty。另一个更容易理解的案例是谷歌无人汽车。谷歌无人汽车就是在用数据分析框架来实现服

8、务。这一服务的前提是数据的质量、稳定性和计算速度都已经足够完善，使得“数据指引行动”进入了完全自动的情境。工程师用上千个模型来支持这一数据分析框架，以保证无人汽车在