数据的价值

这是一篇数据价值入门级的文章，因为很多人不明白一堆数据到底能起什么作用，或者不明白大数据是怎么发挥作用的。其实大家只是没有这个意识，一堆报表放在数据分析员面前他们会主动去挖掘这些数据之间的联系、趋势，而放在没有经验的人面前也许就只是一堆数字。那么数据是如何产生价值的呢？
我们先来做两个假设，有两个同学同时找你借钱，你会借给谁？当然除了要考虑关系还得考虑偿还能力，除非你不差钱是吧。我们得知道他们的家庭情况、经济能力、工作情况、消费行为等。如果小明每个月工资虽然不是很高但是他的钱都在理财，现在缺钱买一部iphone，那借钱给他的风险是不是还是很低的；如果小方虽然工资高花钱比较大手大脚经常没钱还信用卡，那你借钱给他不就亏大了嘛。尽管已经对他们做了最详细的分析，还是有可能会出现遗漏的情况，或者特殊的情况，但是我们已经把这种风险降到最低了。比如小明投的理财都爆雷了，或者小方意外中奖几十万。这就是为什么尽管金融机构的风控做的这么好，还是会有误杀或者误放的情况。风险是不可能消灭的，就像我们的bug，不可能做到完全没有bug。
第二个例子，小明拿到钱之后，有了做生意的灵感，打算开一家物美价廉的快餐店。请问你建议他在以下哪个地方开饭店的成活率及盈利会最大，A 郊区 B CBD C 校门口 D 小区门口。首先我们都会排除郊区，但是CBD和校门口好像都有需求，小区门口也勉强可以。那这时候就需要一些数据支持了。通过分析在这些地方大家的消费水平和消费习惯，以及有可能的潜力(比如这个小区附近要建一所高中，那这里的需求尽管短期内不高，但是从长远看是更好了！)，找到能实现最大盈利的地点。也许在某个郊区的地方由于工厂比较多，快餐店需求大，生意会很不错，但是相比成功率更大的其它地点，为什么要冒这个风险呢。也许有人会说那就都试试呗，不行再换一个地方，这个成本你来承担吗？这就好比营销运营策略，通过A或者B方式进行投放，都能成功，但是通过分析发现A方式的客户流量会更大，缺点是A方式成本会高一些。那就要结合公司的策略，找到一个营销效果最好同时成本能接受的点。有同学会说，这么麻烦干啥，把A和B方式都用起来，就能全方位进行营销了，确实广告效果是不错了，但是这个成本也不可控了！
为什么要做风控呢，如果不做风控，金融业怎么赚钱。你要借给什么样的人，不是盲目地给出去，也不是几个人自己讨论出一个决策结果就行的，通过建模，把风险降到最低，把资金给到偿还能力较高的人，这些都是需要数据来支撑的。风控模型会指导业务，同时业务数据又会影响模型，这是个不断改进的过程。比如一开始风控没有这个决策，但是通过对线上情况分析某一类放出去的用户信用也很低，那就要把这个条件也加上了。
再来说说精准营销，精准营销就是特定的人、特定的时间、特定的事物。针对不同客户生命周期的用户给予不同的策略。比如你收到一条优惠券推送短信，为什么推给你不推给其他人，为什么是现在推给你不是几天前推给你，为什么是通过短信的方式推给你而不是通过打电话，这些都是由运营策略指导的。
我们来看看数据分析的定义：数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。关键词：大量数据，有用信息，详细研究和概括总结。单个数据是没有意义的，比如97；离开业务价值的数据也是没有意义的，比如96，98，100，97，96，98，97，99，97，100，你不会知道这到底是什么意思。但是如果告诉你这是某毕业班的数学成绩，你有可能会猜这个班的数学老师不错，或者是这有可能是尖子班。
其实我们很早就有接触过数据分析——就是问卷调查。我们用问卷来收集用户信息，或者是通过调查结果来验证我们的观点。随着信息的进步，我们收集数据的方式也在进步，不管是线上的问卷，还是通过用户无感知的埋点、监控，都是为了获取数据，进而为决策服务。
那么，数据的价值是什么？有一个讲数据分析的段子，一个哥们，有次聚会时说自己买了很多条iPhone数据线，家里每个房间插一条，走到哪儿都能随时充电。在场的姑娘们都当成是段子笑笑就过去了，只有个细心的姑娘悄悄问他买了多少条，他说42条。现在她和他在北京三环内总共42个房间的数套豪宅愉快地生活，下个月结婚。你看，学会数据分析，真的能当饭吃吧！
我们说的数据包含两种，一种是用户信息：包括身份信息、学历信息、工作信息等等，是相对静态的数据；另一种是用户行为数据：如浏览数据、购买记录等。相信大家很快就能想到淘宝！购物商城就是通过我们的信息给我们贴上相应的标签，对不同的用户使用不同的运营策略，同时根据我们的浏览记录、购买记录等给我们推荐更可能会购买的商品，增加商品成交量。我们在互联网上的所有行为都不止是我们自己的行为，更是可以被挖掘的、有商业价值的对象。
在银行领域，可以通过数据分析实现精细化管理，同时信用卡客户分析也是降低风险降低损失的方式；在证券领域，需要对市场交易数据及市场情绪进行分析；在电子商务领域，数据分析才能实现精准营销；在电信领域，数据分析可以实现客户个性化服务，同时识别恶意通信行为；在社交网络领域，可以分析个人的社交网络结构、社交网络传播及情感；在零售业，可以分析顾客购买模式和趋势及商品销售情况。
大家可能对如何反欺诈比较感兴趣，对信用卡来说，银行从多笔欺诈行为中分析发现，通常深夜在郊区的小店里有消费行为的，很大概率是信用卡被盗刷，那么下次当银行监测到有信用卡发生这样的行为时，就及时告知客户，制止盗刷行为的发生，维护客户权益，同时也降低了自身的损失。或者是对电信来说，诈骗电话通常是频繁地给不同用户打电话，同时可能会有其他行为。那么当这个电话再次拨打出去的时候，运营商就会提醒客户，这有可能是欺诈电话，请谨慎接听。
同时对于一些产品需求的制定，也是基于数据挖掘的。比如某个产品可能会发现使用自己app的用户有90%都会用另一个app，那么是不是可以把另一个app的功能都集成在app里，获取大部分流量。或者很多用户打开app后不进行注册使用（转换率低），那就要分析是不是app的首页布局不好，或者是功能未满足用户需要。不要忘了，公司的经营目标是盈利。任何时候都要将利益最大化，包括每个渠道的推广、每个产品的设计，都要依托数据作为决策基础，同时产生的数据帮助做出更有效的决策。不以数据为基础的决策，也可以摸索出成功的经验，但是是建立在浪费人力资源和财务资源的基础上的。
当然，有利也有弊，我们现在出行（滴滴摩拜百度地图）、购物（淘宝京东）是更加方便快捷了，但是带来的弊端就是：我们的数据无时无刻不暴露在互联网中，数据安全及数据隐私问题不容忽视。