01 大数据
- 做大数据之前，问自己：现在你所在的公司，面对的3大问题是什么？公司未来3个月，要解决的问题是什么？在过去的1隔越中，你做对了什么？做错了什么？
- 当我们想知道问题的答案时，就要首先学会如何问对问题，好的问题会引发出很多答案。
02 大数据的本质就是还原用户的真是需求
- 收集数据，从3个维度考虑：能否清楚地识别用户的身份？能否搞清楚收集的数据对你的价值？收集数据时的场景是什么？
- 企业将“碎片化的个人“串联起来，是巨大的考验&机会。
- 价值，从企业来看，数据收集实现的是企业资源的合理分配；从客户来看，是顾客体验的提升。
- 场景，前端还原消费场景，后端还原业务需求。数据的本质就是还原。
- 面试问题：假如我是一家知名电商的CEO，而今天是周一早9点，请你给提供三个数据指标向我证明在过去一周里，企业运营得一切正常，可以让我踏实下来。
03 “活“的数据才是大数据
- 在数据的自循环中，有两个核心关键点，“活“做数据收集（企业不要局限于只收集自己用户产生的数据，要把比尔的数据收集过来进行综合分析），“活“看数据指标（企业不要局限于已有的数据框架，而应该结合用户需求的不同场景来灵活应用收集到的“活“数据）。
- “活“做数据收集，跳出既定思维，从相关联的行业和业务中去收集能够现在所用的数据，找到能够更好地佐证企业现有业务决策和发展的数据。
- 把数据激活，从静态数据变成动态数据，必须要用场景来验证。
04 无线数据，大数据的颠覆者
- 无线数据，很难收集用户完整的行为数据，
- 无线数据，还存在APP性能数据：后台启动、程序崩溃
- 数据调研时，要考虑“样本的偏见“
05 数据分类与数据价值
- 数据分类的4大维度：
1）是否可再生：不可再生（原始数据）、可再生（后加工数据）
2）存储层次：基础层、中间层、应用层（基础层统一管理，中间、应用根据企业规模而定）
3）业务归属：按照数据归属的业务部门进行分类，如交易数据、会员数据、日志数据
4）隐私分类：四个层级（公开、内部、保密、机密）&两个类型（企业级别、用户级别）
- 数据的5大价值：
1）识别与串联价值：识别（能够唯一锁定目标：身份证、信用卡、账号等），串联（手机+Ipad+PC，进行串联）；
2）描述价值：复杂数据中抽象出核心看，让使用者极短时间看到数据重点
3）时间价值：基于历史数据进行分析，基于历史数据的预测，优化类目分类；即时性；
4）预测价值：针对单品进行预测，经营状况的预测
5）产出数据的价值：几个数据组合在一起之后产生新的价值，如综合评分。
- Ps. 用傻瓜的视角去观察，做到“若愚“，不斤斤计较，长远利益更重要
06 从用数据到养数据
- 收集数据要清楚数据的生命周期，哪些固定不变，哪些短周期后续会发生变化的
- 应用数据的目标要具体
- 数据要放到具体的应用场景才有意义
1）确定问题，从解决问题角度出发收集数据
2）将收集的数据放到“数据框架“内
3）看框架与做决策的关系
4）根据决策行动，检查行动是否达到目的。
- “养数据“，有用数据主动收集，是一种数据战略，基于深入业务理解的更高层次的商业决策。
- Ps. 远离“或“选择，不要被惯性牵绊
07 数据盲点，负面数据的力量
- 物理盲点（未收集的数据）
- 逻辑盲点（数据未被很好的挖掘）：退款率需关注，PC和移动数据应分开看
- 小偷思维，负能量思考告诉你怎么做才不会失败
- Ps. 观察 常态、时态与变态，了解人，了解数据
08 阿里巴巴的大数据实践
09 混、通、晒- 内三板斧
- 首先，数据安全工作；其次，统一各个部门的数据标准，统一接口
- 大促的衡量：对比平日涨幅，与同等大促的涨幅，这次涨幅对比上次同等大促的涨幅
- 几个必须有：个性化，选对商品，销量预测，竞争对手，服务（发货速度&投诉）
- Ps. 思考，要学会关闭窗口
网友评论