阿里巴巴，一家始创于1999年的，供电子商务在线交易的平台公司。它的业务囊括了B2B贸易、网上零售、购物搜索引擎、第三方支付和云计算服务。
但是，它又不仅仅是一家电子商务公司，它是一家大数据公司。
虽然阿里的技术已经达到了一个很高的水准，但仅从阿里所拥有的数量体量来说，这家公司的价值就已经不可估量了。
抛开国外用户不说，单单咱中国就有近14亿人口。在这14亿人口中，有30%的用户可能永远不会使用你的产品。因此，阿里的用户最多可能有8~10亿用户。这是一个什么概念呢？
假设我们每个人有10M数据，10亿人可能会有多少数据量呢？9.3PB。我们知道，1PB=1,024TB=1,048,576GB。如果每部爱情动作片4GB，一哥们传了261,114部到云盘里。按照一天3部的速度看下去，大约可以看87,381天，也就是239.4年。而9.3PB，也就是把这个时间，再放大9.3倍，变成了2,226.42年。
但是，数据永远也只是一堆数字。如果我们不用的话，它也终究只会是一堆数字，没有任何价值。
面对如此庞大的数据量，阿里是怎么使用的呢？别急，咱有招。
01 “混”出数据
在数据界，有这么一句话：没有商业敏感的数据分析师不是个“好厨子”。
换句话说，只有把数据与商业意识紧密联系在一起的时候，我们才会真正懂得使用什么数据更能促进公司实现业务指标，才能拿着数据炒出一盘佳肴。
落实到我们实际工作中，就是要和业务部的人打成一片。
为什么是和业务部打交道，因为他们是离商业市场最近的人，是我们数据的直接使用者。我们分析出来的时候，是服务于他们的。
只有知道了业务部门怎么使用数据，我们才可能知道哪些数据指标对于提升公司的整体业务是最有帮助的。
你总不能在给CEO等高层领导汇报的时候，甩出页面浏览量啊，独立访客啊什么的一大堆数据，交给他们自己消化。他们可没精力来干这事。
而我们，作为一名数据分析师，在汇报的时候，不能仅仅只是陈列数据。反而更应该向管理者传达的：这些用户数据，与商业上产生价值的数据之间有着密切联系，它能优化我们的商业决策。
还是那句话：数据，只是个结果，我们需要对外传达的是一个结论。这是两码事。
02 “连通”数据
通常情况下，“通”有两个场景，一个是商业环境+一堆数据；另一个是公司内部组织的数据。
第一个场景，比较好理解。因为如果没有将数据应用到商业环境中，即时拥有再多数据也没有任何价值。
因此，在这个层面上，我们就需要持续的从业务角度来理解数据，持续的带着数据来观察业务，兼顾二者的敏感。
而第二种场景的“通”，主要讲的是不企业各部门数据的交叉。属于公司内部的“通”。这时，我们需要一个合理的协作系统来连接相对独立的多个部门。比如，统一不同部门的数据标准，公司内部数据接口统一等等。
03 “晒”出数据
“晒”，是在前两者的基础上产生出的最终的数据表现。它是基于人、商业和数据结合后的一种看数据和用数据的方法论。
而我理解的“晒”，就是将数据付诸商业实践。
因此，这里献上4个方法论，供你更好的“晒”出数据。
- 搭建数据框架，来说明数据好与不好。
- 通过数据发现问题，解决问题，让业务更好。
- 利用数据帮助业务发现机会，实现数据驱动业务。
- 用数据如何创造出新的商业价值。
但，值得我们注意的是，数据能不能做到在获取、使用、分享、协同、连接、组合之上让自己变得超级简单与便捷，这在数据化运营里非常重要。
为什么这么说呢？因为数据从源头到使用的中间过程，是异常复杂的——往往收集数据的不知道怎么用，而用数据的人不知道数据是怎么来的。
假如我们无法将复杂数据变得简单，管理和运营的小伙伴就会产生困惑，自然也就不可能实现“混”和“通”了。
而怎样将复杂数据变的简单呢？
进行数据建模。
相关阅读：
《大数据，只是“大”就好了吗？》
《人人都是数据分析师，人人都应是数据分析师》
2/33 《决战大数据》践行笔记（二）
备注：部分内容引用自知乎回答与《决战大数据》。
网友评论