Talking Data副總裁高铎：我們如何賦予大資料生命力

钛媒體注：一個大資料平台平台如何幫助企業發現大資料的魅力和價值？以下内容根據talking data副總裁 高铎在2016miic上的演講整理：

當我們在談論大資料的時候，我們究竟在談論什麼？

我們談論的不是去追逐一時的趨勢和熱潮，也不是空有其表卻沒有發揮任何實際作用和價值的光鮮與流行，在網際網路大潮如火如荼地席卷整個行業的時候，很難有傳統企業還能保持平穩健康的心态不去一窩蜂地獻身到大資料的迷思之中。

但是，實際發生的一切告訴我們，在大多數傳統企業乃至網際網路企業手上，大資料僅僅是盲目堆砌資料，僅僅是應付差事、上司意志作用、盲目功利的産物。

如何幫助這些企業克服上述弊病，如何才能使大資料發揮真正的作用，展現出其真正的價值，talkingdata 在數年的實踐中摸索出了一條自己的道路，幫助衆多企業發現大資料真正的魅力。

talking data 做了五年，我們收集了很多資料，跟很多行業去合作。最終發現有一點就是資料真正要想起作用，必須要和具體的行業的需求結合才能發揮作用。如何最終擷取有效的客戶，其實這個整體來說就把我今天講的一部分大資料在營銷領域的閉環講的非常的生動貼切。

講一下在其他行業的一些經驗。我們是做大資料營銷的，也做大資料挖掘，每家公司也在（對外宣稱）建了多少帶寬和大資料的體量——大資料時代就這樣來臨了。

去年和今年遇到好多到我們公司來跟我談大資料合作的朋友，很好玩的現象是，好幾個人說“我這有資料，你們買嗎？我賣給你”。我問“你有什麼資料？”他掏出硬碟，“80g，要嗎？” 我說，“大資料不是這樣的，不是以你的硬碟存儲的數量來計算的，一旦這個靜态的資料成為買賣，就是把大資料的價值想歪了，做偏了。”

那什麼是真正的大資料價值呢？

這是7月13号晚上10點到7月14号三點中國大陸上空的全部的氣象雲圖的變化，氣象是我認為目前在大資料領域真正做到收集了實時線上多元度的資料，對未來一段時間做預測的大資料應用。這個應用的背後得出了一個什麼結論？

第一你所謂的資料必須是線上的，是多元的，是符合型資料。

第二必須在某一個領域裡面去解決這個領域一類問題，大資料才有價值。

天氣現象很明顯，通過多元符合的資料和模型，可能預測了未來得一段時間氣侯的變化，針對海洋的一些應用，或者說針對一些農業的應用，提出一些相對的解決方案，是對農業或者說一些畜牧業是有很大的幫助。這個幾乎每天都在看，真正地能展現綠色價值的。

這個大資料的應用能夠告訴我們，真正的大資料是什麼。 隻有能做到這一點，才說你有了這能力，你才能做到資料是改變企業的效率和決策方式的，否則的話這個資料就像我們在一些跳蚤市場去買硬碟一樣。我們看來這不是真正的資料，是傳統的工業思維帶到現在的表現，但是很多人還沉浸其中不可自拔。

具體來看分享幾個案例，是我們在這四年下來不同的行業遇到的。

看一下四個數字，這個案例很值得思考。一個巨無霸型的傳統企業，老闆受“網際網路＋”增值服務的感召。想把原來賣出去除了投訴再也回不來的消費者，轉變成長期的可做增值服務的網際網路使用者，決定企業要“+網際網路”了，要做一個app。決定産生之後開了會，很快把他們it部門，資訊化部門，還有一些傳統的産品包裝部門，調出了100個員工，撥出了預算10個億，他們做了1年之後，這個app基本上線，但是幾乎沒有使用者。

調研的過程中我們發現，在網際網路行業做一個ui/ue設計的時候，是小步快跑，快速疊代的。這個企業的産品經理設計一個ui，先向他的科長打個申請單，科長看了之後說，這個按鈕略顯大，調調；調整完了，然後申請單到一個副部長，或者是部長手裡，部長說我覺得你這個風格變成藍色才符合科技範，然後按照部長的意見再改改。小的改動從員工到部門上司基本上是七天，大的甚至到一個月才産生一個結論。這種管理風格和時間消耗，是一個傳統企業“+網際網路”過程中遇到的很客觀的現實問題。

發現了有這樣的問題，就需要幫助他們解決這些問題。

我們從咨詢業務切入，做了移動戰略轉型的咨詢方案和移動營運平台的搭建方案，幫他們改造了這個團隊，把他們團隊的垂直化管理體系變成扁平化管理體系，協助他們制定基于整個産品生命周期的kpi體系，營運的思路完全改變了。同時通過資料埋點分析方案快速地幫他們去疊代産品，去診斷每一個版本，去看每一個頁面轉化和留存，最終這個公司的三級部門，更新為整個集團的一級部門。

大家從這個案例看到，很多傳統企業轉型“+網際網路”，很現實的問題，就是組織架構，管理理念，産品思路，營運套路，資料思維，都需要去改變，需要真正地在移動網際網路裡面有這種經驗，同時又能通過大量資料積澱整合出靠譜方案、切實的幫助到他們的企業。

第二個案例，我們統計了talkingdata合作的13萬app，分析這些企業的使用者使用統計背景、營運背景，每天都在看哪些名額，我們發現這四類名額是關注度最高的，以game analytics背景為例，企業高層營運人員每天隻關注遊戲充值多少，收入多少，有多少付費使用者，有多少活躍，其他的名額基本一概不看。比如說為了增加收入，要設定哪些道具拉大使用者，怎麼增加輕度付費使用者的付費投入，如何對新使用者做針對性的營銷政策；如何分析管道品質，如何優化營銷成本，增加哪些管道的投入；哪些活躍使用者可能馬上就流失了是否有應對政策；這些點，背景功能都是有的，但是我們發現很多合作夥伴，甚至他們的管理層，其實隻看上述四個名額，其他都自動忽略了，這樣會導緻：

第一個，企業的管理層關注點單一，導緻下面具體人員隻關注這幾個名額去做工作，沒有把這個産品的 ltv（life time value，生命周期總價值） 當作整體政策來營運。

第二個，導緻外部的合作夥伴，隻幫你做這幾個單一名額，是以在這個行業你會發現，做有各種“雷鋒”，幫你沖各種關鍵名額的。

有資料，不用資料。資料在那躺着，從沒有真正的用起來。針對這種情況，talkingdata提供了一個aaarrr的移動産品全生命周期的分析模型，從外部使用者認知到使用者擷取，到真正的活躍和留存，再到是否産生了收入，以及最終是否對這個産品做了傳播，做了哪些傳播，我們針對這個模型每一個名額，定義了一套方案和一些細化的名額，比如說如何與自己的業務資料打通，如何對投放管道做細化深入的評估診斷，如何對複雜的媒體效果做有效的分析，如何去優化整個公司的kpi的體系。用更完善的一套名額體系來指導公司移動營運業務，讓關鍵崗位的員工都更關注于長遠而不是隻關注于眼前，這是我們在移動領域期望客戶能在資料使用方面更有遠見性做的努力。

第三個，是具體投放的一個案子，客戶在自己背景上新增六萬的使用者，我們的平台統計的新增隻有1.2萬，雙方對名額，最後的結論是很清楚：他們統計的裝置id在talkingdata背景大量被歸一到同一個tdid（talkingdata唯一辨別裝置的id）。說白了就是被鑽了空子，有很多假量。

====================================分割線================================

本文轉自d1net（轉載）