文章吧-经典好文章在线阅读:《决战大数据》读后感精选10篇

当前的位置:文章吧 > 经典文章 > 读后感 >

《决战大数据》读后感精选10篇

2018-02-02 21:01:02 来源:文章吧 阅读:载入中…

《决战大数据》读后感精选10篇

  《决战大数据》是一本由车品觉著作,浙江人民出版社出版的平装图书,本书定价:45.9,页数:236,文章吧小编精心整理的一些读者的读后感,希望对大家能有帮助

  《决战大数据》读后感(一):大数据时代,要学会的不只是拥有

  之所以选择《决战大数据》,是因为本书的作者车品觉是阿里巴巴集团商业智能部副总裁、数据委员会会长。可以说,我对阿里巴巴情有独钟,我是2003年的进大学计算机系,而同年成立的淘宝网后来成为了我电子商务的研究课题。如今十年过去了,阿里巴巴也计划在美国上市了。作为BAT三巨头,百度是流量之王,腾讯是产品之王,而阿里巴巴则是数据之王。这也就是阿里巴巴在电子商务平台屹立不倒、独领风骚秘诀。出自这样一位饱经商业领域实践的大牛之手,怎能不令人为之心动。

  书的结构编排充分体现了从理论到实践的思路,前七章以思维导图的模式介绍了数据运营的各种思路和误区,并非照本宣科似的从定义概念开始讲解,而是从数据的价值开始还原用户需求场景,到数据的相关性收集,再到数据估值和分类,最后是数据战略的应用和容易被忽略的数据盲点。整条线串下来,其实是在潜移默化中提供了数据化的思考过程。而后四章则是介绍阿里巴巴的大数据战略的运营实践,如何通过分析数据来为决策提供有价值的参考。虽然相对于前半部分略为简单,但是从言简意赅的思路之中你可以窥见数据化运营的奥妙所在。读来,让人欲罢不能意犹未尽。我个人很喜欢结语的那一章,作者告诉我们,每个人都能成为也应该成为自己的数据分析师,在信息爆炸的时代,每个人都在拼命存储和转发大量的信息,但却从未进行归纳和分析,更未思考过数据对自己的益处或能够具体解决什么问题。这位资深的数据分析师教会我们,如何将个人的数据管理转化为个人的知识能量

  有不少朋友不安的问过我,为什么他前几天在百度上搜索某件商品结果最近在访问许多网站时,旁边的广告窗口就能准确的推送天猫或京东的该商品,怎么和读心术一样,还是电脑中了病毒被人监控?其实这很简单,推送的广告网站通过你电脑浏览cookie(储存在用户本地终端上的数据),获得你近期关注的数据内容,加以分析并推送相应的广告。这就是互联网进入web3.0时代的数据挖掘和聚合。

  我从事的是银行的IT项目管理相关工作,每天接触大量的数据,可是大概是由于金融行业竞争并非像其他商业领域那样竞争,我个人认为,银行的数据化运营做的远远不够。以客户信息为例,最常见的就是收集客户的身份证号为唯一标识,再统计客户的金融资产,最后通过手机号进行短信电话营销。但一个客户,绝不是一串冷冰冰的身份证号码,他由性别年龄、地域、文化程度职业等等诸多方面构成一个丰满个体。再比如,以客户消费为例,一般都以近三个月的交易金额或交易量为统计对象,但其实与消费为之相关的要素还有客户的收入或购买力、客户的消费渠道、时间方式,消费对象与偏好等等。如果通过这些多维度的进行分析,相信客户的营销和服务将更加精准。而这都是《决战大数据》带给传统行业的启示

  文/卢育涛 2014.05.11

  《决战大数据》读后感(二):读车品觉《决战大数据:驾驭未来商业的利器》

  读车品觉《决战大数据:驾驭未来商业的利器》

  无论我们是否愿意,大数据时代已经来临,这是板上钉钉的事儿。正如马云所言,在“大家还没搞清PC时代的时候,移动互联网来了,还没有搞清移动互联网的时候,大数据来了。”

  大数据作为信息的载体,正成为“未来的自然资源”或经济运行中的根本资源,尤其“在这个风云变幻的数据时代,只有让数据成为商业的利器才能决胜千里”。

  繁复枯燥的数据正在展示其中蕴藏的巨大价值。但是,“大数据”的“内容并非4个V那么简单”。

  “大数据”对国家治理模式、对企业的决策、组织业务流程、对个人生活方式都将产生巨大的影响

  穿透喧哗与骚动,当我们在大谈大数据价值的时候,作者车品觉以敏锐的视角揭示了大数据的重要性,以及如何驾驭大数据。

  大数据的渗透力极强,从本质上讲,各行各业都已经在数据化了,比如电信业正在变成电信数据业,金融业变成金融数据业,医疗业也变成医疗数据业……

  用数据找机会,赛马都能赢利数亿港元。如果在“大数据”中寻找“金矿”是否也会成为“大矿主”呢?

  “大数据”正在改变我们观察和解决问题的方式。首先,我们需要拥有一套具有商业敏感度的数据决策框架,而“快速的数据反馈课以让每个决策的误差得到适时修正”;

  其次,让用数据转化成生产力,让DT战略(Data Technology)的触角触及每个角落,使数据从产生、收集、使用、分享到反馈变得简单易用;

  第三,“大数据”也让每个人的思维方式发生重大改变。用作者在《决战大数据》“前言”中的话说,“很多时候,我们欠缺的不是解决问题的方式,而是定位问题的能力;我们应该思考,有没有数据可以改善我们的盲点;……当这种数据化思考成为你的‘直觉’时,就能够把数据的力量和思考的力量融合在一起,产生出新的、无与伦比的合力了。到那时你会发现,周围的一切都将因此而焕发出新的生机。”

  完整发表于《产权导刊》第六期P79~80

  《石油商报报》8月1日第11版

  http://www.pbnews.com.cn/system/2014/07/31/001500281.shtml

  《决战大数据》读后感(三):大数据不只是数据分析--读《决战大数据》

  文/飞熊

  提到大数据,我会想到数据挖掘,想到那个著名的尿不湿和啤酒故事。这是我的第一感,也反映了我个人阅历的限制。我想,看这篇文字的人,不一定知道数据挖掘,也不一定知道我头脑中那个尿不湿和啤酒的故事到底是什么。当我们读完这本《决战大数据》时,我也有类似感觉,我发现我有很多不知道,很多不清楚,甚至连作者想表达核心是什么,都非常模糊

  本书作者车品觉是阿里巴巴的数据委员会的一把手,我丝毫不怀疑他对大数据本身的理解,还有在大数据实践方面所作出的努力和取得的成绩。但是,我对他著书立说上的能力,深表怀疑。这本书不是写给普通读者的,在这些很像工作札记的文字里,缺少一个相对清晰的结构,对基本概念介绍的忽视也为我们的阅读设置了很多人为的障碍

  何为大数据?如果作者对这个核心概念都不使用一个完整的篇章去介绍的话,其他围绕这个概念的论述都显得非常乏力。

  大数据(big data),或称巨量资料,指的是所涉及的资料量规模巨大到无法通过目前主流 软件工具,在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极 目的的资讯。(在维克托•迈尔-舍恩伯格及肯尼斯•库克耶编写的《大数据时代》中大 数据指不用随机分析法(抽样调查)这样的捷径,而采用所有数据的方法)大数据的 4V特点:Volume(大量)、Velocity(高速)、Variety(多样)、veracity(真实性)。

  这段话来自于百度百科,而在这本讨论大数据商业应用的书中,却没有完整的段落来介绍基本的概念,更不用提大数据的内涵和外延了。

  作者反复强调的是他的六字真经——“混通晒存管用”,确实为大数据的商业应用提供了一定的借鉴价值。但总觉得有什么东西云里雾里的,没讲透。

  《决战大数据》读后感(四):尽信“数”不如无“数”

  一个数据分析师,在面对海量的数据时,偶尔把自己也当作对象去分析、思考、总结,才能成为一位有那么一点儿味道的数据分析师,才能不断地审视、提升自己分析水平,才能在数据分析的道路上走得更远。

  ——车品觉 摘自:《数据挖掘和数据化运营实战:思路、方法、技巧与应用》的序言,原书作者:卢辉

  作为一个学佛之人,车品觉先生在《决战大数据》这本他的处女作中,以不那么严密的组织的语言谈了一遍他对数据化运营以及运营数据的一些“心性”之法。“心性”之法之表述,兴许容易让人感觉书的内容“高屋建瓴”,以至像舍恩伯格的《大数据时代》一样仅传输一些未经考证之理念而无可实践之抓手,然而,车先生的这本书恰是有力把握了由高到低,由全局到细节完美过渡和节奏,使得读者在书中除可了解作者的大理念之同时,亦可习得各种极其实用的实战技巧。深入浅出,层层剖析,晓之以理,这也正是数据分析师所应该具备的基本素质

  整体书的逻辑是先讲如何数据化运营,然后讲如何运营数据,再讲阿里数据化运营和运营数据的所谓内外三把斧,最后,作者以李小龙的“截拳道”思想,为整个思想盖上了“帽子”。老实说,书里内容有点罗嗦,前后很多内容反反复复,这可能跟书中很多内容和思想源自于作者的BLOG有关,但我认为这并不妨碍作者在书中所表达的一些核心思想。

  个人认为这些思想主要有以下几点(不一定逻辑完整):

  (一)伴随数据”量“的提升,信息量也提升,但同时提升的还有噪音信息,且对数据错误理解的可能性也在不断扩大。大数据这一概念经媒体大肆吹捧后,使得许多人产生了大数据“很牛”的感觉。大数据牛吗?本人认为有牛的地方也有不怎样的地方:目前大数据“牛”的地方仍主要集中于技术(存储和基础计算)层面,Hadoop、云计算、Spark、深度学习(DL)等相信各位也有所耳闻,但是现实是,大数据在应用领域成功例子非常少,目前大数据在应用方面很少能够为企业和客户产生实在的价值。Netflix花了几百万美元得到的一个推荐算法最终放弃使用,原因是这一通过比赛获取的算法哪怕可提升推荐的准确率,但却因过于复杂,无法应用到实际运营当中。技术进步要转化成生产力的提升,鸿沟通常是巨大的,因为在这些“伟大”的理念中,通常掺和着太多花俏的、不适用、甚至是错误的东西,它们都可以被称之为“噪音”。在大数据时代,当我们面对大量数据时,必须慎之又慎,对数据分析的结果必须持有比小数据时代更多的怀疑,对各种花俏的所谓大数据成功案例,必须擦亮双眼而不被所谓的“时代”忽悠,正如多贝里在《清醒思考的艺术》里面总结的,你想做某件伟大的事情时,请先去看看那些失败者的”坟墓“,读读他们的墓志铭,他们也曾经做过相同的事。

  (二) 重点关注数据收集时点目标所处的“场景”是如何的。很多时候,我们看到的数据是只有“骨头”而无”肉“,结果是我们要么无法真正理解一个分析结果,要么就无法解释分析结果。在多屏环境中,要准确地收集到用户的数据将变得越发重要困难。要准确还原用户的行为(也即场景),首先我们需建立在不同碎片化”环境下给同一用户打上统一标签的能力,这在移动互联环境中尤其重要(虽然难度愈发提高,因为客户的场景实际上在不断地切换),能够识别用户身份的数据,我们有多少存多少;其次,需要学会多维信息交叉,从更加全面角度切入,充分利用外部力量(例如新浪微博、腾讯QQ和微信的开放平台),关联出客户唯一标识。作者在书中举了一个很有趣的例子,深刻地剖析了”场景“的重要性:在阿里巴巴内部,通过模型识别的用户性别不是两个,而是18个,很多用户白天的行为是男性,晚上则成为女性(可能是他妻子在使用他的淘宝账号在购买东西),因此,在阿里内部,描述一个用户性别可能是这样的:30%男70%女,80%男20%女,这就是强调场景跳出常规认识的佐证,是活用数据的表现

  (三)大数据的力量来自于触类旁通的关联,千万不要孤立地看待一个数据。罗辑思维有期节目叫《致终将逝去的隐私》,里面讲到了一个非常好的观念:大数据原来不在于它的大,而大于它的全......,对一现象进行分析,我们需要通过多维的交叉复现来验证。前述数据噪音数据需要通过多维信息来校正、删除。以关联的形式去看数据,一来可以发现一些原来隐藏得很深的关联(当然是去掉无关的噪音后),二来会让你能够动态地看一个问题,看到各种表象的动态联动关系,从而可以做出更加合理、准确的预测。这里有一个让我感觉印象很深刻的案例,阿里内部在给客户打标签时,对某一标签的管理是动态关联的而不是静态的(根据作者的理念,静态数据等同于死数据),例如某一个用户因购买孕妇装被标记为“孕妇X月”,然后几个月后会动态地改变为”新手妈妈“然后重点推荐对应阶段的奶粉、尿不湿等,过段时间又会标识/增加”幼儿保险目标“然后推荐各种保险产品等。这让我感受到,一个完美的标签系统是动态的,且应该是基于常识和人性的,这样才可以牢牢把握一个客户价值的完整生命周期。

  (四)数据内部的断层,必须通过”混”和“通”来解决。在企业的内部,用数据的人和做数据的人通常会对数据缺乏统一的认识:做数据的人以为自己只要将数据做出来就可以,他们并不知道这些数据能发挥什么样的作用或者可以为组织带来什么样的收益;用数据的人通常不知道数据来源的逻辑,使得数据产生错误的使用或导致错误的决策。在企业内部,由于数据人员和业务、运营、客服、销售等部门在数据化运营的不一致性,通常导致了数据在业务和数据部门的断层,使得数据并不能为企业的实际运营带来增益。对此,作者结合阿里数据化运营的“混”“通”“晒”方法论,即所谓的内三把斧。“混”就是业务线和数据线人需要时刻“混”在一起,各自都要对对方的业务十分熟悉。“通”则强调数据在企业上下层和部门间的流通。“晒”则是数据的展现问题。这些内容本书中都有详细说明,这里借用另外一本书——《数据挖掘和数据化运营》里的一句话(车品觉为这本书作序),我觉得很好地阐释了数据分析师在面对业务线条时的工作职责问题:当企业实现真正的数据化运营......企业数据挖掘团队也不再仅仅局限于单纯的数据挖掘和项目管理工作,而是肩负在企业全员推广普及数据意识、数据运用技巧的责任,这种责任对于企业而言比单纯的一两个数据挖掘项目更有价值,更能体现一个数据挖掘团队或者一个数据挖掘职业人员的水准、眼界及胸怀。

  (五)把大数据做小。所有数据分析过程应该针对一些很具体的问题的,为太宽泛的目标收集数据,得到的结果要么无法满足需求方的要求,要么就对决策毫无做用。在我们面对一个问题时,首先我们应该将一个大问题划分成系列的小问题,且假设这些小问题都是可以通过获取数据来解决掉的。解决小问题时,我们需要建立起对应这个问题的”框架“。这个框架,就是解决某一小问题后能够进行决策的逻辑体系。”很多人在没有获取足够数据,并且缺乏对数据理解情况下做出决策,其实是在“享受”自己的无知”。

  此外,书中还讲解了许多作者对于自我大数据管理、分析师自我修养之类的话题(就是那个李小龙截拳道思想)。作为一个数据分析师,当我们面临一项任务时,有时候挑战真的不是上级领导、任务难度、数据质量、数据容量等带来的,反而更多地来自我们自身,我们的态度,我们的自信、我们的技巧等。作者在书中的最后一句话,让我这个做了数据分析师多年的人感受深刻:很多时候,决斗对象不是他人,而是自己。

  最后PS一句:这本书的所有版税收益作者都捐做慈善。

  《决战大数据》读后感(五):用数据解决问题--<决战大数据>读书笔记

  大数据的力量来自触类旁通的关联,大数据提供的是预测和开创新机的能力。以前是有问题找数据,现在大数据时代,最核心的特质是“用数据找机会”,“用数据还原真实场景”。

  数据力与思考力的结合,很多时候我们欠缺的不是解决问题的方式,而是定位问题的能力,我们可以以“假设数据是可以获取的”来思考问题。

  很多企业无法深入应用大数据的原因在于,从收集到使用的大数据价值链除了问题,用数据的人不知道数据从哪里来,收集数据的人不知道数据会被如何使用。

  数据化运营就是运用数据去解决问题,有的时候,问题就是答案。

  大数据的本质就是还原用户的真实需求。

  思考“数据能够帮你产生什么价值”?从三个维度思考,你能否清楚识别(Identify)用户的身份,其次,你能否清楚数据对你的价值(Value)是什么?最后,收集数据时的场景(Situation)是什么?

  从企业价值来看,数据收集实现的是企业资源的合理分配;

  从客户价值来看,数据收集实现的是顾客体验的提升。

  把枯燥的数据串联起来时,就一定能代表事实么?

  数据的价值来源于场景,场景与还原并行,前端还原消费者场景,后端还原业务需求。

  1.活用数据,抓住相关性。不仅自己手机,还要综合分析其他人收集的数据。

  2.活看数据,不要仅结合已有的数据框架,还要结合用户的不同场景来灵活使用已收集的数据。

  tory 1:亚马逊数据收集有个例子,多年前亚马逊主动收集用户IP,让后从IP地址分析用户周边有多少书店。他们从数据中发现,一个人是否在网上购书的重要原因是他的附近有没有书店。

  tory 2:香港税局看酒楼经营的生意好坏,就去查酒楼门口的报摊的报纸销量,因为香港人有一边喝早茶,一边看报纸的习惯。

  tory 3:作者在B2B外贸网站平台时,通过追踪美国鞋类等垂直行业领先企业在SEM方面购买关键字的变化情况,以及对应ebay上同类产品的销量,提前发现国内产品领域,接下来可能出现的流行产品。

  数据化运营,首先假设数据是稳定的,而运营数据,则假设数据都是可获取的,而且不稳定的。数据是在使用,解决问题,收集数据,改善数据的过程中得到改进的。

  **数据化运营实践过程中的问题

  堵,日常报表信息量大,难以捕捉有效信息。

  慢,业务移动处理从上而下,处理往往不及时。

  独,信息分散在不同部门,缺少有效整合。

  漏,关键分析成果取得成效,但未实现沉淀,未变成流程或产品。

  ***阿里巴巴的数据化运营实践

  “混、通、晒”三板斧,数据化运营。

  混,让数据分析师主动每周和业务人员混在一起,培养商业敏感性。

  通,打通商业模式和数据,打通部门数据的交叉之处。

  晒,用框架对业务进行指标化分解,并通过有限多个指标来客观描述业务的状况。

  “存、管、用”三板斧,运营数据

  存,数据收集不是目的,使用数据并创造价值才是。

  管,管理数据,并用数据产品来解决管理问题。

  用,通过标签的使用,数据结构化,来提升用户逛的效率,对接数据中间层和前台业务层。

  ***电子商务领域评价业务的两套指标

  成交额=流量x转化率x客单价

  商品大促时,大促成交额=预热期加入购物车商品数x商品单价x经验转化率x经验成交额占比

  业务需要进行比较才能判断好坏,而比较的前提就是不断寻找比较对象。商品大促会比较三类指标。

  这次大促对比平时涨幅,这次大促和上次同等规模大促的涨幅,这次大促同比涨幅对比上次大促同比涨幅。

  ***透过现象看本质

  不断地用逻辑方法将问题进行分解,直到不能分解为止,然后从根本处去解决这个问题。

  ***关于大数据的重要几点

  假定数据是脏的

  数据的标签化管理

  大数据的价值在于数据之间的联系

  数据的实时化与实时性分层。

  在大数据的世界中,没有人要求你懂得细节,没有人要求你成为一名数据分析方面的专家,但是要求你需要拿到一个专家的数据时,能够快速的调用出来。

  做到这点的话,我们就已突破了人类短时记忆的短板,你就会成为一个很成功的人。

  《决战大数据》读后感(六):决战大数据:驾驭未来商业的利器

  作者:车品觉,阿里巴巴集团副总裁,数据委员会会长,浙江大学管理学院兼职教授。本书是车老师基于互联网二十年的从业经验,十五年的数据产品经验总结。分析大数据的现状及数据化思考的方法,以及怎样才能盘活数据,让数据产生价值,能够驾驭未来的商业。

  数据的价值

  从有数据概念的那天起,数据分析便被作为一个高大上的词,泛滥的被用在一些其实名不副实的事情上,数据的价值并没有被真正发觉、重视。

  想让数据产生价值,要让科学的数据分析框架去解决用户的实际问题,就需要将相互关联的数据嵌入产品或生产流程中,在数据提炼的“最后一公里”,让数据在产品中“说话”。

  在最后一公里之前的工作都叫数据统计,只有当数据开口说话了,才是数据分析。用来作为决策支持,数据的价值才得以体现。

  过去使用数据的方法很简单,很少为了解决问题而提炼数据。即使为了解决问题,常见的方法是根据历史数据总结规律,然后采取行动。而现在更希望得到从全景出发的动态关联数据。通过更多的环境动态数据,而非历史统计数据来提供服务。

  数据价值的关键就是数据前置,即让更多数据嵌入产品中,从而产生价值。比如地震预测,由于地震发生在地底下,不能直接观察,影响因素也较为负责,目前全球的地震预测准确率只有20%左右。地震发生前的数据价值是生命与财产,地震发生后的数据价值是新闻数字,这两个价值之前的差异不言而喻。

  当下很多公司还停留在用统计数据作决策参考的水平上,如果将更具关联性的数据分析框架应用于公司业务中,那么就会发现一个全新价值。所以,必须让数据进入某个特定的场景中,而且可以被使用。

  死数据与活数据

  死数据:单纯存储在数据库中,无法进行分析和使用,并且不能够产生价值的数据。

  活数据:把数据用起来!

  数据的价值在于能为决策做支撑。重要的是数据与数据之间的关联,而非数据本身。

  活做数据收集,不仅收集自己的,也要收集别人的。

  活看数据指标,不要局限于既又的数据框架,而应该结合用户需求的不同场景而来灵活收集数据。

  大数据的问题

  大数据的很多问题,其实是小数据中问题的放大。所以古人说,“治大国如烹小鲜”。用数据化思维理解并使用小数据,将更具关联性的数据分析框架应用于公司业务中,那么就会发现一个全新价值。

  数据的五大价值

  1.识别与串联

  如何将用户在不同平台、不同ID发生的行为进行识别是否为同一个人的行为?有多大能力知道哪些数据是同一个用户的,这是企业首先必须解决的问题。

  在这个问题上,酒店业和航空业要幸运很多,他们的服务需要身份证这唯一的标识。但是从大数据的角度来说,光有自己的数据还是不够的,要获取用户更多场景的数据:用户在使用酒店/航空服务之前可能在某个平台用一个ID对自己的产品及服务进行搜索,使用服务后可能又会在另外的平台用另外的ID对服务进行分享或评价。要获得这些全景数据,身份识别依然是个问题。

  2.描述价值

  将用户的行为、现状串联起来,勾勒出用户的行为画像。判断用户的需求,通过对需求进行刺激,以促进消费行为。

  数据盲点

  物理盲点:应该收集但却没有收集到的数据

  逻辑盲点:应该关联分析出,但是没有被分析出的数据

  人为制造的盲点:通过混淆、偷换概念得到的没有实际意义的数据

  亚马逊的数据收集案例

  一个人是否选择在网上买书,除了用户习惯以外,还有现实条件的约束:如果家附近没有书店,可能网上买书是一个更可能的选择。亚马逊主动收集用户的IP地址,然后从IP地址破译出用户所处的位置附近多少公里内有实体书店。

  家附近没有实体书店的用户,更有可能成为亚马逊的客户。针对这部分客户,可以投入更多的精力进行精准营销。

  3.时间价值

  数据是有保质期的,看行业的趋势数据要看三年,天气预报的数据有效性则止于当下。用数据来进行业务分析,一定要关注原始数据的时间:数据所处的时间段长短,数据所处的时间点都是数据的时间属性中所需要关注的。

  4.预测价值

  数据价值的关键是数据前置,根据前置数据来进行趋势预测,从而顺应趋势来进行决策。在以往的数据模型中,有太多的条件假设是固定不变的,但是用于商业活动的数据预测,一定要假设一切都在改变,要关注新的数据收集源头,注入新的信息,尤其是拐点信息。

  5.产生数据的价值

  先开枪后瞄准

  这并不符合常理,常理讲的是有的放矢。但大数据的情况是面对海量的数据、有用的,无用的,重复的,缺失的,要从中找到有价值的信息。

  所谓开枪,就是在一堆海量数据中盲选,而瞄准是在海量数据中盲选出有价值的数据。

  在没有数据的时候,在探索中寻找有参考价值的数据,最后发现目标,作出决策。

  从数据化运营到运营数据

  没有了运营数据这个部分,绝大部分数据都不是大数据。通过用数据拿数据可以把二者打通。

  用问题来获取更多数据,是用数据拿数据最常用的一种方法。

  阿里巴巴的数据化运营

  业务层面三板斧:混、通、晒

  混:断层是数据化管理所面临最严重的问题——收集数据的人不知道使用数据的人要做什么。数据分析师要跟业务人员混在一起,混出商业敏感。

  通:打通混的数据,让数据分析接地气

  晒:在混和通上的数据呈现,是在人、商业、数据三者相结合后的看数据、用数据的方法论。

  数据层面三板斧:存、管、用

  存:数据收集

  管:保护好存储数据

  用:从收集到管理

  ---------------------------------------------------------------------------------------------------------------------------

  更多文章,请关注微信公众号:沁水小数据(@qinData)

  本号专注于基于Excel的小数据分析,以及数据分析结论的展示方法及技巧,流程管理及优化的方法探索,致力于用数据解决问题。

  lt;图片1>

  《决战大数据》读后感(七):养数据

  读车老师的作品《决战大数据》收货非常大。前前后后翻了两遍。醉心于后面的养数据。

  数据分析可以分为两大块运营数据和数据化运营。这两者有较大区别。前者是要制造数据,养数据,企业要先有数据。我们如何养数据呢?用车老师的话说就是“先开枪,后瞄准”。这是一个很有意思的方法,先把各种数据存储起来,再针对我们的目标来定向的收集我们所需要的数据。车老师也说了,数据分析师必须要先体会数据是脏的,需要清洗。用阿里巴巴的例子“混,同,晒”,这是阿里巴巴数据分析师的内三板斧。“混”要求我们作为一个数据分析所做的分析报告一定要跟业务部门紧密结合,也就是要混入到业务部当中,跟业务部门的人多沟通,了解业务,使得数据分析结论落地!“通”即是把你所“混”的数据打通,前期后后逻辑要严密,数据与数据要跟业务联系得上。“晒”即是要学会如何数据可视化,把数据以最适当的方式晒出来!

  除了内三板斧,还有外三板斧“存,管,用”。这里开始就是数据化运营了。我们从运营数据到数据化运营,是质的飞越。在我们曾经存储下来的数据中寻找价值,寻找我们业务所需要的答案,解决业务上遇到的问题。这是数据真正发挥价值和力量的时候。在这里书上的具体例子,我就不举出了。

  运营数据到数据运营是一个数据积累到发挥作用的过程,我喜欢把这称作投资和收益。在运营数据的过程中,我们需要对数据做很多的标签,方便我们管理和调用,在数据收集的过程中,有些数据是负能量的,车老师教我们要用“小偷思维”,这很有意思。正能量帮助我们如何成功,负能量则帮助我们如何不失败,“小偷思维”帮助我们如何避免失败,避免在数据收集的时候被表象误导。数据运用得好帮助我们企业产生收益,运用得不好则产生坏处。

  真正让我痴迷的是车老师通过企业数据的管理和运用升华到人的自我成长和管理。这与其说是一部企业大数据的管理案例书籍,倒不如说这是个人“大”数据与成长完美结合的管理书籍。车老师主张人人都是数据分析师,这是非常具有科学性的,因为我们对自己的能力和精力的评估,其实要依赖于自我的积累,很多人对自我认识不清,但是我们每天记录自己的时间花销或者知识吸收,当积累了数个月后(车老师说两个月)就可以看到自己跟以前有了很大的进步与改观!车老师以自己亲身的实践为例子,通过管理自己的知识让自己进步,四点起床,运用大数据来管理自己的时间和精力。这就是个人数据运营到运营数据的过程!在还不知道车老师的时候,我是看了《奇特的一生》柳比歇夫每天记录自己的时间花销整整55年,震撼于他的科学方法和伟大成就,我也就开始记录自己的时间花销,断断续续记录已有十个月之久,其中收益非常之大:帮助我判断自己学习某一个技能是方法不对还是时间未到,帮助我判断一天中我的学习时间少了还是多了,帮助我决定什么时候该要去体育锻炼了等等。这样的好处就好比如过去你学习某个技能看到一座大山在你前方,让你不知道何时才能跨过这座高山,而当你记录了你的时间花销后,你就知道当你练习到多少个小时之时就是你成功之日,这是不是有点像一万小时定律?

  最后,感动于车老师的桑珠行动——帮助贫困地区的儿童健康成长。人格的伟大正是体现在为社会贡献价值之中,向车老师学习。最后附上桑珠行动的网页链接http://herbertchia.com/桑珠行动/。

  另外,我是一名大数据学习爱好者,添加关注微信公众名称:五十年后,或者“Thedongplan”,可以看到我是如何一步步通过大数据管理自己让自己成长的!谢谢

  《决战大数据》读后感(八):决战大数据:驾驭未来商业的利器

  作者:车品觉,阿里巴巴集团副总裁,数据委员会会长,浙江大学管理学院兼职教授。本书是车老师基于互联网二十年的从业经验,十五年的数据产品经验总结。分析大数据的现状及数据化思考的方法,以及怎样才能盘活数据,让数据产生价值,能够驾驭未来的商业。

  数据的价值

  从有数据概念的那天起,数据分析便被作为一个高大上的词,泛滥的被用在一些其实名不副实的事情上,数据的价值并没有被真正发觉、重视。

  想让数据产生价值,要让科学的数据分析框架去解决用户的实际问题,就需要将相互关联的数据嵌入产品或生产流程中,在数据提炼的“最后一公里”,让数据在产品中“说话”。

  在最后一公里之前的工作都叫数据统计,只有当数据开口说话了,才是数据分析。用来作为决策支持,数据的价值才得以体现。

  过去使用数据的方法很简单,很少为了解决问题而提炼数据。即使为了解决问题,常见的方法是根据历史数据总结规律,然后采取行动。而现在更希望得到从全景出发的动态关联数据。通过更多的环境动态数据,而非历史统计数据来提供服务。

  数据价值的关键就是数据前置,即让更多数据嵌入产品中,从而产生价值。比如地震预测,由于地震发生在地底下,不能直接观察,影响因素也较为负责,目前全球的地震预测准确率只有20%左右。地震发生前的数据价值是生命与财产,地震发生后的数据价值是新闻数字,这两个价值之前的差异不言而喻。

  当下很多公司还停留在用统计数据作决策参考的水平上,如果将更具关联性的数据分析框架应用于公司业务中,那么就会发现一个全新价值。所以,必须让数据进入某个特定的场景中,而且可以被使用。

  死数据与活数据

  死数据:单纯存储在数据库中,无法进行分析和使用,并且不能够产生价值的数据。

  活数据:把数据用起来!

  数据的价值在于能为决策做支撑。重要的是数据与数据之间的关联,而非数据本身。

  活做数据收集,不仅收集自己的,也要收集别人的。

  活看数据指标,不要局限于既又的数据框架,而应该结合用户需求的不同场景而来灵活收集数据。

  大数据的问题

  大数据的很多问题,其实是小数据中问题的放大。所以古人说,“治大国如烹小鲜”。用数据化思维理解并使用小数据,将更具关联性的数据分析框架应用于公司业务中,那么就会发现一个全新价值。

  数据的五大价值

  1.识别与串联

  如何将用户在不同平台、不同ID发生的行为进行识别是否为同一个人的行为?有多大能力知道哪些数据是同一个用户的,这是企业首先必须解决的问题。

  在这个问题上,酒店业和航空业要幸运很多,他们的服务需要身份证这唯一的标识。但是从大数据的角度来说,光有自己的数据还是不够的,要获取用户更多场景的数据:用户在使用酒店/航空服务之前可能在某个平台用一个ID对自己的产品及服务进行搜索,使用服务后可能又会在另外的平台用另外的ID对服务进行分享或评价。要获得这些全景数据,身份识别依然是个问题。

  2.描述价值

  将用户的行为、现状串联起来,勾勒出用户的行为画像。判断用户的需求,通过对需求进行刺激,以促进消费行为。

  数据盲点

  物理盲点:应该收集但却没有收集到的数据

  逻辑盲点:应该关联分析出,但是没有被分析出的数据

  人为制造的盲点:通过混淆、偷换概念得到的没有实际意义的数据

  亚马逊的数据收集案例

  一个人是否选择在网上买书,除了用户习惯以外,还有现实条件的约束:如果家附近没有书店,可能网上买书是一个更可能的选择。亚马逊主动收集用户的IP地址,然后从IP地址破译出用户所处的位置附近多少公里内有实体书店。

  家附近没有实体书店的用户,更有可能成为亚马逊的客户。针对这部分客户,可以投入更多的精力进行精准营销。

  3.时间价值

  数据是有保质期的,看行业的趋势数据要看三年,天气预报的数据有效性则止于当下。用数据来进行业务分析,一定要关注原始数据的时间:数据所处的时间段长短,数据所处的时间点都是数据的时间属性中所需要关注的。

  4.预测价值

  数据价值的关键是数据前置,根据前置数据来进行趋势预测,从而顺应趋势来进行决策。在以往的数据模型中,有太多的条件假设是固定不变的,但是用于商业活动的数据预测,一定要假设一切都在改变,要关注新的数据收集源头,注入新的信息,尤其是拐点信息。

  5.产生数据的价值

  先开枪后瞄准

  这并不符合常理,常理讲的是有的放矢。但大数据的情况是面对海量的数据、有用的,无用的,重复的,缺失的,要从中找到有价值的信息。

  所谓开枪,就是在一堆海量数据中盲选,而瞄准是在海量数据中盲选出有价值的数据。

  在没有数据的时候,在探索中寻找有参考价值的数据,最后发现目标,作出决策。

  从数据化运营到运营数据

  没有了运营数据这个部分,绝大部分数据都不是大数据。通过用数据拿数据可以把二者打通。

  用问题来获取更多数据,是用数据拿数据最常用的一种方法。

  阿里巴巴的数据化运营

  业务层面三板斧:混、通、晒

  混:断层是数据化管理所面临最严重的问题——收集数据的人不知道使用数据的人要做什么。数据分析师要跟业务人员混在一起,混出商业敏感。

  通:打通混的数据,让数据分析接地气

  晒:在混和通上的数据呈现,是在人、商业、数据三者相结合后的看数据、用数据的方法论。

  数据层面三板斧:存、管、用

  存:数据收集

  管:保护好存储数据

  用:从收集到管理

  ---------------------------------------------------------------------------------------------------------------------------

  更多文章,请关注微信公众号:沁水小数据(@qinData)

  本号专注于基于Excel的小数据分析,以及数据分析结论的展示方法及技巧,流程管理及优化的方法探索,致力于用数据解决问题。

  《决战大数据》读后感(九):大数据大数据,首先是“数据”,然后才是“大”

  大数据俨然是当下热门的概念。和前些年“云计算”把人搞得云里雾里一样,围绕大数据也产生了无数迷惑人心的说法。归纳起来,各种说法都在强调大数据的“大”——规模庞大,计算复杂,等等。可惜说来说去,大数据到底是干嘛的,对工作有什么实际作用,能举出来的就只有干巴巴的几个例子而已。

  怀着对各种“大数据”书籍的失望,我翻开了车品觉的《决战大数据》。让我意外的是,书名里虽然包含“大数据”,通篇讲的却是“数据”,而没有多少篇幅来强调“大”的神奇。我相信,这样一本基于经验而没有太多神奇理论的书,反而能帮很多人真正树立对“大数据”的准确认识。

  《决战大数据》提到,大数据不只是规模大,更要求大家能驾驭数据。传统方式能应对数据的规模不大,可以挖掘出数据中的价值,很多时候靠的是基础直观的经验,比如经典的点击率、转化率等等数据,理解起来毫无门槛。这背后所掩盖的,是数据思维的断层:收集数据的人不知道数据会运用在什么地方,会怎么运用;运用数据的人不知道从哪里收集数据,收集什么数据。所以即便大家都在喊着“大数据时代”,思维方式却还停留在小数据的时代。怎样填充收集数据和运用数据的鸿沟,这是每家公司都需要思考的问题。

  先看收集数据的方面。传统的思维模式下,因为数据收集和应用之间的关系简单直观,很多时候可以直接从结果倒退过程。要算转化率,很容易想到去收集点击率和购买率。相应的,点击率和购买率的数据收集,也有直接的目的,就是计算转化率。但是在大数据时代,背靠海量的存储和分析能力,再简单收集这两个数据,就显得非常原始了。

  拿点击-购买来说,客户到底是用的什么浏览器,在什么网络进行的购买?在商品详情页是否执行了滚屏操作?如果执行了滚屏操作,是滚动到什么位置才下的订单?这样的数据如果不收集,事后也就无法复原。如果收集了,则可以相当精确地分析客户的购买行为,对商品详情页的排版起到非常好的指导作用,有效提高购买量。所以《决战大数据》提出,企业的数据部门应当从“根据需求被动收集数据”转向“主动养数据催生需求”,持续思考可以收集的数据,创造业务价值。

  “养数据”的观点我是非常认可的,虽然我之前没有专门做过数据部门的工作,但经验已经无数次证明,在没有现实业务需求的情况下,有意识地收集运行和业务数据,未来需要分析和决策时就可以起到非常重要的作用。

  数据养起来之后,无可避免地发现很多有意思的现象,甚至和简单直觉相违背,由此加深大家对数据的思考和理解。

  很多网站都喜欢在用户注册时让用户填一些基本信息,比如性别、年龄等等。通常,大家会觉得性别是一成不变的固定属性。但是分析用户的购买行为,却可以发现用户的性别经常会变化。比如用户性别分明是男性,收货地址也不变,但只有晚上购买男性用品,早上和深夜的购买行为都体现出女性的特点。原因很简单,是全家人共用一个帐号(这种情况也很普遍)。掌握了这一点,在规划业务时就能更加细致,也找到更多的机会。车品觉说,淘宝的用户有8个性别,原因就在这里——2个性别很可能是常识的结果,但忽略了用户的实际使用情况;8个性别看起来违背常理,却是符合实际的。

  车品觉进一步提出,大数据时代提供了海量数据的收集、存储、处理能力,其中要价值之一就是让数据符合实际,或者说,能最大限度地还原现实。

  举个例子:某人早上上班,他在地铁里看到了某件商品在淘宝上的广告。到公司之后,因为时间还早,他打开电脑登录淘宝,找到了这件商品,经过比较选定了商铺准备下单。不凑巧,单还没下,他被领导叫去开会了。因为会议很无聊,他掏出手机上淘宝,直接购买了之前已经确定的产品。

  在传统业务里,这个过程产生的数据会分配到三个领域:广告投放到购买,淘宝网站搜索购买行为,手机淘宝搜索购买行为。而且这三个领域是彼此孤立的:从广告端来看,投放广告的人不知道具体哪些购买是广告直接带来的,所以业务非常粗疏;从网站端来看,这个用户搜索比价之后却没有下单,所以打算去分析到底页面应该如何优化;从手机端来看,用户没有任何比较,直接购买了某件产品,毫无征兆可言。

  不得不承认,这种数据割裂的情形虽然怪异,却是普遍存在的,很多怪异的结果也正是来自于此。比如在很多公司,销售和售后的数据是分开的,所以冲销量的时候当然可以冲得很猛,超额完成任务,却看不到背后是退货率的急剧上升。

  针对这种情况,《决战大数据》指出,大数据的发展方向之一,就是增强对现实的还原能力。在上面的第一个例子中,如果我们能还原出用户的购买行为与之前广告展示的直接联系,以及手机端“延续”了电脑端购买过程的信息,就可以从整体上把握整个购买过程,不必为各种怪异的结论大费脑筋。在上面第二个例子中,如果我们可以把“冲销量”所产生的结果全面集中展现出来,当然就可以避免退货率急剧上升的尴尬。

  当然,要实现准确的还原能力,还有很长的路要走,但这个方向是没有错的。业界普遍认为,淘宝的广告投放效果比较好。但真的如此吗?就我所见,不光互联网媒体,甚至许多平媒的广告效果都不输于淘宝。不幸的是,其它媒体的广告投放,没有完整的数据追踪链条,也就无法准确还原广告产生影响的真实情况。结果就是,在淘宝投广告或许真实效果不一定最好,但能够完整追踪、有的放矢,自然更受广告主的青睐。

  增强数据对真实场景的还原能力,这是《决战大数据》反复提到的“大数据”的价值。仔细想想,它强调更多的其实是“数据”,而不是“大”。这个观点我非常认可,在我看来,让大数据回归数据,是打破“大数据”的魔咒,让大数据真正发挥价值的有效途径——要知道,企业的经营行为,很多时候无非是基于过去和现在的情况,对未来做出判断和决策而已。

  《决战大数据》读后感(十):很受启发的一本书

  几乎是一口气读完此书的,读完后让我很激动。

  之前看不过大数据方面的著作,但大多流于理论,而等到自己想要实践一些观念时却不知如何下手,这本书解决了这一问题,很多观点很实在,多为实践总结。我想这也许与作者本身有关系吧,现在市场上大数据作品的作者理论家或 “作家” 太多,而实干家太少,而本书作者车品觉为大数据的实践者,他本身是阿里巴巴商业智能部的副总裁、数据委员会会长,还拥有多元化与国际化的教育背景,这让其在理论层次和视野水平远远高于不少同行,加上作者服务电讯盈科、微软、 eBay、敦煌网等国内外知名企业的的行业经历,让他积累了非常丰富的实践经验,这也是本书如此鲜活的原因吧。

  下面说说这本书的内容及我的感受,这本书有三个部分特别吸引我:

  第一是“从数据运营到运营数据 ”的部分,

  在这个部分中的 “数据化思考” ,作者提供给我们一个看待世界的不一样的角度,例如:别再做 “零和游戏” 、样本的偏见、用傻瓜的视角去观察、为什么数据会骗人等等,还有避免数据盲点的 “负能量思考” ,让我感受特别深。尤其是作为一个数据分析师一定要敢于 “破” ,要开放自己的思想,要从多角度寻找和分析数据,我想其实岂止数据分析师,其他人更要有这种思维和意识,用数据的思维来武装自己的思想,让自己看待世界的方式不一样。

  第二部分是实操部分——数据化运营的内外三板斧: “混、通、晒” 和”存、管、用 ”

  这一部分是实操,如果说 “从数据化运营和运营数据 ”这一部分讲的是武功心法的话,这一部分讲的就是制敌招数,能落地的招数,实战的招数,这也是本书与其它大数据书籍最大的区别——不空谈,拉出来练!在这里作者介绍了阿里巴巴在大数据运营方面的一些“招数 ”。

  首先是“混、通、晒 “的” 内三板斧“,这是讲的更重要的是人的因素。

  混:就是要经常跟一线人员在一起,让数据能支持一线人员的工作,而一线人员的反馈又能优化数据的运用,让大数据能落地、接地气;

  通:我理解是要形成一个体系,不要把数据孤立的使用,能通过数据把公司的方方面面连接起来,用以指导公司的运营, “通则不痛、痛则不通”;

  晒:是在“混 ”和“ 通”的基础上产生出来的最终数据表现,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,让数据有框架可依、有方法可用。

  其次是“存、管、用 “的“ 外三板斧‘,这部分侧重的是数据。

  存:指的是数据的收集,不仅仅是数据的收集方式,更重要的是这些数据是如何用 ?怎么用?让数据产生价值;

  管:指的是如何管理和存储数据,学会用数据产品来解决获取及使用数据的问题;

  用:即如何使用的问题,如数据的分裂与重组、建立用户标签等方式。

  第三是个人大数据线的管理,这部分是让我最兴奋的部分。对于个人的大数据使用自己目前也做了一些尝试,如对自己时间和阅读行为的统计分析,对网络信息的搜集整理及对个人目标生活的管理等,虽然积累了一些经验,但毕竟对大数据是门外汉,很多东西还在探索阶段,在本书中看到作者分享的一些经验,获益匪浅。尤其是作者提到知识量的改变会影响思维方式的改变,这点我深有体会,因为正是阅读(知识的累积)改变了我,让我这个学机械专业、大学一般的一个普通人速度在某高手如云的互联网公司中快速成长。

  在本书结尾,作者提出要像李小龙的格斗一样去思考,“以无法为有法,以去无限为有限”,用“迂回”的方式去实现目的、衡量每一个变化,寻找爆发点,无招胜有招,我想这就是作者关于大数据使用的终极心法吧!

  最后,强烈推荐这么书,若企业想落地大数据,这本书会给你极具价值的参考;个人想快速成长,最后关于个人大数据的管理肯定给你一个不一样的自我管理的法。

  决战大数据,从阅读本书开始!

评价:

[匿名评论]登录注册

评论加载中……