360数据中心总经理傅志华：搞定这三点你也能从大数据里挖出金子

摘要：搞定这三点你也能从大数据里挖出金子

一张图看懂大数据的价值

最基础的一层是数据平台层，是用户画像的层面。把公司各种数据做一种无形资产管理，从业务应用角度而言，把数据质量管理好了以后应用在用户和客户画像系统上，像了解家人一样了解用户。

再上一层是业务运营的监控层面。在互联网企业有非常多应用的案例，比如说对KPI异动的监控、KPI异动原因的定位和分析。

再上一层是企业的精细化运营层面。如何通过大数据手段去分析客户体验或用户体验的问题，从而在给产品做版本迭代的时候提供具体的建设性指导意见。

再上一层是精细化营销层面，也就是所谓「变现」的问题。怎么通过一些算法或产品实现营销人员或产品经理自动化精准的找到潜在客户或流失的用户，包括个性化推荐等，都是这个层面要实现的，这个层面要求IT化、产品化。

再上一层是经营分析层面。大数据之前，经营分析大多通过人工完成，要从数据仓库找数据，找统计人员进行统计，做成图表再写报告。但大数据时代我们已逐渐舍弃这种工作方式，取而代之的是自动化。比如做成报告模块，需要什么数据只要点几个按纽，这个数据直接就通过数据仓库做统计，类型化的报表也直接展示在报告模板的页面里，可以自动生成和更新，我们只需要在图下面做评论，有点像写博客。

这样的好处在于减少了很多中间数据处理的环节，包括提取数据的环境和数据的自动更新，这是未来很重要的方向。除此之外，数据源也会丰富，之前更多采用结构化的数据作为决策分析的方向，现在已经开始用很多非结构化的数据分析做支撑。

比如我们将很多用户评论的数据、文本的数据甚至图片和视频的数据汇总到更高的高度，上呈决策层作为决策的参考。因为大数据的核心，很重要的一个目的是要解决信息不对称——很多时候是因为老板看不到这个数据，因此延误了决策的时机。

最上一层是战略分析层面。如何通过数据来洞察企业目前的问题，这是最为核心的部分。

坦率的讲，大数据很难预测未来，但大数据能够解决一个对战略层来说核心的问题，就是目前公司业务上的、产品上存在什么问题；通过数据监测可以看到行业上有哪些增长和发展比较快的产品方向，可以将问题洞察得很清晰。这对老板来说非常重要，因为当信息不对称的时候他也不知道究竟有什么问题，决策可能相对盲目。

大数据在企业落地的关键

各种行业大数据团队刚起步时，碰到最大的问题是老板不知道他们究竟能做什么，包括未来能够给企业绩效带来哪方面的提升。我认为这是团队最大的挑战。

其实很多时候团队是无辜的，老板觉得大数据很火很热，需要数据化经营企业，但他也不知道怎么做，所以招聘了一堆技术人员在这里摸索。数据人员和业务人员如果不能捆绑在一起进行合作，技术人员容易聚焦在某一块上跳不出来，探索的效率就低。虽然老板很重视数据团队，但效果却不好。怎么解决呢？

首先，最重要的是数据团队要和业务负责人一起探讨，根据业务方向来分析，目前数据在哪个点上最能帮助业务。举个例子，对于一个房产公司来讲，目前可能是通过大数据优化新房的销售。因为二手房目前空间不是很大，新房还有一些空间。通过跟业务团队的探讨找到定位，比如通过数据去优化去分析怎么帮助找到更多的新房客户，相应的数据策略应用场景也随着战略去调整，然后做出来的东西也会更有成就感。如果只是天天研究一些底层的算法、深度学习，最后老板会质疑这个团队能产生什么。

其次，数据要落地，要有应用场景。一开始作为决策层要启动这个事，选清楚数据落地的最关键场景，必要时给技术团队授权。因为很多公司数据启动的时候，数据分散在不同的部门。最大的问题就是数据孤岛，技术团队没有权限调用数据或者业务部门不愿意配合。这其实比技术问题更严重，因为如果老板不知道这个重要性，可能弄半天就没有什么数据，或者只能拿到一两个部门的数据，而没有整合起来。

再有是团队结构的问题，团队应该怎么设立，跟业务部门怎么合力，这个组织架构非常重要。有几种经典模式：

第一，每个事业部里都设数据人员。最大的问题是数据容易形成孤岛，各自为政，没有人站在整个集团层面去考虑数据整合和数据化管理。

第二，业务部门都没有数据人员，公司整体只有一个大的、重量级的数据部门来管理数据。问题是不接地气，不理解业务而越发专做技术，越来越像成本部门。

所以最合理的是一些大型的互联网企业都在用的方式：有一个中央级的数据部门，同时每个业务部门里都有几个或十几个数据人员，他们是一个配合的关系，只是站的视角不一样。

中央级的数据部门会做更多数据无形资产的管理，怎么把公司的数据打通，数据质量提升，做一些公共的数据产品和数据服务平台供各个业务部门使用；业务部门里的数据人员更多是支撑日常的数据分析、数据挖掘，他们之间是良性合作关系，这样才能够很好的把数据化运营充分散落在企业的不同环节里，既有集中，也有分散。

如何打造数据文化

在公司打造数据文化要做两方面的工作：

第一是把数据产品做好，可用性强，使用门槛低，大家都愿意用。

第二是要用案例讲明白数据是如何用的，这也是数据文化的问题。

此外，企业能不能上升到更高的高度一定程度上取决于关键岗位有没有数据分析能力，因此企业在岗位设立的时候就要考虑评审员工这方面的能力：是否具备数据分析能力，有没有相关的成功案例等等。这样员工才会重视，因为这是跟他升职加薪有关系的方向。这样一来，无论是被动还是主动，员工都会考虑为了晋升，是否应做一些数据分析。