最近看了阿里巴巴数据技术副总裁车品觉的大作,忍不住想来分享一些感想所书中提到的概念。恰好前一阵子去演讲(O2O新科技 新技术 新应用),就有提到大数据是未来最有商机的产业链之一,因此,对大数据的应用特别有感触。
车品觉大大在本书中提到三个点,我觉得特别值得细细思考:
(1)「很多产品经理更关注产品化,以致忽略了数据化和商业眼光」,真是心有戚戚焉,因为我之前做的就是APP新创公司,数据的搜集与解析对于开发新产品来说,有着决定性的影响。
(2) 除了产品开发人需要懂的「商业」,另一个重要概念是「将数据嵌入业务」。我认为除了将「数据嵌入业务」,还要将「行销嵌入产品」。让产品自己说话,并让业务的数据回归产品设计核心。
(3) 最后,「从用数据到养数据」;从「从数据化营运到营运数据」;是个「从看到真用」的过程。养数据的概念对我来说相当新颖,也激发很多不一样的思考。
─────────────────
底下用两个我自己想的例子来介绍大数据的应用:
「大数据」一直以来都存在。
人体就是全宇宙最庞大的大数据库,人脑每秒可以处裡 17 亿神经细胞和 10 万亿的神经突触组成的数据交换,决定人体内外超过千亿个大小决策。
而人类自古以来,就想像着各式方法做「预测」。占卜就是种试图把众多数据(环境变数),归纳整理,得出结果的方法论。只是当代并无电脑运算,仅能使用最粗浅的机率概念来占出一个「徵兆」,再由学识最高的智者/巫师,来「解读」这个徵兆。
回归到现今大数据的应用,我个人是将Big Data切成两个面向:
A模型: 透过歷史资料预测未来发展 (占卜)
B模型: 提出问题,透过资料蒐集来得出答案 (大脑)
车品觉有提到亚马逊用购买者的IP,来判断该IP实体位址週边书店的距离与密集度,来判断是不是这样类型的使用者特别爱用亚马逊平台买书。
这是很标準的B模型,也就是提出一个议题「使用者要是离书店很远,是不是就比较愿意透过亚马逊网路买书?」,接着设计实验,评估数据取得的可行性,然后取得大量数据后评估。
书中另一个例子「光棍节」,是标準的A模型,透过歷史数据来预测未来的发展,从上一次个光棍节研究出今年该如何设计活动,产品上架,品项种类。
下面是我自己想的例子可供大家参考:
例1:中信银行的台湾彩券各人客製化 (帮你每期固定买号码) – B模型
中信银行经营的台湾彩券,目前有一种生意没做到,也就是会「固定包号码」的人。对一般上班族来说,固定买一组号码的彩券,或许不是太大的开销,但每次都有机会得奖。(特别是固定买一组号码,据有养号码的概念,头彩重复的机率太低,任一组号码最终都有可能出现,每期买个大乐透,一个月开销400,买个亿万富翁梦,相信大部分人还负担的起。)
因此,要是彩券购买可以数位化,让购买者用帐号的方式购买彩券,并可让使用者设定几柱必买的号码,自动每一期都购买,即可帮彩券行纳入一大块「固定收入」,毕竟并非每个人都有时间每次去买自己在养的号码。
此时,B模型就出现「提出问题,透过数据搜集来得出答案」。因为投资这样的App下单系统必须投入一定的资源,我必须先确定是否有这种需求,而设计问题的方式即是需要知道「有多少是购买彩券的常客」,并假设常客都会有固定养的号码。
书中提到「将数据嵌入业务」
第一步: 需要思考「有多少是购买彩券的常客」这个数据如何取得? 取得之后,该常客到底可以增加甚么样的收入,期望收入为何? 这样的人有多少? 老闆知道ROI,自然容易採用提案。
而取得方式相当容易,中国信託的数据库一定存有上千万笔交易资料,同时也有号码购买数据,只要比对有多少组号码是「重复」且「週期性」的被够买,就知道有多少人养号码。甚至「频率」、「金额」、「大乐透/威力彩」都能同时被分析出来。
第二步: 取得之后,分析结果如得出确实有一定比例的人是老顾客,此时,App化彩券购买过程就能启动。内涵技术,金流,还有使用者体验等等的部分。
如果能进一步串起实体彩券行协助搜集数据,那有多少老顾客是「网路族」,「智慧手机族」、「性别」、「年龄」也可知道。有了这层数据,就能更精準判断ROI,同时,「自动帮顾客买号码」资讯服务平台的潜在客户数量就有底。
第叁步: 我个人最推从的「将行销嵌入产品」,就可以发挥功效,思考如何让彩券行买单,推广App或网路平台的使用。
最后彩券行获益、银行获益、使用者获得定期自动养号码中头奖的机会,呈现叁赢的状态,皆大欢喜。
例2:威秀影城,建议看电影,晚鸟订票 – A模型「透过歷史资料预测未来发展」
「从小应用开始,以数据,养数据」,有别于上述中信银行的例子,威秀影城已经有订票专用的APP也相当好用,如果背后有资料库,它已经具备搜集我以下资料的能力:
看电影的频率
看电影的类型
看电影的时间
要是找得到规律,是否可以从几个小应用开始做起,例如: 「类型电影推荐」将我常看的电影类型直接在新电影上市前推播给我。「晚鸟订票」既然我可能具备同一频率跟同一时间的电影观赏习性,是否有可能直接推荐我可以去看的电影,甚至将冷门时段的位置推播给我知道。
当这样的功能实做出来,就有可能用塬本的数据,来养出新数据,知道我是否会买单,是否会增加对电影的消费。而最终结果,都是为了戏院增加更多收入,或减少浪费的空坐位。
当一次纳入数十万笔像我这样的消费者数据,就能创造出更多获利空间与加值服务。
结论:
车品觉用自己数十年经验,让企业瞭解真的运用Big Data达成商业运用的步骤与核心为何。
大数据的精随就是「大」,当要一次拨动这么大的数据,转出有用的资讯,初期资本投资与人力资源投入是必须的。因此,「从小应用开始,以数据,养数据」就非常重要,思考清楚想解决甚么问题?了解甚么答案?获得甚么成果?以及当前是否已有现成资源能运用?
我觉得在未来,Big Data是最有搞头的生意,将庞大的「数据」,转化为可变成价值的「资讯」,是下一个阶段俱备爆发性成长潜力的黄金领域。