大數據運營商們的“絕活兒”

如今基本上所有人都達成了共識，大數據給運營商帶來了革命性的影響，而數據資產在運營商的運營中扮演著越來越重要的角色。隨著大數據時代的到來，數據慢慢變成企業最重要的、最高價值的資產之一，所有業務的升級轉型都離不開數據的支持，所以IT部門在數據時代慢慢從成本中心向利潤中心轉變。在這個過程中同時也幫助了運營商與相關企業完成自己的業務形態轉型。

北京永洪商智科技發展公司高級副總裁王桐表示，通過數據都能做出怎樣的事情，產生怎樣的價值，同時應該怎樣更好地去運用數據……成為關鍵的幾個問題。除此之外，通過數據化的運營，將改變以往決定戰略和決策的思維模式。以前經常是通過業務經驗來做相應的決策，不管是宏觀的、戰略的，還是和具體的某些執行相關。

數據本身通過這種客觀，如實的證據幫我們提供了一個量化決策支持的基礎。通過這樣的基礎支持，幫助更好地完成決策的事情。所以，對于企業戰略的定義，還是未來的走向，具備數據的支撐是非常重要的。在存量的時代，數據資產化、決策數據化才是整體的趨勢。

運營數據難題多

過去幾年大數據領域的熱門話題多是集中在基礎架構方面，近年來伴隨著相關底層技術的逐漸成熟與豐富，在數據的底層的基礎建設的問題上不再困難。“如今大家都不約而同地思考更進一步的問題，這些保存下來的數據，其價值產出如何，怎么在業務場景中體現價值，如何對外輸出和變現……這些都成了用戶乃至企業的管理者們共同思考的問題。”王桐對《中國信息化周報》記者說。在這個過程中，同樣產生了很多有創意的業務形態與想法，現在數據的價值在于如何通過數據達到更精準的運營、更有效的管理以及更加全面的集團企業監控，才是數據價值所主要遵循的三個方向。

在每一個方向中，實際有很多具體的細分場景。例如更精準的運營，可能會與用戶畫像、用戶活躍度等密切相關，其中更有效的管理可能偏向內部執行層面，更全面的監控是指偏財務審計與管理層面。在這些不同的業務層面，其實數據都能夠切入每一個具體的業務場景中，通過數據化的指標幫助完成監控。不管是運營還是管理，還是業務，成效如何主要通過數據化的KPI來監控。很多時候，業務本身就是通過數據進行包裝組合的利用，最后構成了服務的一部分，甚至是產品的一部分。

但在今天，所有的運營商，包括所有的行業企業都會在運營方面遇到各種各樣的難題。例如，我們經常會發現運營商的報告，在內容和數據分析等菜單項，實際上存在大量的重復。看數據的過程其實是感知業務、發現問題，并且思考邏輯、找到答案、采取行動的過程。如果所看的分析內容，實際有很多冗余，這就會對分析與思考的過程帶來很糟糕的用戶體驗，耽誤效率的同時還造成成本的浪費。

在探討運營難題時，王桐說：“現在絕大部分的數據分析系統，或者是VI系統，底層還是上一代的傳統架構，是基于立方體的技術底層，它的特點是相對比較零散和固定，往往是一個需求對應一個數據模型，模型中的分析和計算方式只滿足了一次的需求的實現。和客戶交流的過程中，會發現有的客戶的數據倉庫中有幾百個模型，甚至多達上萬個，后果是數據倉庫復雜到不可維護，性能的損耗相當嚴重，不但帶來了不可維護性，而且也給用戶非常差的體驗。”

通過觀察多家企業的數據分析系統，我們總結出其中的統計數據依然占比很高，明晰偏少。實際上，對于數據分析的操作過程相對比較復雜，而且數據的目錄結構也很難梳理，最終表現出來的問題看起來很零散，問題表現的背后實際上還是過去做數據分析的思路與邏輯的詬病。

探究其問題的本質，IT資源往往是有限的，如果負擔過重，資源會變成瓶頸。數據分析雖然只是一個詞，但實際上卻涉及了一個完整的鏈條，從數據的整合、清洗、加工、建模、分析、展現，輸出，還有挖掘和深度分析，整個鏈條涉及到了很多方面，管理難度非常大。目前很多場景對大數據的應用還不夠靈活高效，往往以固定報表為主，數據的展示只是起點，而不是終點，所以對數據的分析和利用絕對不是做一個靜態報告就結束了，后續還有很多工作要做。

如今大多數情況下大數據的價值產出與預期可能并不匹配。如何讓數據真正促進業務，真正產生價值的變現，并且讓產生價值的過程高效，是值得探討的問題。

敏捷BI+探索式分析

大顯神通

業界權威的IT機構Gartner撰寫了商業報告，證明敏捷型BI以及探索式的分析已成為大勢所趨。許多企業中，無論是信息部門，還是業務部門，兩者都在呼吁能不能成為數據分析過程中的協作角色，使IT部門可以充分完成底層的數據模型建設后，將剩下90%的常用需求讓業務部門“上手”，這樣可以讓業務部門自己進行服務分析。

“無論是國外還是國內，實際上越來越多傳統的、完全以IT為中心的BI平臺正在逐漸被新型平臺所補充，甚至被取代。最新的BI的報告中，這種敏捷型，探索式的BI也是不夠的。眾所周知，數據分析是一個完整的鏈條，必須要移動到一站式的大數據平臺，這將會是未來各個企業的標配。”王桐補充道。

探索式分析可以讓業務部門也能輕松做數據分析，實際上只做BI類偏描述型的分析也是不夠的。如果需要做用戶畫像，收入預測，或者是電子商城商品的關聯交易分析，以及其它機器學習等相關分析的話，還是需要深度分析的，所以深度分析與企業級的管控等四部分有機融合在一起就構成了一站式的大數據分析平臺。敏捷型數據分析，會進一步釋放數據價值。數據分析做到更敏捷，需要提供更好的洞察力，如今很多行業的客戶已經開始采用一站式大數據平臺來完善、提升大數據運營能力。

王桐在交談中提出：“現在是存量的競爭時代，以用戶畫像舉例。用戶畫像歸根結底是要對用戶有更深刻的了解，因為大多時候電子商城也有第三方的產品和自由服務，邏輯過程比較類似。做用戶畫像，更深地了解用戶和C端的消費者，對研發設計人員，或者電子商城的選品，以及產品和服務的設計人員來講，會有很關鍵的指向作用。以前是基于自己的經驗去設計新產品和服務，設計好后，再推銷出去，這是過去閉門造車的做法；好的做法是先調查用戶的需求與喜好，再結合需求與喜好來設計套餐和選品。”

另外針對營銷人員，面對產品和服務，明確針對不同的用戶賣什么產品，才能更有效達成交易，這個精準營銷的過程，對于營銷人員比較關鍵。例如，想生產將年輕女性作為用戶群的電視，需要做的事情是要先了解年輕女性對電視的需求和喜好是什么，進而指導設計。一方面去計算過去有多少年輕用戶購買了這種功能的電視，另外在輿情調查上又有多少人討論與電視相關的問題，盡管這部分權重比較低，但也會綜合考慮，最后將兩者數據結合在一起。如果除了功能訴求外，像顏色、尺寸、價格都有數據統計，就會在發現消費者需求的時候，迅速滿足客戶需要。

總結來講，如今對于數據分析，人們已經不再停留在初期的摸索階段，實際上很多的問題都已經得到了有效解決，現在面對的是如何做有價值的利用，并且讓這個利用的過程變得更加容易和高效。