论文部分内容阅读
第一层：知其然
我们可以通过建立数据监控体系，掌握发生了什么、程度如何，做到“知其然”。具体来说，首先是要“观天”，观察行业整体趋势；再是要“知地”，了解竞争对手的表现；最后是要“自省”，自身做得怎么样了。
在这一层上，分享两个观点：
1 . 数据是散的，看数据需要建立分析框架。
零碎的数据很难发挥出真正的价值，把数据放到一个有效的框架里，才能发挥整体价值。
2 . 数据，有比较才有真相。
判断某个指标增长快慢，需要选择正确的比较对象、参考系，也就是基准线。这个基准线可以是一个预先设定的目标，可以是同行业平均水平，也可以是历史的同期数据。
第二层：知其所以然
通过数据看到问题，走到这一步还不够。数据只是表象，是用来发现、描述问题的，实际操作中解决问题更重要。解决问题的过程就会涉及数据、数据加工，还可能会涉及数据模型之类的方法或工具。在这一层上，分享两个观点：
1 . 不能先对问题定性。
数据本身是客观的，但大家往往会在解读数据时带入主观因素：同一个数据在A看来结论可能是好的，在B看来可能却截然相反。所以，不能先对问题定性，然后有选择地利用数据证明自己的观点，这种做法不可取。
2 . 懂业务才能真正懂数据。
互联网中的数据，需要用商业的眼光去分析，才有价值。一堆数据放在那里，你却不知道这些数据对业务意味着什么，看不见数据中谁和谁有关系，那数据不过是一堆垃圾。
第三层：发现机会
数据分析要借力商业感觉。举个例子：淘宝上有中老年服装细分市场，有大码女装市场，这些市场可通过对周边环境的感知，了解到我们身边有一些中老年人或胖MM在淘宝上面没有得到需求的满足。那么还有没有其他渠道找到更多的细分市场呢？
数据可以！
通过用户搜索的关键词与实际成交的数据比较，发现有很多需求并没有被很好满足。假如发现了这样的细分市场，公布出来给卖家，是不是可以帮助大家更好地去服务消费者呢？这个例子就是现在我们在做的“潜力细分市场发现”项目。
数据就在那里，有人熟视无睹，有人却可以从中挖出“宝”来。差异是什么？商业感觉。刚刚提到的搜索数据、成交数据很多人都能够看到，但以前没有人把这两份数据联系在一起看，这背后体现的就是商业感觉。
第四層：建立数据化运营体系
数据化运营包含两重意思：数据作为间接生产力和直接生产力。
1 . 数据作为间接生产力。
所谓间接生产力，是指数据工作者将数据价值通过运营传递给消费者，即通常说的决策支持，数据工作者产出报表、分析报告等供各级业务决策者参考。我称之为决策支持1.0模式。然而随着业务开拓和业务人员对数据重要性理解的增强，对数据的需求会如雨后春笋般冒出来，这单单依赖人数不多的分析师是满足不了的。授人以鱼不如授人以渔——让运营产品的人都能进行数据分析，打造决策支持2.0模式。
决策支持2.0模式有三个关键词：产品、能力、意愿。产品，不仅仅是指操作功能设计，还需要承载分析思路和实际案例；能力，是指要有基础的数学能力、逻辑思考能力和学习能力。意愿，也许是三者中最关键的，只有你想做好这件事情，才有可能做好。
2 . 数据作为直接生产力。
所谓直接生产力，是指数据工作者将数据价值直接通过前台产品作用于消费者。时髦点讲，叫数据变现。大数据时代带来了大的机会，但也可能是大灾难。如果不能利用数据产生价值，那么，它就是一个灾难——产生的数据越多，存储的空间、浪费的资源就越多。
（作者系阿里巴巴集团商业智能部资深经理）
我们可以通过建立数据监控体系，掌握发生了什么、程度如何，做到“知其然”。具体来说，首先是要“观天”，观察行业整体趋势；再是要“知地”，了解竞争对手的表现；最后是要“自省”，自身做得怎么样了。
在这一层上，分享两个观点：
1 . 数据是散的，看数据需要建立分析框架。
零碎的数据很难发挥出真正的价值，把数据放到一个有效的框架里，才能发挥整体价值。
2 . 数据，有比较才有真相。
判断某个指标增长快慢，需要选择正确的比较对象、参考系，也就是基准线。这个基准线可以是一个预先设定的目标，可以是同行业平均水平，也可以是历史的同期数据。
第二层：知其所以然
通过数据看到问题，走到这一步还不够。数据只是表象，是用来发现、描述问题的，实际操作中解决问题更重要。解决问题的过程就会涉及数据、数据加工，还可能会涉及数据模型之类的方法或工具。在这一层上，分享两个观点：
1 . 不能先对问题定性。
数据本身是客观的，但大家往往会在解读数据时带入主观因素：同一个数据在A看来结论可能是好的，在B看来可能却截然相反。所以，不能先对问题定性，然后有选择地利用数据证明自己的观点，这种做法不可取。
2 . 懂业务才能真正懂数据。
互联网中的数据，需要用商业的眼光去分析，才有价值。一堆数据放在那里，你却不知道这些数据对业务意味着什么，看不见数据中谁和谁有关系，那数据不过是一堆垃圾。
第三层：发现机会
数据分析要借力商业感觉。举个例子：淘宝上有中老年服装细分市场，有大码女装市场，这些市场可通过对周边环境的感知，了解到我们身边有一些中老年人或胖MM在淘宝上面没有得到需求的满足。那么还有没有其他渠道找到更多的细分市场呢？
数据可以！
通过用户搜索的关键词与实际成交的数据比较，发现有很多需求并没有被很好满足。假如发现了这样的细分市场，公布出来给卖家，是不是可以帮助大家更好地去服务消费者呢？这个例子就是现在我们在做的“潜力细分市场发现”项目。
数据就在那里，有人熟视无睹，有人却可以从中挖出“宝”来。差异是什么？商业感觉。刚刚提到的搜索数据、成交数据很多人都能够看到，但以前没有人把这两份数据联系在一起看，这背后体现的就是商业感觉。
第四層：建立数据化运营体系
数据化运营包含两重意思：数据作为间接生产力和直接生产力。
1 . 数据作为间接生产力。
所谓间接生产力，是指数据工作者将数据价值通过运营传递给消费者，即通常说的决策支持，数据工作者产出报表、分析报告等供各级业务决策者参考。我称之为决策支持1.0模式。然而随着业务开拓和业务人员对数据重要性理解的增强，对数据的需求会如雨后春笋般冒出来，这单单依赖人数不多的分析师是满足不了的。授人以鱼不如授人以渔——让运营产品的人都能进行数据分析，打造决策支持2.0模式。
决策支持2.0模式有三个关键词：产品、能力、意愿。产品，不仅仅是指操作功能设计，还需要承载分析思路和实际案例；能力，是指要有基础的数学能力、逻辑思考能力和学习能力。意愿，也许是三者中最关键的，只有你想做好这件事情，才有可能做好。
2 . 数据作为直接生产力。
所谓直接生产力，是指数据工作者将数据价值直接通过前台产品作用于消费者。时髦点讲，叫数据变现。大数据时代带来了大的机会，但也可能是大灾难。如果不能利用数据产生价值，那么，它就是一个灾难——产生的数据越多，存储的空间、浪费的资源就越多。
（作者系阿里巴巴集团商业智能部资深经理）