HI,你好,欢迎来到新媒兔交易平台!
免费注册
24小时服务热线:18408215719

海量优质账号资源

平台担保交易

各个公司对数据的需求(什么业务对数据中心需求多)_抖音号粉丝出售

   日期:2021-11-20 17:07     浏览:203    
核心提示:数据的重要性已经被越来越多的公司、个人所熟知与接受,甚至于有过犹不及之势头。大数据的概念满天飞,似乎一夜之间人人都在谈论大数据,见了面不用大数据打招呼,好像就不是在数据圈子里混的了。那么,被外界传得神乎其神的数据,到底可以在哪些方面促进业务的腾飞?或者换种说法

数据的重要性已经被越来越多的公司和个人所熟知和接受,甚至有被甩得太远的势头。大数据的概念满天飞。似乎所有人都在一夜之间谈论大数据。他们见面时,不需要用大数据打招呼。看来他们在数据圈并不混。那么,外界传递的数据可以通过哪些方式推动业务腾飞呢?或者,换句话说,业务对数据的需求有哪些级别?数据能在哪些方面帮助企业?

结合笔者多年的工作经验以及对数据和业务的理解,业务对数据的需求可以归纳为四个层次。

第一层:知其然

通过建立数据监控系统,我们可以掌握发生了什么,发生了多少,从而“知道发生了什么”。

具体来说,从切入数据的角度来看,有几个方面。第一是“看天”,观察行业整体趋势和政策环境的影响;然后“知道地方”,了解竞争对手的表现;最后,是“自省”,你做得怎么样,你的数据表现如何。从数据周期来看,“看天”可以是季度或更长周期;每周或每月“知道地点”,特殊时间点和特殊事件除外;“内省”的数据是最全面的,需要每天阅读,专门观看和研究。

在这个层面上,分享两种数据观点:

1.数据是分散的,需要一个框架来查看数据。

怎么看数据很讲究。零碎的数据很难显示真正的价值。只有把数据放到一个有效的框架中,才能显示整体价值。所谓的有效框架至少包含两个功能:

(1)数据很多,不同的人对数据有不同的要求。比如CEO、中层管理者和底层员工关心的数据通常是不同的,一个有效的框架可以让不同的人得到他们需要的东西。

(2)有效的框架可以快速定位问题。比如大家关心的成交量指数。如果某一天成交量指数下降20%,业务很可能会出问题,但问题在哪里?如果只有几个高度抽象的指标,比如转化率、交易次数、客户单价等。问题无法定位。一个好的框架可以支持我们从类别和流量渠道上进行深究,找出问题,这样板子才能打到具体的负责人。这也是我们平时说的,看到数据就应该落地。

2.数据,只有对比才能发现真相。

我有120公斤。你认为它重还是轻?一条数据很难解释。判断一个指标的增长率,需要选择正确的比较对象和参照系统,即基线。这个基线可以是预设的目标,可以是同行业的平均水平,也可以是同期的历史数据。

第二层:知其所以然

我们可以通过数据看到问题,走这么远还不够。数据只是一种表示,用来发现和描述问题。更重要的是在实践中解决问题。将数据和业务结合起来,找到数据表示背后的真正原因并解决它。解决问题的过程会涉及到数据和数据处理,也可能涉及到数据模型等方法或工具,技术含量比较高,会在另一个空间介绍,这里就不展开了。

第二层还有两点需要分享:

1.数据是客观的,但对数据的解读可能有很强的主观意识。

数据本身是客观的,但消费数据的人有主观能动性。人们在解读数据时往往会带入主观因素:同样的数据在A中可能会有很好的结论,但在b中可能会有完全相反的结果,并不是这样的情况不好,而是真相越来越清晰。但是,如果我们不通过数据发现问题,而是先识别问题,然后有选择地用数据来证明我们的观点,这种做法是不可取的。但事实上,这样的事情在我们身边经常发生。

2.只有了解业务,才能真正了解数据。

车珏老师的博文《不懂商业就别谈数据》深刻阐述了这个观点,这里就不讨论了。只是因为这个观点的重要性,作者特意拿出来强调一下。

第三层:发现机会

使用数据可以帮助企业找到机会。比如淘宝上有中老年服装细分市场和大码女装市场。这些市场可以通过对周围环境的感知,知道我们身边有一些中老年人或者胖MM对淘宝上的需求不满意。那么有没有其他渠道可以找到更多的细分市场呢?

数据没问题!

通过用户搜索到的关键词与实际交易数据对比,发现很多需求没有得到很好的满足,反映出需求旺盛但供给不足。如果发现这样的细分市场,会不会向行业小辈和卖家公布,会不会有助于大家更好地服务消费者?这个例子就是我们现在正在做的“潜在市场细分发现”项目。

这个案例不是吹嘘数据有多强大,而是告诉大家数据就在那里,有的人对此视而不见,但有的人却能从中挖掘出“宝藏”。有什么区别?商业感。刚才提到的搜索数据和交易数据,很多人都能看到,但以前没有人把这两个数据放在一起看,这背后体现的是商业感。

第四层:建立数据化运营体系

我对数据运营的理解包括两层含义: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。

间接生产力是指数据工作者通过操作将数据价值传递给消费者,通常称为决策支持,数据工作者的输出报告和分析报告可供各级业务决策者参考。我称之为决策支持1.0模式。但是,随着业务的发展和业务人员对数据重要性认识的增强,对数据的需求会如雨后春笋般涌现。显然,仅仅依靠少数分析师是无法满足的。授人以鱼不如授人以渔,让学生在操作和产品中分析数据,这就是我心目中的决策支持2.0模型。

决策支持2.0有三个关键词:产品、能力和意愿。

对于运筹学和PD来说,掌握SQL这种数据检索语言,掌握SAS和SPSS这种分析工作是不现实和不必要的。提供门槛低、用户体验好的数据产品是实现决策支持2.0模式的基础。这里提到的产品不仅仅是操作功能集,还需要承载分析思路和实际案例。

然而,数据分析的门槛始终存在。这就对运算和PD提出了新的基本能力要求,即基础数学能力、逻辑思维能力和学习能力。

最后一个意图,也许是最关键的一个,是只有当有一种强烈的内在动力去做好它的时候,它才有可能做好。

2.数据作为直接生产力。

直接生产力意味着数据工作者通过前端产品直接将数据价值应用于消费者。为了时髦,它被称为数据实现。随着大数据时代的到来,公司管理层越来越重视这一点。大数据时代带来了巨大的机遇,但也可能是一场灾难。如果不能用数据产生价值,那就是灾难。生成的数据越多,存储空间和浪费的资源就越多。

现在,一个容易理解的应用是关联推荐。在你购买一个产品后,你会被推荐一个最有可能再次被购买的产品。个性化数据是直接生产力的新浪潮,越来越近。数据工作者,做好准备。

途径:夏添王上。

 
 
更多>同类新媒体百科

推荐图文
最新新媒体百科
点击排行