数据流动在于利益关系
- 2020 年 3 月 6 日
- 筆記
今天聊聊阿里前数据团队负责人车品觉的《数据的本质》，书名的后缀虽然有“本质”两个字，但从我的理解看，书中并没有直接讲“本质”，更多的是基于作者在阿里的从业经验从全局、战略角度讲企业数据化，里面对于实战的东西不多，适合读者从书中了解阿里对数据化的整体理解。结合最近的几个经历摘录几点感触较深的观点。
1、互惠互利，数据流通之匙
数字化首先要有数据，按全数字化角度看，数据来自不同的系统，不同的终端，这就必然需要解决一个看似没那么复杂的问题：数据打通。为什么说没那么复杂，因为通常数字化都认同自上而下，所以有些人想当然的认为数据打通不成问题，但实际并非如此。作者在书中举到一个例子：从2014年开始，包括马云在内的阿里管理层数次要求各部门无条件的将数据互通，然而换来的终究只是表面的打通而己，阿里手下人的阳奉阴违也是花招不少，比如有些人就是不知道他有什么数据，或者就算你知道他有数据，他也不保证提供给你有质量的数据。作者总结这个问题的关键是因为双方没有业务关联，这个单方面的数据交换方式很难让对方义务的配合数据整合方。基于这个发现，作者总结出一个思路：所有的数据流通必须建立在一个永恒不变的道理上：互惠互利，也就是说企业大数据是自利、利他的成品。在转换了单向的数据供需思路后，作者主动分析共性的数据，发现对方的痛点，主动开放自己的数据，让对方获利，这种协同方式使得阿里的数据流通得以解决。恰好最近在做数据整合方面的事情况，也遇到一些问题，对“互惠互利”这个思路有很大感触，即要正视数据供应方的诉求，不能单方面伸手要数据，还要提供数据能力给数据供应方，只有双方都能在获利，这种协同才能长久。
2、数据成为产品
数据成产品，作者在书中只是点到为止的提到这几个字，我对这几个字很感兴趣。恰好最近面试了一个阿里的研发工程师，这位工程师基于阿里强大的数据能力，能够低成本的获得高质量的数据，并在这些原始数据之上基于商家特定的需求进行数据处理，再落地为数据产品供商家进行网店运营，这类工作己经成为阿里里面研发团队的一个很常规的工作，这正好解释了在阿里，数据的应用己融入到了业务场景，可以猜测，数据对于阿里业务场景的应用己空前强大，并仍将发挥越来越大的作用，即所谓“无数据，不商业，未来企业就是基于数据的企业”。
进一步的，又让我想到阿里总参谋长曾鸣提出的“数据即决策”，意思是传统的数据运营主要是基于统计算法提供数据洞察，或提供决策信息辅助决策，随着技术的发展，现在基于数据的决策己不仅仅提供数据统计结果可视化，实际上很多产品给出的数据即是己决策好的决定。以京东为例，当你在搜索栏上打上关键词，实际上搜索结果并非百分百根据你要获得的结果数据，而是京东基于他的运营需要决策你需要看到什么结果数据，即你搜索到的数据是京东的商业决策。同样的道理，百度的搜索、今日头条的推荐、抖音的视频推荐等等都无不体现了数据即决策的应用，随着物联网、移动、大数据、5G等技术的发展，数据平台对活数据的处理能力将越来越强，这种数据即决策的能力将越来越普遍。
3、关于数据思维
关于数据思维的实战东西，虽然书中提到的不多，但仍然有一些有趣的故事，比如：作者参加了一次阿里的一场公司会议，在会议上作者被临时告知要分享一个基于数据的主题。而作者因为临时没有准备相应的主题，所以临时发挥了他基于数据思维的能力。他临时选了一个主题是观察在这些公司会议中，公司领导关注哪些内容，作者通过观察并记录公司老大对所有分享主题的点头、记录、玩手机等动作次数，然后基于这些量化后的数据，基于量化分析的思路得出公司老大对哪些议题比较重视，哪些没那么重视。作者的这个分享得到公司老大的极大赞赏。从数据思维角度看，这个案例包含了一种作者对数据分析的思维模式：
- 确定主题：分析公司老大最关注哪些议题
- 回顾过去：提前看一下公司需要准备分享的内容，重新分析公司的战略的规划等，以此来辅助数据分析
- 建模：点头次数、记录次数、玩手机等动作与主题的契合程度
- 数据采集与处理：利用线上记录数据信息，基于数据模型进行处理
- 数据分析：量化分析，解决已确定的主题
- 对数据分析结果选择合适的方式进行分享：分享自己的观点。
