　　你也許對“大數據”已經有所耳聞，但是你是否真的瞭解“大數據”的奧秘？你是否瞭解無綫數據對當今商業的影響？你是否洞察到瞭大數據背後企業經營實質的變革？你是否能真正識彆數據的盲點和噪音、抓住瞭海量信息中的核心信息……當這些問題擺在你眼前時，你還認為自己瞭解“大數據”嗎？
　　《決戰大數據》將視角投入到瞭“大數據實踐”的領域，對數據收集、數據化運營、運營數據、無綫數據、數據盲點和噪音、數據分類和數據價值等大數據應用的熱點問題做齣瞭詳細的解答，提齣瞭“用大數據創建商業未來”的前瞻性建議，創建瞭一整套係統的數據應用法則。同時，《決戰大數據》首次揭開阿裏巴巴數據應用的神秘麵紗，解密瞭其數據運營中的“三闆斧”、“三利劍”和“化骨綿掌”等法寶，對於當今絕大多數的企業來說十分有藉鑒意義。
　　《決戰大數據》是繼經典暢銷書《大數據時代》之後聚焦中國大數據實踐的重磅新作。
　　

作者簡介

　　車品覺，國內大數據實踐先行者、數據觀察傢。現任阿裏巴巴集團商業智能部副總裁、數據委員會會長。
　　擁有多元化與國際化的教育背景：生於香港，在美國、英國、澳洲等地接受西方教育，曾於新南威爾士大學、斯坦福大學、INSEAD商學院及清華大學經管學院等世界一流學院進修。
　　擁有豐富的數據實戰經驗與獨特的數據化思維：曾先後在匯豐銀行、香港電訊盈科、微軟、易趣等多傢著名跨國公司任總監職務。對電子商務未來趨勢有獨到見解，是一名未來趨勢觀察傢和實戰型培訓師。

精彩書評

　　我跟品覺相識多年。在大數據還沒流行以前，他就開始關注這個趨勢，研究數據應用的意義以及怎樣真正讀懂數據和利用數據。這本書深入淺齣，把深奧的大數據講得生動有趣，非常好讀；書裏麵集中瞭很多品覺個人的真知灼見，非常值得一讀。讀此書是一種享受，正如我享受與品覺的友誼一樣。
　　——林奕彰 eBay 大中華區首席執行官
　　
　　在我眼中，品覺一直是我非常尊敬的國內數據領域的大師級人物，這是他的本著作，也是匯聚瞭他十幾年數據行業經驗，嘔心瀝血的精髓之作。他一直強調數據是尊重人性的，隻有商業實效性的數據纔是有質量的數據；他一直強調不能隻是純粹地看數據，要用數據還原真實的現實與場景。這些見解不僅對每個企業的未來發展具有極大的指導意義，而且對每個普通人建立數據化思維和進行個人數據管理都有很好的啓發作用。這本書貴在坦誠和實用，每個人都能從書中收獲頗多。
　　——瀋亞唯品會創始人，董事長兼CEO
　　
　　在中國，可能沒有其他人比品覺玩的數據多，更沒有人像他一樣玩轉瞭大數據。在這本書裏，品覺以他特有的通俗易懂的語言風格，講活瞭大數據，並結閤阿裏巴巴的實踐，揭示瞭數據化運營和運營大數據的實戰秘笈，灰常贊！
　　——劉星紅杉中國董事總經理
　　
　　作為一個企業經營者，說起大數據，最怕隻見數據不見價值；作為一個互聯網産品老兵，焦慮於數據挖掘和分析脫離用戶場景。本書好就好在實踐瞭作者書中提齣的觀點，立足應用場景，聚焦如何讓數據産生實際價值。因其實戰性和創新的角度，值得所有關心大數據實戰者認真一讀。
　　——張濤大眾點評網CEO
　　
　　大數據像撲天蓋地的洪水一樣湧來！由於近年來數字媒體、網絡和移動技術的迅猛發展，數據的積纍速度已對數據的存儲、管理、分析和決策應用提齣瞭的挑戰。很多企業、政府、學校和研究機構為瞭能在大數據時代繼續生存和發展都在重新自己定位和尋找新的方嚮。讓我們高興的是，作為一個先行者，品覺在阿裏巴巴已經走齣瞭一條大數據運營的路，並又在運營大數據方麵總結瞭很多成功經驗。他的《決戰大數據》一書尤其為讀者提供瞭“數據化思考“的模式和框架。通過用實例講故事作比喻，品覺打破瞭大數據的神秘，然而又能使讀者産生豐富的聯想，開動腦筋，真正理解大數據成功運用的要訣。感謝品覺為“大數據金礦”的探索開發做齣的貢獻。
　　——程傑 Acxiom（安客誠）全球副總裁，數據科學傢
　　
　　老車是“手藝人”，數據時代解讀數據世界奧秘的手藝人；對我來說，亦師亦友、亦火亦水。
　　我們曾若乾次品茗促膝、圍爐夜話，人生的起起伏伏、數據的理解與應用、佛法修行，每個話題始於數據終於數據，獲益匪淺。難能可貴的是，我們對數據的應用、理解，觀點齣奇的一緻，平添相互好感。
　　老車是數據的修行者，期待這位無疆行者的感悟與升華之作，一杯清茶、一本好書，一位知己好友，人生幸事。
　　——徐雷京東集團高級副總裁
　　
　　“大數據”和絕大多數“新概念”一樣，已經成為許多閉門造車者宣揚的主題，而品覺—— 一個被我視為數據科學傢的朋友，將他在eBay和阿裏巴巴近十幾年的實戰經驗進行梳理和總結，使“大數據”不再是一個人雲亦雲的概念，而是一個可以用心領會和使用的科學方法。
　　——吳海桔子水晶酒店集團創始人
　　
　　品覺的書主要講的是決戰！那麼咱們就從兵法的角度來看大數據！隻講三點：
　　對“道”的理解：就是分析師對人和事物基本規律的詮釋。分析問題韆萬不要從分析大數據開始，而是要從對人、世界、産品或者商業行為基本的認知著手！
　　第二，對“計”的理解：計就是計謀！交戰之前用“商業智能”的一個重要作用就是要造成信息情報不對等，然後進一步造成瞭戰略優勢的不對稱，從而造就取得優勝的“勢態”。
　　第三，對“勝”的理解：決戰的目的是要勝利，兵法上取勝的一些基本的要領比如以快打慢、以少勝多、以眾擊寡。在大數據分析上完全適用，就要做到分析得快速而精準、大規模部署以及産品化等。
　　這次為品覺的新書做推薦，既感到非常感激和榮幸，又感到誠惶誠恐。我的水平非常有限，完全是拋磚引玉。希望讀者們細細品味這部《決戰大數據》！
　　——張溪夢 LinkedIn商務分析部總監
　　

前言忘掉大數據
第一部分從數據化運營到運營數據
01 大數據，為什麼很多人隻會談，不會做
大數據從來不是免費的午餐
人的斷層
模型數據從何而來
更主動的管理，更多的創新
【數據化思考】問題就是答案
02 大數據的本質就是還原用戶的真實需求
識彆，讓似是而非的行為數據串聯起來
價值，企業價值 Vs 客戶價值
場景，你知道當時所有的場景嗎
還原是一個瞄準器
【數據化思考】CEO們關心哪三個數據
03 “活”的數據纔是大數據
“活”做數據收集，抓住相關性
“活”看數據指標，動態地使用數據
【數據化思考】彆再做碰巧遊戲
04 無綫數據，大數據的顛覆者
無綫數據正在將整個數據變成“噪音”
PC 數據與無綫數據的關係
多屏思維下的電子商務
【數據化思考】樣本的偏見
05 數據分類與數據價值，什麼纔是你的核心數據
數據分類為什麼如此重要
數據分類的 4 大維度
數據的 5 大價值
【數據化思考】用傻瓜的角度去觀察
06 從用數據到養數據
數據應用因小而美
把數據放進“框”之中
如何用框架來做決策
養數據，重要的數據戰略
【數據化思考】遠離“或”選擇
07 數據的盲點，負麵數據的力量
數據盲點
小偷思維
數據盲點的價值
【數據化思考】為什麼數據會騙人：常態、時態與變態

第二部分阿裏巴巴的大數據秘密
08 阿裏巴巴的大數據實踐
假定數據是穩定的
假定數據是可獲取的
【數據化思考】先開槍，後瞄準
09 混、通、曬，阿裏巴巴數據化運營的內三闆斧
混，“混”齣數據
通，打“通”“混”的數據
曬，“曬”齣“混”和“通”的數據
【數據化思考】思考，要學會關窗口
10 存、管、用，阿裏巴巴運營數據的外三闆斧
存，數據收集的開始
管，保護好存儲數據
用，從收集數據到管理數據
【數據化思考】用化骨綿掌解決本質問題
11 大數據，未來商業的利器
假定數據是髒的
學會慢慢淡化數據
數據的標簽化管理
重要的是數據和數據之間的關係，而不是數據本身
數據的實時化與實時性分層
未來是人機的結閤體
【數據化思考】忽略瞭趨勢，過去的價值一文不值
結語開啓屬於你的個人大數據管理
後記像李小龍的格鬥一樣去思考
品覺的話人在修行的路上，不要單打獨鬥

精彩書摘

　　還原是一個瞄準器
　　數據的本質就是還原，這是收集元數據的關鍵方法。
　　當我們在進行用戶的場景還原時，必須認清數據收集的領域是什麼。在不同的領域裏收集到的數據，可以找到與其所在領域裏不同的東西，比如，搜索引擎和社交網絡（SNS）得到的數據就是不一樣的。而企業首先要做的是，確認用戶是不是同一個人，比如在SNS 裏涉及的很多信息主要都是聊天內容，如果我是做 SNS 的，我就會更多地去尋找這個人和其他人的關係。他今天跟張三聊瞭 3 分鍾，明天跟李四聊瞭 5 分鍾，這項數據在 SNS 領域裏可以獲得。但當我們要真實地還原整個人的行為的話，最好要有不同領域作為互補，這會讓你掌握更多更全麵的信息。
　　你有多大的能力知道哪些數據是同一個用戶的，這是企業首先必須解決的問題。然後再去關注，收集到的數據的量這麼大，廣度這麼?寬，價值在哪裏。而當企業不清楚收集到的數據是不是同一個用戶的時，那這個數據又有什麼用？所以，在大數據裏，最重要的還是收集人的數據。
　　而數據的價值，正如我們前麵所分析的，必須來自場景。
　　對於消費者數據的收集，其中一個瞄準器就是你能否還原用戶購買行為的場景。基於科技的不斷進步，如果有一天 Google? 眼鏡成為每個人的標配，或者是有一天，我們買的每一部電腦，其本身都是跟手機捆綁的，那麼這兩種交叉數據是很容易獲取的。
　　為什麼場景會變得如此重要？場景是不是被準確地錶達瞭？場景是否會成為一件事情的背景，用來還原整件事情？有一年的“十一黃金周”，我們發現很多用戶使用 iPad 購物，為什麼？你或許不會想到，這是因為那年的“十一黃金周”第一次實行黃金周高速公路不收過路費的政策，很多人堵在瞭路上，沒有其他事情做，所隻能以使用 iPad 購物。如果企業在分析數據的時候，沒有考慮到 10月1日整個中國的高速公路都齣現擁堵的這個場景，企業就沒有辦法還原整個場景，也就無法解釋這個現象。
　　我還發現瞭一個新場景。有一天，我們研究瞭一些無綫數據——用二維碼讓用戶到達我們預想讓他到達的頁麵。我們可以看到，iPhone 手機在掃完二維碼後就到達瞭頁麵，但是安卓卻沒有。在中國，很多裝有安卓係統的手機在掃完二維碼之後都無法自動跳轉到關聯頁麵。這時，安卓手機就成為用戶登陸網站購物的重要場景。不管是一部 iPhone 手機、一部三星手機，還是一部其他類型的手機，手機的大小和係統的兼容性本身都能對場景産生巨大的影響。而如果我們盲目地去觀察數據本身，自以為是地認為用戶沒有進行點擊，那就大錯特錯瞭。事實上，是他點不瞭。
　　可見，有很多看似無關緊要的東西都在場景裏，而在無綫移動終端的世界裏，這個場景又平添瞭很多其他的東西，這都需要我們仔細地甄彆。
　　當我和數據分析師們聊天時，我總是會特彆提醒，在研究無綫數據的時候，要特彆注意的是用戶在每天移動的時間點和非移動的時間點裏都做瞭什麼。從起床到睡覺，有幾個時間點基本是固定的，所以基本上就可以判斷每個人一天的行為走勢是什麼。
　　我曾經在一次電商大會的圓桌論壇上提齣瞭一個觀點，當時與會者都很認同，就是我建議把一些以前用來觀察用戶忠誠度的框架，比如 RFM 模型來做收集數據的瞄準器。有什麼數據能讓我更好地看到 R，更好地看到 F，更好地看到 M ？ RFM 是一個收集維度，個人 PC、手機、平闆電腦是另一個終端場景維度，PC 能更好地收集 R，手機能更好地收集 M，這樣就可以通過場景的不斷變換來收集更多的數據。
　　現在，有一些終端的確可以收集以前收集不到的數據。以前，我們不知道一些數據的收集背景是不是移動的，但現在可以。用戶做一件事情的時候是不是正在移動？他是不是在銀泰百貨裏麵？麵對不同的場景，我們的框架也要相應改變。所以，現在做數據分析報告，最後的一個問題變成瞭：“無綫變瞭，這個報告的結果還是一樣嗎？你的報告應不應該也變一下？”
　　我認為，數據的本質就是還原，這是收集元數據的關鍵方法。如果沒有這個概念，你就不知道未來你需要什麼數據，就更不懂得什麼是重要的數據，到最後隻會産生越來越多的無從辨彆的數據。一旦數據多到瞭連你的公司都沒有辦法處理的時候，那麼其他會處理的人、公司和國傢就會把你毫不留情地擠齣市場。
　　“未來一定是國傢和國傢之間的數據大戰，公司與公司之間的數據大戰！”信息時代催生瞭海量數據的齣現，這個世界上每時每刻都在産生大量的數據。此時，大數據已經不再是一個單純的概念，而是像空氣一樣圍繞在每個人的身邊，每個人都是數據的製造者。也正是因為每個人都在通過不同的設備生産著數據，使得數據更多在“量”這個維度上不斷膨脹，但是，“量”的單純膨脹卻對企業真正瞭解一個用戶的需求産生瞭極大的挑戰。所以，如何更好地識彆各個設備的使用者是否為同一個人，如何更好地理解用戶在各個不同場景下錶現齣來的不同需求，如何更好地理解數據融閤後産生的價值，將是未來商業中每一個企業都必須考慮的問題。
　　在不久的將來，隨著 O2O的深入和穿戴式設備的興起，企業和企業之間必須進行更多的數據融閤和交換，必須進行更多的跨行業的數據交流，這樣纔能更好地還原用戶真正的需求，讓用戶在任何一個場景中都能夠獲得由數據帶來的便利。
　　總而言之，更深化的數據連接使海量數據經過提煉更真實地還原瞭事實，也使我們運用數據科技去解碼未來的需求成為可能。
　　CEO們關心哪三個數據
　　我在麵試數據分析師的時候，必然會問他們一個問題：“假如我是一傢知名電商的 CEO，而今天是星期一早上 9 點鍾，請你給我提供三個數據指標嚮我證明在過去的一周裏，企業運營得一切正常，可以讓我踏實下來。你認為，會是哪三個指標呢？”
　　絕大多數應聘者對這個問題的迴答比較一緻：第一個是流量；第二個是交易量；第三個是其他，這個其他包括轉化率、交易額等。
　　當他們這樣迴答完後，我會反問他們：“剛剛我問的問題，你真的聽清楚瞭嗎？”
　　這時候，有人會迴答說，我聽清楚瞭，而答案就是的真實需求這三個數據。
　　往往這個時候，我會提醒應聘者說：“請注意，我要的數據是給CEO 看的，而且還是頂級電商的CEO，而且時間軸是周敏感數據。”麵試進行到這一環節，我就發現大部分麵試者根本聽不懂“CEO”的含義。事實上，既然是 CEO，就意味著他是公司裏的最高領導層，那麼給他看的東西明顯要與其他人不同。
　　在這個例子中，我們會發現絕大多數應聘者很少會換位思考。也就是說，事實上，他們都是從自己的角度來思考，而不是以一個數據分析師、一個要給 CEO 匯報三個數據指標的分析師的身份來思考問題。
　　那麼，什麼是以數據分析師的身份來思考問題呢？通常來說，在我問齣問題時，作為數據分析師的你首先要想的是 CEO 會關注什麼數據，是長期的，還是短期的？是風險最大的，還是風險一般的？或者是最近發生瞭什麼事情？以及給 CEO 提供的數據要有什麼注意事項，等等。
　　所以，我要再問問應聘者：“當你坐在麵試桌對麵給我答案的時候，有沒有想過在星期一的早上，這傢知名電商的 CEO 真正想看的是什麼？”
　　再想想這個問題，你到底有沒有真正聽清楚“CEO”、“知名電商”、“周敏感數據”這些關鍵詞？ CEO 要的是“踏實”——他聽完瞭就可以安心地吃早飯瞭。
　　在麵試時，如果麵試者不對這幾個問題進行詢問就貿然迴答的話，滿分是 10 分，我隻會給 5 分。因為這個問題裏麵本身就有很多問題，比如，什麼是踏實？踏實是一個概念，你不問清楚“踏實”的含義，就給我三個指標，無論如何都是錯的。
　　在正常情況下，首先不要急於迴答我提齣的問題，而是先問清楚什麼是踏實，切勿自己先做假定。以下，我們可以假定一個相對理想的麵試場景。
　　你反問：“什麼是踏實的狀況？”
　　我迴答道：“最近這傢電商和另一傢電商在打價格戰，而它最近又新推齣瞭圖書類目，那麼 CEO 自然最關注的是這些圖書的業務做得好不好。”
　　你再問：“什麼是好？是否基於每天來買書的新增用戶和原有用戶購書的數量多少？而且，CEO 是希望更多地用書來吸引新用戶，還是想通過圖書業務的推廣讓現有的用戶進行交叉購買行為？”
　　在這些思考結束之前，你絕對不能給齣指標。因為，在沒有解決一個問題的內涵之前，任意給齣的一個指標，必錯無疑。所以，我纔會問應聘者到底聽清楚問題沒有。
　　在我做麵試官的經曆中，很多看似有經驗的數據分析師，往往在我提齣的問題還沒有解釋清楚時就搶著作答。絕大多數人在思考不到一秒鍾的時間裏就給齣瞭答案，而這一秒鍾的答案，我可以確定他們根本沒有聽清楚我的問題。
　　通常這個時候，我會再給他們一次機會，問他們：“剛纔你給我的這個答案，如果我給你滿分 10 分，你會給自己打幾分？”而此時，大部分人隻會打 6 ～ 7 分。
　　當應聘者給自己打 7 分時，我會反問：“另外 3 分丟的原因是什麼？”他開始反思，說自己剛纔給的可能並不是 CEO 想要的指標，因為他對這傢電商的近況不是很瞭解……
　　接下來，當我再反問：“剛纔我的問題是‘假如我是一傢知名電商的CEO，今天是星期一早上 9 點鍾，你給我三個數據指標嚮我證明在過去的一周裏，企業運營得一切正常’，你聽清楚瞭嗎？如果你確認自己清楚瞭，能請你再給我一次答案嗎？”
　　這時候，聰明的人不會再用一秒鍾就給我答案瞭，而是重新思考，開始問問題，再給齣答案。這時候的答案，當然會比第一個答案要好得多。最後，當我再問他：“現在，10 分滿分你給自己打多少分？”此時，他們自己給齣的分值通常都會高一些。至此，我的麵試也就結束瞭。
　　事實上，關於這個問題，我根本就不關注打分的結果。當然，如果評價是決戰大數據：駕馭未來商業的利器下載 mobi epub pdf txt 電子書