目前有些人關心行為數據，也有些人關心商業數據，但較少人把行為數據和商業數據聯系起來看，大家往往只單純看某一端數據。車品覺認為：每個數據，就像散布在黑夜里的星星，它們彼此之間布滿了關系網，只要輕輕按一下其中一個數據，就會驅動另外一些數據的變化。
前一段日子見到一位數據發燒友，我們倆有一致的觀點：電子商務發展速度越來越快，這個行業的趨勢變化也越來越快;對于電子商務公司老板來說，想要自己走在趨勢前面，必然要學會數據驅動。
慶幸的是，今年，電子商務業者對數據分析已經重視起來了，就連由夫妻店起家的淘寶賣家也開始招攬數據分析師，更別談一些再大些的電子商務公司。
但是，這也讓我心存隱憂：現在不是缺數據，而是數據太多了!
據統計，在今天的互聯網上，每60秒會產生10萬個微博信息、400萬次search、facebook上50萬次contact。我相信，今天稍大一些的電子商務公司，都會采集一些行為數據，但是這些行為數據與商業數據(比如交易量)有什么關系?今天絕大多數公司，都沒有好好利用這成千上萬的零散數據。
需要數據邏輯，更需要商業敏感
先講一個有趣的故事。有一天，Linkedin忽然發現雷曼兄弟的來訪者多了起來，但是并沒有深究原因，過了不久，雷曼兄弟宣布倒閉。谷歌宣布退出中國的前一個月，我在Linkedin發現了一些平時很少見的谷歌產品經理在線，這也是相同的道理。
試想，如果Linkedin針對性地分析某家上市公司高管找工作的數據，是不是很有商業價值呢?我相信，現在有很多網站不知道可以采集這些Deep Data(底層數據，編者注)，只盯著一些簡單的表面數據，甚至拿著魚翅當蘿卜。
說這個故事，只是為了告訴大家，互聯網中的數據，需要用商業的眼光去分析和關聯，才有價值。
今天電子商務公司的數據分析師，必須有從枯燥的數據中看到解開市場的密碼的本事。
比如，當一個具有商業意識的數據分析師發現，網站上嬰兒車的需求增加了，那么他基本可以預測哪些關聯產品的銷量也會跟著上去。
再比如，和傳統賣場相似，網站上的產品起到的作用并不一樣。有的產品是為了賺錢，有的產品是為了促銷，有的產品是為了引流量，不同的產品在網站上擺放位置當然是不一樣的。這也可以從數據中發現。
一個商業敏感的數據分析師，需要懂得用什么數據去驅動公司實現目標。
又如，兩個新建C2C平臺的競爭，重點看的不單純是交易量，而是每天有多少新的seller(賣家，編者注)進來，賣了多少東西。因為此階段最核心的競爭就是人氣，而非實質交易量。如果新來的seller進來賣不出東西，只是老的seller的交易量在增長，即使最后交易量每天都在增長，還是有問題。
再比如，一家剛踏入市場的B2C和已經占領大部分市場的B2C，他們的公司目標是不一樣的。前者看重流量以賺人氣為目標，但流量對后者的意義就沒有那么大，成熟的公司重點是看交易、轉化率及回頭率的。
當下的數據分析師多是統計學出身，一堆數據放在那里，大家都擅長怎么算回歸、怎么畫函數。但是這批數學人才較缺乏商業意識，不知道這些數據對業務意味著什么，看不見一堆數據中誰和誰有關系，也就不知道該用什么邏輯分析，更無法充當老板的眼睛了。
前幾天遇到一個老板，他說手下每天給他看幾十個零散數據。我問，是不是數據越多越麻煩。他說我一下子就點出他的痛處了，因為請來的數據分析專家只把數據交到他面前，但是卻沒有把數據和商業的關系告訴他。
你說，一個公司CEO，每天看到幾十個數據，什么PV、PU、UV等等等，他們有精力來解讀嗎?對于他們來說，只需要知道：公司有問題嗎?問題是什么?有新的發現嗎?需要做什么?這就夠了。
我把這些問題理解成為數據世界里的“儀表盤”，比如說網站流量進來彈出率怎樣就可以在儀表盤里呈現。你開車，如果水溫過高，儀表盤亮燈提示。同樣，在電子商務的交易中，也可以用一些數據組成“儀表盤”。
所以說，數據分析師不應該是單純做數學題。
想認識全國各地的創業者、創業專家，快來加入“中國創業圈”
|
