如何根據業務需求擬定數據策略?從阿里巴巴、淘寶轉型實例認識「大數據營運」

(本文書摘內容出自《數據的商戰策略:建立以數據驅動為核心的營運關鍵》,由 天下雜誌 授權轉載,並同意  TechOrange 編寫導讀與修訂標題;首圖來源:unsplash。)

【我們為什麼挑選這篇文章】怎麼收集有效數據?如何找到數據化的切入點?本文摘錄《數據的商戰策略:建立以數據驅動為核心的營運關鍵》一書,由阿里巴巴前副總裁、數據委員會會長/紅杉資本合夥人車品覺分享他的第一手數據治理經驗,解答企業推行數據化最容易面臨的困難點。(責任編輯:賴佩萱)

大數據時代衍生的變化,體現在資訊的產生及獲取變得更為快捷,溝通(包括發布、傳播、互動)從單點到互聯,資訊變得更網狀、無序和碎片化;然而,獲取速度又快、數量又多的資訊,很容易被錯誤地解讀為唾手可得,而且成本越來越廉價。

數據不是越多越有用!數據蒐集應以「業務需求」為中心

如果你目前有這種想法,那你可能已經在不知不覺間被捲進了「數據越多越有用」的誤區。

在資訊爆炸時代,擁有大量資訊可能是災難而不一定是好事,也不等於你有能力用好它。暢銷書《大數據》(Big Data)的作者邁爾荀伯格(Viktor Mayer-Schönberger)在最近一次演講上也強調了「數據相關性」的重要性。簡單地說,就是, 收集、儲存和管理數據的綜合成本不菲,是每個企業必須面對的問題

根據業務策略而制定的大數據策略變得尤為重要,我們首先需要重新審視或辨識有用資訊,並判斷哪些數據可以放棄。

一切數據收集活動的出發點都來自業務需要,或者可以應對未來的業務發展 。例如,阿里巴巴的電商數據策略就離不開「人、貨、場」的組合;接下來,就是以短期問題作為出發點,並以中長期的發展趨勢為準來決定資源的優先分配順序。

訂定「數據策略」,朝多元業務發展

從業務過程中收集資訊、分類資訊、整合資訊,必須成為日常思維的一部分,這是成為數據驅動型公司的必要條件。例如,在產品設計環節中,除了加入產品需求文件(PRD)之外,還要加入數據需求文件(DRD),以重點描述數據相關的需求及變更。

以此類推,在 業務的各個環節中,都要考慮數據的收集、匯總及使用,並評估所收集的數據與主體業務之間的相關性 。但目前大部分企業依舊秉持「取之所用,無用則棄」的傳統資訊理念,而不會同時考慮長遠數據策略所需要的積累。僅僅服務於當前,為短期目的所收集的數據肯定會偏於狹隘,大數據更需要為未來業務方向做好儲備,換句話說,數據策略的目的就猶如「養兵千日,用兵一時」。

明確了業務的長、中、短期目標,以及實現這些目標將會面臨的障礙之後,還得理解數據能力對這些目標有何貢獻。作為策略部署,我們還需要系統思考(Systems Thinking),去發現周邊生態的數據與主體業務之間的關聯。

大數據技術平台以「自動化」為發展目標

舉個例子,要真正了解淘寶的商品交易細節,除了買家的需求之外,物流、支付、競爭對手、賣方營運等數據,都是整體必不可少的一部分。有了大方向之後,從數據策略到數據落地策略,大致可分為四個步驟:

  1. 確定業務目標與資訊缺口之間的關係,明確數據收集的方向。
  2. 尋找相關資訊的同時,評估零散資訊整合的難度及數據源的品質;如果數據來自外部,應優先考慮元數據(metadata)較完整的資訊來源。
  3. 關注各種數據資源的使用情況及在場景中的回饋結果,同時盡可能記錄下數據從產生到應用的過程,這是從「計畫經濟」到「市場經濟」的落實點,數據必須運用才有價值,以點帶面地經營數據會更穩健。
  4. 最後回到第一步,識別資訊來源與業務目標的關係,優化資訊收集、儲存、整合的過程。

隨著智慧型物件、人工智慧運用場景的普及,資訊產生的形式和速度也變得難以預測。我們需要更便捷、成本更低的方法尋找及收集多源異構的零散資訊,並把它們縫合起來。所以我一直以來都致力於建立大數據的技術平台,促進以上各個環節都能更自動化地完成。

從我在阿里巴巴管理大數據的第一天開始,我就感受到,數據開發的速度是營運大數據的必然瓶頸。不要小看這個縫合的技術,它是細節上的魔鬼,做好它,才能稱得上真正做好了大數據營運。

(本文書摘內容出自《數據的商戰策略:建立以數據驅動為核心的營運關鍵》,由 天下雜誌 授權轉載,並同意  TechOrange 編寫導讀與修訂標題;首圖來源:unsplash。)

你可能會有興趣


科技報橘 LinkedIn 上線!

最新科技產業動態、技術新突破、專業職能技巧提升 ....... 鎖定 TO  LinkedIn 專業品牌,提升職能與產業 Know-how,躋身產業菁英之列 https://www.linkedin.com/showcase/techorange

點關鍵字看更多相關文章: