【干货】如何从0到1用数据驱动产品和运营?(6)

更多的时候我们是期望定义几个指标，把它标记出来，然后我们就看着几个指标，如果没问题，那就问题不大。就像开车，前面有个仪表盘，仪表盘里面不亮红灯，开吧，问题不大。这指标就起到这么一个作用，我们把许多事情去简化了，通过几个简单的数，我们就知道整体运营的情况。

那我们先来看这个数据采集，大家都听过大数据，什么是大数据呢，我们怎么理解什么是大数据？其实这个问题，因为我自己就是从事大数据的，经常会有人问我，我回老家，一些亲戚，他们什么硬件、什么软件都不知道，现在又来了一个概念大数据，给我讲讲什么是大数据，你说我怎么跟他讲，讲起来难度是很大的。但是我也一直不断的在总结，也是在看书，包括对我影响比较大的是吴军，吴军讲《浪潮之巅》，讲《硅谷之谜》，讲许多东西。

其实我都在思考数据，什么是大数据，现在我对大数据的理解，两个层面，一个层面是从价值的角度来看，就是我前面讲的数据分析的价值，就是驱动决策和驱动产品智能，那是从价值，如果从物理层面呢，我又把它总结成四个字，就是大，全，细，时，就是数据分析这个概念，不是一个新概念，他可能已经存在几百年了，两三百年肯定是要有的，因为统计学出来的更早。

现在我们提的大数据，跟之前又有什么区别呢？其实就是说底层的数据源变了，其中一点，就是大，那大是什么大，比如说，我们把全国各个地级市今天的苹果价格，这个数收起来，每个地级市收一条，这个数一共加起来，可能两道大小，但是相反，我们如果把内蒙古草原上一台风机，它的振动数我们收集起来，一天可能有50个GB，因为那个数大？可能是内蒙古风机更大，是不是？但是内蒙古风机在我看来，它不是一个典型的大数据场景。因为你只能看到这一个点，就是它的情况你可以了解一下。但是，如果我们全国各个地级市苹果的价格，我们有一车苹果要运到哪儿去，你就可以做一个智能的调动系统了，这个价值就要大很多。

第二点就是说全，就是你许多时间了解一部分数据，你这个答案是有问题的，你可能偏了，你比如说去年的时候美国大选，大选之前，整个结果就是希拉里获胜的概率70%多，川普获胜的概率20%多，整体整个市场，它网上的调研，许多都是这么一个结论，结果出来之后，川普赢了，许多人都在分析问题出在那儿，后来分析其中一个原因就是美国中部许多农民，这些农民是不上网的，但是他们是支持川普的，你光在网上做这些调研，那你能调研准吗？实际情况你没调研准。

在我们实际工作中也是一样的，有时候你就是只看了部分的数据，或者有时候觉得老板不公平，老板就听谁说了两句坏话，就按照他的思路来做了，那这里面问题出在哪，就是因为你没有去把这些数据很全的搜集过来，你只是看了一部分。就像最近我在看一本书，叫《原则》，《原则》里面其实讲了一点概念就是极度求真，极度透明，就是说我们要把这些信息，尽量真实的去搜集起来，实质情况收集起来，尽量让大家共享出来，大家都能看到这个数据，咱再基于这个数据再去做决定，不要自己看了一两条信息，听了片面之词，然后就去做决策了，那种决策是不是就很容易出问题呢。

第三点就是细，比如说，咱们许多都是做业务的，我问大家一个问题，在你们公司业务里面，不同身高的人，他们在消费上有什么区别？你可能回答不了这个问题，为什么呢？因为你没有搜集身高这么一个维度，你后面就没有办法做这个分析了。所以说同样是数据，如果我们掌握的这种维度比较多，我们就可以围绕这个维度进行交叉分析，看里面有什么样的规律，然后去研究他，但是如果没有搜集，你就做不到这一点。

第四点，就是时，时效性，同样一个东西，同样一个数字，现在告诉你，跟两年之后告诉你，结果能一样吗？它是很不一样的。比如说美国发生金融危机了，如果你提前半年知道金融危机，你就可以做空，或者做多一些东西，你是不是就可以利用这个价值。双十一，然后你上午投的广告，很快发现效果不行，马上就调，这个广告不要投了，换其他渠道去投，是不是就省着等到当天晚上12点的时候，你发现咱们其实投错渠道了，这渠道根本没用，这是不是同样是一个数，时效性他这个作用是不一样的。

那这个前面是说数据，我们其实真正去做好数据，就是在考虑，如何去把数据更全更细更加时效性的收集起来，这是一个基础。

那收集数据有什么样的手段？因为我的背景主要还是做线上相关的，线上在数据采集的时候，我总结有三种方式。可能有一些偏技术的，大家简单了解一下就可以了。

一种就是通过可视化埋点，全埋点这种方式去自动去给他收集，然后去填进去，然后让他自动去采，这种方式好处就是不需要工程师过多干预，让这些产品经理，运营经理，自己需要就在上面配就可以了。

但是呢它有它的弊端，弊端就是数据搜的不够细，比如来说右下角有一个提交按纽，左上角有一个打七折，自动搜的时候，不知道打七折是一个有用的东西啊，但是你如果分析的时候，这就是很关键的一个因素。