活数据：流动创造价值

第十四讲 | 活数据

你好，欢迎来到《智能商业二十讲》，我是曾鸣。

讨论了这么多，大家应该对数据智能的重要性有了一个深刻的理解，但是，怎么样帮助一个企业在数据方面取得足够的成功？怎么样去利用数据智能真正把自己的企业变成一个精准商业的模型？

今天，重点给大家介绍一个在实操方面很有价值的新概念——，这个词也是我创造的。

大家听到比较多的一个概念叫大数据。大数据对于描述「扑面而来的海量数据」有很大的帮助，大数据的标准定义是由英文的四个词组成的，对应中文的意义是大量、多样、快速、高质量。

但是这四个词是在描述一个事实，描述数据的大、数据的快，它并不能帮助我们更好地做好商业决策，到底怎么用数据？数据足够大就行了吗？

后来发现，活数据这个概念或许能帮助大家更好地把数据用起来。活数据还有两个概念：

第一个，数据是活的，也就是说数据是在线的，可以随时被使用的；

第二个，数据必须是被活用的，也就是说数据是在不断地被消化，处理产生增值服务，同时又产生更多的数据，形成数据回流；

活数据有几个特点重点和大家介绍一下：

首先，活数据是全本记录，不是样本抽查

虽然按照统计方法一个随机样本可以相当程度上推导出全局的特征，但是商业的环境是动态的、不断变化的，一个隔很长时间才收集到的样本，无论如何也只能描述一个静态的一部分。

大家都知道传统时代收集数据是一件很麻烦的事情，你要：

提出问题—设计问卷调查—找人填问卷—收集数据

但是，就像我们第一讲中反复强调的，互联网的第一步是连接、是在线，只要你把你的业务在线了，你就会得到一个巨大的好处，也就是说用户的行为在互联网上都能留下清晰的印迹，而这些行为直接记录下来的就是你对这个客户全面的了解。

比如：淘宝就不需要去抽样调查，去问我们的客户对淘宝的服务是否满意。

淘宝所有的用户，他们每一天或者说他每一次上淘宝，所有的行为都会被记录下来，他们看了哪些商品，在某一个商品的详情页上停留了多久，他们最后购买了什么，这些数据都会自动地记录下来。

所以，活数据的一个前提使数据记录的成本大幅下降。

第二，先有数据，后有洞察

以前的调查方法都是先要制定一个问题，因为你想了解一个什么问题，想测试某一个假设，你就要根据那个问题去收集相关的数据。这中间最麻烦的是，只要你发现你遗漏了什么或者你想问什么新的问题，几乎就必须一切重来，再去收集相关的数据和信息。

但是在活数据时代，整个做法是颠倒过来的，也就是大家听到的另外一句话——我们重视的是相关性而不是因果性，而且由于数据存储和计算的成本足够低，我们可以把所有相关数据都记录下来，然后在业务的发展过程中去看哪一些数据的使用能够带来洞察，帮助我们重新去决策我们的商业。

所以，先有数据记录然后才有分析和洞察，最大的好处是避免了事后希望了解某些问题，然后再重新设计问卷、收集数据这样一个传统方式，所带来的巨大成本。

第三，数据一定要被活用

这中间的关键是大家一定要理解的一个概念——数据就是决策，或者说数据智能的引擎机器要直接做决策，而不是传统的利用数据分析来支持人的决策，只要是数据被用来支持人的决策，活数据的闭环就断线了。

比如：淘宝的搜索，大家到淘宝上输入一个「关键字」搜寻你想要的商品，那么你会看到什么？你的第一次点击之后再给你看什么？这些其实都是机器在做的，没有任何人的干预，是数据智能的算法自动形成的，如果靠人来完成这样的决策几乎是不可能的。

这三个特征结合在一起也就是反馈闭环的概念，活数据让整个反馈闭环能够跑起来。业务跑的时候自然会产生数据，数据被记录下来，数据被算法所处理然后直接形成决策，指导你的业务。然后通过客户反馈不断地优化你的决策，这样的话整个企业的业务发展就走上了活数据反馈闭环的正循环，也就是走上了智能商业的发展道路。

所以，如果从活数据的角度来考虑商业运营的话，你会有一些很不一样的感受，比如：大家一听到大数据就会觉得”好像跟我没有太大的关系，我就是个小公司，我数据量也不大，你们讲的那一套东西人工智能跟我都没关系“。

但是如果你从活数据的角度来看，你很快会理解数据量的大小是个相对的概念，你如何让数据在你的业务中成为它的自然组成部分，让机器成为你决策中的一个环节，你的商业就会走入智能化的快道。

活数据一定是要直接让机器来做决策，不能够让人来做决策，因为只要人一决策它就形成了一个闭环的短路。

举个例子：

这个概念就是说，很多企业不太理解数据工程师与BI分析师的差别。

*BI：Business Intelligence

大部分的公司，稍微大点的公司都有这个部门，他们也就是所谓商业分析部门，他们最核心的也是做数据，但是，他们是把数据分析成一个一个报告，然后核心又是回到我们讲的那个管理概念，是支持高管做决策为主的一个动作。

所以，数据其实是离线的，目的是支持决策，但是真正的活数据一定是要用数据本身产生的洞察来直接变成商业的决策。

再举个例子：

这一点其实不容易理解，我们也是花了好大的学习成本才意识到这个差别的。

早期我们的数据部门想帮助淘宝卖家变成数据化运营，所以我们给淘宝的卖家后台不断地推送数据分析报告，但是发现使用率非常非常的低，因为大部分的卖家并不知道怎么用这些数据分析报告，而且产生的实际效果也不好。

但我们后来意识到其实卖家真正需要的不是去理解这些数据，而是让数据直接帮助他们更快更好地做决策，让他们整个运营效率有一个质的飞跃。

所以，我们第一个比较成功的产品非常简单，我们给卖家的后台装了一个行动按钮，告诉他你按一下这个按钮，你整个店铺的陈列展现就会被自动优化，然后自然会带动你销售额的提升。

这个行动其实就是淘宝的后台通过活数据的运营，通过对海量数据的算法分析，能够智能化地帮助卖家自动优化他的店铺展现，实际上是让卖家的店铺的展现智能化了。但是如果这个决策不是由数据、机器直接做的话，它是达不到这个效果的。

如果想要「企业智能化」，有很重要的两步：

第一个，是我们之前强调的，你的核心业务有没有在线化？

第二个，你的业务环节中间，有没有任何一个环节可以开始被机器决策所取代，而不再是人做决定；

只要这两步跑起来的，无论你企业的大小，无论你所在的领域，你就会成为互联网时代的新物种，你就能踩上智能商业的快车，比别人更快的演化。

这一讲，从活数据的角度来给大家示范数据智能到底怎么样才能落地。

预告：下一讲，我们会通过淘宝具体的案例，来揭示网络协同和数据智能这个双螺旋，如何推动智能生态快速的膨胀演化？