大数据的逻辑,其实是中医的逻辑
01
关于大数据
第一,什么叫大数据?
我经常在淘宝上买东西,淘宝会推荐给我一些好玩的东西,我用的手机壳叫抗重力手机壳,材料叫纳米微孔材料,轻轻在表面划,你会发现它很光滑,但是用力划的话就好像有点粘手。
这是个有意思的高科技产品,可以让手机停留在光滑的表面。但这不是我刻意去找的,而是淘宝推荐给我的。
于是,我问淘宝的人,他们怎么知道我喜欢什么?他说,我在他们那边有特征,叫客户标签。通过这个客户标签分析系统去分析我平时浏览、购买的东西所拥有的标签。他们发现我对科技、新颖、时尚的东西比较感兴趣,所以推荐给我的商品都是带有这几个标签的东西。
我说不对,上次你们推荐给我东西不是科技、新颖、时尚的,而是古典的银碗,我也蛮喜欢的。
淘宝的人告诉我,最近他们发现,淘宝上喜欢科技、新颖和时尚的人,也开始比较喜欢古典的东西。因为这些人喜欢,所以你也可能喜欢,所以就推荐了。
我认为他们做的就是相关性分析,只是他们的工具先进一点,数据比较大一点而已。
第二,大数据思维是东方传统思维。
这种大数据思维方式是东方的思维方式,还是西方的思维方式?
为了对比东方跟西方思维方式的不同,我们来看一个学科——医学。
西医怎么看病的?一定要找到病因在哪,要搞清楚细菌或者病毒是怎么产生影响的,怎样引起发烧、咳嗽、充血、黏液分泌等等。这些病因都可以用生物理论和科学逻辑分析出来。然后根据这个逻辑治病。用药也是同理。西医讲究的是确定性。
但如果去看中医,他只注重看你的外部特征,讲究望闻问切。比如夫妻两个一起去看病,都是感冒,男的脸通红,女的脸煞白,男的是偶感风热,而女的是偶感风寒。所以男的要去火,女的要补气,给出不同的药方。
中医是对症下药,这个“症”也就是标签。你问为何这些草药对这个症状会起作用,他告诉你是祖传秘方,已经治好太多像你这样的症状的患者,你相信就可以了。中医更关注的是可能性。
东方人擅长应用性研究,也叫策略性研究,而西方人擅长基础性研究。所以BAT公司的大数据应用的方法论是中医还是西医?他们有没有研究我为什么买这个东西?以及这类人为什么喜欢这个东西?
答案是不研究的。BAT公司用的是可能性,不是确定性。只是因为用户数据量大,也就是案例非常多了,这种可能性比较高。
我原来做品牌定位时,先要确定目标客户,要研究这个人为什么要买这个东西,注重确定性。而现在大数据告诉你,不要研究,直接用相关性就行。
所以为什么现在中国的经济,尤其在互联网大数据方面的应用这么好,已经几乎要把西方甩到后面去,中国过去的35年快速发展是有内在基础的。
我们很难进入工业文明,因为我们不讲确定性,而是讲可能性,这种思维方式恰恰影响了中国的工业化进程。
我通过研究发现,整个人类社会文明的发展是渐进式的。从远古到农业文明到工业文明再到现在的信息文明。但在某一个地区,文明的发展是跨越式的。
比如欧洲,由于地理条件原因,它并没有完全进入高度发达的农业文明,需要通过打猎捕鱼来维持生活。打猎捕鱼时,失败的风险非常大,必须关注确定性。当机械力技术发明后,欧洲就非常容易地进入了需要确定性的工业文明。
这种工业文明强调的确定性和打猎捕鱼的思维方式是一致的。农业发达的中国,是用种植和养殖的方式获取食物。种植养殖的周期较长,影响因素较多,同时失败的后果也不严重,可以补救,所以难以确定性,也不太需要确定性,这种思维方式让中国实现工业化非常困难。看看中式菜谱中,经常出现的盐少许,味精适量,小火炖一会,用的都是模糊概念。
中国恰恰在演绎当初欧洲的这个跨越式的变化。我们从农业文明,到没有完全进入工业文明的时候,快速地进入了信息文明,因为我们的思维方式和信息文明的思维方式一样。我们的邻居日本,是捕鱼的,他们就比较容易进入工业文明。
我谈另外两个思维方式,中国人很容易山寨,对于知识产权保护,我们好像没有耻辱感,为什么呢?
因为西方人打猎捕鱼,如果我的弓箭比你射得远,我不会告诉你,因为他们获取的食物是自由活动的,它不属于任何团体。如果告诉你的话,意味着我的猎物会被你抢走。所以你想要知道我的箭为什么射得这么远,对不起,拿猎物来换,这就是专利。
而中国是农耕文明,我们的产出物是独占的,我的地上长出来所有东西都归我,它不会跑。如果我的稻子长得比你的好,你来问我经验,我会不会告诉你?会,因为这不会影响我的利益。我做好人挺好的,接下来你有什么好东西也会分享,所以在中国分享是我们的美德,但在西方人看来这是违背道德。
所以对于山寨我们没有耻辱感,对专利我们也不care,而互联网信息时代的到来,让我们的信息更对称,像专利这类非信息对称的东西都会消失。
信息对称以后,在互联网上还有什么隐私?特别是现在还有定位功能,互联网公司可以轻松地计算出我们的住址,职业,生活方式。但是老外对这方面不适应,隐私是他们根深蒂固的东西,这就是思维方式或者叫世界观,他们在应用大数据时就有障碍。
中国人注重可能性,容易讲干了再说,在发展中成长,在过程中完善,这也是我们党的方针。这也是互联网大数据思维中的迭代意识。
在下一个世纪文明到来的时候,我认为它的思维方式跟农业文明的思维方式是一致的。我们唯一的障碍就是这些数据工具的障碍,而大数据就是一个非常棒的数据工具,它的应用思维方式是跟东方思维比较吻合的,所以才有我们35年的高速发展。 所以这是咱们的历史机会。
那么我画了一张表,当初我在上课的时候讲人类的文明发展史,我就画了远古文明、农业文明、工业文明和信息文明等图谱。我们看到,人类经历了万年才有了远古文明,千年以后才出现农业文明,百年以后有了工业文明,几十年就会出现下一个文明,也就是人类发展越来越快,越来越疯狂。
第三,大数据的特征——颗粒度细和实时反馈
大数据的特征有两个维度:一是颗粒度,一是实时反馈。这是大数据的一个基本结构。
①什么叫颗粒度细?就是描述事物的标签非常多,采集的数据非常多。这意味着分析的维度越多,干扰素就会相互抵消,呈现出事物的内在规律来。
②什么是实时反馈?就是采集数据的速度要快,计算出相关性结果是实时的。数据采集如果能每秒钟采集一次,那么这种采集的方式、传输的方式、它的计算速度、储存的空间都会产生质的变化。
大数据让很多以前听起来匪夷所思的事情都可以实现,因为过去我们做事都讲确定性,现在我们讲可能性。
有个软件用手机就可以测量血压,它通过把影像传到后台,把曲线跟原来的数据做对比,然后告诉我现在的血液性质,也就是说间接测量变成可能。IBM的Worsen用声音传感器来诊断洗衣机的故障原因也是这个道理。
就像AlphaGo,它不会下围棋,它只知道如何去比对棋谱,找到下一步棋的位置和胜率之间的关系强弱。大家想想看,这样做,管理、营销会变得很简单,因为我们不需要研究为什么。
02
大数据和商业模式之间的关系
通过这种方式,能不能让我们在商业模式上可以有些创新?
这个创新分几个方面:
①明文规则的打破。比如相关的法律法规和社会常理,当初滴滴打车就是破坏了这样一个规则。
②技术规则的打破。用手机测血压就是一个技术规则的打破。
③经济规则的打破。原来要钱的现在变成不要钱,或者原来便宜的变成超贵。
第一,客户价值最大化
我认为最重要的一点叫客户价值最大化。做任何商业都一样,但什么叫客户价值,什么叫客户价值最大化?
我是这样定义的。我画了张图,这就是让我做生意,能够基本上无往而不利的法宝,上下结构是客户满意度,左右结构就是我们做得怎么样,然后我画了三条曲线。
第一条曲线是客户的期望价值。就是你没有的话,客户一定不满意,你有的话,客户也不一定会满意,所以这部分我觉得做就差不多就可以,甚至做到客户能忍受就行。
中间这条线叫一般价值。就是你做得越好,客户越满意,做得越不好,客户越不满意,但是等到客户完全满意了,咱们就破产了。你什么东西都提供,客户是上帝,你什么东西都奉献出来了,你就活不下去了,所以这部分东西,要做到刚刚好。
我的秘籍在最上面一条曲线,叫完美价值。什么叫完美价值,就是你没有的话,客户不会不满意,有了以后客户会更满意,这是客户的刚需,而且还没有被充分满足,另外它还高频,最好再加一条叫炫耀。
品牌实际上就是让客户炫耀,这是我们企业家梦寐以求的东西。当客户能嘚瑟的时候,你的产品就有了品牌。你有没有给客户嘚瑟的理由、嘚瑟的工具、嘚瑟的方法,这些东西都应该是我们产品标签。
我做一个产品,一定要找到完美价值,这不是一蹴而就的事,是慢慢积累出来的,有很多静态标签,也有很多动态标签。
而大数据跟传统的经验主义有什么差别?传统的经验主义只能研究稳定关系的联系,研究过程很漫长,但是现在这个世界变化得越来越快,我们很难用传统的方法管理或者研发产品。
过去我们五年时间研发一个比较靠谱的产品,现在一个技术两年就淘汰了。所以产品的迭代要快,这就要利用大数据。
大数据不但能研究规律,还可以研究变化的规律,让我们能够发现客户的需求以及需求的变化。
大嘴猴T恤有180个标签,而且这些标签还在不断变化,不断改进。我们把这180个标签作为静态数据,接下来再根据我们的运营台账,也就是销售比例,把标签关联上去,最后我们研究哪些标签卖得好,哪些标签的组合卖得好,或者哪些标签组合的比例在逐渐上升。每年我们会挑出40个标签,告诉设计师今年的设计围绕这40个标签来做。
大数据给我们带来太多太多的想象空间,怎么做好我们的产品,怎么运营好我们的用户,只有客户好了,我们才能好,所以要让客户价值最大化。
第二,高效率盈利
盈利的方式有几种,其中有一种是利用大数据的,叫高效率盈利。
我是这样做的——给销售人员贴标签。
标签是怎么来的呢?根据他取得的客户的标签得来的,也就是我们根据他的历史销售数据,找到他最擅长的客户以及最擅长的产品的标签。
以后我们可能不再设东西南北几个销售区域,而是,我们这边有个师奶杀手部,那边有个师太灭绝部,如果我发觉师奶型的客户越来越多,那就让HR去把历年的师奶杀手的档案全部找出来,看这些人员档案的标签有什么共同特征标签,人力资源部就按照这个标签来招人。
这就叫高效,叫人尽其才,物尽其用。
第三,大数据视角下的核心竞争力是什么?
光靠高效率赚钱就行了吗?不行。
高效率赚钱,你只是赚钱速度比别人快一点,你的成本比别人低一点。现在还有一些公司,他们不玩产品链,不玩供应链,他们玩资金链,像苏宁、国美过去都是的,虽然它不是大数据,但玩的是金融。
比如,他们卖海尔电视机,100块买来95块卖掉,效率再高也不会变成利润的,他一定亏,那他为什么敢亏?
因为他们跟海尔说,你100块的电视机我102块买,他们还要给供应商涨价,为什么涨价呢?
他们往往会贴给对方财务成本,因为国家给制造业是无息贷款、低息贷款。苏宁、国美贷不到,海尔去贷,然后他们来反担保,再贴海尔两块钱。
所以这个电视95块卖掉,电商也很开心,客户也很开心。国美拿到现金,就可以做金融和地产,并用其中一部分的利润来弥补电器经营的损失,剩下的都是纯利润。
此外,像BAT这些公司玩的是生态链,做生态链,就必须有数据。
比如猫眼电影,它会推荐KTV、周边的小饭馆。虽然他们说电影票不赚钱,小旅馆的广告也不赚钱。但是用户用掉折扣券时,小店老板要分点利润给猫眼。然后他通过大数据分析,发现看爱情片的最后要吃饭,看喜剧片的之后可以去唱卡拉OK等等。
所以,以后大家如果做平台,先做一个好用的工具,而且是一个独特的工具。工具用的人多了,以后自然就成为平台。
数据如何分析核心竞争力?核心竞争力也是有标签的。
可以用数据来分析哪些核心竞争力是别人模仿不了的,比如,专利、版权、IP等,每一个产品,将它标签化以后,它会冒出来很多东西。
比如巧克力就有很多标签。比如女孩子吃什么巧克力?又想吃巧克力又怕胖,那吃Kisses,小身材大味道。结婚吃什么巧克力?费列罗,很大,金灿灿的很喜庆。
正面看都是缺点,反面看都是优点,我们只要把优点的标签做到极致就可以。也就是说,一定要找到你的核心竞争力,让竞争对手难以模仿,在客户面前你很难被替代。
从标签角度来说,让客户觉得不能替代的标签是什么?有三个。
①资产,他不用就会受到损失;
②用户不用你以后会不会受到名誉的损失;
③有没有情感的损失。
这三个方面可以把客户牢牢地捆在身上,而且这也是必要的。
所以再来看这个图表,这是一个商业模式,我发现里面全是数据,这个世界都可以用数据来诠释。
第四,如何利用大数据做经营分析和管理?
使用大数据的时候,你必须用全部数据,不能使用被解读的数据。
假如你要做大数据,数据一定要做链接,链接靠四大编码体系,这样才能把公司所有数据都变成串联,就可以从多维度进行比对。
此外,台账结构要合理。
台账结构分两种:
①基础台账。就是对事物的描述,是静态的,和时间没关系。
②运营台账。就是对行为的记录,如销售清单。
基础台账做得越复杂越好,为下面的分析留下基础,而且将来还能增加维度,增加完以后马上可以做数据分析。
运营台账是一次做完以后不需要改,但是把它做得越简单越好,方便底下填写,而且不容易出错,把这两个台上结合起来,就叫做分析台账。
有了这些东西,你可以建立机构,同时你的组织架构会产生变化,没有了中层管理层,其经验全部在数据里面呈现。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21