◆ ◆ ◆
导读
大数据很忠诚，它真实记录人们的每个足迹，深藏功与名；大数据很任性，它的分析有根有据，拒绝流言蜚语；大数据很友好，它提供各种权威参考，它创造绿色经济，让我们的生活更美好。世界已经进入由数据主导的“大时代”。再过两天就迎来一年一次的数博会，小编精选出几篇关于大数据的优质文章，在本周一一分享给各位。
过去，有一些问题一直困扰着我：“现在的企业获取数据如此容易，数据的增长速度如此之快，那么对于企业来说，到底要收集什么样的数据？收集多少数据？收集数据的边界在哪里？”后来，我在美国遇到一位高人，他认为，过去收集数据很难，而现在获取数据资源变得越来越容易，但是如果收集数据的出发点不是为了解决问题，那么收集再多的数据也没有什么意义。
同时，许多企业还有一个疑问：“现在收集数据不难，成本也不高，为什么不先收集了数据再说呢？等以后需要数据来解决问题时，再拿出来用不是也可以吗？”这位高人同样也给出了这个问题的答案，他对此持否定观点，并指出用这样的理念来设计数据应用注定会失败。
数据收集是没有边界的，我为此也痛苦了好一段日子，比如，收集一个人的生日，虽然可以精确到几分几秒，但这么精确的数据又能用在什么领域，又能产生什么价值呢?
事实上，数据是有生命周期的。比如，某网站的母婴频道在主动收集用户的宝宝信息，包含宝宝生日、性别、小名、身高、体重，这里我们就要清楚这几个数据的用途和生命周期，如宝宝的身高和体重，这两个数据的生命周期很短，过了一段时间后就失效了；而宝宝生日和性别这两个数据的生命周期就很长，可以从生日的年份中推算出宝宝的年龄，而性别则基本是终生稳定的。
所以说，在收集数据时，我们必须知道这些数据未来可以用来做什么，如果今天都想不出来的话，日后就更不可能了。
◆ ◆ ◆
数据应用因小而美
“小”不是指数据量，而是指应用的目标很具体。
2011年年底，作为一名数据分析师，我开始思考怎么从“用数据”转变为“养数据”（即从数据化运营转变为运营数据），这段时间我为收集什么样的数据而特别烦恼。而且，我也曾经试图做出一个特别大且适合多数人使用的数据应用，可是后来发现这在数据应用的起步阶段几乎是不可能的：一是找到可以解决大部分人需求的数据应用并不容易；二是当时公司的数据非常丰富，需要考虑的因素很多，因素之间的联系又很复杂。
所以，当开发数据应用的时候，数据就等于原材料；当原材料一直处于变化的情况下，做出来的产品就很容易出问题。体会到数据和应用的关系之后，我最后决定从小角度切入，先把小应用做出来，这就是很好的瞄准器。
“小”不是指数据量，而是指应用的目标很具体。许多人在没有获取足够的数据，并且缺乏对数据理解的情况下做出决策，其实是在“享受”自己的无知。打个比方来说，对于一款数据应用，如果我的目的是分辨两种决策谁更好以及差异在哪里，这就是一个很具体的问题；但如果我的目标是想知道如何让公司赢利，这就是一个空泛的目标。
经过这样的一番周折后，按照小角度切入的想法设计数据应用，就可以做得具体而快速，而且可以避免因原材料的变化而导致数据缺失的问题。
◆ ◆ ◆
如何应用框架来做决策
在大数据的背景下，必须考虑数据之间的关联性。一个单独的数据是没有意义的，要把数据放在一个“数据框架”（场景）中，才能看出存在的问题。而且，想要解决的问题越复杂，框架也就越复杂。但是，决策最重要的前提是要从小角度切入，从“小”做起。
对此，我总结了4步走的方法：
首先确定有什么问题，从解决问题的角度出发去收集数据。
其次，把收集到的数据整理好，放入一个“数据框架”内（这个框架是用来帮助决策者做决定的）。让决策者用框架更清楚地看到数据与决策之间的关系，比如A公司在框架内要知道竞争情况、新老客户的比例情况等因素以及多种因素之间的关系。
再次，看框架与做决策的关系。比如，A公司与导航网站有三种选择——完全不合作、部分合作和全面合作。数据分析师就可以根据数据框架告知A公司该怎么决策。如果发现数据框架与决策不能匹配，就必须返回到第2步。
最后，根据决策行动，然后检查行动是否达到目的。如果行动后发现根本没有达到目的，就要检讨整个链条，寻找问题出在哪里。是数据有问题吗？还是因为框架不对？或者是决策不对？是否还有数据没考虑进去？
所以，想要解决的问题越复杂，框架也就越复杂。对于现在多数还没有开始做数据应用的电商公司来说，框架一开始千万不要过于复杂，在搭建框架前问问自己：“我目前的问题是什么？我的决策是什么？我的框架又该怎样搭建？”最重要的前提是要从小角度切入，从“小”做起。
◆ ◆ ◆
养数据，重要的数据战略
“用数据”更多的是一种方法论，而“养数据”则是一种数据战略，是基于深入业务理解的更高层次的商业决策。
“养数据”还有一个重要的含义，就是要决定收集哪些数据。这个决定不容忽视，因为这可能是公司数据战略中非常重要的一个环节。在我看来，被动收集数据的行为是“收集”，而主动收集数据的行为则是“养数据”。再拿上面讲到的某电商母婴频道的例子来说，如果收集主体是一家医院，那么宝宝的姓名、性别、出生年月和妈妈的姓名等数据的收集，就是收集数据，因为在住院档案和出生证明上，这些都是必不可少的。但是，如果是母婴用品要针对家庭进行营销，那么这些信息显然是不够的，宝宝奶粉的品牌、家庭收入、职业等信息则需要企业自己主动去收集，而这些数据也就是“养”出来的数据。
养数据通常有两类，一类是网站自身没有的数据，需要用户主动提供的；另一类是公司拥有的，但没有进行收集的数据。
若要收集公司没有的数据，在“养数据”时通常需要花费更多的精力和技巧。举例来说，现在国内外有很多个性化的手机购物应用，当用户第一次使用这些应用时，界面中会弹出一些问题，通过互动的方式来收集用户的信息数据，比如会出几款衣服，让用户挑选哪一款是更喜欢的。这样，在几个问题之后，应用就知道用户的喜好了。还会让用户点“赞”，这个点赞的功能，就是让用户明确地告诉应用自己喜欢什么，这样用户就可以在过程中，不断地告诉应用自己的偏好。这样一来，应用就可以“养”出用户的核心数据。
对于公司有数据但没有收集的状况，则更多的是因为内部资源协调的问题和公司决策的问题。很多提供餐饮和团购类信息服务的网站，通常会有一个功能是“把信息通过短信发送到手机”，这样就不需要用户进行特别的记录，不过有些网站会记录用户的手机号，而有些网站则不会。我的观点当然是记录这些数据，也即是“养”数据，因为这不仅能够校验用户的手机号码是否有效，还能够慢慢地建立起企业与用户的社交关系。
总之，“用数据”更多的是一种方法论，而“养数据”则是一种数据战略，是基于深入业务理解的更高层次的商业决策，数据养的越早，积累的数据也就越多。养数据同样也是一种管理和商业艺术，在养之前可能谁也不确定最终会出现什么后果，但一旦养成，则会产生非常大的商业价值。
原文发布时间为：2016-06-13
本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号
