主持人：下面我們有請來自時趣首席科學(xué)家王緒剛王博士為我們演講的是以目標(biāo)方法、案例解讀，分析大數(shù)據(jù)究竟是一個什么鬼。
    
    王緒剛：大家下午好，非常榮幸能受到CMRA的邀請，這是一個很不錯的時間點，大家會度過一個很困的時段，下面的話題相對來說會枯燥一些，我演講的題目是大數(shù)據(jù)是個什么鬼？我既不是大數(shù)據(jù)的專家，我只是一個大數(shù)據(jù)的實踐者，我在實踐的過程當(dāng)中經(jīng)常被我的客戶、被我的同事、我組里的小朋友都會問的一個問題，大數(shù)據(jù)究竟是個什么鬼？
    在我的演講之前，我先簡單地介紹一下我這個公司，做一個小的廣告，可能大家還不太了解時趣，時趣實際上是一家我們現(xiàn)在是移動營銷的整體解決方案的一大提供商，它在2011年成立，還是非常年輕，我們做的業(yè)務(wù)也是相對來說比較多元化，這是我們一些重要的客戶，我們主要的提供從底層的數(shù)據(jù)管理，以及面向CM的商業(yè)策略，以及執(zhí)行和支撐性軟件，整體的解決方案。
    這是我個人的一個簡單的介紹，從這邊的圖上大家可以清晰地看出來我的主要的專業(yè)就是在做營銷和數(shù)據(jù)方面的整合。實際上我一直在從事的是數(shù)據(jù)技術(shù)方面的工作，非常偶然的一個機會加入了時趣，跟一幫在利用非理性思維的人一起工作。
    大數(shù)據(jù)這個在2011年開始火起來以后，我們一直在做這方面的研發(fā)工作，我們的客戶對于大數(shù)據(jù)時代的挑戰(zhàn)，看到很多精彩的案例，或者別人在講大數(shù)據(jù)非常生動地描述未來的時候經(jīng)常會問我一個問題，為什么我們要去做大數(shù)據(jù)？做了大數(shù)據(jù)以后會有什么樣重要的應(yīng)用場景，以及如何去完成？
    今天我分享的題目包括這么幾個方面：首先，數(shù)據(jù)是如何幫助商業(yè)的？因為我們每一個企業(yè)不管是營銷的部門也好，還是其他的CM部門也好，總是要做生意，數(shù)據(jù)如何幫助商業(yè)？
    我們首先來看在IT的時代，或者傳統(tǒng)的品牌營銷的時代有這么一個模型，以品牌為中心，我們不斷塑造品牌的形象，順便向受眾不斷地在去傳播，這個時代會有一些IT技術(shù)的支持，比如說我們的點、網(wǎng)站，或者在線的一些廣告，這些IT經(jīng)過這么長時間的運營，就會有大量的消費者數(shù)據(jù)的沉淀，就進入了另外一個時代，或者是進入了另外一個模型的時期，就是以消費者為中心的模型，我們通過沉淀的消費者的數(shù)據(jù)，不管是內(nèi)部還是外部的，我們就可以利用數(shù)據(jù)來做口碑的分期的決策，產(chǎn)品興趣的洞察，以及在線個性化的體驗，這是從IT到DT發(fā)生的重要的模型式的變革。
    由于IT技術(shù)的發(fā)展，在互聯(lián)網(wǎng)上面一個個體的用戶，我們強調(diào)的是個體用戶，一個手機號也可以識別，你的行為可以去追蹤，我們的效果可以衡量，你的行為可以去預(yù)測。因此，我們的受眾就不是一個群體，是一群海量的個體，所謂海量的個體就會意味著另外一種不同的數(shù)據(jù)結(jié)構(gòu)。在上大學(xué)的時候我是學(xué)計算機出身，當(dāng)時計算機課的老師給我講過了一個話，就是高等數(shù)學(xué)不是很重要，你只要學(xué)好計算機就可以了，計算機當(dāng)中很多編碼，非1即0，一大堆的邏輯，實際上我們發(fā)現(xiàn)當(dāng)我們有海量數(shù)據(jù)的時候，我們就不僅僅是通過一些簡單的采樣去描述世界了，我們可以通過非常海量的個體去描述一個真實的商業(yè)曲線，也就是一個對人描述多維度的抽象，這就構(gòu)成了整個商業(yè)的邏輯描述。底下的陰影是商業(yè)上面的利潤。
    有了這種海量個體的描述，我們就可以在做相應(yīng)的IT支持的時候，不再采用一種經(jīng)驗化的，或者是復(fù)雜的人工邏輯的判斷。比如說我們在做在線推薦，這是一個非常重要的電商當(dāng)中，或者是媒體的應(yīng)用的場景，產(chǎn)品經(jīng)理會寫很多很多復(fù)雜的判斷，今天訪問者是什么類型的？我可以給他推薦什么樣的類型的？等等這樣很多復(fù)雜的邏輯，直到把這個產(chǎn)品經(jīng)理和所有的代碼狗全寫暈。有了這樣的數(shù)據(jù)，我們就可以去做一些線性的，或者非線性的公式，直接通過這樣的公式就可以得出這樣一個復(fù)雜的邏輯結(jié)論。而你只需要調(diào)整這些參數(shù)就可以得到相應(yīng)的自動化的結(jié)果。因此，有了數(shù)據(jù)以后，我們的整個決策變得是智能化和更加地程序化，這是很多老師講程序化購買，程序化購買支撐的基礎(chǔ)就是DT的這些技術(shù)。
    另外一個從決策支持來看，這是一個以前在做數(shù)據(jù)分析的很常見的流程，我知道我們很多的公司內(nèi)部都有數(shù)據(jù)分析師，往往數(shù)據(jù)分析師就會被賦予多重的角色，他會找相應(yīng)的數(shù)據(jù)庫的管理員去跑數(shù)，突然間領(lǐng)導(dǎo)說我想增加一個緯度，再跑一遍，我再去重新跑來來回回折騰，很多部門都會養(yǎng)很多做數(shù)據(jù)報表的分析師，他們被叫做表哥、表姐，一個部門有十來個數(shù)據(jù)分析師，有了他們你數(shù)據(jù)的抽象模型可以實時地去完成，這是我們可以做到實時的交互式的分析，你的定義的緯度不是事先可知的，可以通過交互的方式去實現(xiàn)。
    從IT技術(shù)到了DT，它是一個重要的商業(yè)效率的變革，所以它應(yīng)該是在一定的精準(zhǔn)度，接近我們?nèi)说木珳?zhǔn)的判斷的情況下，運營效率大幅度地提升，因此有了這樣一種技術(shù)，才使得我們很多所謂剛才樂視的老師講的羊毛出在狗身上，讓豬來買單的可能，你數(shù)據(jù)的買賣已經(jīng)超過你自己的交易成本的時候，你就可以去做到很多免費的硬件、軟件。
    第二個分享的題目是我們從一些案例來看，數(shù)據(jù)的價值實現(xiàn)會有哪些場景。
    首先把整個數(shù)據(jù)價值實現(xiàn)分成幾個部分，我們把整個數(shù)據(jù)可以看成三種分析，首先是一種事實性分析，就講的是說什么事情發(fā)生了？發(fā)生了什么？比如說我們在做會員運營的時候，我們來看你的整個會員的增長、流失、活躍，這是事實性的分析，包括異常的點，包括重大的流失的檢測的點，重要的趨向性的信息，比如說我的關(guān)鍵的渠道，剛才蘇旋同學(xué)分享的重要的意見領(lǐng)袖，這都屬于事實性分析，也就是說已經(jīng)發(fā)生的事情，我來通過數(shù)據(jù)告訴你。這也是一種事實性的分析，比如說粉絲的增長是什么樣的，互動是什么樣子的，關(guān)鍵的互動等等。
    第二類分析我們把它叫做預(yù)測性分析，是運用群體的事件形成一個模型，來看相似群體可能在下一步執(zhí)行的動作是什么？比如說我們?nèi)タ匆恍┮庖婎I(lǐng)袖的發(fā)現(xiàn)，我們找到一個領(lǐng)域，比如說在美妝、美容領(lǐng)域誰是這個意見領(lǐng)袖，這是一個非常重要的數(shù)學(xué)公式，在這個領(lǐng)域誰的意見傳播可能到達的受眾是最多的，我們就可以通過一個算法找到一個意見領(lǐng)袖，這是預(yù)測性分析的模型。比如說我們在做產(chǎn)品設(shè)計的時候，這是我們幫助國內(nèi)的一個制造企業(yè)來去發(fā)現(xiàn)你的用戶的興趣可能分布在哪些點上，你的產(chǎn)品的哪些特性上面。它隨著時間的變化會出現(xiàn)什么樣的變化？以及你一款新的手機，比如說一款千元機上市的時候，哪些點會是可能的購買點，要做一些預(yù)測性的分析，因為它還沒有發(fā)生。包括比如說潛在客戶的挖掘，這些人有可能是你的購買者，或者有可能你的廣告的點擊者并沒有去發(fā)生，我們可以通過相似的標(biāo)簽做相似的用戶，做特征放大，從而獲得最好的IOI。
    第三類分析相對來說會進入到一個更高級的階段，我們叫做行動性分析。就是說我們知道了一個人他的下一步動作的時候，我們給他產(chǎn)生一個什么樣的動作？比如說我們在整個網(wǎng)站的購買和訪問的過程當(dāng)中，我們是不是要給他做一個推薦、做一個向上的交叉，或者是交叉性的銷售，我們是不是發(fā)現(xiàn)是一個即將流失的用戶，我該給他發(fā)一個多大金額的紅包才能留住他，這些都是一些行動性分析的模型。比如說我們在給一個賣隱形眼鏡的客戶，我們給他推薦一款新的產(chǎn)品，從而提升他的客單價，這時候整個的動作都不需要有人工的角色，而是自動地整個在網(wǎng)站上去執(zhí)行。包括我們在傳播的過程當(dāng)中，根據(jù)人的的影響力實時地產(chǎn)生一個他個人的積分。我們在這里面梳理了一個數(shù)據(jù)應(yīng)用組合的方式，在不同的運營的階段，以及在不同的分析的方式上面，我們可以有不同的組合式的數(shù)據(jù)應(yīng)用，在品牌的推廣方面，我們可以做一些事實性的分析，意見領(lǐng)袖和潛在客戶的挖掘就屬于預(yù)測性的分析，而這種行動性分析，比如說講到RTB整個大動作都沒有人的參與，這就是行動分析，比如說產(chǎn)品的設(shè)計、口碑的聆聽，到需求點的預(yù)測，最后有可能會進入到一個個性化的設(shè)計的階段等等，越往下面整個會越進入到自動化的階段。
    接下來客戶可能還會再問你一個問題，我要做大數(shù)據(jù)了，我該如何衡量我的IOI？我們有幾個重要的公式，就是從一個客戶的價值來看，我的投入是不是能夠達到多、快、好的程度，是不是搜集足夠多和足夠全的用戶數(shù)據(jù)，我使用數(shù)據(jù)的頻率和接觸點是不是足夠多？我的用戶的畫像和內(nèi)容的匹配程度是不是夠好？最后，在基于二次傳播這個階段是不是能夠做到夠省？
    最后一點是數(shù)據(jù)的價值該如何落地呢？有幾點可以跟大家分享，首先要讓一線的營銷人員自己能夠自主式的玩起數(shù)據(jù)來，讓他理解到數(shù)據(jù)的價值，才能發(fā)揮價值的最大化。包括我要全渠道地去整合這種數(shù)據(jù)，這是我們一個客戶在全網(wǎng)上面用戶的數(shù)據(jù)量，大概一年在10個T左右。這是對用戶畫像的一些重要的緯度，我們會有6個重要的用戶畫像的緯度，因為時間的關(guān)系，我給大家簡單地過一下，這是用戶畫像標(biāo)簽的最重要的應(yīng)用場景。
    最后我想強調(diào)的是數(shù)據(jù)的探索正在進行，會進入一個炒作期，慢慢會進入一個成熟和落地期，我們希望每一個客戶跟我們探索大數(shù)據(jù)的應(yīng)用，并實現(xiàn)它的價值。
    謝謝大家！
    
    主持人：時趣互動是近年來做得比較好的公司，我今天才知道做得這么好，他們的后臺是有這么龐大的技術(shù)來進行支撐的?，F(xiàn)在我們面臨的是數(shù)據(jù)的分享，很多時候我們有兩類數(shù)據(jù)，一方面是作為監(jiān)測數(shù)據(jù)的大數(shù)據(jù)，還有作為調(diào)研樣本的小數(shù)據(jù)。