嗯,不错的书,例子好多好现实…
2. 大数据的本质就是还原用户的真实需求
- 能否识别用户身份;了解价值;收集数据时的场景
- Interesting Sample:电脑浏览,然后开会转成手机浏览。单纯从手机来看,是第一次访问 ===> 碎片化的数据,多屏思维
- 还原场景非常重要,知道造成事情的原因(ipad浏览量增加,二维码打不开等sample)
- 站在用户的角度去看需求,sample就是提问CEO想看的消息
3. “活”的数据
- 灵活变通 ===> 通过美国搜索词变化等来观测商品趋势,通过行业相关人来获得情报
- 历史的你,现在的你,变化,活动
- 从静态数据变成动态数据,必须要用场景来验证 ===> 阿里有十八种性别
4. 无线数据
- 多屏思维,账号体系
- 样本的偏见===> 样本的背后有什么是我们不知道的
- 大数据相信全量数据,而非样本;是分析得出,而不是抽样获得
5. 数据分类与数据价值
- 能够辨别关系、身份的数据是最重要的
- 越能够还原用户真实身份和真实行为的数据,就越能够让企业在大数据竞争中保持战略优势
- 数据价值
- 识别和串联的价值(多屏,多终端)
- 描述价值
- 时间价值
- 预测价值
- 产出数据的价值
6. 从用数据到养数据
- 即从数据化运营转变为运营数据 ===> 太虚了,应该是,被动收集数据,直接拿来用,转换成,主动收集数据,考虑数据的可应用背景,考虑数据的关联等,就是养
- 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)之中,才能看出存在的问题
- 数据与决策关系型,延迟性等
- 远离 yes or no的答案,还有其他选择
7. 数据的盲点,负面数据的力量
- 比如,停留时间,真的是看了这么久吗?要考虑是否有操作,滚屏等?
- 比如,混用了PC数据和无线数据,无线浏览,PC购买,那转化率怎么算?
- 小偷思维===> 感觉意思就是说,要关注异常点,从另一个方面去看,比如传说的谷歌搜索会分析bad case
9. 混、通、晒
- 混:多理解业务
- 通:一是商业理解和数据之间的“通”,另一种就是部门数据和部门数据的交叉
- 晒:通过数据来回答问题:
- 业务好不好
- 数据如何改变会让业务更好
- 如何利用数据帮助业务发现机会、产生新的商业价值
10. 存、管、用
11. 大数据,未来商业利器
- 假定数据是脏的来处理,是一个非常重要的趋势
- 数据淡化,Data Decay,时效性,有些是核心的,有些没太大意义
- 重要的是数据和数据之间的关系,而不是数据本身
- real time vs right time
- 未来是人机的结合体