1、做设计为什么还需要看数据？
很多设计师从来不看数据，要么是因为没有数据可看，要么是根本不想看，但是也一样把设计做的很好啊！设计本来就是有感性的一面，为什么非得要和数据扯上关系呢？
我们不妨先看看设计的本质是什么。设计不同于纯粹的艺术，艺术源于艺术家对现实的观察和思考，以及对这种观察和思考的自我表达；设计天生就是为别人在做事情，纵然同样需要观察和思考，但是这种观察和思考不是为了表现设计师的自我，而是为了更好地服务于某个用户群，因而设计师了解用户就变得非常重要。尤其是要了解用户的目标、行为、态度等相关的情况，我们这里说的数据其实也就是对用户的目标、行为、态度等情况的量化，因此，通过对这些数据的分析，我们可以更好地挖掘用户的需求，进而为用户提供更好地体验。
简单点说，设计是服务于用户的，了解用户才能更好地做设计，数据是了解用户的一种途径。
2、数据在项目中的作用有哪些？
要了解这个作用，我们先回到设计师看数据的主要场景，总结起来无外乎两类：
一个是因为项目的需求，通过数据的论证，让设计走得更从容，有理有据，而不是设计师自己的YY；
另外一个是日常监测的需求，自己做的产品，总要知道大概有多少人在用，使用的情况如何，用户的行为和预期是否一致。也就是说要了解你的设计被使用的情况，否则你怎么知道设计的好不好，是不是达到了设计目标，是不是真的帮助用户解决了问题。
先来分析下项目中看数据的场景。几乎整个设计的过程都可能会用到数据，概括起来可以把这个过程切分成三部分：
第一部分：设计前数据帮你发现问题所有设计开始之前的研究和分析，都是为了更明确用户的需求，明确为什么要做这个设计？从业务的角度来看，这个产品对公司有何价值，此次设计要达到什么目的；从用户的角度来看，这个产品对用户有何价值，此次设计要为用户解决什么问题；在了解业务诉求和用户诉求的过程中，我们难免要用到数据，这个阶段，数据的作用就是为了“发现问题”，看看设计可以解决什么问题，从而更佳明确设计的目标。
当然具体的工作中，多数设计师都比较纠结，既要考虑业务诉求，又要考虑用户诉求，如果这两者不能完全匹配的时候，我们该咋办，是两者的相加吗？还是我们就只考虑用户诉求，对业务诉求看看就行了。我个人的理解是，现实工作中我们都不是在追求最完美的设计，更多的是在做平衡，如果是一个用户型的产品，比如偏向于为用户提供某个功能的平台，本身就是完全从用户的角度出发，通过为用户提供功能帮助用户解决问题的，应该向用户诉求靠拢多一些；如果是一个商业型的产品，比如偏向于为用户提供某些内容的平台，那么在为用户提供主动查找的入口的同时，可以适度的向着业务发展需求倾斜，做适度的业务层面的引导；当然这个也不是绝对的，往往同一个平台，同一个产品，在不同的发展阶段也有不同的需求，如果是一个全新的产品，业务的生存就变得格外重要，这个时候设计应该多一些考虑业务诉求，先帮助业务生存，否则，这个产品都要挂了，还怎么为用户提供服务呢？
当然，好的设计师总是能在业务和用户之间找到巧妙的平衡，找到二者的交集，举个例子，假如这个产品这个阶段就是要做用户规模，而用户诉求是享受个性化的服务，看似完全不关的两个诉求，实际上我们完全可以通过更好的个性化服务提升用户满意度，获得好的用户口碑，再间接地借助用户口碑提升产品的用户规模，这二者之间并不是完全的不相干，更多的时候看能否找到他们的关联性，抓住阶段性的设计目标。
通过一个具体的例子看看如何利用数据来发现问题？数据代表的是用户的目标、行为和态度，但是单独看一个数字是没办法发现问题的，数据的对比是最简单有效地手段。我们知道交易关系买家所产生的交易对1688网站有着非常重要的意义，我们想提升交易关系型买家的交易体验，但是不知道从何入手，因此做了大量的数据分析。交易关系买家是通过什么方式找到老卖家?不同路径的转化率如何?不同用户查找方式与转化率有什么差异?
首先，通过用户群的细分，我们发现，交易关系买家通过搜索支付订单转化率是搜索整体支付订单转化率的2倍。因此,在搜索结果中增加老买 家标签,方便找到老卖家。
此外，我们还发现，普通会员、1-2星会员等级,是提升交易关系交易的关键用户。 通过以上的数据分析，我们找到了目前主要的一些问题，围绕着这些问题，后续做了优化方案。
第二部分：设计中数据帮你判断思路因为设计师的个人经验不同，创造性思维不同，因此不同的设计师面对同一个问题，解决方案也很可能差别较大，即便是同一个设计师也会想到不同的解决方案，到底哪个方案更合适，有些情况下数据可以给你参考意见，为你提供“判断思路”，协助你做决策；条条大路通罗马，但是哪一条路才是当前最合适的呢？
通过一个具体的例子看看如何利用数据来判断思路？有一个批发类的电商网站（）的频道首页（），我们发现用户的转化率很低，就去研究了数据，然后结合了对典型用户做的用户访谈的结论，最后发现转化率底的原因其实很简单，这个频道的首页入口主要是来源于整个网站的首页，而整个网站的首页是一个全行业品类的页面，用户如果是女装行业的买家，她从一个全品类的首页点击一个链接进入另一个全品类的页面，再艰难的找到女装这个类目，再点击进入List页面查看商品，这个路径是非常深的，那么怎么解决这个问题呢？那就是要避免做女装的用户从网站首页进入这个频道之后还要再次选择女装类目，才能看到女装的商品！
解决这个问题的思路有哪些？可以在网站首页增加入口，让用户直接点击女装类目进入频道首页，给用户展示女装商品；可以在用户进入频道首页之后，根据行业偏好的个性化数据来推荐商品，推荐的不准确，用户也可以去定制；到底哪个更靠谱？两个思路各有利弊，鉴于前一个思路需要有外部依赖，要改动网站首页，所以我们内心都很期望后一个思路能跑通，但是怎么知道这个思路行不行？首先我们需要知道行业的个性化推荐能覆盖多大的人群，又有多少的人愿意去定制行业偏好？
对于普通的网站来说这个可能是一个不够明确的问题，但是是一个会员用户早就过亿的B类电商网站，有着如此庞大的用户规模，较高的用户覆盖率，这就意味着对用户行为数据的积累，再者B类的用户有一个显著地特征就是在一个较长的时间里，行业的偏好相对比较稳定，如果是一个主营女装的买家，那么她的偏好一般会以女装为主，不会超出服装的范围，最多会有少量的服装周边配套的采购。
如上图，通过行业偏好的个性化算法，我们追踪了一段时间来访这个频道首页（）的用户数据，我们发现大约2/3的用户是有着非常明确的行业偏好的，那么这基本可以断定做行业偏好的个性化推荐是靠谱的！但是剩下的1/3用户愿意去定制行业偏好吗？我们当时因为时间原因，无法直接从这1/3无明确偏好的用户中去判断他们是否愿意定制偏好，但是通过整个用户群的问卷抽样调查发现，大约3成的用户表示定制行业偏好是很好的服务，基于这些情况，我们判定基于行业偏好的个性化推荐能够解决绝大部分用户的行业偏好问题，提升了内容的相关性。这个方案最终上线后，实际上有大约10%的人真正找到定制入口并且产生了定制行为，70%的人不用定制，实现了默认的精准推荐。
第三部分：设计后数据帮你验证方案我们的设计方案到底做的好不好呢？衡量标准就是看设计方案是否能够达成设计目标？这也需要数据来量化，通常会用GSM的模型来支撑设计的验证。G（Goal）设计目标、S（Signal）现象信号、M（Metric）衡量指标，所谓的设计目标，就是要确定设计要达成什么结果，要解决什么问题；衡量指标，我们不能凭空猜想，必须建立在设计目标的基础上，先假设设计目标会实现，那么会出现什么现象或信号呢？列举出所有的现象或信号，选择我们可以监控的到的，然后对这个现象或信号产品进行量化，自然就得到了衡量指标，但是指标的波动幅度往往要依赖经验来定。
比如说，某个产品的设计目标是通过设计的引导，让更多的买家产生购买，想象一下，如果设计目标实现了，会有什么现象呢？可能会有更多的人有购买意愿，看了商品详情页，点击了购买按钮等等，最终也产生了购买，那么，衡量指标是哪个？设计只是改变了商品信息的呈现方式，并不能改变商品本身的质量或背后的服务，所以我们应该重点考察设计是否强化了引导，提升了购买意愿，是否激发了用户进一步了解的行为，主要是指浏览行为，最典型的就是到达了商品列表页或者商品详情页等，量化的结果就是看又进一步行为的用户的比例；
通过一个具体的例子看看如何利用数据来验证你的设计方案是否达成设计目标。曾经有一个找产地的功能模块，我们在设计前进行了调研，用户告诉我们他们需要找产地，而且比较习惯于用地图来找产地，我们欣喜若狂，照着这个方向做了个产地直达的楼层，我们坚信用户告诉我们的肯定是对的！但是这样的设计真的能达到帮助用户高效找产地的需求吗？来看下面的数据分析。
用户的目标不是要找产地吗？还告诉我们用地图找产地很符合他们的习惯呢？为什么上线后，用户却不怎么使用这个版块？？？我看到这个数据非常的意外，一时之间根本摸不着头脑，后来再去看了看这个板块的热力图，一下子恍然大悟。通过数据分析得出，地图纵然符合用户习惯，但是才这么狭小的地图上进行如此复杂的操作，其效率是非常底下的，因此将地图找产地的功能保留下来，只是不作为默认的方式，采用了按照热门的、区域的、附近的、可搜索的、地图的方式综合承载，最后取得了较好的效果！
3、如何利用数据做日常监控？
作为一个设计师，你的作品上线后，有多少人用？这些用户是谁？有什么特征？用户具体是怎么在使用你的产品的？你的设计是否还有优化的空间？如何才能为用户打造更好的使用体验？怎么才能知道这些数据好不好，有没有问题呢？主要是靠比较、靠经验，靠对这个产品长期跟进产生的直觉，只有在对这个产品非常熟悉的前提下，你才有可能对数据的变化给予比较靠谱的解读。
日常监控中用于发现问题的主要手段就是做数据的对比，但是如何具体的作对比呢？主要有三种最常用的最简单的对比方式：a、横向比较，和类似的产品去比较，看相对的状况，进而推测出自身是否存在问题；b、纵向比较，和自己的过去比较，看看从历史的发展规律中是否能得到某些启发，主要是看自身的变化趋势；c、用户细分，这个就是把用户按照不同的分析需要，拆分来之后来看数据，看看各个群体之间的差异在哪里，有没有一部分用户和其他用户表现出不同的行为，进而找到问题所在。当然除了这三种常用的对比之外，我们还可以做一些配套的定性研究，进而把问题搞得更透彻。一些统计学的工具有时候也能起到作用，比如说用SPSS做数据的因子分析、聚类分析等等，也可以有一些意想不到的收获。
4、数据不是核心价值，你才是！
说了这么多，我并不是要强调数据有多么的万能，但是在互联网领域，任何一个具有一定用户量的的产品，你都不得不去了解数据，这些数据中有一些是宏观的，作为设计师我们可以当做是背景知识，应该去了解了解，但是设计师更多的是应该关注用户的目标、行为和态度等相关的数据，关注那些微观的、和用户、和设计方案息息相关的数据，这样才能更好的了解我们的用户，了解用户对我们的设计方案的反馈，以帮助我们更好的发挥自身的价值！
via：互联网那点事
呵呵，关注这个号的人运气不会太差
本文来自微信公众账号提交，由微讯啦收录，转载请注明出处。
微信扫码 分享文章百度、阿里都来参加的大数据比赛，最大亮点是什么？--百度百家
百度、阿里都来参加的大数据比赛，最大亮点是什么？
分享到微信朋友圈
其实，从这个比赛也能看出国内大数据创业的状态，国内在很多方面一点不比国外差了。那么具体来看看，为什么这么多企业都来参与，这个比赛可以让人才得到哪些锻炼，对产业链有什么价值？
编者按：1月10日，在中国科学院大学举办了一场“中国好创意”CCF全国青年大数据创新大赛，小编第一次来这里是2012年，参加一本译介大数据领域的书籍发布会，那时候大数据只是个概念，如今已经进入应用热潮期。闲话不多说了，看看这个大赛的价值。
我们说现在全国做大数据的公司有300家之多，要么是有数据，要么是有技术，或者有解决方案。但这毕竟是个新领域，大数据人才还是非常匮乏。
培养人才的背景下，这个大赛在2014年就开始举办了，今年已经是第三届，而且规格越来越高，参加的有核心代码贡献能力的企业和高校团队也越来越多。
其实，从这个比赛也能看出国内大数据创业的状态，国内在很多方面一点不比国外差了。那么具体来看看，为什么这么多企业都来参与，这个比赛可以让人才得到哪些锻炼，对产业链有什么价值？
先来说说，这个平台在行业内有多大影响？
简单来看，这个大赛作为一个平台，让众多创意团队亮相，“中国好创意”俨然又是一个中国好声音。但深入来看，对企业来说，不仅是数据挖矿，还是人才挖矿；对学生创业，也是实践指导，毕竟新技术领域，眼界很重要，观察此次参赛队伍能力上参差不齐，通过比赛的形式，互相交流的确可以学习锻炼下。
全球来看，真正的大数据竞赛做的都不多。也许是大家都看到这个平台的价值，大赛从2014年开始举办三届中，影响力越来越大，科研所和核心企业都已经参与。
数据为证，据介绍，今年共有1438支队伍参赛，参赛人数近6000人。都是来自哪里呢？
其中，77%来自全国131所高校和科研院所，涵盖了大部分985与211院校；
23%的参赛队伍来自30多家企业或自由职业者，包括百度、阿里巴巴、美团、亚信数据互联网和IT界企业，也有中国建行、中国农行、中国平安、长虹等传统行业企业。还有来自美国、英国和新加坡等境外10支参赛队伍。
“规格很高”还表现在，今年有网信办直接的指导和支持，有易班、中关村大数据产业联盟、清华大学，以及计算机学会大专委合作推动。
从大赛中，也可以看到国内大数据创业环境的热度，对比美国来说，国内搞得深度和规模都是很大的。
从应用角度来说，中国应用比美国多，已经进入了应用热潮期。比如深圳，几乎是从政府到各行各业都在试图用大数据，包括政府推动也是比较强的。
技术方面，中国稍微落后一点，因为大数据主要是开源的，不过现在国内也正在抓紧组建，比如有技术核心的CPT和CMT、SBKCPT。中国在开放这块，企业和高校之间也越来越直接的合作。这种大数据的竞赛也是一种开放式创新，通过参加开放式的创新能够更好的协作。
从人才角度来说，在答辩环节，评委们总在提醒参赛者的展示能力。因为国外人才更擅长演讲，参加的培训比较多，对比来看国内高校人才这方面能力明显不足，而这也需要多参加比赛积累经验。值得注意的是，比赛中还有本科生参与，自己研究深度学习，所以说，国内在基础人才的方面，比国外是有优势的。
从大数据热点和问题来说，现在大数据创业热点，总体来说2C比较多，尤其是在线教育方面；2B方面，政府也有很多需求。2015年《大数据行动纲要》已经发布，明显可以看到是地方推动中央的趋势，比如上海、贵州、武汉都在出各种政策。
而此次比赛中，各大公司出了13个题，涉及各个行业的很真实的问题，难度系数很大。因此，大数据不仅是对计算机领域，是需要跨行业人才的领域，比赛中，有学法律的学生在也做这方面项目。
李国杰院士和梅宏院士为获得综合特等奖的中国科学技术大学hczh队颁奖
小编全程以观众角度来看， &发现对于学生而言，对大数据领域很有热情，但大多是自学成才。企业可以给哪些实践指导，怎么去落地呢？比如亚信科技出的两个题，学生有一些好的想法，但是受限于一些条件没有实现。所以，亚信科技介绍，他们在后续还会互动，有导师来指导，进一步合作。
这也涉及大数据领域最近很火的“共享经济”概念，不仅是数据共享，也涉及人才复用，而大学生更容易参加到这种共享经济中。
通过这个平台的锻炼，就是要思考，怎么做一个随时的、不间断的平台，让这个群体更壮大？
其实，在比赛中也会发现很多活生生的，供给方和需求方在大数据方面的困惑。除了数据缺乏，在创意、技术上面也需要很多合作。因此，大赛不仅是人才来创业、学习，也是企业技术问题求解和数据众包平台。
可以发现，不管是高校还是企业，现在国内心态越来越开放，希望数据共享。而且从企业开源的角度，也更喜欢这种生态圈的互动方式。因此，平台在代码贡献方面，也由单纯比赛到锻炼人才过渡，吸引了有更多的贡献核心代码能力的一些人参与。
比赛中由百度、中国联通、中国移动、阿里、海量、亚信数据、中科曙光、华大基因、国双科技、拓尔思、京东集团、华院数据、明略数据、中华网等十余家企业出题出了13个题，而且出的问题是企业发展中需要解决的现实问题。 在数据打通方面，政府和企业都已经意识到要加强合作。
在交流思想中还可以得到很多启发，学生可以提供很多有创意的思路；企业间也会提出一些具体的数据共享的需求。比如运营商数据很富足，但是受传统思想束缚，怎么有好想法，把数据应用的更好？这就涉及跨界的壁垒，运营商本身不知道其他行业需要什么数据服务。因此，可以说，这也是平台对大数据生态链的价值所在。
阅读：1160
分享到微信朋友圈
在手机阅读、分享本文
还可以输入250个字
推荐文章RECOMMEND
阅读：6174
热门文章HOT NEWS
高通的服务器梦想或已被华为截胡
陶志波 柯尔特
百度新闻客户端
百度新闻客户端
百度新闻客户端
扫描二维码下载
订阅 "百家" 频道
观看更多百家精彩新闻大数据可能是近一年来最时髦的词了，大数据真正的本质不在于“大”，而是在于背后跟互联网相通的一整套新的思维。大数据跟传统的数据最大的差别在哪呢？
1.在线。首先大数据必须是永远是在线的，而且在线的还得是热备份的，不是冷备份的，不是放在磁带里的，是随时能调用的。不在线的数据不是大数据，因为你根本没时间把它导出来使用。只有在线的数据才能马上被计算、被使用。
2.实时。大数据必须实时反应。我们上淘宝输入一个商品，后台必须在10亿件商品当中，瞬间进行呈现。如果要等一个小时才呈现话，我相信没有人再上淘宝。十亿件商品、几百万个卖家、一亿的消费者，瞬间完成匹配呈现，这才叫大数据。
3.全貌。大数据还有一个最大的特征，它不再是样本思维，它是一个全体思维。以前一提到数据，人们第一个反应是样本、抽样，但是大数据不再抽样，不再调用部分，我们要的是所有可能的数据，它是一个全貌。其实叫全数据比大数据更准确。
这是大数据的三个本质，在线、实时、全貌。
大数据的3个典型特征
为了让大家对大数据有更多的理解，我再把它展开跟大家讨论一下。大家做企业，最容易想到的两个数据应用，一个是市场调研，派个市场公司或市场部门做一个调查，去看下各公司什么反馈。第二个就是商业智能BI、数据挖掘，查看数据经营的报表。这是最传统的两个数据应用。这样的数据应用有几个典型特征：
1.要知道准备达成的目标，从而主动收集这些数据。由于每个企业的计算能力跟成本不一样，数据数据保留多少时间、哪些数据能用，是有所不同的。而大数据是实时的记录数据。原则上，任何人上任何一个网站、做的任何事情，所有事情都会被记录下来，没有人事先做区分。所以大家不再去问，是数据就记录下来，所以这是第一个差别。
2.参与的人不再是有意识的参与，而是无意识的参与，你是为自己的利益在做事情。你用一次搜索，你就参与了谷歌的大数据搜集，因为你的每次点击就是一个数据来源。如果让你参加一个市场调研，80%的情况下你会拒绝，15%的情况下你可能会要求某种意义上的补偿。很少有人愿意主动的参加市场调研，因为对你来说是个负担。但是线上的大数据对绝大部分人来说，完全是一个无意识的、自利的行为。我上淘宝就是为了买东西，我上微博是为了看新闻，我上百度是为了搜索，你都是为了自己利益而触发的一个无意识的行为，但这个无意识的行为，都为大数据做了贡献。
3.一个是单向，一个是双向。我们以前做的数据分析也好，都是先假定一个目的，然后拿到现成的数据，分析行为，来测试我的猜测。这些都是有一个单向的主导。大数据本质上一定是双向的，就像搜索，你点击搜索引擎点击的时候，你是给它输入了数据，它给你的结果就是它与你的互动，就是它带给你的数据价值。这个大数据本身也在随时为你创造价值，这样的话就变成一个双向互动的正循环，双方都给对方贡献了数据价值。任何大数据应用，如果在设计时就没有这种双向、互利的正循环的话，是跑不起来的，本质上就不是大数据。
大数据应用，反应速率才是关键
最后，我还想强调的是反应速率——大数据的数据价值越大，它的反应速率就要越高。比如说谷歌的搜索，你输入一个关键字看到的结果，跟一个小时以后再输入同样的关键字得到的结果，很可能已经不一样了。因为它已经把一个小时内全球所有的点击重新计算了一遍，然后把信息做了结果优化再反馈给你。
所以，大家可以想想看，反馈的速度越快，它创造的价值越大，消费者参与的动机就越大。数据越跑越大、反应越来越快、结果越来越好、用户参与会越来越大，才能变成一个黑洞效应。这是我想讲的大数据的核心概念。via:天下网商
口述/阿里巴巴总参谋长 曾鸣
转载请注明来自36大数据（)： &
除非特别注明，本站所有文章均不代表本站观点。报道中出现的商标属于其合法持有人。请遵守理性，宽容，换位思考的原则。　　今年夏天，数据分析师在对阿里巴巴内衣销售数据分析后发现，购买大号内衣的女性往往更败家。　　在将这些内衣购买者的消费数据进行整理后，分析师发现，65%B罩杯的女性属于低消费顾客，而C罩杯及以上的顾客大多属于中等消费或高消费买家。　　　　事实上，在阿里巴巴每天上百万的订单量中隐藏着许多类似的大数据。　　今年双11，阿里巴巴最多每分钟收到285万单交易信息，总销售额高达93亿美元。这展现了阿里巴巴强大的数据处理能力。　　阿里巴巴副主席蔡崇信表示，这只是冰山一角。阿里巴巴对数据的利用率不足5%。这些数据将让网站变得更有效，让顾客更满意。　　在双11，阿里巴巴的数据团队和运营团队利用大数据来提升网站的效率。　　阿里巴巴关注消费者如何进行支付，以及是否在移动端上完成支付。由于在移动端上落后于对手腾讯，阿里巴巴近期努力推广移动端业务，并计划最终让支付宝上市。　　阿里巴巴、亚马逊和日本的Rakuten都利用大数据来提高效率。拥有大量未经充分研究中产阶级的中国被认为是世界上最重要的数据市场之一。　　阿里巴巴的创始人马云表示，数据挖掘将是阿里巴巴的优先战略。去年，阿里巴巴组建了800多人的数据平台团队。　　阿里巴巴副主席蔡崇信向美国财经博客Quartz表示，　　下一步，阿里巴巴将利用大数据进入金融、医疗等看似与其本业不相关的领域。自2010年起，阿里巴巴已经利用其数据建立信用记录，向小微企业提供融资。　　阿里巴巴的竞争对手京东在今年双11收到了1400万张订单。这些数据可以帮助京东决定未来的库存构成。　　京东资深国际交流主任Josh Gartner表示，　　当你能在一天获得1400万订单数据时，这将对你的策略十分有帮助。　　但数据有时也具有迷惑性。京东发现，iPhone 5的销量在今年双11高于平时销量9-10倍。Gartner不知道其背后的原因。而在2012年的双11，阿里巴巴发现，在中国比基尼销量最高的地区是并不沿海的新疆。
楼主发言：4次 发图： | 更多
　　原文出处：/news/.html
　　不一定吧
　　大数据领域最新的商业模式，是数据分析、电子商务、互联网络营销领域的重要基础课程。通过本课程的学习您将能学习到大数据技术基本原理，大数据对现有商业模式的影响，以及基于大数据思维产生的新商业模式及商业机会等知识。大数据技术，随着人类社会数据大爆炸应运而生，他的出现是信息技术领域，软件和硬件的完美结合。利用大数据技术改造原有商业形态的价值链，进而对现有商业形态进行改进、升级、创新甚至颠覆，已经成为了一股浪潮，对现在的商业领域产生了巨大的影响。　　在这个大数据时代，推荐学习《大数据技术下的新商业模式》免费课程/course/5620
　　大数据领域商业模式，自己也要整理很多数据，所以也学数据分析类的课程
　　数据是可以骗人的. 　　应该是这样:
大胸女人比平胸女人嫁的老公平均更有钱, 所以她们花钱就更大手. 　　^=^
<span class="count" title="
请遵守言论规则，不得违反国家法律法规回复(Ctrl+Enter)没有大数据业务 也学点大数据思维--百度百家
没有大数据业务 也学点大数据思维
分享到微信朋友圈
随着物联网、云计算和移动互联网的发展，人类拥有的数据量还将几何级数增长。基于大数据，会出现很多颠覆我们想象的业务模式，我们大多数普通人或能享受这种创新带来的应用，但很难成为商业模式的创新者。不过，在日常工作和生活中，学着实用些数据工具，多些数据思维和意识，也可能会多些收获呢。
大数据这个词，差不多也是红的发紫的一个概念了。最新关于大数据的故事，是美国电视剧《纸牌屋》的成功，据说，纸牌屋是基于Netflix的网站观看和搜索行为数据分析选择的剧本，这保证了电视剧符合更多用户的口味和兴趣。连美国总统奥巴马都在twitter上凑热闹“明天纸牌屋回归，请大家不要剧透”。
纸牌屋这个剧，我没看过，不过，基于大数据的方式做电视剧的传奇，再加上美国总统的煽风点火，足以让媒体兴奋了。我注意到中国的各种媒体、自媒体都在争论一个话题，用大数据分析拍电影，是否真的靠谱?大数据对于纸牌屋，是影视制作工具还是炒作工作?
我无意讨论纸牌屋成为一种媒体现象背后的故事，只是想借这个故事提醒大家:如果你的公司或工作，没有资源和机会成为大数据公司或者大数据的业务模式，那么也尽量学点大数据思维吧!
这两年，大数据成为了互联网领域的热点，甚至是互联网思维的核心思想之一，各种关于用大数据颠覆传统业务模式的故事层出不穷。
去年央视的3.15晚会上，曝光了几家涉嫌“侵犯”用户隐私的网络广告公司，据说业务模式就是基于搜集和分析互联网用户的网络行为数据，然后精准的投放广告。以前广告界有句玩笑说：我知道我投的广告浪费了一半，但不知道哪一半浪费了，相比传统悲催式的广告投放，对广告主来说，这种广告方式的诱惑力确实难以抵挡。难怪那几家刚成立不几年的新兴公司，就能入了央视3.15晚会的法眼了，你懂的。
阿里巴巴的小额贷款业务模式，也是基于大数据的一种创新金融模式。小微企业大多没有足够的抵押物，银行不肯给它们贷款，但阿里巴巴可以通过它们在支付宝平台的交易数据，来决定是否给它们贷款。据说，最快的审批，5分钟就可以完成，这足以让传统的银行业的决策流程乍舌。
纸牌屋是大数据颠覆影视制作业的故事，阿里小额贷是大数据颠覆银行业的故事，精准网络投放是大数据颠覆传统广告业的故事。大数据的思想方法，让人们渐渐明白了，原来足够多的数据信息，可能成为无价之宝，能催生和变革很多新的商业模式。不过，你也许觉得拥有那么多的独家数据太难了，再开发出新的商业模式颠覆传统更不容易。我想说的是，其实，大数据也可能是我们工作和生活中的思维工具和方法，不一定那么神秘的。
今年春节前夕，百度地图推出了“景区热力图”，众多热点商业区的人流量，被用以热力图的直观方式显示，这是一种大数据思维下的公共服务产品，或许对商业选址、旅游出行都有指导意义。
2001年，我从传统报纸转到互联网工作之后，每天会看网站后台的流量来源，发现有个叫Google的网址，给我当时所在的网站带来的流量越来越多，当时我知道了Google这种网站的流量价值;2004年，我发现baidu带给我所在的网站流量，超过了Google，我知道百度崛起了。2011年，我看到了位于速途网前列的流量来源中，出现了.cn，我知道需要重视微博了。这些不都是数据思维给出的启示吗?
最后，再讲个关于林彪的大数据故事吧。据说林彪打仗时，每天必要求汇报各部战况和缴获情况，歼敌多少、缴获多少、长枪、短枪…数据枯燥而无聊。辽沈战役时的某天，仍旧是枯燥的数据汇报时，林彪童鞋忽然问，胡家窝棚的战役缴获中，为什么短枪与长枪的比例更高些?为什么小车与大车的比例更高些?….然后，他从这些数据断定，胡家窝棚就是敌人的指挥所，命令部门追击从这里逃出的敌人，最后的结果大家都知道了，林彪用大数据的思维，活捉了国军大将廖耀湘。
范氏途说乱曰：随着物联网、云计算和移动互联网的发展，人类拥有的数据量还将几何级数增长。基于大数据，会出现很多颠覆我们想象的业务模式，我们大多数普通人或能享受这种创新带来的应用，但很难成为商业模式的创新者。不过，在日常工作和生活中，学着实用些数据工具，多些数据思维和意识，也可能会多些收获呢。
阅读：11569
分享到微信朋友圈
在手机阅读、分享本文
还可以输入250个字
推荐文章RECOMMEND
阅读：3273
阅读：4258
热门文章HOT NEWS
高通的服务器梦想或已被华为截胡
陶志波 柯尔特
百度新闻客户端
百度新闻客户端
百度新闻客户端
扫描二维码下载
订阅 "百家" 频道
观看更多百家精彩新闻}