【书评】阿里巴巴车品觉:11个维度解读大数据
新零售背景下传统零售业转型升级的策略探讨
新零售背景下传统零售业转型升级的策略探讨目录一、内容概览 (3)1.1 背景介绍 (4)1.2 研究意义 (5)1.3 研究方法与数据来源 (6)二、新零售的发展现状与趋势 (7)2.1 新零售的概念与特点 (8)2.2 新零售的发展历程 (9)2.3 新零售的发展趋势 (10)三、传统零售业面临的挑战与问题 (11)3.1 技术革新压力 (13)3.2 市场竞争加剧 (14)3.3 消费者需求变化 (15)3.4 经营模式转型困难 (16)四、传统零售业转型升级的策略探讨 (17)4.1 以消费者为中心的产品与服务创新 (19)4.1.1 个性化定制 (20)4.1.2 增值服务 (21)4.2 销售渠道优化与拓展 (22)4.2.1 多元化线上线下融合 (24)4.2.2 跨境电商 (25)4.3 数据驱动的精准营销 (27)4.3.1 用户行为分析 (28)4.3.2 数据化决策支持 (29)4.4 组织架构与流程再造 (30)4.4.1 供应链协同管理 (31)4.4.2 精简高效的运营体系 (32)4.5 创新商业模式探索 (33)4.5.1 社交电商 (35)4.5.2 无人超市 (36)五、案例分析 (37)5.1 阿里巴巴集团新零售实践 (38)5.2 京东无界零售探索 (39)5.3 其他行业传统零售企业转型升级案例 (41)六、政策环境与影响因素分析 (42)6.1 政策支持与引导 (43)6.2 市场竞争机制 (44)6.3 科技创新推动 (46)七、结论与展望 (47)7.1 研究总结 (48)7.2 研究不足与局限 (49)7.3 对未来发展的展望 (50)一、内容概览随着互联网技术的飞速发展和普及，以及人工智能、大数据等前沿技术的广泛应用，“新零售”这一新型商业模式应运而生，并迅速崛起，成为当今零售行业发展的新趋势。
新零售以消费者为中心，通过整合线上线下的资源，优化消费体验，实现零售业的升级和转型。
如何看待中国汽车后市场连锁的未来
栏目编辑：张淑珍*************************2020/10·汽车维修与保养81Expert corpus◆文/江苏 徐向东如何看待中国汽车后市场连锁的未来徐向东天猫养车招商部总监、中国汽车维修协会常务理事、中国汽车维修协会连锁工委副主任、中国汽车工业协会汽车后市场维修分会常务副会长、九易汽车服务连锁创始人及CEO。
自2014年国务院十部委联合发布186号文，对汽车后市场转型升级提出了意见和建议后，汽车后市场发生了颠覆性的变化。
东哥也总结了几个关键热点时期，即：2014年是联盟热点、2015年是资本热点、2016年是连锁热点、2017年是平台热点、2018年进入迷茫热点、2019年是品牌中台热点，热度最高的时期是2014-2017这三年。
2016年以来连锁一直是汽车后市场的热点，市场数据确实让各方看到了行业巨型蛋糕，但想分割却很难。
自了解考察了欧美及日本汽车后市场行业状况后，2012年前东哥一直在思考这样一个问题：中国汽车后市场行业的现状是否符合汽车后市场未来的发展要求？目前汽车后市场门店脏乱差、老板的质量与服务意识淡薄、员工技术水平与素质低下，造成了2B与2C两方均不认可。
另外，门店孤独的封闭式经营也导致了资源有限。
下面东哥根据自己的经历，谈谈他走过的从联盟到连锁的路径，分析连锁发展的关键要素，以及中国汽车后市场未来的连锁发展。
一、发展联盟借助其他行业联盟的经验，东哥以汽修联盟创始人的身份，经过调研沟通后，联合了在张家港布局市区各乡镇行业中排名前15位的优秀维修企业，完全按照民政部针对行业协会的考核标准，在张家港汽修市场成立了当时全国独有的汽车后市场行业汽修诚信联盟。
该联盟启动后，定位宗旨明确。
成立联盟的当时，即明确了核心要素的三个定位(定章程、定架构、定执行)与一个整合(资源)。
图1是联盟成立之初设立的整体构架和运营执行的构想。
通过半年的运营，张家港联盟有效地整合了维修企业单项痛点资源，即配件与保险业务。
阿里巴巴的诊断工具六个盒子
阿里巴巴诊断组织工具“六个盒子”有很多组织发展的研究认为，未来的组织形态会偏个体化、个人化，小企业会越来越多。
对此，我的判断是相反的，从阿里整个组织成长的轨迹来看，未来一定会出现更多超级组织。
为什么会给出这样的判断？首先，回到战略的大图景下，组织会有相应的HR战略大图，具体可分为组织的心力、脑力、体力。
心力是什么？是使命和文化，让组织有强大的驱动力往前跑。
脑力是什么？组织本身有实现目标的能力。
体力是什么？是组织的结构、流程、机制。
心、脑、体整个是为了激发组织能量，让整个组织都是围绕使命和愿景而努力。
在此工具思维的前提下，组织的架构师要对整个组织作一个全面的把握和诊断，我们叫“望闻问切全局思维”。
当了解组织整体状况以后就要对它提前引导，有经验的HRD们为了在业务上保证方向的一致，一般会用到两个工具方法：一是战略协同工作法，“共创”和“通混晒”；二是团队成长工作法，包括业务复盘和review；最后，通过文化去修炼心法。
让组织有一致的使命、愿景、价值观，由文化和政委体系打造。
那么，在实施业务战略和组织战略过程中，阿里究竟使用了哪些打造组织能力的工具和方法？一、诊断组织健康的“六个盒子”“六个盒子”是阿里用来诊断组织究竟健康与否的典型工具，具体表现在以下六个方面：第一，目的和目标公司或团队经常会定KPI，比如今年业绩要达到1个亿，背后的目的到底是什么？这是最关键的。
回到本源，还是在回答“我们为谁创造什么价值？”这个命题，其实就是在谈使命。
在阿里做业务，基本上每个人都谈客户价值。
追求利润是销售人员的天职，但作为技术人员也在想这个问题，这家公司是不会长久的。
阿里是一家以运营为特色的公司，这是它业务为什么那么强大的原因。
要打几个爆点，让爆点去带动整个业务往前跑，即所谓的运动战。
这里面有三个衡量，一是目标是否清晰、是否明确。
二是目标上下和左右是否一致。
三是大家对目标是不是兴奋。
比如有些残疾人通过淘宝就业，甚至做得很大很成功，淘宝年会上邀请他们，员工看了很感动，就会很认同自己的努力是为客户创造更多的价值。
俞军产品方法论12条
俞军产品方法论12条
嘿，咱今儿来聊聊俞军产品方法论的那 12 条！这可真是个宝啊！
你看啊，这第一条就像是给产品盖房子打地基，得扎实！要是这第
一步都歪了，那后面不就全乱套啦？就好比走路，一开始方向就错了，那还能走到想去的地儿吗？
第二条呢，就像是给产品穿上合适的衣服，得符合它的气质和功能呀！不能随便找件衣服就往上套，那多别扭呀！
第三条呀，就好像是给产品找朋友，得找对路的，能一起玩耍一起
成长的，这样产品才能越来越棒！
第四条呢，就跟给产品做饭似的，各种调料得搭配好，多了少了味
道都不对，得恰到好处才行。
第五条，哎呀，这就像是给产品规划路线图，得清楚明白，不能走
冤枉路呀！
第六条，好比给产品注入灵魂，没有独特的魅力怎么能吸引人呢？
第七条，就像给产品找个好教练，能指导它不断进步。
第八条，这可是关键啊，就像给产品找个舒适的家，环境不好它能
待得舒服吗？
第九条，那就是不断给产品加油打气，让它有动力往前冲呀！
第十条，就如同给产品照镜子，得知道自己啥模样，才能更好地改进呀！
第十一条，是让产品不断学习新知识，不然就跟不上时代啦！
第十二条，哇，这简直就是给产品的终极考验，能不能经得住市场的风吹雨打，就看这一条啦！
这俞军产品方法论的 12 条，每一条都那么重要，都那么有意义！咱做产品的可得好好琢磨琢磨，好好运用，可别不当回事儿啊！这就像是武林秘籍，掌握好了就能在产品的江湖里闯出一番天地来！你说是不是？咱可得把这些宝贝方法用起来，让咱的产品闪闪发光呀！。
大数据技术和标准化共80页文档
16
二、标准体系框架
25
三、《信息技术 大数据 术语》
• 大数据生命周期模型 lifecycle model for big data 用于描述大数据的“数据 – 信息 – 知识 – 价值”生命周期和指导大数据相关活动的模型 ；这些活动主要由收集、准备、分析和行动等阶段覆盖。
注：几个阶段的主要活动如下：
a.收集阶段——采集原始数据并按原始数据形式存储； b.准备阶段——将原始数据转化为干净的、有组织的信息； c.分析阶段——利用有组织的信息产生合成的知识； d.行动阶段——运用合成的知识为企业生成价值。
数量 Volume
多样性Variety
速度Velocity
多变性variability
构成大数据的数据集的 数据可能来自多个数据
规模。
仓库、数据领域或多种
Volume
数据类V型o。lume
单位时间的数据流量。 大数据其他特征，即数
量、速度和多样性等特
Volume
征都处V于o多lu变m状e态。
24
三、《信息技术 大数据 术语》
. . .
平
据
台
描分质 述类量 模方模 型法型
数 评据 估溯
源
收 集
预 处 理
分 析
可 视 化
访 问
. . .
平 台 基 础 设 施
预 处 理 类 产 品
ai产品经理评价指标
ai产品经理评价指标AI产品经理评价指标随着人工智能技术的迅速发展，AI产品经理的角色变得越来越重要。
在评价AI产品经理的工作表现时，必须考虑到以下几个关键指标。
1. 产品规划能力一个优秀的AI产品经理应具备出色的产品规划能力。
这包括明确产品目标和愿景、制定详细的产品路线图、合理设置里程碑和优先级，以及有效管理产品开发的各个阶段。
同时，产品规划还需要考虑市场需求、竞争对手和技术可行性等因素，确保产品在市场中具有竞争力。
2. 用户需求分析能力AI产品经理需要深入了解用户需求，通过与用户沟通和调研，把握用户痛点和需求。
他们应具备良好的用户研究和数据分析能力，能够通过数据和用户反馈指导产品优化和迭代。
同时，AI产品经理还应密切关注市场动态，紧跟技术发展趋势，及时调整产品策略以满足用户需求。
3. 技术背景和理解能力作为AI产品经理，理解人工智能技术的基本原理和应用场景是必不可少的。
他们需要与技术团队密切合作，理解技术的可行性和局限性，能够与工程师进行有效的沟通和协作。
同时，AI产品经理还应持续学习和关注最新的技术发展，以保持对技术趋势的敏感度和专业性。
4. 项目管理能力一个成功的AI产品经理需要具备出色的项目管理能力。
他们需要能够合理安排资源、制定明确的目标和计划、有效地分配工作、跟踪进度，并及时解决项目中的问题和风险。
良好的项目管理能力可以确保产品按时交付，并保持高质量的标准。
5. 与团队合作能力AI产品经理需要与跨部门团队合作，包括设计师、工程师、销售和市场团队等。
他们需要具备良好的沟通和协调能力，能够有效地与团队成员合作，推动产品的开发和上线。
同时，他们还需要具备领导能力，能够激励团队成员，共同实现产品目标。
6. 市场竞争力一个成功的AI产品经理应该具备敏锐的市场洞察力和竞争意识。
他们需要不断跟踪市场动态，了解竞争对手的产品和策略，并能够根据市场需求和竞争情况做出相应的调整和优化。
同时，他们还需要能够通过市场推广和品牌建设等手段提高产品的知名度和竞争力。
车品觉：数据交易不是买卖沙发，他敢卖你敢买吗
车品觉：数据交易不是买卖沙发，他敢卖你敢买吗过去三四年中，大数据以极快的速度从概念走入现实，深度嵌入到了经济社会中的方方面面。
回望来路，大数据究竟给发展带来了哪些切实的机遇？面向未来，政府治理究竟该如何适应这一新的科技革命？就上述问题，近日，笔者专访了大数据领域的知名专家车品觉先生。
希望本次专访的内容，能够对大数据的继续发展提供讨论的火花。
车品觉先生现任中国计算机学会大数据专家委员会副主任、浙江大学管理学院客席教授等职。
车品觉先生于2010年加入阿里巴巴集团，担任阿里巴巴集团副总裁、阿里巴巴集团数据委员会会长，负责阿里大数据体系的整体规划。
2016年4月，车品觉先生由阿里巴巴集团去职，加入某知名投资机构，其视野也从一个大公司的内部运作转向全社会的创新创业生态体系。
本次专访内容较多，为便于微信阅读，我们分为三篇刊发，第一篇谈大数据发展的最新趋势，第二篇谈政府和企业在大数据流通中应当注意的问题，第三篇谈政府在大数据发展中应当扮演的角色。
本文为第二篇。
有些政府部门没有想清楚自己为什么要收集数据问：“数据关联越来越多，人工智能越来越发展，势必会激发出大量创业公司的出现，大企业当然也会受益，也就是您所说的一个生态系统的形成。
这显然也给政府带来了挑战，因为政府以前主要治理小数据，但是在这个大数据的生态中，政府应该做怎样的调整来刺激这个新生态的发展？”车品觉：怎么来治理整个生态，这是一个蛮有意思的问题。
中国现在有一个比较有意思的课题，就是数据资产。
政府绝对是拥有数据资产最大的机构，但是今天中国对数据资产的理解太浅，有点不够重视。
有些政府部门没有想清楚自己为什么要收集数据。
我认为，政府部门对数据资产停留在想要有多少就有多少的阶段。
这是很小数据时代的思维：占有数据，控制数据。
其实只要有好的策略，政府拿到的数据会越来越多。
但是我要说的是，你拿的数据多了，对社会的责任也就多了。
如果你拥有这么多数据，你又不去用，那你干吗收集？但是如果你把这些数据分享出去，人家又会说泄露隐私。
俞军产品12条
10，如果不确定该怎么做，就先学别人是怎么做的。
竞争对手永远是最好的老师，他们是市场的先行者，研把用户当作傻瓜，不要让用户思考和选择，替用户预先想好。
让用户忘记思考，把什么东西都为用户想好。
4.追求效果，不做没用的东西。
一个产品最终的目的还是为了达到某一目标，实现其效果就可以了，不要华而不实，偏离中心。
5.发现需求，而不是创造需求。
在设计产品的时候去发现用户的需求，去适应用户，而不是让用户适应你。
6.决定不做什么，往往比决定做什么更重要。
产品的设计的过程中，会有很多离中心设计思想无关的工作，做的是要确保中心主题。当然很多的时候我们也要对产品进行调研，达不到盈利效果的就不要去做，这样是浪费金钱和精力。
2.站在用户角度看待问题。
自己也一直在强调，一个人在做网络营销之前，最好先去当一下客服，这样才能更好的了解客户想要什么。作为一个PM所做产品应该对用户直接负责，真正的站长用户的角度去解决问题。
3.用户体验是一个完整的过程。
在前文中也提到了一个基于用户购买的AIDA模型。对于用户来讲从开始注意到最后购买是一个完整的过程，在这个过程中用户的一个体验性不仅仅是网站内的部分，更在网站之外，如电子商务中的电话咨询，发货方式以及售后服务等每一个环节都计有着深厚的见地，其总结的俞军12条，深深地影响着一代PM。以下是俞军12条原文并附个人思考：
1.PM首先是用户。
PM首先是要自己的产品的忠实用户，自己亲自体验一下产品感受，做到让自己满意。如果产品连自己的PM都不喜欢，就不谈去征服客户了。打动别人之前，先打动自己。
7.用户是很难被教育的，要迎合用户，而不是改变用户。
将盛群力教授新发给我们的一份资料供大家学习
将盛群力教授新发给我们的一份资料供大家学习，酝酿把自己参加三表学习教学设计研究的辛勤劳动转化为文字成果。
期待！钱银星工作室2010.1.15为培育创意品质而设计教学浙江大学教育学院盛群力*一、培育创意品质创意教学设计旨在培养儿童青少年创新创业能力。
创新创业能力从小开始抓起，这是完全必要的。
只要看一看新开张的杭州市青少年发展中心―嘟嘟城‖之火爆就可以了。
创新创业能力究竟有哪些重要的品质呢。
以下主要介绍几个国际上最新的研究供老师们参考，因为从本质上说，这些品质均是要通过一堂堂课，一项项活动去落实的。
如果我们对这些品质本身不了解的话，那就容易落入为活动而活动的陷阱。
（一）马扎诺“思维的维度”指标国际上对高层次认知能力或者解决问题能力的研究，马扎诺（Robert, J. Marzono）是比较突出的一位。
他在20世纪80年代开始，就着手致力于―思维的维度‖（dimensions of thinking）之研究，后来拓展为―学习的维度‖，一直到2007年，他提出了新的教育目标分类框架。
马扎诺提出的―核心思维技能‖（Core Thinking Skills），包括以下几个方面：1.聚焦技能（focusing skills）－－引导选择信息的方向：（1）界定问题：澄清问题的情境；（2）提出目标：明确方向和目的。
2.收集信息技能（information gathering skills）－－获取相关的信息：（1）观察：通过一种或几种感觉渠道获取信息；（２）形成问题：通过形成问题来寻求新信息。
3.记忆技能（remembering skills）――储存和提取信息：（1）编码：在长时记忆中储存信息；（2）回忆：从长时记忆中提取信息。
4.组织技能（organizing skills）－－对信息进行安排以便能有效使用：（1）比较：指出两个以上事物的异同；（2）分类：将有共同属性的事物归为一类；（3）*盛群力（qlsheng57@），浙江大学教育学院教授，主持国家精品课程《教学理论与设计》（），主要研究专长教学理论与设计，曾获全国普通高等学校优秀教师“宝钢奖奖”（2001）。
车品觉：大数据的精髓就是让数据跟着人走
天下网商 ? 2014-03-26 10:10
摘要： 大数据已经从概念走到了应用时代，数据引擎的作用愈发明显，他认为大数据的精髓就是让数据跟着人走。
车品觉：让数据跟着人走
钛媒体注：关于大数据，前面我们介绍了Linkedin资深总监Simon对大数据及数据分析的认识：数据分析，“快”比“大”更重要。马云更是言之凿凿，确信我们将从IT时代正在走向DT数据时代。今天我们继续为大家分大数据的话题。本文是阿里巴巴数据委员会会长车品觉作了名为《大数据这三年》的主题演讲。在演讲中，他提到大数据已经从概念走到了应用时代，数据引擎的作用愈发明显，他认为大数据的精髓就是让数据跟着人走。
其实两年前，我是写了一个数据实践，是讲到我们在做数据的时候要关注的几个问题，我改动了一下。两年前我是这样写的:关于数据的实践，一切从问题开始，从实践中提炼数据，让数据的体验变得超级简单，让数据跟着人走，然后颠覆性来自分类跟重组等等，但是我具体觉得,两年后会改变一下。所以数据质量不敢保证是不敢用的，另外,安全不是监管，监管不了的。因为大数据本身太大，你需要更多的人来用，但是用监控的方法来监管一个大数据，没有办法监管起来。
其实今天我们已经进入了一个拐点。现在我们拥有很大量的数据，我们以前要做一个决定，可能要花很多的钱去投进去要细想，但是今天我们拥有一些大数据的时候，我们以前一些非常难做的决策，相对来说今天很容易做到，其实也是一个很重要的拐点。这个就是当我们能使用数据去判断一个问题的时候，我们就用数据化解决问题。
大家好，我其实在外面的大会都没有这么紧张，因为集团里面很多VP也在，世界各地的很多科学家也在。我不敢说今天是数据什么专家。
大数据这三年
从2011年开始,我一直都去美国一个很重要的会议，他们最重要的话叫“数据要用出来”，所以在没有Data之前，我把所有的资料翻出来，从2011—2013英文里面排了一个序，最重要的是第一年，2011年的大部分是讲大数据，有人说这个是大数据，有人说那个是大数据。到了2012年的时候大家都在尝试用大数据，但今年很奇怪，今年我们去美国的时候，你会发现大部分人已经开始停止讲大这个词了，而创造了一个词叫Data，这个词是非常有意思的，我们把数据工程化，里面必须要有一个标准要出现，而且在有标准要出现之后，还有一些楼层要出现。对Data我自己的想法是什么呢？我没有跟马总沟通过，我们这个Data要泛化更多的人用，更多的人去用数据，就好像20年前我们让每一个人用上科技，那今天的数据就是要给更多的人用。
学步车大数据分析报告(3篇)
第1篇一、报告概述随着我国经济的快速发展和人民生活水平的不断提高，儿童用品市场日益繁荣。
学步车作为儿童成长过程中的重要辅助工具，近年来受到了广泛关注。
本报告通过对学步车市场的大数据分析，旨在揭示市场趋势、消费者偏好以及行业竞争格局，为相关企业和消费者提供参考。
二、数据来源及方法本报告数据来源于多个渠道，包括但不限于：1. 线上电商平台：如天猫、京东、拼多多等；2. 线下实体店铺销售数据；3. 行业报告及市场调研数据；4. 消费者评论和反馈。
数据分析方法主要包括：1. 描述性统计分析：对销售数据、消费者评论等进行描述性分析，了解市场概况；2. 聚类分析：根据消费者购买行为、产品特性等因素对市场进行细分；3. 相关性分析：分析消费者购买行为与市场环境、产品特性等因素之间的关系；4. 交叉分析：分析不同产品、品牌、价格等因素对市场的影响。
三、市场概况1. 市场规模近年来，我国学步车市场规模逐年扩大。
据数据显示，2019年我国学步车市场规模约为100亿元，预计到2025年将达到150亿元。
2. 市场增长学步车市场增长主要得益于以下因素：（1）新生儿数量的增加：随着国家二孩政策的实施，新生儿数量逐渐增多，带动了学步车市场的需求；（2）消费升级：消费者对儿童用品的品质和安全性要求越来越高，促使市场向高端化、智能化方向发展；（3）线上渠道的崛起：电商平台的发展为学步车市场提供了新的销售渠道，推动了市场增长。
四、消费者偏好1. 产品类型消费者对学步车的产品类型偏好呈现多元化趋势。
根据数据分析，以下几类产品较为受欢迎：（1）多功能学步车：集学步、健身、娱乐于一体，满足不同年龄段儿童的需求；（2）智能学步车：具备语音互动、音乐播放等功能，提升儿童学习兴趣；（3）轻便便携式学步车：方便家长携带，适合户外活动。
2. 品牌偏好消费者对学步车的品牌偏好较为分散。
一线品牌如好孩子、贝亲等在市场上具有较高的知名度和美誉度，但二三线品牌也凭借优质的产品和合理的价格逐渐获得市场份额。
“中国好创意”CCF全国青年大数据创新大赛
姓名
职务/职称
李德毅 中国工程院院士
徐宗本 中国科学院院士、西安交通大学副校长 陈继东 蚂蚁金融服务集团安全智能部总监
5
杜小勇 中国人民大学信息学院院长 华云生 香港中文大学常务副校长 黄亚楼 天津市滨海新区科学技术委员会主任 黄哲学 广东省大数据协同创新中心常务副主任 李 青 香港城市大学教授 林学民 新南威尔士大学计算机科学及工程学院教授 罗圣美 中兴通讯首席架构师 倪明选 澳门大学学术副校长 施水才 北京拓尔思信息技术股份有限公司总裁 田溯宁 中国宽带资本基金董事长、亚信科技董事长 王求乐 软银赛富投资基金合伙人、执行董事 王晓阳 复旦大学计算机科学技术学院、软件学院院长 肖 侬 国防科技大学长江学者特聘教授 熊 辉 美国罗格斯－新泽西州立大学罗格斯商学院副系主任 杨 强 香港科技大学计算机与工程系教授 郑 毅 北京云基地大数据实验室合伙人 周晓方 澳大利亚昆士兰大学计算机科学教授
11. 中文地址魔方大赛-华院数据（2 万）
本题要求参赛者对提供的各级地址文本完整、准确地识别。通过对地址进行标准化的 处理，使基于地址的多维度量化挖掘分析成为可能，为不同场景模式下的电子商务应用挖 掘提供了更加丰富的方法和手段。
12. 基于大数据的未知病原检测方法构建-华大基因（8 万）
本题可抽象为字符串的匹配、查找问题。人的基因序列和细菌的序列可看做一组长的 字符串（A），而待检测个体的数据是一个短字符串的集合（B）。需要确定字符串集合 B 中的字符串能够同字符串集合 A 中哪些字符串匹配。
本题要求参赛者基于短信文本内容，结合机器学习算法、大数据分，析准确地、完整 地识别出垃圾短信、正常短信。解决传统的基于策略、关键词等过滤手段，很多垃圾短信 “逃脱”过滤到达手机终端的问题。
大数据的11个维度
大数据的11个维度作者：张宇婷来源：《商业价值》2014年第05期阿里巴巴集团副总裁、数据委员会会长车品觉在新书《决战大数据》中回顾到：2005年，淘宝有了第一个数据分析师，一直致力于用数据来帮助企业运营和解决问题。
阿里巴巴在不断使用数据的同时，也发现了数据本身的问题——大数据需要更主动的管理，也需要更多的创新。
数据化运营是用数据解决问题，但如果想把数据做得更好，解决更多新的问题，就需要去做一件以前从未做过的新事情——运营数据。
2011年，阿里巴巴才开始有计划地进行这件事：主动收集数据，并以此去创造更优质的新数据，让新数据更好地服务于企业的运营。
这是一个“从用数据到养数据”的过程；是一个“从数据化运营到运营数据”的过程，也是一个“从看到用”的过程。
全书分十一个章节，车品觉从数据化运营到运营数据、阿里巴巴的大数据秘密两大角度、十一个维度，用鲜活的例子详细阐述了其数据化思考。
以下是书中一些精彩观点的提炼。
1.大数据面临的最大问题——人。
断层是大数据面临的最严重问题。
收集数据的人并不清楚未来使用数据的人要做什么，这是目前大数据的一大关键命门。
使用数据建模的人，同样不清楚当前数据是如何获得的。
从公司管理层角度看，投资人了解数据的意义吗？高层管理者对数据的期望和中层管理者之间有不同吗？他们知道数据能够帮助企业做什么吗？这些答案因立场而异。
当我们讲到数据价值时，没有人能对此给出一个合理的定位，原因就在于几个关键问题没有分清楚：一是要明确这是谁心里的数据价值，投资人、管理者、中层、数据分析师们心中对数据所产生的价值自然不同；二是要明确数据的分类，不同类型的数据所产生的价值各不相同。
2.大数据的本质是还原用户真实需求。
每个人都在通过不同的设备产生着数据，使数据更多在“量”这个维度上不断膨胀，但是“量”的单纯膨胀对企业真正了解一个用户的需求产生了极大的挑战。
所以，如何更好地识别各个设备的使用者是否为同一个人，如何更好地理解用户在各个不同场景下表现出来的不同需求，如何更好地理解数据融合后产生的价值，将是未来商业中企业必须考虑的问题。
高手告诉你如何电商数据分析
高手告诉你如何电商数据分析之马矢奏春创作一、从数据维度做拆分,让目标更加落地.我做过近两年的电商运营,其中感触很深的一个点就是从数据的维度对目标做拆分.天猫的双11刚刚过去,马云又缔造了新的成果,912亿.从去年的571亿到今年的912亿,马云怎么就敢说今年可以做900亿呢？在设定这个目标之前就少不了对目标的拆分.900亿的成交,首先依照过往的类目占比,拆分到各个类目,每个类目承当几多销售指标,类目再依照过往的卖家成交额占比拆分到各个卖家,每个卖家承当几多销售指标.卖家再根据各自的日常店肆转化率反推需要几多流量,各类目再结合平台能提供的流量,就可以获得流量的缺口.接下来再依照各渠道获取流量的成原本计算,就可以得出双11平台需投入的营销经费数值.整个900亿的目标,通过这样的拆分,就变得明确可执行了.无论做什么事情,想做成,都离不开对目标的拆解,任何笼统的事物都可以通过数学的方法来解决,把事情数据化会让事情更简单可执行,也更容易考核效果.二、很多业务其实就是一个公式.我刚开始接触电商接受业务培训,第一节课就只讲了一个公式.成交额=买家数x客单价如果你想提升成交额,要么提升买家数,要么提升客单价.我们可以盘点一下,我们见过这么多的促销手段,有哪个不是为了提升这两个数值的.满减、满送、买二送一,这是为了提升客单价的手段；秒杀,团购,这是为了提升买家数的手段（秒杀的核心在于集聚年夜量流量做关联销售）.不单仅如此,这个公式依据分歧的业务场景还可以拆分成多种形式.买家数 = 商详uv x 下单率 x 付款率商详uv = 广告展现 x 广告转化率 = 搜索展现x搜索转化率= 活动展现x活动点击率于是,决定成交额的因素就酿成了各个渠道的转化率、图片的点击率、产物的下单率、付款率,这样多的细节共同决定了最后的成交额.接下来针对这些细节分别去做优化,这个过程就叫依据数据做精细化运营.仔细想想,你自己的业务又何尝不是一个公式呢？试着找到自己的公式,去拆分它,你也许会很多改进的方法.三、运营说究竟就是一个漏斗.互联网的模式下,无论做什么产物,根本目的都是为了变现,只要是变现,就涉及到了转化.而转化其实就是一个漏斗模型.漏斗模型是运营数据里提到的最多的词了,在业务的链条里,每个环节的用户数是呈不竭衰减的,运营要做的事,就是想尽一切的法子来提升漏斗中各环节的转化率.比如一个电商的活动页,它的漏斗模型应该是这样的：有了这么个漏斗,我就可以分析每个环节代表了什么,我怎样去改善：1）pv/uv：页面访问深度,直接体现了这个页面是否吸引人,用户在这个页面是否发生点击的兴趣.2）活动页—>详情页uv：页面上的内容是否吸引人,商品是否是用户喜欢的,需根据页面点击情况及时替换点击效果差的商品.3）详情页uv—>下单人数：商品的转化率如何,是不是爆款,此处转化过低需替换高转化的商品.4）下单人数—>付款人数：商品的付款率,如果低于正常值,需要卖家催单.需要注意的是,漏斗模型是需要比较的,如果仅仅只有一个漏斗模型,那么就只是数据的摆设,如果要做分析的话,就一定要有比较,比如和往期的漏斗作比较,比如与平台的均值作比较,只有在比较过程中才会发现问题.我们作为产物运营的同学,必需要熟悉我们产物中每一个关键数据,日均的uv是几多、转化率是几多,下载量是几多,这样在数据呈现异常的时候才可以第一时间发现,熟悉产物数据,是对数据敏感的前提.四、一篇完整的数据分析陈说应该包括哪些内容？前面讲了一些理论层面的,最后给一个数据分析模板给年夜家,供参考.1、首先你需要根据活动目标确定你的目标告竣率,完成百分比,提升百分比.这是这次活动取得的功效,在一开始就写.如：本次活动uv 24w（20w,↑ 20%）,uv价值 3.6（3,↑ 20%）2、如果是发周报、月报之类的数据,接下来就应该是核心数据走势图在这张图里,要对每个数据的拐点做分析,比如图中11月7日、8日两天的uv价值有明显提升,这个的原因,要找到并写在陈说里.3、接下来流量分析,主要为流量来源分布,各渠道流量转化率分析.流量涨了,要找到是哪个渠道带来的流量涨了,为什么涨了,分析这里的原因.流量的质量如何,哪个渠道的流量转化率高.这里需要两个饼图,一个是流量渠道占比,一个是渠道带来的转化占比.从上面的两个饼图里,我们看到明显站内流量的转化率更高,而广点通带来的流量转化率偏低.另外,通过与往期的渠道来源占比作比力,我们可以看到以后流量构成上的变动.3、转化率分析,也就是漏斗模型分析.前文提到了,漏斗模型需要比较的数据,所以在此处的分析,我们需要列两个漏斗模型.对漏斗模型各环节转化的分析,这里主要和往期数据做比较,结合活动页面、流量、产物功能等多方面因素,检验考试分析这里各环节转化率提升或者降低的原因.4、模块点击分析我们设计的产物页面,或者活动页面,我们需要知道这个页面的结构是否合理,用户的点击分布,这有助于我们改善.当我们检验考试新的页面样式的时候,更应该对这里的模块点击做分析,可以验证我们的结构是否对数据带来了改善.模块点击分析主要是从点击饼图,及其各模块转化率的角度来分析,点击饼图可以看到用户的需求,模块转化率则反应了各个模块内容是否满足用户的需求,如果模块转化率较低,则需要考虑这个模块的内容是否优质,甚至这个模块是否需要改变样式.5、改进及优化每次的活动总是有做的好的处所和做的欠好的处所,我们数据分析的目的就是为了积累经验,沉淀方法论,在每一篇数据陈说的结尾,我们需要对这一次活动做一个总结,比如检验考试了一个新的玩法,效果如何,检验考试了一个新的页面样式,点击率是否有提升,等等.把经验应用于之后的活动规画傍边.五、数据不是万能的写在最后,想说一点,数据不是万能的.我们常做的数据分析,是建立在海量数据的情况下,但往往在草创公司,数据系统还不完善,数据量不够的情况下,数据只能作为参考,过分相信数据往往会招致做犯毛病的判断.数据有很多指标,统计维度又有很多种,如果深挖下去,会耗费年夜量的精力,但却纷歧定会有成效,所以找出最关键的几个数据指标,对其最合理地分析,这点很重要.今天就说这么多啦.做数据分析,重点不在数据,而在分析,对数据敏感,就是能清楚数据异常面前的原因,这需要经验,也需要你的思考和执行力.希望你可以成为一个对数据敏感的互联网人.。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
盲目进行大数据投资，收集越来越多的数据，但这些数据却是“死”数据。
“死”数据就是单纯存在数据库中，无法进行分析和使用，并且不能够产生价值的数据。
大数据的真正价值是将数据用于形成主动收集数据的良性循环中，以带动更多的数据进入这个自循环中，并应用于各个行业。
多样的自循环方式打开了大数据之门，进入这个循环的关键是从解决问题出发。
4、无线数据，大数据的颠覆者
面对无线数据，我们需要一种多屏思维——需要考虑到现在用户使用互联网的多场景问题。
多屏可能会包括多台电脑、手机和pad，可穿戴式设备。
当多屏变成一种常态，不管是数据分析师的分析方法还是推荐系统的推荐算法都必须多屏化。
要解决的主要问题有两个：一是做到高效准确的收集，二是培养数据分析师的多屏思维。
5、四种数据分类与五种数据价值
数据按照是否可再生，分为不可再生和可再生数据。
按照所处存储层次，可分基础层、中间层和应用层。
按照数据业务归属，可分为各个数据主体。
按照是否为隐私，可分为隐私数据和非隐私数据。
数据价值1、识别与串联价值，2、描述价值，3、时间价值，4、预测价值，5、产出的数据价值。
6、从用数据到养数据
“养数据”通常有两类，一类是网站自身没有的数据，需要用户自主提供；另一类是公司拥有的，但没有进行数据的收集。
“用数据”更多的是一种方法论，“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，数据养的时间越早，积累的数据也就越多。
养数据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的后果，一旦养成会产生非常大的商业价值。
7、数据的盲点
数据盲点可以分为两类，物理盲点和逻辑盲点。
物理盲点是指在数据库中不存在这样的数据，即企业没有收集到应该收集的数据，这一类数据问题的产生通常是数据收集策略出了问题。
逻辑盲点是有数据，但没有被很好地发掘出来。
数据逻辑盲点的出现与数据分析师或数据使用者的经验和敏感度有关。
除了这两种，还有一些人为制造的“盲点”，比如故意把数据进行掩盖，或者人为地调整数据口径。
是否看到数据盲点价值的核心是有没有看到应该看到的数据，有没有错失不应该错失的数据。
8、阿里巴巴的大数据实验
一个人在注册某一个网站的时候，性别登记只会是男性或者女性，阿里巴巴竟然有18个标签！阿里巴巴的内部数据化运营流程是：例如，要为一个童装类目做营销推广以征集新客户，会先找到目标客户群，把这个类目感兴趣的消费者用标签找出来，通过发邮件或短信吸引其关注。
数据从“用”上升到“养”，即运营数据。
例如，会尝试在整个淘宝中查找，针对12岁年龄之下儿童商品为例，此时在用户中搜索有多少用户家中有12岁以下的孩子，但却未发生过从这个类目购买商品的行为。
以前只能运营有过购买行为的几百万用户，现在可以达到几千万。
从几百万到几千万就是运营数据，这时一个从主动收集数据到运营数据，再到产生新数据的过程。
9、阿里数据化运营的内三板斧——混、通、晒
作为数据分析师，如果不和业务部混在一起，商业敏感就不会凭空出现在你的面前。
坚持带着业务问题来观察数据或者带着数据来观察业务，兼备二者的敏感，就做到“通”，更深层次的通是存在于公司组织中的数据。
数据能不能做到在获取、使用、分享、协同、链接、组合之上让自己变得超级简单和便捷，这时数据化运营里面非常重要的一点，正是晒的内容。
10、阿里运营数据的外三板斧——存、管、用
收集数据不是目的，让收集起来的数据如何产生价值才是最终的目的。
学会用数据产品来解决获取及使用数据的问题。
阿里巴巴数据管理最不一样的地方在于非常依赖数据产品，希望用数据产品来解决获取以及使用数据的问题。
在“用”数据的问题上，数据的分裂和重组，都能做到颠覆性创新。
11、大数据，未来商业利器
数据扮演的三个角色分别是：第一个阶段是从点上指导运营；第二个阶段是数据从点到线或到面。
第三个阶段为做数据模型，分析外围数据开始变得异常重要，可以为公司的下一步战略找到出路，数据真正能充当爆发角色的，一定是第三个阶段。
爆发，是做每一件事情和解决每一个企业问题的人都需要的，尤其是做数据的人，一定要时时刻刻想到数据能够为企业产生什么价值，能够用数据解决什么问题，是不是能够用数据来发现企业中的爆发点。
如果做数据的人时刻都有这样的一是，那企业将会因为数据获得非常大的收益。
via：IT value
人人都是产品经理（）中国最大最活跃的产品经理学习、交流、分享平台。