܄

好的数据分析服务究竟是什么样子的,爱奇艺资深工程师为你解答

【数据猿导读】 张凯先生是BDP资深用户,此前创业时(非爱奇艺),曾深入使用BDP产品,分析公司的各种数据。本文重点分享了创业公司应遵循长板理论、什么样的公司适合用BDP产品、为何需要提升基础数据分析能力等话题

好的数据分析服务究竟是什么样子的,爱奇艺资深工程师为你解答

•本文整理自爱奇艺安全云资深工程师张凯在海致BDP上海客户沙龙上的分享。

•张凯先生是BDP资深用户,此前创业时(非爱奇艺),曾深入使用BDP产品,分析公司的各种数据。

•本文重点分享了创业公司应遵循长板理论、什么样的公司适合用BDP产品、为何需要提升基础数据分析能力等话题。

•以下为分享内容,全文3133字,阅读时长:10分钟。


壹·短板理论vs长板理论

短板理论

曾经有一段时间,短板理论非常流行,短板理论也被称作为木桶理论,就是说一个公司的能力取决于他自身的最短板,假设我这个部门比较弱,公司能走多远就是被我这个部门限制的。

所以信奉短板理论的时代,公司会怎么做呢?

公司会大而全,会试图让每个部门都非常强,让每个部门里的人也非常强。但这其实搞混了一个观念,就是公司能力的强与弱,到底是看每个部门都很强?还是看公司整体有很强的能力?——后者强调的是公司调动内部力量,整合内部资源的能力。

长板理论

最近两三年,又出现了长板理论。

美国浓厚的创业气息是长板理论诞生的基石。当大公司害怕自己已获得的专利被人赶超,而不敢创新时,美国杜拜法案通过了,鼓励了一批“科学家+小团队=创业公司”的诞生。这些小公司都面临一个很实际的问题:没有钱,没有人,没有时间。

当一个PPT就能够赚到50多万美金的事情发生后,这些钱就全部都被用来投入到高科技领域了,创业公司开始走向专业化。

这时候,小公司强强联手,互补短板的效益将大大高于自己补短板

为什么呢?

专业性的小公司,其核心竞争力是已有的一些专利,或者是一些运营能力,而不再是财力或资源有多么雄厚。这样专而精的小公司,其特点就是浑身皆短板,而这种企业必须要快速增长。

怎么办?最好从外面找合作。

举个比较直白的例子:BDP这样在BI技术方面比较专业的公司去与销售比较牛的公司合作,你用我的长板,我用你的长板,大家用很多长板,最后形成了一个新的木桶,这就是所谓的长板理论,也被称作新木桶理论,它更适应现代发展的趋势。

BDP适用于哪些公司?

如今,越来越多的创业企业选择和第三方合作,而不是自己去研发,因为研发成本越来越高,特别其中的是人力成本,会越来越大。

当一家创业型小公司在没人没钱没开发时,选择BDP合作是合适的。

而当大家都选用BDP这样为创业公司服务的专业小公司时,类似BDP这样的公司也就会越来越多——它们的服务质量会越来越好,由于规模效益,价格也会越来越便宜,这就是现在这个时代的趋势。

但接下来就会有人问,爱奇艺为什么不和BDP合作呢?

因为,爱奇艺自身的研发成本非常低,爱奇艺的云平台真的是我见过的为数不多,可以和阿里云媲美的云平台,在这样的平台之上构建一个应用是很快速的。所以,看一个公司是否需要和BDP这样的专精企业合作,前提条件是看他的自研成本是高?还是低?如果他自己补短板的能力和效益远远高于购买,就无需和BDP这样的专精企业合作了。但并非所有公司都拥有类似爱奇艺的云平台,成本会持续上涨,有一天你会发现,大公司也会被逼着与小公司合作。

游族大家听说过吗?游族当时购买了tableau的BI工具,但是他们理解的tableau,只是一个工具,一个临时解决方案,过两年可能就换掉了。

而BDP正逐渐成长为一个第三方解决方案公司,也就是说,BDP不只是一个工具,而是一个合作伙伴。

所以选择BDP对各位小创业公司而言,等于是精减了公司中的一个机构。我个人比较崇尚构建这种小而美的团队。

贰·聚焦基础分析能力的提升

现在看来,人工智能和机器学习在5-10年内仍旧无法商业化,想要乘风而上,专注于基础分析能力的提升,优于跟风人工智能。

我是个对未来十年人工智能发展非常悲观的人,以我自己了解到的消息,大多电商公司在智能定价、智能选品方面都并不成功,这是因为,数据积累、经验积累、数据质量都还有很多问题没解决好,整体数据环境还不成熟。

我觉得大家要搞清楚,阿尔法狗战胜李世石,是人工智能在垂直领域的小爆发,但并不意味着人工智能领域整体爆发了。如果要解决商业上的问题,通常还需要一个通用型的人工智能解决方案,这种垂直性人工智能的爆发,如阿尔法狗,并不能解决商业的问题,

包括近期热门的机器学习,你也很难找到一个靠机器学习就可以解决50%甚至30%商业问题的产品。这意味着机器学习无法在5-10年内产品化,产业化。

人工智能、机器学习还不能代替人们做决策,而基础数据分析则可以辅助运营和产品人员做出决策。

并不是只有大公司才有海量数据,小公司拥有的埋点数据、DataX的数据、包括一些GPS定位数据等,量都非常大。

个人认为,在大数据时代,未来10年的发展重点应当是,提升海量数据之下的基础分析能力。

叁·以快速应对多变

数据平台支持突发需求的能力,很重要

举我之前在创业公司的例子——

其实无论是数据还是报表,创业公司在没有人的情况下是无法分工的,大家都在干一样的活。而最简单、最基础的报表还是需要的,大家至少需要了解到昨天订单量多少、成本多少之类。

BDP的好处在于灵活、在于快,这点大家都知道,快和灵活在应对突发事件时就变得很重要。

比如魏则西事件发生后,对医疗行业的冲击蛮大的,然后老板上午就有可能问,这事儿对我们有什么影响呢?昨天丢了那么多订单,是因为这件事吗?

本来创业公司就要加速适应变化,也就意味着他决策的速度、发现问题的速度,都很重要。所以对于突发事情的决策,整个数据平台是否有支持的能力是很重要的。

所以说,BDP用来做数据解释,做辅助决策的产品功能做的非常好。

不要让用户变成表哥

再举个例子,公司里有很多个部门一起合作,其中一个部门被我们称作为表哥,原因是他们天天在玩EXCEL,从PPT里面导数据、看数据、形成一些汇总的东西给老板。

然后你就发现,云计算大数据时代,当我们拥有了数据获取能力之后,就开始制作很多表格,关键表格会随着业务增长越来越多。

人们总是有顾暇不到的地方,总是会有看不全的地方,这时要么增加人力,要么放弃数据敏感性。

这时候数据分析工具该怎样支持用户呢?我希望BDP能实现更多的分析,将分析师从无止尽的表格里解放出来,不去关注单个数据是涨是跌,而专注在业务逻辑、分析需求这类问题上。

另外,当图表产生之后,数据之间是否有相关性也很重要。比如唯品会,同样的一个SKU,他的各个指标就有三四十种。

人不可能挨个去看这三四十种指标的关系,如果能通过智能BI系统,帮忙自动分析数据之间的关联、以及关联信息,人再做进一步的分析和下结论,就会很省力。

总结我刚刚说的对BDP的一些期望,就是自动化——自动化的让BI系统告诉你,系统里面发生了什么有趣的事,而不是让人挨个翻数据去发现。

肆·持续关注数据效果

再谈精益思想

精益思想这个词,这两年都被炒烂了。简单说精益思想是个闭环,先从想法开启—构建—编码——开发——产生数据——学习反馈,学习再促进想法诞生。

但很多公司都把重点都放在了idea怎么能够去构建出来,对于后半截(构建-编码-开发-产生数据-学习反馈)其实很少操心。

现在创业公司节奏这么快,大家新想法这么多,公司能活多久就看你能迭代多少次。所以你越迭代,越需要数据平台来支撑整个公司,支撑精益思想的循环。

对于创业公司来说,不在于我能不能处理这些数据,能不能形成一个报表,而在于我们的数据处理速度能不能跟上公司的前进速度。

尤其对于自己的甲方,没办法提供快速数据服务的话,什么东西就都完了。小公司发展到中期,要迭代很多运营策略,才能保证你完成下一次融资。所以你一定要开BDP,要缩短产品决策时间。

交付不是终点

我常常会想,花了半个月时间,花了好多心血做出来的数据和报表到底用户看不看呢?为此,我们要采集用户使用报表的信息——PV、UV等,比如,他们看了多少个表?他们的停留时间是多少?

同样的报表呈现给不同的用户时,要考虑很多因素,才能满足他们的使用习惯,比如老板几乎一个月都不用电脑,99%都在用手机在看,这个时候我们就要在给老板做饼图的时候考虑到移动端的阅读体验,普通的报表细节太多,可能就不合适,需要做UI的改进。然后报表在PC端就可以做的稍微浮夸一点,复杂一点。

因此,我们做数据可视化产品,必须要了解用户使用图表,使用数据的习惯和效果,然后不断的去完善。

BDP非常方便,不仅在于创建,也在于更改,能够很好的支持我们改动报表。但也希望BDP能再接再厉,有更多功能,满足不同用户的需求。


来源:BDP商业数据平台

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

大数据投融资周报(4月5日——4月7日,共9起)
大数据投融资周报(4月5日——4月7日,共9起)
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云平台Experience Cloud
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云...
【独家首发】数之联完成A轮数千万元融资,大数据分析挖掘领跑者获资本青睐
【独家首发】数之联完成A轮数千万元融资,大数据分析挖掘领跑...

我要评论

精品栏目

[2016/10/10]

大数据24小时

More>

[2016/09/26-7]

大数据周周看

More>

[2016/09/01-30]

大数据投融资

More>

[2016/11/28-2]

大咖周语录

More>

[2016/11/29-6]

大数据周聘汇

More>

[2016/12/06-13]

每周一本书

More>

返回顶部