跳出大數據分析誤區

跳出大數據分析誤區

靈玖軟件： www.lingjoin.com

BigData，大數據，是基於人們在因特網和社交媒體的種種行爲而造成的量化信息。隨着此類數據的逐步激增，激發起公司、學界和媒體利用這些數據
的渴望。其中，公司的高管們十分着迷於經過客戶的活動細節（如他們跟誰聯繫，喜歡什麼等）來發現客戶的購買傾向。而經過計算機的分類、過濾和建模，可使
基於互聯網的數據分析成爲現實，更刺激了公司去實踐大數據分析的想法。毫無疑問，大數據將成爲市場營銷領域的下一個遊戲規則顛覆者；而在這場變革中，有經
驗的公司將得到更多的收益。

因爲數據挖掘的自動化軟件在現在已經變得隨處可得，不少高管都認爲他們能夠很輕鬆地發現之前不明顯的趨勢、動態。可是，分析自己包含的內容遠不
止知道某個事實，還須要聰明的分析師提出正確的問題，並做出正確的決策；僅僅回答「是什麼」的數據分析不是分析，必須學會詢問「爲何」、「接下來是什 麼」。

爲了回答這些問題，真正有效利用大數據的所有潛力，公司應該回歸基礎，而不是繼續深陷誤區。筆者基25年的市場營銷數據分析領域的工做經驗認爲，有三點基本原則一直是實現有效數據分析的核心。A.依靠基於理論的方法，而不是盲目地進行數據挖掘；B.對客戶和市場保持一種大局觀；C.堅持幹中學。

理論假設築基

若是沒有理論告知分析師，消費者如何造成偏好並付諸行動，那麼分析師很快就會被潮涌般的數據淹沒，這世界上的任何一種先進數據處理能力都沒法幫
助分析師走出茫茫數據大海。所以，數據分析的第一步應該是就「客戶需求」以及「如何爲他們創造價值」等內容制定一個清晰明確的假設。這一假設也許是針對實
驗室裏、具備大獲全勝潛力的新產品；或者是針對市場中還沒有忠於任何品牌的客戶（又稱「未作決定的選民」）——每每公司僅僅經過一些策略微調，就能夠抓住這 些潛在客戶。

一旦獲取所需的數據來驗證假設，所得結果將指引公司制定具體方案來發展、完善相關價值主張，並將這些價值主張引向市場。經過合理的假設與驗證，公司將能恰到好處地進行市場細分（即將具備相似偏好和行爲的目標客戶進行分類），這有助於更有效地定位公司戰略。

譬如，一家制藥公司的一款藥品近期銷量不佳，公司試圖增長該藥品的銷售額。因而，管理者提出假設，認爲公司當前的銷售方案沒能很好地針對內科醫生，而這些內科醫生是最有可能在開處方時使用該款藥品的重要目標羣體。

爲了驗證這一假設，公司蒐集了大量關於醫生在何種狀況下會開出這種藥品的數據。例如，內科醫生每一年會開出多少處方，他們開出的處方數量是增仍是
減，他們對於誰的配方比較忠誠（公司本身的仍是主要競爭對手的）等。這令公司可以在市場中找到一個最佳定位：哪些內科醫生開的處方多，誰每一年開的處方數量
遞增，誰對製藥商的配方沒有特定偏好或者不存在忠誠度等。

雖然因爲藥品銷售業績很差，相關銷售人員銳減，但經過上述數據分析，銷售隊伍有的放矢地直接朝着數據指向的機會攻略，成果大大超乎他們的想象。

「生活中的一天」

營銷科學的發展歷程中，有一條重要經驗教訓，即「喜新厭舊」不可取。當一種新數據源出現而且變得可得時，人們就會一擁而上，大量予以採用。而更
加聰明的公司則會在這種時候保持冷靜，有所保留，以一種更加全局的視角來看待客戶和市場。一方面，這些聰明的公司會熱情地挖掘新數據源；另外一方面，它們依
然重視其餘信息，以此相互補充，避免遺漏重要信息，影響分析。

要知道，這不是市場營銷領域第一次面對數據革命帶來的顛覆，以前出現的轉變過程也有崎嶇。20世紀80年代中期，條形碼掃描的出現使得公司可以
經過付款臺蒐集到信息。而此前，數據是頗有限的。公司只知道他們運送了什麼貨物，而後至多詢問一下消費者購買了什麼產品。可是，隨着掃描器的出現，公司可
以切實知道每個銷售點的狀況。

在該項技術發明的早期，利用這種新數據的意識致使了很多失誤。高管們變得過於關注價格促銷對於銷售的影響，而丟掉了市場營銷的基礎：品牌價值與
品牌建設。然而，隨着時間的推移，公司磨礪出更加複雜的統計模型，並在此基礎上調整了精力的投放焦點；隨之，掃描器成爲近30年來消費市場和零售業的一大
「神兵利器」。今時今日，這種以銷售點來蒐集數據、瞭解客戶的方式已經擴展到會員卡，能夠幫助零售商瞭解每一個家庭購買了哪些產品及其具體的網上購物行爲。

就像早些年關於條形碼的投資回報模型存在缺陷同樣，最新的大數據分析也可能致使誤入歧途。不少零售商表示，「我知道每樣從貨架上移走的商品，我知道擁有會員卡的消費者的不少信息，可是，當咱們在貨架上擺上與消費者購買的商品相似的產品時，並無看到預期的收入增加。」

到底遺漏了什麼呢？極可能，因爲過分關注最新的數據源，零售商無心中陷入了一維視角。事實上，要摸透客戶的消費行爲，須要更加寬廣的視野。在營
銷領域，這種寬廣的視野經常被稱爲「生活中的一天」。它的含義是：應更加全面地瞭解客戶；知道客戶與本身公司之間造成的互動，以及客戶和其餘零售商之間的
互動是如何結合起來的；或者客戶與本身公司的互動，是怎樣與客戶在其餘企業、購物渠道和活動中的行爲相適應的。若是沒有深入洞察是什麼促使消費者去到其餘
地方購物而不是本身那兒，公司的增加計劃就會有風險。

跑以前學會走路

在對新類型數據進行分析時，第一步是學會開放心態和協調方法。雖然挖掘新數據幾乎總能發現使人興奮的新結論，可是公司不可操之過急，應該以開放的心態對待新的數據分析方法，逐步挑戰之前奉爲真理的作法與言論。

通常而言，採用新數據源獲取的新信息會讓公司質疑某些產品、服務或者戰略。有時候若是大規模採信會拔苗助長。因此，並不建議公司在出現新數據源
時盡心盡力進行分析並使用相關結論；最好能逐步進行試用，如此，公司才能在奔跑前先學會走路：能夠先從一種產品、必定地域或一個問題着手，而後評估採用新
數據、新方法進行數據分析及相關改進的收益與成本，以此判斷對新數據源進行分析是否值得。

例如，一家全球能源巨頭決定採用更加先進的分析方法來解決量化研究問題，提高營銷投資的回報率。高層領導選擇了三個國家的兩個業務部門，橫跨發
達國家和發展中市場，來執行有關項目的試點。每一個項目的概念框架和目標都是相同的，可是經營歐洲的加油站和在亞洲銷售機油須要不一樣的數據集和分析工具。這
種多樣化使得公司能夠試驗更多的分析方法，獲取足夠的經驗來決定在何種狀況下使用哪種分析方法。此外，一旦這些試點項目成功，就能夠爲其餘業務單元和國
家分支機構樹立起信心，凝聚採用新數據分析方法的熱情。隨着新分析方法的不斷應用，有關模型將會更加複雜也更加實用，逐步爲公司上下接受，最後在全球範圍 內獲得使用。

迴歸基礎

不少高管都對採用大數據感興趣，但每每對於這一最新的分析工具和技術沒有多少直接經驗。因此，在一開始，他們經常詢問這種分析方法成本有多少。
而筆者予以的回答通常是：「作出錯誤決策的成本是什麼？若是像柯達那樣沒能及時對數碼攝影做出反應會付出什麼代價？」若是換一種和緩、不太直接的方式來
說，會是這樣：「數據分析首先須要投入一大筆錢來裝配、協調數據；以後，公司須要訓練有素的數據專家開展更高規格的工做來找到隱藏在數據背後的模式，進行
解讀，並最終轉變成公司可使用的觀點、看法。」

可是，就如以前的三個基本原則所顯示的那樣，採用新的數據分析方法實際上是一個可管理的過程，處理得當，便能帶來潛在的巨大收益。事實上，大多公 司一旦開始投資於數據分析，他們基本就不會停下來，由於數據分析結果對業務的提高遠超數據分析所需的成本和努力。可見，數據分析已經成爲公司自給自足改善 市場地位的重要途徑。