京公网安备 11010802034615号
经营许可证编号:京B2-20210330
挖掘大数据商业价值的关键:从“大数据”到“厚数据”
从本质上来说,所有商业行为都是在针对人类行为下注。哪种产品最有可能在市场上热销?哪位员工最有希望取得成功?消费者愿意支付多高的价格?善于下注的公司往往能在市场上立于不败之地。
如此说来,“大数据”(Big Data)成为商界的最新热潮也就不足为奇了。所谓“大数据”,是指由强大的分析工具进行筛分的庞大数据集。“大数据”可以成为一种出色的工具,帮助企业收集有关我们行为和偏好的新信息,但它无法解释我们行为背后的原因。
事实上,公司过分依赖“大数据”里的数字、图表和不甚可靠的信息会面临风险,那就是将自己与消费者日常生活中丰富多彩、但不能量化的内容隔绝。他们会丧失能力,无法想象和凭直觉感知世界和他们的企业可能会如何演变。假如让“大数据”代替我们思考,我们通过细致观察来认识世界的能力就会开始退化,这好比在一座新的城市,如果只靠GPS来导航,你就无缘亲身感受和触摸这座城市。
成功的企业和管理者会设法了解其产品或服务会让用户产生什么样的情绪甚至本能反应,并能根据情况变化适时调整。他们能够运用我们所说的“厚数据”(Thick Data)。
我们来看看乐高(Lego)的案例。2004年,这家丹麦公司一天的亏损额就高达一百万美元。该公司产品与消费者需求出现脱节,处于破产边缘。
当时,乐高内部思路很明确,认为他们已经找到了可能的解决方案。该公司认为,现代儿童在游戏中寻求的是“瞬时驱动”。他们想要能拿起来就玩的玩具,而不是像经典乐高积木那样需要“一砖一瓦”认认真真组装的玩具。基于这一设想,乐高开始开发新的活动人偶和其他概念玩具,但该公司新任首席执行长约尔廷·克努德斯托普(Jorgen Vig Knudstorp)则一直有一种挥之不去的感觉:这种想法是错误的。他认为自己应该从头开始,从更根本的角度理解儿童怎样玩和为什么玩。他聘请我们公司在五个国际大都会对乐高用户进行研究。我们被派去和孩子一起玩耍——不是在专门的小组里,而是在实实在在的现实生活里。
在收集了无数个小时的视频、数以千计的照片和日志以及数百个用乐高搭成的模型之后,乐高细致地为所有信息进行编码,从中寻找跨越地理位置和年龄的模式。一种模式慢慢从数据的犄角旮旯里浮现出来。
该公司发现,并不是每个孩子都喜欢搭乐高积木,但爱搭积木的孩子对此十分着迷:他们想把积木搭好,还想了解自己处于什么样的水平。乐高的团队领悟到:他们应该“回归一砖一瓦”。
David McLain/Aurora Photos/Corbis
乐高通过对数据的分析弄清了问题所在:他们应该回归“一砖一瓦”。
如今,乐高再度成为一家成功的企业。乐高的东山再起有很多原因,其中包括《乐高大电影》(The Lego Movie)近期的成功,但对儿童游戏经验更深入的理解肯定是原因之一。
再来看看康乐宝(Coloplast)的案例。这家总部位于丹麦的医疗科技公司1954年创建以来,一度年年都能实现两位数的增幅。但在2008年,该公司突然一年有四次没能达到销售目标。多年来一直在造口护理用品这一细分市场保持全球领先的康乐宝发现,其产品正在竞争中失去市场份额。
康乐宝的研发团队专注于解决造口袋的“渗漏”问题。无数研究显示,遭遇过渗漏的用户会对产品失去信任,并改用其他产品。当时整个行业普遍将改进黏合剂和减少渗漏划等号。
多年来,康乐宝的工程师们一直在通过增加新功能或改进黏合剂来优化产品。但这招已经不再灵光了。为了更好地了解公司该如何提供更加优质的产品,他们决定让自己置身于用户的世界中。在几个月的时间里,我们公司与康乐宝联手收集、整理和分析一批批有价值的用户 “厚数据”。
通过视频、照片和其他第一手资料,康乐宝的高管可以观察到用户的实际体型以及公司产品与用户身体的契合程度。一位高管告诉我们:“我可以拿起照片和日记,浏览它们,感受它们。这些数据带来完全不同的感觉。”
康乐宝的团队发现,黏合剂并不是问题的关键。导致恼人渗漏的原因是,患者身形各异且每个人的体型也在不断变化,造口袋与之不吻合。许多患者术后体重出现大幅增减,或者产生了疤痕组织,从而导致造口袋很难固定。
领悟到这一点之后,康乐宝针对各种体型开发出三类不同的产品。这不仅帮助康乐宝解决了渗漏问题,而且让该公司确立了有关未来创新的清晰视角和方向。
最后,让我们来看看三星(Samsung)的电视机业务。在本世纪初,三星的电视机看上去和商场货架上所有其他电视机都差不多。三星的高管能感觉到他们正在丧失脱颍而出的机遇,但他们不知道怎样才能给消费者带来惊喜。他们需要在文化背景下问一个有关人类行为的更宏观的问题:“在现代家庭中,电视机意味着什么?”
我们与三星展开合作,设法回答这个问题。通过数百个小时的访谈、视频和其他资料,我们帮助该公司识别出一些至关重要的模式。一位访谈对象说,他把电视机藏在一个角落里,因为他不喜欢电视机的外观;还有一位访谈对象说,他希望电视机能像他制作精良的椅子一样“经得起时间考验”。我们发现,对多数人来说,电视机不是电子产品,而是家具。
根据这一重要洞见,三星的团队开发出一种与以前的设计风格迥异的电视机,这种电视机在审美上更接近现代风格的家具,而不是粗笨的科技产品。他们把扬声器和其他有碍观瞻的部件隐藏起来,还改变了电视机的销售、营销及维修方式。这样一来,电视机(现在成为一种家具)就实现了外观和功能的完美结合。
处理“厚数据”并不是那么简单直接的事情,但是如果我们不这样做,就得选择让机器来代替我们应对这些复杂的商业挑战。虽然现在计算机有强大的能力可供我们调遣,但有时我们却只能凭借认真而耐心的亲身观察,静下心来,深入思考,想方设法把问题解决。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21