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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19