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
在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 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 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 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 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 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 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 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 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 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。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07