<big id="ptvpz"></big>

    <big id="ptvpz"><progress id="ptvpz"><meter id="ptvpz"></meter></progress></big>

          <big id="ptvpz"><progress id="ptvpz"></progress></big>
              <ins id="ptvpz"></ins>

              數據化互聯網營銷和運營
              綜合知識平臺

              “數據主義者”們的毒雞湯

              ?本文作者系“紛析咨詢”的創始人 宋星

              前言

              “我看到了一個非常光明的未來,卻不知道要如何熬過現在。”

              當我們歷數過去十年最激動人心的事件,數據的空前崛起一定要占有一席之地。

              一夜之間,似乎人人都稱呼自己是“數據主義者”,企業紛紛向數字化尤其是其中的數據化快馬加鞭地轉型。大數據之浪潮風起云涌,AlphaGo的勝利更是在我們每個人的屁股上扎了一針濃濃的雞血,我們歡呼雀躍,相信數據一定能夠帶給我們一個非常光明的未來。

              不過,在走向這個光明的未來之前,我們還得熬過“不那么光明”的現在。不光明,是因為那些自稱“數據主義者”的存在,他們所行之事,恰恰與他們所“擁護”的相反他們的雞湯越濃,毒性就越大,他們越是激昂高呼,反而越是對數據未來的褻瀆。

              如果他們都算是“數據主義者”,那我們就必須清醒地做一個堅定的“反數據主義者”。無他,只是為了保留一份原初的對數據的敬畏。

              從沒有被真正擁有的數據

              一個真正的營銷和運營從業者懂得獲取數據的艱辛。但偽“數據主義者”則不為所動。

              原因在于,這些人并沒有真正去解決數據從何而來的問題。

              不,并不是他們不愿意付出代價,他們可能也愿意付出金錢,但他們傾向于認為,只要有錢,就能獲得數據。

              因為有錢,所以我可以買數據。

              因為有錢,所以我可以用牛X的黑科技(或者灰科技)去抓數據。

              而一些黑科技、灰科技、工具和數據平臺們,也不斷鼓吹:有了我們,數據唾手可得。

              錯覺,天大的錯覺!誤導,可鄙的誤導!

              因為,這些“數據主義者”根本沒有想到,或者說他們直接故意忽視一個冰冷的現實:錢和技術,并不是獲取真正有價值數據的充分條件

              許多年后,我也才意識到“無運營,不數據”的真正含義。這并不是說,運營都需要數據(雖然你也可以這么理解),而是反過來,真正有價值的數據,只有通過兩手沾滿泥、腳踏實地的運營才能真正獲得

              想要打通不同消費者平臺上的數據(微信、網站、app、小程序、CRM、電商)?沒有技術可以幫你直接解決,你只能通過運營手段為實現技術性的打通創造條件——最起碼的,你得讓更多的消費者愿意注冊登錄,光這一條就是絞盡腦汁的累活,還得經年累月毫不停歇。

              想要搞清楚細分流量的來源?無論web端還是app端還是小程序端都有成熟的技術解決方案,但問題是,還是需要通過運營人員手工做好標記,交給技術工具才能讓技術工具按照你的標記進行數據抓取。這是細致又繁瑣的工作。

              想要獲得用戶細致入微的行為?依靠無埋點或者全埋點的方法?那是風險十足的偷懶(你以為普通數據企業的無埋點的服務器能撐得住這么多全量事件捕捉的數據并發?——而且不管這些事件是不是有意義的,其結果很可能是數據丟失或準確性缺失),只有手動在每一個真正監測價值的用戶交互點上做好事件監測才能獲得準確可靠的數據,這又是既需要研究業務需求,還需要耐心仔細才能做好的工作。

              還有,人群畫像,真的以為是機器自動就幫你畫好了?不靠細致的數據埋點(就是事件監測),不靠費心費力建立起標簽詞表,不靠基于業務實際情況而建立的細致規則,然后就能獲得一個用戶畫像?這樣的畫像你也敢用?

              這不是在一個工具上用一個漂亮的圖生成一個美妙的數據可視化這樣性感的工作——雖然很多人認為這就是數據工作的樣子。數據工作常常毫不起眼,僅僅只是收集數據獲取,就需要大量的時間、很專業的精神、以及很多的技巧與智慧。只是這些事情,偽“數據主義者”們正喝著雞湯看不到罷了。

              那些認為有了一個工具就有了一切的,您別扯了!

              很多時候,那些看似被你擁有的數據,真的害慘了你

              在偽“數據主義者”眼中,數據差不多都是一樣的。他們給你喂的雞湯是,你都有這么多數據了,一定能創造巨大的價值!

              但真實的數據,實在是千差萬別,即使是你自己所擁有的數據,也是如此。數據之間最主要的差異,是質量的好壞、口徑的不同,以及背后業務含義的區別。

              要讓這些形態性狀各異的數據能夠真正為你所用,必須經過數據清洗。

              數據清洗,一個幾乎沒有什么數據技術解決方案商會主動提及并且愿意收費提供的服務,因為這是一個極為耗費時間、人力,而又充滿“風險”的工作。關鍵是,客戶數據背后的口徑,以及這些數據背后的業務含義,也不是一個外部的服務商能夠短時間內搞清楚的。

              這意味著,所謂的數據清洗,很可能本質上是一個龐雜的咨詢項目。但,卻很可能成為根本收不到多少錢的“附加服務”。

              數據清洗都是用“血、淚、汗”在清洗……

              團隊曾經經歷過一個真實的數據清洗項目,僅僅只是清理同一個事物的不同名的重復數據,就得忙上好幾天,不是數據本身清洗有多難,而是溝通不同名字背后究竟是怎么一回事就得要了老命;再加上看似同樣的指標,可能含義不同,于是又得幾乎排查一遍。還有,各種數據記錄的隨意性和不一致性,各種系統之間同名字段定義的不一致性,你看到之后真的要跺腳罵娘!其工作的復雜、繁瑣、無奈,以及脫發指數都是我經歷過的工作中間數一數二的。

              于是,我看到太多太多的數據系統架構和數據整合,是在沒有做有效數據清洗的情況下完成的!

              這時的數據本身,泥沙俱下,“藏垢納污”,可靠性令人發指!這樣的系統,不過是表面上把外包裝搭好了,而根本不管這包裝里面裝的是何種洪水猛獸!

              這樣的數據和系統,質量不佳用不上反而是最好的結果,要是真的拿著這些數據做決策,那比沒有數據憑著經驗還要糟糕。

              在理解數據孤島這個事情的時候,我意識到,數據孤島的存在有它的理由。這并不意味著我認為數據孤島是好的,但若不經過真正可靠的數據清洗,那些看似在各個系統中你擁有的數據,真的把它們弄出來揉在一起后,你就會發現,要么根本用不了,要么根本用不上,甚至還不如過去的數據孤島好使!

              這就是令人頭疼的現實。這也是為什么,我總是建議,不要一口吃個大胖子,能夠在局部數據和應用上做出改善,已經非常非常不容易了。這也是為什么,我同樣會建議在CDP或DMP解決方案中,盡量自己抓取數據,實在不行,才做數據清洗完善基礎上的打通(比如跟CRM的打通)。

              因為,少有中國的企業,存在“數據治理(data governance)”一說,只有“痛過之后”,才會幡然頓悟,代價則是又增加了一個爛尾工程。

              看看我們做的調研的有趣的數據吧!

              在部署DMP或者CDP之前(第二張表),大家最擔心的并非數據匱乏或者數據缺乏整合;但是,真正部署了DMP或CDP的企業,反而發現,數據匱乏或者缺乏整合,才是真正“最棘手”的問題。可見,數據治理,尤其是數據獲取和質量控制,應該在未來的應用系統上線之前,就開始做功課了,而不可能通過一兩個系統平臺的建立就幫你解決問題。

              迷戀數據性感概念的錯覺

              偽“數據主義者”的另一個特征,是迷戀性感的概念,而忽視樸實無華的規律與實實在在的分析。他們制作了大量的充斥著性感概念的雞湯,擺在你面前,然后說,干了這碗湯,一切就都成了!

              要真是這么簡單就好了!

              不像別的科技,數據本身和數據應用的方法,實在沒有太多華麗的轉身,也不該有太多花俏概念的裝點。可因為數據本身透露著神秘,便更容易被添油加醋的包裝

              一個很有趣的例子——把核心指標用一個更詩意魔幻的名詞“北極星指標”表達,確實增添了很多遐想,似乎就跟著光芒萬丈了起來,但仔細一想,它究竟和關鍵指標或者核心指標有多么巨大的差別呢?

              我們可以著迷于“北極星指標”這樣的性感稱謂,但它究竟應該是什么指標,以及如何發現它,并沒有看到任何可以作為規律的方法論——包裝一個概念不難,撕開包裝切實落地的方法論則很難。顯然,一個關鍵性的指標只能在業務中產生,甚至它并非一個數字世界中的指標。業務是變化的,流動的,因此關鍵性的指標也在隨著業務的變化而改變,這是我們要適應的必然的商業演進邏輯。至少現在,工具都沒有辦法能夠直接揭示更深層次的商業邏輯,尤其是運營角度的邏輯。

              下圖是我列舉的最能代表這種思潮的例子,也是典型的“浪漫主義”的“增長”落地方法(來自在網上看到的資料)。

              在上圖中,符合這6個標準就是北極星指標嗎?若不滿足這6個標準就不是重要指標嗎?除了標準1和3,其他的標準基本上都很飄忽且離業務太遠,而且就算1和3也非常大且空。這是一個企業應該有的增長作戰計劃嗎?

              這個圖所揭示的以關鍵行為激活用戶Aha時刻的方法同樣有強烈的誤導,不僅僅是這一方法論無法自圓其說——且不說這里的關鍵行為的定義是否非常主觀,以關鍵行為創造用戶激活的邏輯何在,其后的衡量時間和頻次以及次數與實際的用戶激活究竟有什么樣的關聯性;更重要的是,它完全沒有將千變萬化的業務本身考慮在其中。另外,就算這些行為是關鍵行為,這些行為的頻次(即圖中的在多長時間內完成多少次這種說法),又能說明什么呢?又是如何跟Aha時刻聯系在一起的呢?如果你仔細讀幾遍這幾個表中的文字,你會發現思路不是變得更加清晰,而是更加迷惑了,盡管我們都容易把受到迷惑解讀為高深莫測,但實則模棱兩可,正反皆然,不過正確的廢話罷了。

              增長是否要追求如同“黑客”般犀利的效果,我很難評判,其中的思維方式強調不斷嘗試、流量和產品共同優化,以及更加合理的用戶運營方式等,這些是非常可取的。但增長不太可能通過簡單的一些靈光乍現的調整即可獲得,也不可能像真正的電腦黑客那樣純靠技術完成。我是老舊保守派,始終堅持認為,唯有商業模型和產品本身靠譜,以及在實際的運營中兩手沾滿泥,才能創造實實在在的可維持的增長。而且,隨著流量紅利的枯竭,產品本身比過去任何時候都更加重要了——或者換句話說,今天留給迷戀性感概念和稱謂的空間越來越小,“能打”才是唯一的評判指標。

              哦,對了,類似的,還有魔法數字什么的。我只是在想,當“數據主義者”們創造了這么多抬高期望的高大上的東西之后,這些期望萬一被拍在地下摔得粉碎,會不會讓數據消費者們連同對數據的希望也一起粉碎了,那就真的是得不償失。

              這種雞湯,跟最近大起大落的哲學女教授陳果的雄文有異曲同工之妙——“孤獨往往因為自成世界、自成體系,所以表現出來的是一種‘圓融’的高貴。真正的禪者一定是圓融的。印度教里恒河邊的冥想者,他就是圓融的。道教里能夠達到冥想以至于羽化者,他們都是圓融的。同時,他們都是孤獨的。孤獨者是一種完整的狀態,它沒有缺失的遺憾。”

              辭藻深邃!含義模糊!但感受到了一種沖上九霄的高度!至于效果是什么,或者有沒有效果,對他們來說,真的還重要嗎?但對你來說,再華麗的,也終有需要落地的一天。

              更高大上的皇帝的新衣

              然后,在數據源層面,數據也被用成了更加高大上的皇帝的新衣。

              比如,喂你一口雞湯說,我們能拿到(或是擁有)BAT的數據。

              嗯,能拿到BAT數據不假,但幾乎每一個做相關投放的廣告主都能拿到很多的BAT數據吧,比如自己的廣告展現點擊呀,數據銀行或者DMP給你生成的營銷效果報告之類。

              此數據非彼數據,數據的概念和種類大了去了,你倒是仔細說說,你拿到的是BAT的具體什么數據?難不成真是淘寶用戶device ID和他們的行為和交易數據?然后是騰訊用戶device ID和他們的社交行為數據?又或是百度用戶device ID和他們的搜索行為數據?

              什么,這些數據都能拿到?不過數據是以“包狀物”呈現的?多大的包?幾億呀,這么多?!而且可以投放?還可以拿著阿里的數據到騰訊投放?

              請問,你有沒有聽說過一個東西叫做圍墻花園,有沒有聽說一個法律叫做個人信息保護法

              今天的數據生態跟過去完全不同了,并且用戶的數據太有保質期,擁有外部數據和擁有鮮活的數據是兩個概念。今天的主旋律是企業一方面向內看,保持自有用戶/客戶的實時數據的捕獲,另一方面則通過應用外部數據或與外部數據連接擴展自己的數據能力。

              除此之外,就別說自己養了幾十個數據科學家了,除非您是金融保險零售,否則幾十個數據科學家真浪費。您說的數據科學家都是excel,SQL樣樣精通的表哥表姐,懂了。

              另外一個皇帝的新衣是言必稱智能,它也是雞湯的高濃度新佐料。

              把用決策樹做一個預測分析叫做智能,設置一個條件預警也叫智能(這叫鬧鐘好不好),根據條件觸發行動也叫智能(頂多算自動化罷了),裝了一個第三方的語音識別也成了智能。怎么著,也該有一個自己的神經網絡和數據訓練集才能稱為智能吧。智能這個詞,從此變成“手工”的反義詞,而不是“智慧”的近義詞。

              馬兒跑,但別吃草

              但更常見的“數據主義者”是一群真正的“理想主義者”。

              他們的理想,是被灌了雞湯后相信有這么一種東西——用世界上最少的錢,建立世界上最牛的數據系統。其實也不需要世界最牛,就比我所有的同行都牛就好了。

              節約沒有錯,就跟微商阿里前高管吹吹牛沒有錯一樣,但是不能過度。

              你不可能用一套SaaS的錢來搞一個私有部署,也不可能用一個標準套件的錢來做定制化開發。所有承諾給你愿意這么做的都是別有用心,畢竟,所有你希望占到的便宜,都在暗中標好了價格,甚至不是價格,而是代價,而且來的總是特別迅速。

              上圖:紛析智庫2018-2019《企業DMP和CDP應用調研》顯示,更多企業愿意為建立DMP和CDP花費的成本在100萬以內,而實際完成部署的企業,更多花費了100萬以上,其中200-500萬元占比最大。

              并且,也不要妄想讓供應商幫你做完所有工作,就算你出了高價錢,你也必須了解,有大量的工作就是需要自己做的。畢竟,數據是你自己的數據,數據背后的業務是你自己的業務,如同我前面所講的,那些運營上的細節、需求的分析、數據的清洗,沒有哪一條是供應商能幫你完成的。不是他們不幫你,是壓根在你給定的成本下,他們無論無何都幫不起。更何況,最了解情況的永遠都是你自己。

              所有想要在前期雞賊的懶惰省事,都會在后面給你不斷暴雷。

              如果成本有限,就從小處開始吧,獲得一點進步,實現一些落地,一個混凝土的小樓房絕對比用紙殼建的宮殿靠譜。

              后記

              我決不愿稱自己是一個“數據主義者”,恰恰相反,我更樂意做一個打翻雞湯罐的“反數據主義者”。

              盡管我永遠堅持數據是最有價值的,但也請您注意,數據本身并無意義,除非我們能夠善用它。何為善用?機械地套用數據和模型,不是善用;鼓吹概念,卻故意忽略或矮化那些“不夠性感”卻真實可靠的工具和方法,不是善用;強調技術和工具才能解決問題,尤其是強調機器智能的強大卻忽視人在其中作用的,不是善用;唯數據是瞻,不與業務和場景相結合的解讀數據,不是善用。

              還有,盡管這篇文章并沒有提到,但“數據自身也是有原罪的”,因為數據既不是答案,也不是結果,并且很多時候,也不代表真相。它可以被操縱、被捏造、被誤讀、被曲解、被粉飾,我們懷著美好的意愿跟它打交道,卻很有可能得到與我們意愿相反的結果。所以,我們不可以無條件信任它,如同核能的開發,你首先要相信它是“魔鬼”,才能讓它轉化為“天使”。

              為此,我要堅定的做一個“反數據主義者”,想要提醒大家,數據是我們的工具(而且完全不是唯一的工具)、我們的手段、我們要經歷的過程,但絕對不是結果,也絕對不是答案本身。數據不會讓事情變得更簡單,除非我們能真正懂得如何與之相處,否則甚至比沒有數據造成的情況更糟。我們也要警惕數據成為不斷堆積的垃圾、紙上談兵的口號、隱瞞現實的遮羞布。

              我非常厭惡一個傾向,即在缺乏真正業務理解和業務場景情形下讓數據穿鑿附會,還為此建立一系列的指標、工具和模型。舉一個例子,任何一個企業在某一個時段所應該采用何種KPI指導自己的業務方向,絕無一個定式,它絕對不是由某一個工具利用某種具備“慧眼”的算法所能作出的,也不是僅僅由數據本身的增長或減少就能判定的,而一定是從業務需求出發,通過對業務和效能之間的對應關系做不斷的拆解才能達成。這個過程,數據不是主角,數據本身也不產生洞察,最終形成的KPI,不是數據推演的結果,而是業務推演的結果。

              數據總是傾向于讓我們變得更加機械,并壓縮我們的眼界,,也正因此,我們必須非常小心,而且必須要付出更多的努力,在真正的商業環境和場景中去挖掘數據真正的價值,以契合不斷變化的業務。

              是時候砸爛你捧在手里的數據雞湯了!

              以此謹記。

              未經允許不得轉載:版權歸宋星及chinawebanalytics.cn所有互聯網分析在中國——從基礎到前沿 » “數據主義者”們的毒雞湯
              分享到: 更多 (0)

              評論 1

              • 昵稱 (必填)
              • 郵箱 (必填)
              • 網址
              1. #-49

                這篇文章讀下來真的是酣暢淋漓!在從事數據分析的這幾年,一直感覺自己很飄;明明花了功夫做的數據結果,卻完全與業務是脫節的;多個系統做數據打通,老板們總覺得so easy,心累。。。這些疑問,都在這篇文章找到了答案,也指導我后續要多花功夫精進的方向。感謝星哥!

                大焦1年前 (2019-05-06)回復
              欧美一级情欲视频在线播放