近年来数字化转型变成一个非常大的趋势，在这个大趋势之下，其实很多出海的企业（无论是卖家还是服务商），常常把一句话挂在嘴边："我们有那么多的数据，出海要把这些数据用起来呀！"
图片来源：纷析咨询
确实卖家们，服务商们都有很多的数据，但这些数据在出海的路径上没有成为一个行业标准。
到底是为什么呢？
会不会是——其实我们根本没有用好，或者知道数据的用法？
你到底拥有的是数据垃圾还是数据资产，这是一个问题。
数据绝对不都是资产，更多数据是垃圾。
没有处理过的，其实只是信息，而不是� �据。
图片来源：纷析咨询
大数据时代的一个最大的公众误解，就是让人们以为有这么一个万能的数据解构者，能够在容纳了海量的数据之后，产生出人类所不能企及的智慧与洞察。
但可惜，数据越大，可能包含的垃圾越多，大数据并不可能化腐朽为神奇，它只能在海量高质量数据的基础下产生作用。
但是现实世界中，并没有那么多唾手可得的高质量数据。
大部分的数据保质期都非常短暂，绝大部分的数据还不如Device ID的生命周期长。比如，DMP中的人的兴趣标签、在自有触点上抓取的用户行为数据、消费者提交的leads……
并不长久的保质期� �意味着手上握有海量数据的广告主，或许并没有多少真正可用的数据。
或者说，你的数据若要成为资产，不可能是死水一潭，而必须不断更新，有进（更新的数据）有出（过期的数据）。
最常见的一个误解，就是我们以为数据资产是一个静态的东西，但实际上，它根本就如同永不停歇的轨道列车——存一潭死水容易，玩转一个轨道交通系统则太难！
随着大数据与云计算的发展，我们企业能够获取的数据量越来越大、数据维度也越来越丰富。与此同时，帮助我们挖掘数据、分析数据的工具也越来越强大，比如大家所熟知的各种云平台和大数据平台。
在模型算法方面，业界和学界也投入了很多资源来进行开发和迭代，因此各种新的模型和算法源源不断地被开发完善，发展速度非常� �。
在这个背景下, 当企业拥有了足够的数据、或者有能力去收集相当数量的数据，智能化运营手段即成为企业增长的一大探索点。
建立数据资产的难度，也不在于获取数据本身，更在于数据体系的规划——没有好的规划，获取来的数据就可能不是资产，而是垃圾。
最典型的现象，是数据源头构建的随意性。
举一个例子，很多企业有两大类数据，第一类，是企业的客户信息，CRM中的客户数据，以及Leads数据，这些数据已经很成熟，它们等同于收入数据。第二类，则是各种外部第三方工具"帮助"企业抓取的，各种营销运营触点上的数据，这� �数据最常见的命运，就是成为各种各样的报表。
最为典型的是数据源构造的随意性。
例如，许多企业拥有两大类数据，第一类数据是企业的客户信息， CRM中的客户数据，以及与收入数据等效的成熟的 Leads数据。其次，是各种外部第三方工具"帮助"企业抓取、各种营销运营触点上的数据，这些数据最常见的命运，就是变成各种报表。
图片来源：纷析咨询
那些报告，很少一部分在短时间内被利用后，会随着更多的报告一起出现，即使人们只看一眼，就进入了数据库，数据库永远不会打开，直到死亡。
事实上，这些报告背后的原始数据更有价� �，更接近数据资产的一部分，也随之进入企业精心构建的各种"数据仓库"、"数据湖"、"大数据系统"，然后又同样陷入沉睡。
图片来源：纷析咨询
更有甚者，这些数据天生就是由不同部门拥有的不同的第三方工具获取的，它们之间没有联系，互相独立，但都会信誓旦旦地说："我的工具可以输出数据，而且可以与其他工具的数据进行无缝连接。"但是问题是，没有哪个工具能容纳其他工具的数据，每个人都能输出数据，这是对的，但是为了最终实现数据打通，这些工具都不会愿意去做。
不过，商家的老板们还是放心了，毕竟，所有的数据都保存在"大数据系统"中，就像纸币 存在银行中一样安全。当需要打通这些数据时，技术同事是否应该将其打通呢？
所以，有一天，当老板要求使用某些数据时， IT部门的同事又要在这些系统里写各种程序翻找数据，却发现，并非某些数据没有，而是数据打不开，或者是无法进行下钻细分。这样，萎靡不振的报告，只能给出一个大概凑合用的数据了。
我们为你买了这么多的工具，抓到这么多的数据，建了这么大的数据库，居然，跟我说，这是为了你，还是为了你？！
技术员心里想："mmp能给一个大概可以使用的数据已经拼过老命了！"
但是，我们不知道这其中最讽刺的是，工具越多，坏的数据就越多，这是最糟糕的事情。虽然工具虽然强大，但是它们彼此之间并不相关，工具越多反而越糟；数据越多，却无法打通，越� ��攒越多，处理越困难，存储空间就越大。
大多数企业内部，要么没有数据，要么数据孤岛重重。在数据孤岛形成的背后，数据系统缺乏规划。
图片来源：GrowingIO
有一个很重要的问题是，既然各种数据工具收集的数据可以导入到企业数据中台，并且都被引导出来了，为什么这些数据不能打通呢？
两个理由。
第一，缺少打通数据所需的主键(这正是我们说过的One-ID)。
图片来源：纷析咨询
第二，即 使有主键，对这么多工具的数据表进行清理、去重、打通，这是多么庞大和容易出错的工程。Vlookup公式使用 Excel并不那么简单。也就是说，理论上没有问题，落地的可行性很差。多数情况下，只能是需要什么数据，找这些数据再暂时与其他相关数据对接打通， case by case，暂时解决就好了。
图片来源：纷析咨询
所以，没有数据能力，什么数据资产都无从谈起。
具体地说，近年来，许多企业都通过 BI (Business Intelligence，商业智能)工具获得了许多有意义的洞察和成长。
但是因为 BI工具是由一个分析员设计的，再由一个操作员来操作的分析工具，所以从人力投入 和使用的角度来说， BI工具所做的分析通常并不特别复杂，可能只是一些低维的，如一维，二维的分析。
相对来说，我们今天所分享的机器学习和人工智能模型所能处理的数据量之大，维度之高，所能挖掘的数据与数据之间关系的复杂性，都远远超出了我们普通人能够理解的范围。
例如，普通的集成学习(ensemble model)、深度学习、前几年被人们所熟知的在下棋应用中非常成功的强化学习模型、 GAN模型等，这些都是去年人们非常关注的换脸技术背后的技术。因此，我们将面临这样一个问题：如何在我们的......... 关于数据，或许大家在出海路径上，都会疑惑到底我们需要什么的数据，或者说，到底数据能帮我们实现什么呢？ 原文转载：https://www.kjdsnews.com/a/1332584.html
洛阳去文莱旅游：https://www.30bags.com/t/洛阳去文莱旅游.html
洛阳去乌干达旅游：https://www.30bags.com/t/洛阳去乌干达旅游.html
洛阳去乌克兰旅游：https://www.30bags.com/t/洛阳去乌克兰旅游.html
洛阳去乌拉圭旅游：https://www.30bags.com/t/洛阳去乌拉圭旅游.html
洛阳去乌兹别克斯坦旅游：https://www.30bags.com/t/洛阳去乌兹别克斯坦旅游.html
洛阳去西班牙旅游：https://www.30bags.com/t/洛阳去西班牙旅游.html
nyan cat：https://m.ikjzd.com/articles/141297
lazada：https://m.ikjzd.com/articles/108754
产品英文：https://m.ikjzd.com/articles/10350
引领好物新品新趋势，敦煌网打造"三月新品嘉年华"购物节：https://www.kjdsnews.com/a/1332583.html
出海数字化那些事（一）：你真的不需要数据吗？：https://www.kjdsnews.com/a/1332584.html
没有评论:
发表评论