↖  如何让数据变现-2..

我们重点看第一点，后向变现，或者叫商业化。

　　第一，商业模式探索。所有免费用户产品在做到一定量以后都会面临这样一个词：商业化。

这是一个很大的领域，跟商业化相关的问题也很多。

我这边举了一些例子，碰到这些问题你就要从商业化里面找答案，而不仅仅是要用用户的角度去找问题。

　　第二，流量变现。

　　第三，数据变现，通过免费的用户产品，积累了一些用户行为或者其他相关数据，这些数据怎么变成钱?近些年来大家发现数据变现的能力在某种意义上还要强过流量变现的能力。

数据怎么变现?大家先不要去看大数据领域讲的东西，你先好好学习学习广告，因为数据的变现、数据的交易、数据隐私保护的边界在广告领域得到了充分的研究和工业界实战。

你要不了解广告，一定是从头走一遍弯路。

　　第四，具体操作层面的东西，商业产品的建设和运营。比如说一个公司有广告，有游戏联运，返利购买，他们之间是不是有内在的联系?其实他们都是泛广告产品，背后的商业逻辑基本是一致的，应该共用某些产品和技术平台去实现一个公司整体的商业化战略，这些大家在实际工作中才有感觉，前几个问题都是蛮有意思。

我特别希望同学们如果在你的学习之余，除了了解一些用户产品，还能了解一些商业产品的思维、技术，对于你将来参加互联网公司的工作很有帮助。

书的内容是基于我的公开课，以及在北大、北航的研究生课总结出来的。

对互联网创业者、对互联网行业的从业者，对计算机相关专业的研究生，我都希望他们从这里得到一些有价值的东西。

　　从大数据说起，大数据这个词并不是来自于学术界，也并不是来自于纯粹的工业界，而是咨询公司提出来的。

这个词的立意非常好，让大家在大的场景下了解数据的价值和作用。

由于它这样的起源，在中国现在的状态上，它与工业界实际的数据运用的现状以及学术界的研究存在一定的距离，很多时候是概念到概念。所以我常常讲BIG是汉语“逼格”的音译。

我认为必须要找到一个落地的点来看看大数据到底做什么。

　　我自己对大数据的认识是从工业界来的，工业界对大数据最直观的认识是传统的工具用不了了，微博上有一些朋友来问我，我现在学大数据是不是应该学SASS这个软件，这让我觉得很难回答，我觉得跟那个没有关系，但是卖这个软件的人肯定跟我过不去。

我们先要了解大数据研究的是什么：传统的IOE的企业研究的是交易数据的加工和处理，这是非常困难的。

因为它要求正确率极高，一条都不能错，实时性要求极高。别以为现在拉一个互联网企业出来就能做交易系统，这十有八九是吹牛。

可是互联网企业处理的大数据和IOE处理的交易数据有点不一样：我们关注的大数据主要是行为数据，它跟交易数据有区别：

交易数据指业务实施过程中不得不记的数据，比如说存取款、利息，这些数据你不记的话业务没法开展;

但是行为数据是可记可不记的数据，比如说网站浏览日志。

互联网企业一开始也不是想到要记这些数据，因为服务器自然而然的记下来了，后来他就想能不能为变现带来一点作用，于是就开始挖掘这些数据。

行为数据的量首先比交易数据大很多，交易数据的量如果是1，行为数据一般都在100以上。

另外，它对一致性的要求比较低，网站的日志丢千分之一对大多数业务都没有关系。这意味着原来IOE架构对于处理这种行为数据是不合适的，因为它太贵，我们要用一种更便捷、更低成本的方案来处理。

所以工业界我们看到是用到的工具完全变了，去IOE化。如果现在互联网企业一拥而上，把银行系统都换掉，那是灾难性的。

可是原来IOE的也不要轻易的说你们在做大数据，你们做的事情跟大数据严格来说也没有关系，还是在做传统交易数据的挖掘和整理。

这个图讲的是大数据问题的特点。

如果数据可以采样，就不是大数据问题，C类问题，是数据可以采样的问题，比如说要统计360在各个省的用户占比，显然是先对用户数据采样，采样十万分之一。

这类问题的特点是稀疏的采样数据，计算的基本不变，这不是大数据问题。

你们现在碰到大多数大数据专家都拿这样的案例在糊弄大家，他们把数字大，就当成大数据。

大数据应该是A种线这样的特点，这样的问题不能对数据采样。

典型的大数据问题是所谓的个性化问题，广告是一个个性化问题：我们要对每一个用户描述其行为特征和个性偏好。

如果采样到一百万人，你能影响的广告效果和空间的那部分人群就变成了一百万人，这个系统使得你的系统收益大幅度下降。个性化推荐也是类似。新的问题比如个人征信业务，也需要对每一个人做描述。

我们也可以从另外一个角度理解大数据的应用：如果数据计算的结果是给人看的，不能成为大数据的问题，一定是要给机器看的，要形成一个闭环的决策过程。

　　数据应用分成两类，一类是Insight，洞察，比如说360对每个省的人口占比，这个结果打出来的是一张表，财务报表、人口统计、百度迁徙地图，这就叫洞察，洞察是整体上把握一些宏观规律，供运营人员和领导用的。这样的领域不能说没有大数据的问题，但是大多数问题跟关系不大。

　　另外一类应用叫Automation，自动化，输出的是个体的行为特征信息，如果对十亿人进行分析，显然领导是看不了的，只有机器能看。

在这种情况下数据的结果主要用于微观的数据实施，面向机器和销售人员。

自动化的应用大数据的成分要多很多。我特别不希望大家被宣传带歪了，不能弄一张报表就叫大数据，那个叫商业智能。

大数据简要说就是面向大规模的加工行为数据，并且把这个加工结果自动的反馈给机器做决策的应用。这是我的看法,肯定有很多人不认同。

本页Url