信息來(lái)源：企業(yè)網(wǎng)

“大數(shù)據(jù)”這個(gè)術(shù)語(yǔ)是無(wú)處不在的。無(wú)論是大企業(yè)還是小企業(yè)，新興企業(yè)抑或是傳統(tǒng)企業(yè)，都正在參與著這個(gè)“游戲”。海量的用戶數(shù)據(jù)正在被各個(gè)網(wǎng)站大規(guī)模收集利用，有的公司為了能與客戶交流，甚至不惜利用龐大的文本交流數(shù)據(jù)建立算法。

但實(shí)際上，我們對(duì)大數(shù)據(jù)的癡迷，往往也會(huì)產(chǎn)生誤導(dǎo)。是的，在某些情況下，從數(shù)據(jù)中確實(shí)能夠獲取到有價(jià)值的東西，但其實(shí)數(shù)據(jù)的大小并不是最關(guān)鍵的因素，找到正確的數(shù)據(jù)才是關(guān)鍵。

無(wú)關(guān)乎數(shù)據(jù)的大或小

在運(yùn)用大數(shù)據(jù)方面，Uber可以說(shuō)是一個(gè)典型的成功案例。毫無(wú)疑問(wèn)，Uber捕獲了大量的信息。依靠他們的應(yīng)用， Uber可以從司機(jī)和乘客那里獲得實(shí)時(shí)的數(shù)據(jù)，便于他們清楚的分析出在何時(shí)何地人們對(duì)于車輛會(huì)有較高的需求。

在上個(gè)時(shí)代，我們更多使用的是傳統(tǒng)的出租車，而不是現(xiàn)在只需一個(gè)按鈕就能召喚的。那時(shí)出租車在很大程度上未連接到互聯(lián)網(wǎng)或任何形式的正式的計(jì)算機(jī)基礎(chǔ)設(shè)施，但實(shí)際上他們才是大數(shù)據(jù)的玩家，為什么這么說(shuō)?因?yàn)閭鹘y(tǒng)的出租車依賴的是人眼網(wǎng)絡(luò)，即司機(jī)通過(guò)雙眼在城市周圍移動(dòng)，通過(guò)掃描人形圖像、雙臂伸出的動(dòng)作進(jìn)行準(zhǔn)確判斷，快速鎖定目標(biāo)。通過(guò)大腦的計(jì)算，收集分析數(shù)據(jù)得出結(jié)論。

Uber的成功不是依靠他們所采集的大量數(shù)據(jù)，而是源于非常不同的東西： 它要的僅僅是一些小的，簡(jiǎn)單的車輛調(diào)度數(shù)據(jù)。Uber的解決方案是停止對(duì)視覺(jué)數(shù)據(jù)運(yùn)行生物異常檢測(cè)算法，而是只需要正確的數(shù)據(jù)來(lái)完成工作。城市里的人需要搭車，他們?cè)谀睦?這些關(guān)鍵信息讓Uber、Lyft、滴滴出行革命了一個(gè)行業(yè)。

為工作獲得正確的數(shù)據(jù)

正確的數(shù)據(jù)有時(shí)候量會(huì)很大，有時(shí)候又會(huì)很小，但這不重要，對(duì)于創(chuàng)新者而言，關(guān)鍵是要搞清楚哪些數(shù)據(jù)才是企業(yè)真正需要的，要想找到正確的數(shù)據(jù)，建議你考慮以下三個(gè)問(wèn)題：

問(wèn)題1 ：是什么在浪費(fèi)企業(yè)的資源?

大多數(shù)企業(yè)在日常運(yùn)營(yíng)中都有著大量的資源浪費(fèi)。以花卉零售為例，平均下來(lái)看，在大多數(shù)花店中的庫(kù)存會(huì)有50%的腐敗率，也就是說(shuō)會(huì)有近一半的資源會(huì)被浪費(fèi)掉。因此產(chǎn)生了UrbanStems和Bouqs這樣的創(chuàng)新的鮮花配送服務(wù)，因?yàn)樗麄兛梢酝ㄟ^(guò)正確的數(shù)據(jù)來(lái)幫助花店減少浪費(fèi)。

以哈佛商學(xué)院的本·埃德?tīng)柭脑拋?lái)說(shuō)，“浪費(fèi)就是機(jī)會(huì)，” 無(wú)論是在工業(yè)生產(chǎn)、零售、或是法務(wù)調(diào)查中，一定要找出浪費(fèi)你資源的因素，引導(dǎo)它走向正確的數(shù)據(jù)。無(wú)論是簡(jiǎn)單的識(shí)別還是商業(yè)模式中隱含的決定。

問(wèn)題2：如何通過(guò)自動(dòng)化來(lái)減少資源浪費(fèi)?

在確定哪些因素會(huì)造成資源浪費(fèi)之后，下一步就是要減少浪費(fèi)。

但是，當(dāng)涉及到簡(jiǎn)單的，重復(fù)的操作決定時(shí)，(例如，在哪里派車，如何給產(chǎn)品定價(jià)，或者一家花店有多少鮮花)，機(jī)器往往比人們做的更好。二十世紀(jì)的許多商業(yè)模式都是基于對(duì)人類控制決定的，但是我們今天識(shí)別確定數(shù)據(jù)可以通過(guò)更多的自動(dòng)化進(jìn)行。

傳言稱亞馬遜正在打算淘汰其所有的定價(jià)團(tuán)隊(duì)，讓算法來(lái)取代。在大多數(shù)零售商眼里，這是完全不可思議的行為。但是如果亞馬遜的算法能夠勝任這份工作，那么它將會(huì)為亞馬遜減少成本和庫(kù)存，并將推出更好的具有可預(yù)測(cè)性的新產(chǎn)品，而這將會(huì)帶來(lái)巨大的競(jìng)爭(zhēng)優(yōu)勢(shì)。

問(wèn)題3：你需要什么樣的數(shù)據(jù)?

一旦你有了對(duì)系統(tǒng)中資源浪費(fèi)的理解，并能夠預(yù)判出浪費(fèi)導(dǎo)致的結(jié)果，那么，最后一步是問(wèn)一個(gè)簡(jiǎn)單的問(wèn)題：什么可以幫助你做出完美決定?

對(duì)于Uber來(lái)說(shuō)，他們需要知道潛在乘客的位置所在，便于快速完成自動(dòng)化指派司機(jī)的決策，以減少司機(jī)尋找下一個(gè)乘客造成的資源浪費(fèi)。對(duì)于互聯(lián)網(wǎng)軟件Predix來(lái)說(shuō)，他們希望提前準(zhǔn)確知道機(jī)器崩潰的時(shí)間，通過(guò)自動(dòng)化以減少成本維護(hù)及非計(jì)劃宕機(jī)造成的各種浪費(fèi)。對(duì)于尋求降低成本的保險(xiǎn)公司來(lái)說(shuō)，他們希望知道的是當(dāng)一個(gè)糖尿病患者血糖下降至危險(xiǎn)邊緣時(shí)，有助于自動(dòng)化決策的干預(yù)措施，以減少管理不善的浪費(fèi)。

這些就是你所要找出來(lái)的正確數(shù)據(jù)。 如果你能通過(guò)掌握大量的信息找到他們將是非常好的。 如果你通過(guò)構(gòu)建一個(gè)新的應(yīng)用程序來(lái)感知捕獲他們將是更好的。

大多數(shù)公司花費(fèi)了太多的時(shí)間在倡導(dǎo)大數(shù)據(jù)上，但是卻并沒(méi)有用足夠的時(shí)間去思考對(duì)于他們而言什么才是真正有價(jià)值的數(shù)據(jù)。

原文鏈接https://hbr.org/2016/11/you-dont-need-big-data-you-need-the-right-data