以增长为目的，挖掘“大数据”商业价值
8月26日，由福州软件园主办，3W COFFICE等共同承办的“2017智能科技行业应用论坛暨3W全球企业服务创新大会”在福州隆重举行，围绕“由智启程”的主题，探讨新一轮科技革命和产业变革机遇中，创业企业如何消除核心业务之外的“焦虑”，以及企服行业如何在连接的基础上实现赋能和共赢。诸葛io商业分析总监王洛受邀出席本次活动并发表了主题为《大数据：打破传统商业运营》的分享。本文整理自诸葛io商业分析总监王洛的现场发言。
随着互联网技术的发展和应用软件的成熟，细分化数据的挖掘应用，对产品具有导向性作用，激发产品创造性潜能。诸葛io沉淀多年经验，运营精细化的数据分析，让数据不再是一堆数字，而为增长决策提供依据。
我们每天都会接触到“大数据”，那么“大数据”到底是什么？与企业有什么关系呢？随着数据产生的方式越来越多元化，很多人认为大数据就是海量数据，其实并不准确。所谓大数据指的是数据流，它的处理方式，它对整个生产活动的影响，已经不再局限于传统的金蝶/用友等数据统计，而是能够还原用户画像。
之前我们到商场购物，只有在固定的收款台支付完成后才可凭小票取货。而现在很少有这种情况了，各大商场都有wifi，它的作用是通过wifi来识别顾客有没有进入商场；其次商场机器人判断连接wifi的顾客有没有进入店铺；第三，商场的微信公众号往往要求顾客注册成为商场会员，通过购物小票累计积分。通过手机信号移动的轨迹定位顾客在商场内的“访问”行为，记录下顾客喜欢的店铺，通过扫码累计积分的方式了解顾客的消费行为，通过手机号码获取顾客的个人信息：通过历史的浏览行为/消费行为/购物偏好/性别/家庭结构等，将不同主题/创意的活动有针对的推送给顾客，如此，用户行为即构成大数据，通过分析最终为营销服务。
基于此，让用户带来更多消费贡献，挖据更多用户价值，而对企业来说，羊毛出在羊身上，进而降低获客成本，让顾客成为用户，通过多种精准营销的方式来触达，这是目前大数据最经典的案例——直接呈现用户画像。
1、增长是企业生存与发展的核心
荷塘理论
一个池塘要长满荷叶，假设第一天你能看到1片荷叶，第二天你能看到2片荷叶，第三天你能看到4片荷叶，第四天你能看到8片荷叶，以此类推，每天以成倍的速度增长，问荷花铺满整个池塘的前一天，池塘里有多少荷花？
什么叫荷塘？对于企业来说，在占领市场阶段，如果把市场比喻荷塘，通过恒定的指数发展，第一天长出一片叶子，第二天长出两片叶子，第三、第四以这种方式发展，在100%铺满池塘的前一天，池塘中至少有一半被叶子覆盖。当占领整个市场的时候（即，离成功很近的时候），根据荷塘理论，达到50%可能需要几年时间，很多创业公司往往不能坚持下来便放弃了，从1到2、4到N-1次方的过程是很痛苦的，如果没有科学的衡量与指导，很容易放弃。
诺威格定律
诺威格定理是指“当公司的市场占有率>50% ，市场占有率无法再翻番了”。
诺维格定律，当企业的市场占有率大于50%时便很难再翻番了，因为另外50%的目标已不局限于现在的市场中，那么如何从现有的市场中寻找新的市场，如何继续增长呢？
淘宝花呗，数据表明，信用卡使用率逐年上升，淘宝有大量交易流作为支撑，那么即可实现“自己借钱，钱在自己池子里赚”的操作。
顺丰，初创阶段只是家快递公司，后来开拓生鲜市场，用户之所以选择顺丰，因为速度快且服务有保证，其中有一个细节，即物流商品务必保质保量，尤其对于生鲜品类，顺丰通过自主物流体系，不仅提供配送服务，还提供售卖服务，通过细分挖掘，基于现有市场，因此大数据可以告诉企业，你的方向可能在什么地方。
2、增长的核心要素
➤商业核心：产品、用户、需求场景
企业发展，一定要从以下几个方面考虑：
最关键的是产品，产品是商品？还是服务？第二，产品的目标用户是谁？第三，需求场景，即，什么样的用户在什么样的情况下将产生购买行为。
高档餐厅VS快餐厅
一个人不可能永远只去一类餐厅：在什么样的场景用户选择快餐？基于时间维度，快餐通过快速点单出餐满足你高效用餐的需求，法餐满足你优雅用餐的需求。那么如果开餐厅，是浪漫餐厅？还是快餐厅？完全取决于市场用户群的特征及需求场景？但不可能百分之百的满足需求，要知道目标用户的市场占有率以及何种产品才可满足用户需求。
➤MVP和精益创业方法
假设->观察->洞察->行动->验证及反馈
MVP，即最小产品验证，如果设计一款产品，不会一开始就投入产品搭建，而是需要猜想用户最关注的关键点，并把它产品化，然后投放市场进行验证，验证过程中根据数据进行调整，每次迭代细化一个“点”，一步一步迭代将产品完善，也许最终的产品在不断验证迭代后，用户的需求也发生了改变，通过各种数据来证明市场并不是原来想象的情况，可能有更多的发展机会。MVP，即通过最少的时间成本换来最大的效益，既节省时间又节省人力物力。
延伸阅读：
3、增长背后的逻辑
➤注意力->体验->交易
寻找你的第一增长指标
首先通过产品吸引用户进入产品后，通过产品体验让用户留下来，下一步再引导交易行为，即，先积累用户，当用户量足够大时再研究变现方式。
➤不同阶段对应不同的人群的需求的探索和满足
不同行业有不同的商业模式
对于传统行业来说，最核心的商业目标就是不断让用户产生交易行为，所以不同行业，发展路径不会完全相同。如果又想要用户，又想要利润，很可能这个产品无法同时满足两个需求，要么伤害用户，要么损失利润价值。
不同阶段的第一目标往往不同，在粗放阶段，产品可能有各种各样的问题，在迭代过程中以用户体验为主，可适当牺牲利润，当产品逐渐成熟，用户稳定后再将目标调整为变现：电商/O2O/企业服务的商业模式不同，在不同阶段选择不同定位。
企业增长经典的2A3R模型：产品不断获取新用户，让用户注册后持续使用产品，让老用户带来更多新用户，让用户为产品贡献价值（变现），每一步都需要数据支持，获取用户的量级，用户使用的频度，用户是否喜欢把产品分享给周围的人，整个产品能带来多少利润？
4、互联网+时代业务增长的挑战
进入互联网+时代，业务增长的挑战：
1、高昂的推广获客成本，在手持设备匮乏的时代，移动互联网用户大多为IT精英，随着移动端用户量呈指数级的增长（一人多台手机），新用户的比例将越来越小，用户的获取成本也越来越高，那么获客质量的衡量尤为重要；
2、用户对服务体验的挑剔，对于用户来说，产品体验很重要，消费升级大趋势下的期望值提升，对体验过程和产品设计的高要求，此外，同质竞争如此激烈，如何差异化占领市场同样值得思考；
3、竞争激烈用户忠诚度低，用户付费习惯差，可选择服务多，活动和补贴难以真正留住用户。
在明确了数据对产品发展有积极意义后，那么该如何使用数据呢？数据驱动的复杂性往往让大多数企业望而却步：首先，数据采集关联清洗难度大，成本高；其次，分析维度单一，业务场景分析缺失；最后，数据的应用程度低，价值发挥不足万一。对传统企业来说，如何实现历史数据体系的过渡？如何将数据应用于业务指导？基于这个需求，企服大数据行业应运而生，数据智能决策——帮助企业在生产过程中搭建数据体系，不断挖掘价值增长点。
5、数据智能决策平台
原来，企业大多使用CRM/SAT系统，现在企业更关注用户活跃、用户传播等数据，上图是诸葛io可以提供的：第一层数据集成，即整体业务数据的采集；第二层基础设施，第三层应用平台，第四层业务场景，第五层，通过分析总结出行业共性场景标准化，最终提供行业通用的解决方案。
诸葛io提供多种维度和指标，指导企业获取用户，让新用户转化为忠实用户，让更多用户留下来进而实现盈利，总之，诸葛io不仅将数据整合起来，而且结合数据与企业所在的行业及自身发展阶段，提供体系化、标准化的服务：
1、业务场景分析
市场/渠道/推广：渠道质量评估与优化
活动运营/设计师：页面需求分析优化体验
产品运营：提升转化和复购
2、业务指标体系搭建
3、典型应用场景
延伸阅读
4、核心功能价值
5、数据安全性保障
诸葛io依托AWS可灵活拓展的云计算平台，可降低持续成本，无需购买服务器等前期设备，快速实现数据应用，缩减基础设施成本及时间成本；企业搭建大数据平台的目的是应用而不是运维，所以诸葛io通过AWS平台降低企业运维成本；此外为了便于诸葛io在其他方面的探索，比如在AI方面进行探索，通过AWS平台提供的AMI可极大地降低研发成本。
6、数据开放性
SQL查询，诸葛io基于Apache的一个Zepplin开源项目构建了一套SQL查询平台，直接把结构化的用户行为数据的数据仓库作为基础，在其上搭建平台，可以直接通过编写SQL语句的方式，对数据进行各种分析和洞察，非常适合分析师进行“探索发现”式的分析使用。同时，还支持一些简单的数据可视化，让我们方便且更深入的分析数据，更形象的理解数据。
数据仓库开放访问。种种原因，用户行为数据可能没有被企业很好地搜集和利用。在服务企业客户时，诸葛io发现用户行为数据能够发挥的价值非常大，我们不希望企业仅仅将用户行为数据搜集到诸葛io平台上，而是为更多的企业提供各种服务。诸葛io在思考能否将数据开放给企业，当然，需要强调的是，服务哪家企业诸葛io才对哪家企业开放，且企业间绝无交叉。故，诸葛io提供了数据仓库的开放访问。
开放访问数据仓库，可实现行为数据与业务数据的打通，中间通过用户ID等数据实现行为数据和业务数据的关联，关联后业务数据往往是一些结果性数据：比如，某用户投资了3次，投资总额是1.5万，但是这个用户投资的整个过程是什么样的，我们需要到业务数据里去找，这中间如果发现一些不理想的环节，我们能从业务数据中找到原因，甚至找到一些改善的手段。
开放访问数据仓库，还可满足数据分析师个性化的报表需求，不同领导和业务部门对报表的需求不同，此时可直接通过你所用的报表或者可视化工具连接数据源即可实现。
开放访问数据仓库，更有助于数据分析师基于业务展开更深入的分析和挖掘数据。
实时数据的订阅。在诸葛io平台上所有的用户行为数据，从行为到发生，到数据入库可实现秒级入库，在实时性达到如此高级别时就会衍生出额外的应用场景，比如：对互金产品做实时风控时，有时候需要把用户行为数据放到整个大风控模型中，连接实时和整体的数据，我们能够更早的判断出用户是否是“羊毛党”。
7、全生命周期历程的引导和服务
通过精细化的分析，以工具为底层，通过漏斗、事件，多种采型组件以及分析组件为基础，支持企业进行精细化分析。诸葛io全面覆盖从曝光到付费到留存（流失）的全生命周期链条，相信未来的服务一定是以用户的生命周期和价值为基础的。所以，让业务的人更懂数据，让数据更好的服务业务是基础。