08 阿里巴巴的大数据实践

按照我们通常的理解，一个人在注册某一网站的时候，性别登记只会是男性或女性，但不知你是否能想到，阿里巴巴竟然有18个性别标签。

在经过仔细调查后，我们发现了一些可以识别用户性别的方法。比如，某个登记用户早上的浏览行为更男性一些，晚上就会变得更女性（也许是妻子在用）。真实的性别只有0与1的关系，而现实却是0~1的关系，或者70%是男性，30%是女性。在每一个场景内，性别的变化都确有其原因，例如搜索、社交和广告等。静态的“真实”性别在A/B测试^[1]中的表现不如动态的虚拟性别有效，这恰恰证明了数据是需要运营的，绝不可以闭门造车，这样的例子在阿里巴巴不胜枚举。

谈到数据化运营，在公司内部我们是这样的流程：例如，我们要为一个童装类目做营销推广以征集新客户，我们会先找到目标客户群，会把对这个类目感兴趣的消费者用标签找出来，然后通过发邮件或者短信等方式来吸引他们的关注，这其实就是数据化运营，也就是用数据去帮助企业解决问题。最简单的解决办法是找出所有曾经看过但没有购买的客户群，又或者利用关联类目去扩大目标客群。

而数据从“用”上升到“养”，即运营数据，我们就会尝试在整个淘宝用户中查找。以针对12岁年龄之下儿童的商品为例，此时我们的做法就是在用户中搜索有多少用户家中有12岁以下的孩子，但却未发生过从这个类目购买商品的行为。你会发现，以前只能运营有过购买行为的几百万用户，现在我们的运营范围竟然可以达到几千万可能有12岁以下孩子的用户。从几百万到几千万，这就是运营数据，它是一个需要从主动收集数据到运营数据，再到产生新数据的过程。

在我的理解中，从数据化运营到运营数据是不断运行的循环。在这样的循环中，会容纳许多新的、不同维度的数据，这些数据经过在整个循环中的适应过程，然后再运用到数据化运营中，并且改变原有的运营方式，这个过程就是我认为的大数据落地的方法。

数据化运营的前提是假定数据是稳定的，并且以此来改变企业的运营。但以前的数据都是结构化数据，比如说，早期大部分企业都用财务数据来帮助企业运营，因为财务数据经过多年的积淀，相对来说较为稳定。而自从非结构性数据或者半结构性数据产生以后，数据化运营的难度就变大了。比如，音频是一种典型的非结构化数据，你很难把音频变成结构化数据，有了这样的数据以后，用数据来指导企业运营，面临的技术难度远远大于以往。

我们做数据化运营，其前提是假定数据是稳定的；而运营数据，则是假定数据都是可以获取的，而且是不稳定的（见图8—1）。

这又如何理解呢？所谓稳定，比如说关键词ROI，这项数据听起来很稳定，但反映的却是短线利益。数据化运营需要和商业咬合得非常紧密，所以数据也是混合在商业里，以假定稳定的方法去做业务上的对比和细分及趋势预估的。

这并不是说稳定是对的，而是因为企业对数据运营的分析是需要假设很多稳定因素的。

假定数据是稳定的

假定数据是稳定的，也意味着我们习惯于不去寻找一些新数据。

在这里，我们用点击率做例子。数据运营人员可能会觉得这项数据我们一直在使用，能有什么特别的呢？但在我眼里，点击率是变化的。我的问题是，当用户点击到详情页时，又有多少用户连第二屏都不会拉下去看？如果这项比例很高，那么就意味着点击率本身就有很多水分。

所以说，在数据化运营里，我们往往假定数据稳定不变，因为在我们的认知中，我只是数据的使用者，我假定数据是稳定的就可以了，这是普遍心理。那么，为什么我要去关注数据稳不稳定？而且，假定数据稳定，也意味着我们习惯于不去寻找一些新数据。

我的钥匙不见了，一般的做法是去那些我可能丢东西的地方找。同理，在运用数据的时候若出了问题，我们也会是一样的心理，不会去思考除惯性思维之外的其他可能性，而且这些地方无法解决问题时，我们就会不解。而这是数据化运营中很常见的一条死路。

于是，到了养数据，也就是运营数据的阶段时，我们的做法就必须改变了。此时，当我们要想静态的性别时，就要问自己：“会不会不好用？是否需要改善？”

从企业的角度来讲，数据化运营一般是自上而下的——管理者强调KPI指标，员工们按照目标进行分解。所以，数据化运营是计划性的，但凡计划性的一定都是稳定且结构化的。

运营数据却是自下而上的，经过了无数的错误和无数的实验，慢慢地向上追溯。就像阿里巴巴有18个性别这件事情，这18个性别不是管理层凭空想象出来的，而是将众人发现的性别经过交叉比对，分析到底在什么场景下更适合。可见，这样的结果是试出来的。

在我们的日常工作中，你很少会发现负责业务的管理者说：“我要收集这项数据，它很有用。”这样的场景一般不会出现。我有过这样的经历，是因为我是数据部门的管理者，我这么做的原因，是在跟其他公司的人讨论时产生了这样的想法，而我也会在我回到公司后提出“我们也试试这个数据”的意见。比如，前面提到的那个亚马逊根据IP地址观察用户附近10公里内有没有书店的例子，同样的运营数据的方法我就在淘宝尝试过。

我想说的是，如果没有了运营数据的这个部分，收集来的数据绝对就不是大数据。

假定数据是可获取的

“用数据拿数据”的方法可以将数据化运营和运营数据打通。

从假定数据可以获取的角度来思考问题，是数据化运营里很重要的一个方法，这与“如何利用数据来拿到更多数据”的问题并不一样。今天，我已经知道了你的一些数据了，但是并不多，此时我就要想办法用我知道的东西来拿到你更多的数据，这在数据化思考里叫作“有意识地用数据拿数据”（Data Get Data）。

现在，最常见的一种“数据拿数据”的方法就是“A/B Test” 。原理是，我本来知道你对某种东西很感兴趣，今天我给你做一个测试，本来是A页面，我给你一个B页面，然后看看你有什么样的反应（有点像功夫里的假动作）。其实，B页面拿到的数据肯定是基于A页面拿到的数据的。

比如说，你经常会走过一条路，而今天在你走过这条路时，我安排了一个美女从这里走过，然后测试一下你的路径有没有变化以及你有没有停下来。

正常来说，以前收集到的数据会告诉我你在路过的时候是不作停留的。而今天你停了下来，那我就得到了“美女的出现可以让你停下来”的数据。这时候，美女就是我抛出来的一个问题，即用问题来获得更多数据，这就是在用一部分数据拿更多的数据时采用得最常见的方法。

将数据化运营和运营数据打通，有可能会创造出一些意想不到的创新。

我们在大数据环境里运营数据时，有可能走不通的原因是，现在的数据已经庞大到需要管理才能到创新的数据化运营。这个循环能否成型，往往需要很长时间的努力。

互联网金融就是一个近些年比较新颖的例子，现在也有很多前沿公司在做类似的事情。这么做的原因是，公司发现用户的资金链是评估其经济状况的一个有用信息，而收集到的这些数据应用在信用评估上时，可以更动态地决定用户的信用额度，以减少借出方的风险。

比如，这个网站拥有关于整个公司流水的数据，大概知道用户的资金流水——原来还有30%的订单在处理，还有不少订单在路上，而有些则是押在了一些担保交易上，所以这个用户不是没钱，而是钱押在了供应链的各个环节上。万一用户不还钱，网站也有能力卡住用户的资金流，这使得网站有能力降低自己遭受坏账的风险。

其实，阿里巴巴在从数据化运营到运营数据的循环系统中，能做到现在的成绩，跟管理层更相信数据、更愿意付出以及更愿意投资有很大的关系。此循环系统的关键在于管理层如何应对数据价值的断层，这对整个循环能否走下去的影响非常大，而阿里巴巴应对这个循环的内功，我认为答案在于“混、通、晒”。

先不要一头雾水，“混、通、晒”简单来说，应该是我们数据分析师的“内三板斧”，我会在第9章中进行详细的介绍。

^[1] A/B Test，A/B测试，是数据分析中的一种对比分析方法，可以将试验组和控制组的试验结果更加明确地展示出来。——编者注