只是擁有數據自然用處不大，真正的贏家是像Amazon或Netflix這類公司，他們比競爭對手更好地利用了大數據而取得了競爭優勢。如果不能數據變成收入，你的Hadoop集群和里面包含的大量的數據就沒什么意義了。

要是你能比對手更好地利用大數據，你甚至有機會躋身成為像Amazon和Netflix這樣的大數據資深玩家。

如何才能把數據變成錢呢？有兩種辦法：數據驅動的流程（data-driven processes）和數據驅動的產品（data-driven products）。

數據驅動的流程（data-driven processes）

商業分析師往 Excel 里輸入方程，在 SQL 數據庫里運行特定的查詢語句——在大數據時代這樣是不夠的。新時代需要更大膽、更無畏的數據探索者，無論是在小數據還是大數據的世界里，他都能熟練運用工具。

被稱作“數據科學家”的他，是下一代的數據極客，他充分了解傳統的 BI 工具、查詢語言、統計辦法和機器學習技術。

優秀的數據科學家能在方方面面幫到你：弄清楚你產品的哪個地方行得通或是行不通（這是 Zynga 的數據科學家的角色）；創造預測模型，讓你一窺未來，從而在眼前做出更好的決策（這是@WalmartLabs 的做法）。

數據科學家能怎么幫到你？下面有幾個具體的例子：

如果你銷售的是一款 SaaS 應用，數據科學家可以幫你分析、找出帶來高營收的用戶的共性。比如，這類用戶可能會以特定路徑轉化成為付費帳戶，人群特點也可能相近（性別、收入、地域、年齡范圍等），也會以特定的辦法使用該產品。所有這些洞見有助于進一步打磨廣告、市場營銷以及產品，以提高營收。

數據科學家可以確定某個定價范圍或產品是否會擠占來自其它定價或是產品的銷量，由此，你可以優化你的定價策略和產品線。

數據科學家可基于歷史數據創建預測模型，讓你做出相對更靠譜的預測。比如，你可以分辨哪一類顧客更有可能是懷孕的女性（Target 就曾做過這樣的事情），或是銷售漏斗里的哪類顧客最有可能在哪個水平上被轉化。

數據科學家能幫你弄清針對數據你要問些什么正確的問題。比如，數據科學家可能會建議你把營銷數據和網站日志數據以及交易數據都關聯起來，以確定市場推廣活動背后的 ROI（投資回報率）。

數據驅動的產品（data-driven products）

除了利用數據驅動業務流程以外，數據還可被用來增強產品的功能。有些公司會把數據打包到一款有用的產品里，再轉售給其它公司。

Twitter 自己并不是一款數據產品，但它把數據授權給了像 DataSift 這樣的數據服務公司，后者接著創造了一款數據產品，而別的公司痛快地接受了它所提供的分析結果。也有一些媒體公司會把觀眾收視率數據打包到產品里，再轉頭賣給頻道制作人和內容創造者。

然而，大多數創建數據驅動的產品的公司并不會簡單地創建數據產品再轉手賣掉。他們會利用數據把現有產品變得更加高效、更加智能，或是更具有洞察力，從而直接或間接地產生額外的收入。

下來我舉幾個例子：

廣告平臺可以針對不同的觀眾展示不同的廣告，以最大限度地提升點擊率、以及其它產生營收的用戶行為。

電商應用可智能地做產品推薦，以最大化增加消費者的購買率（包括原本就打算買的，以及許多購買計劃外的東西）。

Publisher 可通過智能分析和推薦，為每個用戶做出個性化的頁面，以最大化用戶在網站上的停留時間，并產生更多的廣告收入。

視頻平臺可捕捉所有的用戶交互行為，并向內容創作者提供詳盡的分析報告，幫助他們對重要的指標做出優化（參與率、播放率、轉化率等）。這也是間接貨幣化的例子之一。通過添加一個由數據或分析支持的功能，平臺也有望對用戶產生更大的吸引力。

數據驅動，你也可以做到

下面是我的幾個建議：

集中地收集所有數據。在存儲成本直線下降的今天，廉價乃至免費的大數據存儲服務隨處可見，如果你沒有全方位地收集數據，你就大錯特錯了。我經常這樣告訴一些公司：就算你忽略你擁有的數據，但你卻絕不可能分析你沒有的數據。非結構化或是半結構化的數據存儲服務允許你把原始數據先存起來，等到需要的時候，再付費把結構化的數據提取出來。所以說，你是沒理由不把經過你手的數據給收集、存儲起來的（交易、交互、行為數據、傳感器數據、用戶生成的內容、日志文件等等）。

聘請一位數據科學家。如果你是一家創業公司，你團隊至少需要一位數據科學家，或是能夠兼任數據科學家角色的成員。假如你公司有了一定規模，就有必要準備 成團隊的數據科學家了。比起從外部聘請，內部培養會更容易些。優秀的商業分析師，或是在 BI 和 SQL 有優異背景的人，都有機會成為數據科學家。他們需要配備適當的工具，并獲許訪問全公司的數據，這樣，他們才可以回答特定的問題、進行探索性的數據挖掘、支持 BI 團隊、并協助數據產品化的工作。

把數據產品化。任何一家公司，但凡擁有專有的數據，都應該好好考慮把數據利用起來，打造新的產品，或是在現有產品上創建由數據驅動的功能。任何一家公司，只要它有桌面、移動、Web、或基于媒體的應用，它就有專有的數據（也就是說，在這個數據時代，絕大多數的公司都有專有數據！）。各類公司，尤其是廣告和零售公司，已利用數據驅動智能化的功能，獲得了數以百萬乃至十億美元計的增量收入（incremental revenue）。

如果你是一家 B2B 的 SaaS 供應商，向你的客戶提供自助的報告服務，是你把數據變成產品的簡易辦法，也能間接產生額外營收。如果你是一個電商平臺，利用你手頭的數據做個性化推薦，可以帶來可觀的增量收入。如果你做的是一款面向消費者的應用，利用數據把應用變得更加聰明，也能提高易用性和用戶活躍度。走向數據產品化的第一步，就是讓團隊里的某個人開始思考利用你的數據資產可以做出些什么功能或是產品。但最終，你還需要專門的工程師資源，把數據變成功能和產品。

受數據驅動的你

大數據真正講的不是數據本身，而是要探討怎樣利用數據在公司內部驅動業務流程和產品功能。過去幾年迅速竄起的數據科學就是“數據已成為 21 世紀的貨幣”的有力證據。如果你置手頭的數據不顧，你就在競爭中處在了劣勢。

只需簡單的幾步，比如把所有接觸到的數據都收集起來，團隊擁有至少一位數據科學家，在數據產品化方向上用力，你就是在有效地“花錢”——花在你數據倉庫里不斷積累起來的“數據貨幣”。

英文原文：http://techcrunch.com/2012/12/15/so-ive-got-big-data-now-what/

【編輯推薦】