淘寶車品覺：數據，你準備好了沒有？
車品覺在加盟阿里集團前曾在匯豐銀行、電信盈科、微軟、eBay等多家MNC擔任總監職務，積累大量中小企業在互聯網發展的經驗，論壇上討論的主題為《數據，你準備好了沒有？》。
分享主題有十點，我們節選了部分的主要內容：
一切從問題開始
提到數據中表現明智，不是要增加更多東西，而是要去除過份復雜和裝飾性的東西。理解了問題 ，就能化解問題，問題本身就是答案。
車品覺列舉一個親身經歷：有不少做電商的從業者向其提出疑問，B2C企業里大數據使用幾年了，真的有效么？車會反問道，你知道你的老板在過去六個月里的困難是什么？分析師往往5-10分鐘都無法回答，這表明從業者自己都不了解應該把數據用在哪里，這樣如何能使用好數據？。“懂問問題的本身，便找到了答案。”
如果分析師能把問題拆分成三個問題：公司現面對的頭三個問題是什么？未來三個月要解決的是什么？過去一個月作對了什么？事情便好辦多了。車再次舉出了一個在面試中自己常問的問題：“今天早上九點，我是淘寶的CEO，你是我的分析師，請給我三個指標，讓我對上周的業績安心。”
面試者常常不假思索的回答：“流量”，“交易量”，碰到第三個問題，才需要思考。這表明面試者并不了解問題：問題的核心在于對象是淘寶，不是所有的電商，目標是CEO，而不是產品總監，第三問題表明這是一個周敏感的數據（參考答案會在后文解答）。
“數據的力度是無窮的，你可以在不同維度里一直拆分下去，分析師只需要知道哪些數據對自己有用即可。”而數據收集的難度在于，你的起步應該有多寬，如何預判哪些數據是可以為將來所用，這個問題困難了車半年的時間。
在實踐中提煉數據的敏捷性
在動態中試驗,找出數據的規律性規律性就是不僅我會用,只要你知道了,你也會用。數據必須不停的時候，若僅憑借記錄的數據，是難以還原當時的場景：有一個人在下雨天買了面包，如果不再當時去考慮，是無法推斷出影響此行為的決定性因素。背景數據無法還原當時情況。
航海日志是一個很好的例子，收集數據后定位——進而做出決策——發現差異——回饋從新定位收集數據的范圍。這個過程中需要不斷的反饋，最后做成一個表格，數據便是這么提煉出來。
讓數據——獲取、使用、分享、協同、連接、組合
由于現在的數據統計得極不規范，使用數據的人很難有效的獲取信息，讓用戶輕松感受到數據的價值，過去在做數據時，很少會有人考慮用戶體驗，這恰恰是最重要的。比如數據里面出現了SQL，便使得很多技術以外人士無法讀懂，美國現在已經有企業提倡去除SQL，便是為了減低交流成本。
上面說的是使用。如何獲取同樣也是十分重要的問題。Google Glass這款產品為何如此重要？因為它能收集的數據與傳統渠道的區隔是天翻地覆的：從一個人早上起來遇到的每一個場景、每一個回饋所得的數據都收集起來，一個人50%-60%的數據都能收集到。讓數據盡可能簡單的收集起來。
顛覆創新來自分裂或重組
一個人注冊網站的時候，可能性別會是男。但仔細調查可以發現，或許早上的性別是男，晚上是女。或者70%是男，30%是女。過去是0與1的關系，現在是0-1的關系，這是一個立體的數據，年齡也是同樣的情況。
車品覺在這里舉了一個鮮活的例子：“現購物人群趨勢里，出現了diaos高帥富化與高帥富diaos化，三四十歲的人群，去買顏色很鮮艷的手機；而工薪族會去以數個月的工資來買一個LV包，這些都是很常見的。”分析的時候需要具體進行分裂。
以假設數據都能獲取去思考問題
大數據是眾多事物的數據化，獲取數據的成本越來越低。阿里數據科學部的楊滔先生舉出了四個特點：
量變到質變：小樣本下，模型無法達到滿意精度，大眾就覺得模型不行，但當樣本達到一定量，模型精度會顯著提升，從而使模型具備以前不具備的功能。
片段到全局：大數據能從多個角度判斷一個對象，許多模型都是對象的片段信息，但將這些片段組合在一起時，就會在整體判斷有爆發提升。
應用到資源：小數據下，數據是為了具體場景的效果提升，但當大數據模型能夠辨識全局，數據得出的信息就會成為許多創新及應用的源泉。
大數據包括多個數據處理和挖掘的環節，每一個環節都是科學+藝術，建模能力需要非常強，才可能深度挖掘其價值。
數據開放是硬道理
清華大學科學學院經濟學教授、清華大學華商研究中心副主任劉鷹在談到“從數據、信息到知識的演變”，他的邏輯是：從數據中獲取信息，從信息中提煉知識（見圖）。
我的問題是如何完成這個從數據到知識的提煉過程？誰來來完成這個過程？我的理解是，任何個人是不能在大數據時代做成一件事的。如果說在農業時代是“三個和尚沒水喝”的話，在大數據時代則是“只有三個和尚在一起才有水喝”。
同時，這三個和尚還不能是同一個師傅教出來的，第一個和尚要會statistics and machine learning；第二個和尚要有專業知識，例如經濟學、社會學和心理學等；第三個和尚要懂計算機的硬件和軟件。
三角鼎力方可百戰百勝！阿里研究中心將各部門打散，不同部門的人組成若干項目小組，大量動用各方專家進行合作研究，可見他們Boss的洞察力和領導力了！
利用數據拿到更多數據
電子科技大學計算機學院教授尚明生指出：數據“大小”自然是不重要的，或者說“數據”本身就不重要，重要的是數據中隱含的“信息”。比較麻煩或者復雜的是，這個“信息”的效用沒有一般的準則，因為它通常是為了解決不同的具體問題而言的，而問題又可能是多種多樣的，甚至無法預知。
我們無法直接抓住所有可能的信息，只好去抓信息的來源，也就是數據。從這個角度出發，這個數據就需要越大越好，這實際上是我們事先不確定其中可能有用的信息，又不想失去某個部分，再加上想偷懶，就想用同一份數據，來滿足不同（的人對于他們自己感興趣）的問題需求。
在實際應用中，如果問題比較固定，從抽樣理論出發，數據規模是可以限定大小的；如果問題本身發展變化，數據還會越來越大。
數據化營運是一種對待數據的態度
大數據的核心是以數據作為決策的依據，而不是拍腦袋。大數據時候需要改變的是管理的模式，而數據量的增加僅僅是使得這種改變更加緊迫、更有基礎。這件事在10年前我開始給學生講商務智能課的時候就是這樣，再回去20年這種思路就有。
從這個角度來說，數據的大小確實不重要，重要的是管理的模式和文化。今天之所以提出大數據管理，對于許多企業講其實是補10年（甚至更多年前）前管理理念上的課。
但是，電商在這方面占據了先機，現有的人員、技術和管理理念基本上可以支持大數據管理，這是一些線下企業，或者數據基礎、管理基礎比較差的企業望塵莫及的。數據量的積累對于這個企業而言還是重要的。
