TalkingData高铎

钛媒体注：一个大数据平台如何帮助企业发现大数据的魅力和价值？以下内容根据TalkingData副总裁高铎在2016MIIC上的演讲整理：

当我们提到大数据的时候，究竟在谈论什么？

我们谈论的不是去追逐一时的趋势和热潮。

在互联网大潮如火如荼地席卷整个行业的时候，很难有传统企业还能保持平稳健康的心态，不去一窝蜂地投身到大数据的风口之中。在大多数传统企业乃至互联网企业手上，大数据仅仅是盲目堆砌数据数量甚至概念，用来应付差事或者忽悠资本。

如何帮助这些企业克服上述弊病，如何才能使大数据发挥真正的作用，展现出其真正的价值，TalkingData 在数年的实践中摸索出了一条自己的道路，帮助众多企业发现大数据真正的魅力。

TalkingData 做了五年，我们收集了很多数据。跟很多行业去合作，最终发现一点，数据真正要想起作用，必须要和具体的行业需求结合才能发挥作用。

去年和今年遇到好多到我们公司来跟我谈大数据合作的朋友，很好玩的现象是，好几个人说我这有数据，你们买吗？我卖给你。我问你有什么数据？他掏出硬盘，80G，要吗？我说大数据不是这样的，不是以你的硬盘存储的数量来计算的，一旦这个静态的数据成为买卖，就是把大数据的价值想歪了，做偏了，那什么是真正的大数据价值呢？

这是7月13号晚上10点到7月14号3点中国大陆上空的风云二号气象云图的变化，气象是我认为目前在大数据领域真正做到收集了实时在线多维度的数据，可对未来一段时间做预测的大数据应用。这个判断基于如下考虑：

第一，所谓的大数据必须是在线的，是多维的，是复合型数据；

第二，必须使用这些数据构建模型，在某一个具体行业里面（气象）去解决这个领域的问题（天气预报）。

只有能做到这两点，才能说你的大数据有了活力，发挥了价值，才有可能做到去改变企业的效率和决策方式。

分享三个案例，是我们这五年在不同的行业遇到的：

看一下四个数字，这个案例很值得思考。一个巨无霸型的传统企业，老板受“互联网＋”增值服务的感召。想把原来卖出去除了投诉再也回不来的消费者，转变成长期的可做增值服务的互联网用户，决定企业要“+互联网”了，要做一个APP。决定产生之后开了会，很快把他们IT部门，信息化部门，还有一些传统的产品包装部门，调出了100个员工，拨出了预算10个亿，他们做了1年之后，这个APP基本上线，但是几乎没有用户。

调研的过程中我们发现，在互联网行业做一个UI/UE设计的时候，是小步快跑，快速迭代的。这个企业的产品经理设计一个UI，先向他的科长打个申请单，科长看了之后说，这个按钮略显大，调调；调整完了，然后申请单到一个副部长，或者是部长手里，部长说我觉得你这个风格变成蓝色才符合科技范，然后按照部长的意见再改改。小的改动从员工到部门领导基本上是七天，大的甚至到一个月才产生一个结论。这种管理风格和时间消耗，是一个传统企业“+互联网”过程中遇到的很客观的现实问题。

发现了有这样的问题，就需要帮助他们解决这些问题。

我们从咨询业务切入，做了移动战略转型的咨询方案和移动运营平台的搭建方案，帮他们改造了这个团队，把他们团队的垂直化管理体系变成扁平化管理体系，协助他们制定基于整个产品生命周期的KPI体系，运营的思路完全改变了。同时通过数据埋点分析方案快速地帮他们去迭代产品，去诊断每一个版本，去看每一个页面转化和留存，最终这个公司的三级部门，升级为整个集团的一级部门。

大家从这个案例看到，很多传统企业转型“+互联网”，很现实的问题，就是组织架构，管理理念，产品思路，运营套路，数据思维，都需要去改变，需要真正地在移动互联网里面有这种经验，同时又能通过大量数据积淀整合出靠谱方案、切实的帮助到他们的企业。

第二个案例，我们统计了TalkingData合作的13万App，分析这些企业的用户使用统计后台、运营后台，每天都在看哪些指标，我们发现这四类指标是关注度最高的，以Game Analytics后台为例，企业高层运营人员每天只关注游戏充值多少，收入多少，有多少付费用户，有多少活跃，其他的指标基本一概不看。比如说为了增加收入，要设置哪些道具拉大用户，怎么增加轻度付费用户的付费投入，如何对新用户做针对性的营销策略；如何分析渠道质量，如何优化营销成本，增加哪些渠道的投入；哪些活跃用户可能马上就流失了是否有应对策略；这些点，后台功能都是有的，但是我们发现很多合作伙伴，甚至他们的管理层，其实只看上述四个指标，其他都自动忽略了，这样会导致：

第一个结论，企业的管理层关注点单一，导致下面具体人员只关注这几个指标去做工作，没有把这个产品的 LTV（life time value，生命周期总价值） 当作整体策略来运营。

第二个，导致外部的合作伙伴，只帮你做这几个单一指标，所以在这个行业你会发现，做有各种“雷锋”，帮你冲各种关键指标的。

有数据，不用数据。数据在那躺着，从没有真正的用起来。针对这种情况，TalkingData提供了一个AAARRR的移动产品全生命周期的分析模型，从外部用户认知到用户获取，到真正的活跃和留存，再到是否产生了收入，以及最终是否对这个产品做了传播，做了哪些传播，我们针对这个模型每一个指标，定义了一套方案和一些细化的指标，比如说如何与自己的业务数据打通，如何对投放渠道做细化深入的评估诊断，如何对复杂的媒体效果做有效的分析，如何去优化整个公司的KPI的体系。用更完善的一套指标体系来指导公司移动运营业务，让关键岗位的员工都更关注于长远而不是只关注于眼前，这是我们在移动领域期望客户能在数据使用方面更有远见性做的努力。

第三个，是具体投放的一个案子，客户在自己后台上新增六万的用户，我们的平台统计的新增只有1.2万，双方对指标，最后的结论是很清楚：他们统计的设备ID在TalkingData后台大量被归一到同一个TDID（TalkingData唯一标识设备的ID）。说白了就是被钻了空子，有很多假量。

针对这种现象，TalkingData 提供了一个比较全方位的，在移动效果广告行业广泛使用的防作弊模型，融合了 ID、IP、TIME 和RULE的防作弊策略。很多作弊手段，无论是机器作弊，还是人作弊，特征都有规律可循的，要么有 IP分布规律，要么有时间分布规律，要么有位置分布规律，我们融合这么多年发现的各类规律和已经积淀的作弊黑名单，以此来帮助客户实现防作弊，去除无效营销成本，提升运营效率。

以上这些是我们在具体的运营过程中遇到的问题。为了解决这些问题，我们发现深入到不同的行业当中，要提供的东西是不一样的。

对于传统企业来说，很多＋互联网的意识需要教育，所以我们成立了 腾云大学，大家如果有兴趣每周日下午都会有直播，邀请不同行业大数据专家讲解每个领域的理解和应用。帮助大家学会数据怎么去收、怎么去用、怎么跟业务结合，才能够对业务产生积极正向的影响。

当然单纯的教育还不够，很多合作还需要深入到企业里面，以数据咨询师的角色帮助企业建立数据化思维，一些重要业务问题，则需要领域工程师结合外部的数据特性和企业内部业务问题，构建特定的业务模型，所有这一切，基础在于有一个致力与数据挖掘的数据科学家团队，构建靠谱的人群标签数据模型，应用兴趣数据模型，行为数据模型，打通不同的业务场景，真正做到有数可依，有据可循。（本文首发钛媒体，根据Talking Data副总裁高铎在2016MIIC大会上的演讲整理）