产品思维篇25一数据思维

上一篇,我们聊了哲科思维给我们的启示,其中就提到了数据的重要性。怎么利用好数据已经成为这个时代最重要的竞争力,每个人都应该具备数据的思维。那么,什么是数据思维呢?下面我们分为四个点来分别讨论下。

首先第一点,要学会用科学的方式解决问题。什么是科学的方式呢?就是通过量化的分析,总结规律来指导我们的行动,并且在行动中不断收集反馈,不断进行总结,不断迭代我们的认知。科学的思考方式必须是基于数据的,基于实验验证的,而不是拍脑袋。他是一个逐渐迭代的过程,可能前期没有直接借助经验做决策来得快,但是,随着认知的升级,量变就会产生质变,这是经验决策无法办到的。

举个例子,在美团进入酒旅行业之前,携程一直都是这个领域绝对的老大,但是美团花了极短的时间就超越了对手,为什么后来者反而居上了呢?美团不是通过盲打莽撞实现的,而是采用了科学的竞争策略。美团在进入这个行业之前,进行了充分的调研和试点,他们通过分析数据,发现很多城市,甚至是旅游城市,从吃喝玩乐到酒旅的转化率都是很高的。也就是说,相比于携程系的机票、旅游、酒店服务来说,吃喝玩乐是用户更高频的业务,并且这个高频的业务更容易转化为酒旅的订单,所以才大举进入这个领域。

第二点,数据化是进行科学分析的前提。想象一下,我们对于一个事情的了解,如果没有足够完备的、细致的、准确的、实时的数据来源,那就只能做定性的分析。定性的分析就没有办法做到全面、具体和细致,甚至还有可能出现以偏概全的情况。

人类对于外界事物的认知,就是一个逐渐数据化的过程,这也是科学技术能够如此快速发展的原因。比如,我们对于公司状况的理解,财务报表就是一个数据化的手段,通过三张核心财务报表,我们就能分析出很多公司背后的问题。再比如,我们对于产品的分析,UV/PV/留存/付费率/客单价等等核心数据,就可以对产品做一个定量的分析,就可以指导我们对产品进行针对性的优化。

第三点,光有数据还不行,这个数据还要数字化和网络化。只有数字化的数据才能进行科学的计算和分析,只有有了网络化,不同的数据之间才能建立起关联,并且大规模的集中到一起,才能进行大数据的、智能化的模型训练。数字化和网络化是数据智能发展的必然要求。

举个例子,现在非常火爆的新零售概念,表面上看是线上流量越来越贵了,要吸引一些线下的用户,其实本质上是要将线下商超进行线上的数据化和网络化,本质是要对这些效率低下的传统商超进行改造。为什么这么说呢?

我们可以从三个方面来看。首先,看商品数量,对用户来说,当然要啥有啥是最好的。传统商超是怎么解决这个问题的呢?就是靠上架更多的商品,像沃尔玛这样的大型商超,动辄就有几十万个SKU。

那新零售呢?他将用户进入商超后的所有行为进行数据化和网络化,通过人脸识别,我们可以记录用户是怎么走动的,看了哪些商品,拿了哪些商品,最终又买了哪些商品,用户的基本信息是啥等等,全部数字化。通过分析这些数据,我们就可以知道这个店周围人群的消费习惯、采购偏好等等信息,就可以针对单个店进行精准的配货,就不需要上架这么多的商品。

甚至在店面选址之前,像盒马生鲜这样的新零售玩家,已经有了阿里巴巴的数据支撑,他提前就已经知道了店面周边的用户画像,选址也是精准的。

其次,再看商品价格,对用户来说,当然是希望同等质量的情况下,越便宜越好。传统商超是怎么解决的这个问题的呢?就是靠所有商品,始终的低价和促销。新零售怎么来解决呢?因为有了用户的画像数据,我们了解周边用户的购物喜好和购买能力,我们就可以针对他们进行选品和促销,我不是找最便宜的商品给他,而是找他最喜欢和需要的商品,并且给他最能接受的优惠策略。用户不用再花费心力挑选,而是帮他挑好,新零售会在商品的价格和体验之间找到了最佳的点。

最后,看购物体验。传统商超,商品琳琅满目,商家为了争取客户,每个位置都是寸土寸金,货架就被堆得很高很高,甚至还要在商品包装上花心思,一切都是为了吸引用户的眼球。

而新零售的做法完全不一样,因为他已经知道了用户的需要是什么,喜好是什么,他是优选的策略,所以货架不会很高,就可以方便用户拿取商品。同时,他知道用户进入店面后的行为动作,就可以按照用户的喜好进行店内布局。知道用户的住址,更进一步,在商超的周边就可以支持半小时送达。新零售追求的就是用户的极致体验。

我们可以看出,把线下的数据数字化、线上化、网络化是多么的重要。他在重塑我们线下的效率和体验。随着更多智能设备和人工智能技术的加入,这一进程会逐渐加速,深入到传统产业的方方面面。变革的时代已经到来。

第四点,大数据催生了个性化时代的到来。收集到越来越多的用户数据后,我们对于用户的了解就会越来越深入,大数据技术彻底改变了传统的产品和服务的生产方式,使得为用户量身定做变为了可能。就拿电商为例,以往的淘宝和京东,大家进入App看到的就是各种商品分类和广告,需要什么商品就要去搜索。但是,现在的拼多多,大家一进入App,电商就会根据用户过往的数据直接推荐商品,我们直接逛就可以了,这是一个商品找人的时代。

总结一下,在大数据的时代,具有数据思维非常重要。运用数据思维本质上是用科学的方式来解决问题,要不断的收集更全面、准确的、实时的数据,将数据数字化、网络化,最终,通过大数据的计算和分析,打造个性化的产品和服务。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,686评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,668评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,160评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,736评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,847评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,043评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,129评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,872评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,318评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,645评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,777评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,470评论 4 333
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,126评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,861评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,095评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,589评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,687评论 2 351

推荐阅读更多精彩内容