在数据无限的时代,我们如何利用大数据实现商业大洗牌?传统行业又该如何通过挖掘隐藏在大数据背后的信息,冲出层层危机,实现行业质和量的飞跃?企业如何才能实现数据化运营,在大数据时代站稳脚跟?大数据实践的先行者、阿里巴巴集团前副总裁车品觉倾力新增8万字纯干货,倾情解读企业在大数据时代顽强生存的答案。《决战大数据(大数据的关键思考升级版)》告诉我们,只有稳抓趋势中的观战重点,才能在海量数据中挖掘商机。
网站首页 软件下载 游戏下载 翻译软件 电子书下载 电影下载 电视剧下载 教程攻略
书名 | 决战大数据(大数据的关键思考升级版) |
分类 | 经济金融-经济-企业经济 |
作者 | 车品觉 |
出版社 | 浙江人民出版社 |
下载 | ![]() |
简介 | 编辑推荐 在数据无限的时代,我们如何利用大数据实现商业大洗牌?传统行业又该如何通过挖掘隐藏在大数据背后的信息,冲出层层危机,实现行业质和量的飞跃?企业如何才能实现数据化运营,在大数据时代站稳脚跟?大数据实践的先行者、阿里巴巴集团前副总裁车品觉倾力新增8万字纯干货,倾情解读企业在大数据时代顽强生存的答案。《决战大数据(大数据的关键思考升级版)》告诉我们,只有稳抓趋势中的观战重点,才能在海量数据中挖掘商机。 内容推荐 随着智能手机的大范围普及、物联网浪潮以及人工智能技术的爆发式发展,大数据在收集消费者全渠道行为、触发商业机遇等方面发挥了越来越重要的作用。而《决战大数据(大数据的关键思考升级版)》一书恰恰洞悉了大数据时代商业发展的本质。同时,车品觉根据其在阿里巴巴的多年经验,通过丰富的案例和通俗易懂的语言,从“养数据”到“用数据”,深入浅出地向我们揭开了阿里巴巴数据化运营和运营数据的神秘面纱。通过本书,车品觉告诉我们,在数据无限的时代,拥有数据化思维,才能改变商业的未来。 这是一部全方位展现智能时代数据思维构建之道的实战巨作,数据力决定竞争力的年代,不得不读! 目录 前言 我在阿里的6年 引言 忘掉大数据 第一部分 从数据化运营到运营数据 01 大数据,为什么很多人只会谈、不会做 大数据从来不是免费的午餐 人的断层 模型数据从何而来 更主动的管理,更多的创新 数据化思考 问题就是答案 02 大数据的本质就是还原用户的真实需求 识别,让似是而非的行为数据串联起来 价值,企业价值VS.客户价值 场景,你知道当时所有的场景吗 还原是一个瞄准器 数据化思考 CEO 们关心哪3个数据 03 “ 活”的数据才是大数据 “活”做数据收集,抓住相关性 “活”看数据指标,动态地使用数据 数据化思考 别再做“碰巧游戏” 04 全域大数据,大数据的颠覆者 数据,决策的瞄准镜 开始“上帝视角”,做到知觉合一 数据化思考 样本的偏见 05 数据分类与数据价值,什么才是你的核心数据 数据分类为什么如此重要 数据分类的4 大维度 数据的5 大价值 数据化思考 用傻瓜的视角去观察 06 从用数据到养数据 数据应用因小而美 把数据放进“框” 中 如何用框架来做决策 养数据,重要的数据战略 数据化思考 远离“或”选择 07 数据的盲点,负面数据的力量 数据盲点 小偷思维 数据盲点的价值 数据化思考 为什么数据会骗人:常态、时态与变态 第二部分 阿里巴巴的大数据秘密 08 阿里巴巴的大数据实践 假定数据是稳定的 假定数据是可获取的 数据化思考 先开枪,后瞄准 09 混、通、晒,阿里巴巴数据化运营的内三板斧 混,“混”出数据 通,打“通”“混”的数据 晒,“晒”出“混”和“通”的数据 数据化思考 思考,要学会关窗口 10 存、管、用,阿里巴巴运营数据的外三板斧 存,数据收集的开始 管,保护好存储数据 用,从收集数据到管理数据 数据化思考 用化骨绵掌解决本质问题 11 大数据,未来商业的利器 假定数据是脏的 学会慢慢淡化数据 数据的标签化管理 重要的是数据和数据之间的关系,而不是数据本身 数据的实时化与实时性分层 未来是人机的结合体 数据化思考 忽略了趋势,过去的价值一文不值 第三部分 没有数据,就没有未来 12 大数据驱动行业大变革 大数据带给零售业大想象 金融创新迎合新世代 医疗业酝酿大数据突破 物联网,构建智慧城市 娱乐大数据,定制你的需求 人心难测,时尚业的机遇 未来,人人都是数据分析师 数据化思考 大数据生态走向平民化,专业工作变得人人可做 13 未来的趋势,蕴于数据之中 物联网,让寻找客户靠数据不靠运气 虚拟现实,以精算模型预估人类行为 以大数据应对“不测风云” 情绪计算:相形不如论心 开扩思维,负面信息也是决策关键 数据化思考 知识图谱,知别人所不知 14 数据产生的未来洞察力,才是核心竞争力 大数据变革在数据本身 任何一个完整的高效服务都离不开3T 用数据治理数据 Datafication,大数据风暴中的指南针与救生衣 数据化思考 让数据透过产品“说话” 15 2016大数据趋势 变是wei一的不变 跳脱惰性的乘法思维 稳抓趋势中的观战重点 数据化思考 走出大数据和小数据的迷思 结语 开启属于你的个人大数据管理 后记 像李小龙的格斗一样去思考 品觉的话 人在修行的路上,不要单打独斗 试读章节 有人说,大数据就像国王的新衣,每个人都在国王面前说着动听的话,国王信以为真,其实他并不知道自己在裸奔。 的确,网络上有很多人在谈大数据,但是他们只会谈,不会做,因为他们根本就没有做过,包括那些所谓的“大数据专家”,他们真的做过吗?没有。事实上,这些人对大数据内在的问题一点儿都不了解,更别说知道大数据的水有多深了。 目前,在大数据方面,无法深入应用的原因在于,从收集到使用的大数据价值链出现了问题。从理论上来说,从收到用的螺旋式循环是一个巨大的涡轮,只有先数据化运营,然后才能运营数据。而现在的情况是,用数据的人不知道大数据从哪里来,做数据的人不知道大数据如何使用。想用的人不敢用,因为担心大数据的真实性;做的人不知道怎么用,因为大数据的复杂性。这一问题造成的结果就是,数据量变得越来越大,而且越来越无法有效地使用。 大数据从来不是免费的午餐 我先问一个数据管理上最现实的问题:“大数据如何备份?”毫不夸张地说,大数据已经这么庞大了,如果再备份一次,你的成本起码会增加一倍。 做大数据基本上都要从大量收集数据开始,因为这些数据在未来会大有用处。但是,你是不可能无止境地收集下去的。在这里,你已经看到了一个再清晰不过的伪命题:大数据的确能够备份,但是成本会增加两三倍。然而,“以前重要的数据肯定都需要备份啊,”你自然会问,“如果不能备份,我该怎么办?”而这就是大数据管理中必然会遇到的一个问题。 我再问一个问题,如果你在数据使用方面一直得心应手,整个商业链条和数据紧密相关、相辅相成。但是,现在数据链忽然断了,或者不再有效了,此时你该怎么办? 需要注意的是,这一问题说的不是你有没有使用好数据,而是说曾经你可以得到的数据现在无从获得了;或者说这些数据不能再在线上收集,只能从线下获取,成本也就相应升高了;抑或说,这些数据存储在其他地方,你不能使用了。在诸如此类的情况下,你该怎么办? 当然,如果你对数据的使用本来就很生疏,而且也觉得无关紧要,那么数据链消失了、断裂了、失效了,你也不会有太大烦恼。但假如正当你将数据使用得风生水起的时候,出现这样的问题,那你也只能束手无策,眼睁睁地看着机会溜走。 大数据从来不是免费的午餐。伴随着大数据热潮的到来,关于大数据的一些新问题层出不穷——大数据会夹杂着虚假信息;大数据的数据量很大,但有用的信息不一定多,甚至还会破坏核心信息;大数据的来源是多渠道的,偏倚、随机的误差总是存在。 但是,我们也需要客观地认识到,大数据现在面临的这些问题,其实就是把小数据中的一些问题放大了。小数据中难道就没有噪音会破坏我们的核心信息吗?当然也有,只不过当大数据把数据量放大和变多的时候,噪音的破坏性也会相应变大。小数据中难道就没有渠道偏倚和随机的问题吗?当然也有,但是在大数据的背景下,问题被更明显地放大了。 人的断层 说了这么多,事实上还没有触碰到如今大数据面临的最大问题:人。 很多人都会问,大数据能带来什么价值?怎么衡量大数据创造的价值?事实上,最直接的衡量标准就是,在经营上它为你赚了多少钱,带来了多少实际的利润提升。 对于这一问题的解决,现在很多人倾向使用的方法是计算“在用了大数据之后,点击率提高了多少,转化率提高了多少”。但是要知道,转化率和点击率能提高的数据,可能根本不是投资人或公司最高管理者对大数据的期望。对于业务人员来说,转化率能提升5个百分点就已经非常好了,如果将转化率从2%提高到3%,简直就是奇迹了;但对于公司最高管理者来说,这并不是他想要的大数据。 你需要认识到,断层才是大数据所面临的最严重的问题。收集数据的人并不清楚未来使用数据的人要做什么,这是目前大数据运用的一大关键命门。 在使用大数据时,我们通常的做法是先把数据收集起来,因为我们知道在未来的某一时刻,这些数据对我们可能有用。不过,“未来可能有用”就注定会引发一个问题:收集数据的人不知道未来使用数据的人要做什么。这时候,如果你再问收集数据的人“如何才能更好地收集数据”,那么,数据的使用就会陷入一个死循环。 事实上,不仅是收集数据的人,就连使用数据建模的人,同样也不清楚当前的数据是如何获得的。数据建模是数据使用的关键环节,使用数据建模,就是根据以往的经验从中寻找到一些潜在的规则,然后把这些规则结合起来去解决问题。 P8-11 序言 我在阿里的6年 回顾我在阿里的6年,从经历来说,是先负责支付宝,继而负责淘宝,负责整个阿里集团的数据工作。实际上,这个过程同样也是我对数据应用的一个历程:第一阶段用数据,第二阶段养数据,第三阶段从看数据到用数据。 我在支付宝 加入支付宝之前,业内都认可我是一名比较懂得用数据去设计、优化、迭代产品的首席产品官。彼时我在支付宝,大胆地把产品与数据分析部门结合,累积了不少经验。 数据产品化,这个理念随我加入支付宝 说起加入支付宝,其实有些偶然。当时,支付宝邀请我去分享如何用数据做产品。分享会之后,我去了华星大厦的一个会议室,里面坐着Lucy(彭蕾,时任支付宝CEO)、Eric(井贤栋,时任蚂蚁金融COO)。在那个会议室里,他们问了我几个如何能用好数据的问题。当时,我反问了Lucy一个问题:“你每天大概会看多少数据?” “大概几十个吧。” “不对,你不应该一天看几十个数据那么多,我觉得你应该只看几个数据就够了。” 或许,他们已经不记得我提出的这个问题了,但是我却记得非常清楚。因为在支付宝的两年里,这是我做数据产品时一直遵循的原则。正式加入支付宝后,我面对的第一件事情就是着手组建分析师团队。2010年的支付宝,公司里大部分的业务团队对数据团队都不太满意,而且高层对数据能产生的价值也没有太多认识。而数据负责人的调职,也导致了支付宝的数据分析和数据技术部门被分开管理。 面对分析和技术团队的目标不一致,加上业务部门对为什么要使用数据及如何用好数据充满疑问,甚至有人认为数据分析仅是门面功夫,所以技术团队有时候会跟我的团队“对着干”,因为两个团队的老板不是同一个人,他们也没有义务一定要支持我,所以甚至有时候会撇开我们直接跟业务部门对接。 但是最后,我坚持的数据分析产品化路线,终于得到了双方的认同,甚至技术团队还主动过来问我:“我们怎么合作比较好?”所以那时,双方的关系从“对着干”变成了“我们会全力支持你”。终于有一天,Lucy走到我办公室跟我说:“你知道吗?你们做的产品让我觉得很爽,我很喜欢这个产品。”而当我在支付宝的第二个产品“地动仪”出来时,她跟我说:“这就是我梦寐以求的数据产品。” 同事们和老板对结果的支持,让我肯定自己在支付宝走的这条路是对的。如果让我总结这其中的精髓,我的秘诀就是:数据分析也要讲求用户体验。 简单来说就是,别说是数据产品了,小到一个数据报告,我们都必须要知道以下5个问题: ●这是什么问题? ●这是谁的问题? ●这个问题现在必须马上解决吗? ●这个问题我们能解决吗? ●我们有足够的数据来解决吗? 当我“苛刻”地提出“把月度经营报告当成产品来做,目的是让这份报告像iPhone一样好用”的要求时,整个团队都傻了:报告怎么能像产品一样呢?!那么,为什么数据报告不可以做到行云流水,让人看起来很爽呢? 所以,我是这么要求的:首先,报告的前三页一定要吸引人,让人有欲望继续看下去;其次,当别人看到一个数据,心里在猜测数据背后的各种原因时,我的下一页就要解答他心中的疑问。 因此,如果要用产品管理的理念来运行分析团队的话,必须要问“问题是什么”,并以此作为切入点。接着,解决用户的问题,得到用户的信任,然后就可以做更多的好产品。这是一套做产品的理念,因为产品需要不断迭代,并非一劳永逸。那么,我怎么评估报告是否获得成功呢?简单来说,如果一个月度经营报告仅仅5分钟就被pass掉了,那它肯定是不成功的。 我在支付宝,几乎每一个月度报告,都会让管理层讨论三四个小时,一份数据报告居然会成为管理层讨论焦点,每次都会有很多高层管理者关注我讲什么,这时我就知道自己肯定成功了。 …… 我认为合格的数据科学家应该是有产品意识的,为了解决问题会更偏重于找到问题的原因,然后寻找最好的方法来解决它。所以可以说,区别就在“科学”这两个字。 数据科学是科学不是工程。工程追求效率。科学追求真理。如果数据科学家做得太实操,就会变成一个数据挖掘工程师。如果他“飘”在空中,便没办法在企业中生存。 企业想要找到既能上天也能落地的数据科学家很难。在我眼里,一个企业如果有这样的人,就像三国时期刘备有了关羽。但可惜的是,这世上的关羽少之又少。 在这种情况下,企业应该把事情分为长中短线来看。顶层设计要比较清楚。让数据科学家能做一些比较有难度的事情,让能落地打仗的工程师去做落地的事情。这两者如果没有好好区分,他们之间就会“打架”,这样企业耗不起。此外,从企业环境来说,一个公司到底有没有科学精神,也会非常影响数据科学人才的落地。 经历过对数据科学的理解后,回想我在支付宝做的最后一个“黄金策”,如果今天让我重新做这个产品,我不会用以前的方法,因为今天的技术和曾经的技术已经不一样了。 “黄金策”给人的感觉是可以发现很多东西,但同时能发现的东西也是有局限的。虽然有600个或800个用户变量给你自己组合,但数量还是只有600个或800个,能不能有6000个或8000个呢?从今天的技术来讲,用深度学习的方法,有些环节机器会比人做得更好。 6年来我所做的工作都是人用经验提出一个假设,然后用数据来证明哪个假设更可能。到今天为止,让数据告诉我们新的发现,而不是人的经验,还是少数情况。但数据带来的这些新发现,是人类以前的逻辑中所没有的。换句话说,数据重组了这个世界的“可能”。 这是人类为什么要花很多资源去做大数据的原因所在,因为人类的思考本身是有局限性的,如果使用集体智能,用深度学习的方法来找出人都提不出来的假设,然后通过人机协作找出未来的新世界、新智慧,这就是数据科学要走的路。 数据科学如果不是每天都在进步,每天不满于今天的状态去PK以前的理论,就不是数据科学,而是死工程。数据科学每天都在突破以前的理论,因为以前的理论只能解决某个点,以前的顶层设计只适合于以前的情况,未来的顶层设计怎么样,需要我们不断去探索,而科学就是探索。 后记 像李小龙的格斗一样去思考 每个男人在小的时候,心里总会住着一个武打明星,也会或多或少地做一些武侠梦,幻想着自己能够天下无敌。我小时候崇拜的偶像就是功夫巨星李小龙。他不仅是一个电影明星,更是一个武术大家,他用他的功夫开创了一片武侠新天地。 李小龙对功夫曾经有过这样的描述: 功夫是一种特殊的技巧,是一种精巧的艺术,而不是一种体力活动。这是一种必须使智力同技巧相配合的精妙艺术。功夫的原理不是可以学得到的,它好像科学一样,需要寻求实证,而由实证中得到结论。 在经过四年严格的功夫训练之后,我开始了解,也感觉到柔能克刚的道理,也就是如何消除对手的力道,减少自己力道浪费的手法,而这一切都必须先求得气定神闲。话听起来很简单,但实际做起来却很困难,一旦和对方交上手后,我的思想就再也难以保持清明而不受扰乱的状态。尤其是在对过几招之后,我就忘了柔的理论,唯一想到的只是不管怎么样我也得打赢他。 “以无法为有法,以无限为有限”是李小龙创立格斗术“截拳道”的纲领和要义。他认为这种方法不固定的格斗术的精髓正在于在动态中制胜。他认为,稳定应该是在动态中的稳定。而之所以要保持动态中的稳定,则是因为任何的格斗都充满了不确定性,如果只能做到特定环境下的静态稳定,那么在瞬息万变的格斗环境中一定会出现逆转的机会,而这个逆转通常就是失败或成功的关键。对动态中稳定的关注,目的就是希望能够把在环境中不确定的东西变得相对确定及有规律。 如果我们把格斗泛化一下,则可以将其推广到商业的博弈中;如果把李小龙的格斗术泛化一下,则会变成一个非常重要的商业方法论。 忘掉必杀技 很多人在刚刚开始学习一个全新内容的时候,总会很崇拜老师高超的本领,常常会迫不及待地问他们:“有没有什么能让我快速达到您这样水平的绝招呢?”答案是否定的。从经济学的角度分析这件事情,你也会发现这个世界上其实并不存在轻而易举就能获取的绝招。试想一下,如果轻而易举就能获得绝招,那结果是每个人都可以获得所谓的绝招,当人人都有绝招的时候。绝招就再也不是绝招了。 在我和一些电商讨论运营数据的过程中,也经常会被问到类似的问题,比如,“我的首页该如何改版”“我这个按钮应该放在左边还是右边”“我该观察什么数据”等。其实,这些问题都是追求必杀技的一种问法,而且这样的问题都是没有固定答案的。所以,从现在开始,忘掉必杀技吧,因为世界上永远没有必杀技。 如果没有必杀技,在与高手过招时该用什么招术呢?招术就是针对对手出的招反制他的招,这就是有用的制胜技。所以,当我被问到“首页该如何改版”时,我肯定没有绝对的答案,我可能会反问:“你们公司的首页主要起着什么作用呢?”当我被问到“按钮是放在左边好还是右边好”时,我会接着就问:“放在左边和放在右边的区别是什么呢?”当我被问到“企业该观察什么数据”时,我的问题就会变成:“你看数据的目的是什么?”只要问我的人给我的答案是不一样的,那我给出的建议肯定也是不一样的。如果我得到的答案还不足以让我获得足够的信息,那我就会针对答案不断地提出新的问题。 为什么我要不断地去问问题呢?原因很简单,就是我想知道问题到底出在哪里,以找出每一个问题背后不一样的原因。这个过程是我在思考问题时常会用到的方法论,我把它称为“迂回”。 在迂回中寻找落地点 …… 总的来说,战机就是基于不断的迂回、衡量和反馈,通过合理有效的逻辑思考方法来找到问题的关键点、问题的主干,因为抓住主干才能获得成功。 前面提到了很多点,都是在动态中去寻找战机的方法,而在这些动态中寻找到的战机,如果能够抽象出来,就是一件事情的主干。我认为“主干”就是一件事物最原始、最核心的规律。举一个简单的例子,我们说“打蛇打七寸”,“七寸”就是打蛇的一个主干,当然这个主干肯定是基于无数打蛇经验得出的。如果碰到一条蛇,我们没有打到七寸,那可能会受到它的攻击,甚至可能丧命;如果我们打到七寸,则可以轻松获得成功。我把这种抓住主干,然后通过主干解决一系列问题的情况叫作“爆发”。但是有一点一定要明确,除非我们可以肯定自己的环境与别人是完全一样的,否则别人的爆发不一定就是我们自己的爆发。换句话说,别人的主干问题不是你的主干问题,所以简单套用解决方案的做法可能会害死自己。以前传统企业一窝蜂地登录ERP系统,这些年IT公司又一窝蜂地搞云计算,这些就是简单套用别人的解决方案解决问题的失败案例。 在使用数据的过程中,其实也存在爆发。我之前写过一篇文章,提到了“数据扮演的三种角色”,分别是:第一个阶段,有多少数据就收集多少数据,数据只从点上指导运营,并不指导战略和方向;第二个阶段,数据要精准化,数据之间开始有了关系,担当的角色从点到线或者面,就可以为战略作参考了;第三个阶段,做数据模型,分析外围数据开始变得异常重要,它可以为公司的下一步战略找到出路。在这三个阶段中,数据真正能够充当爆发角色的,一定是第三阶段。但是,如果没有前两个阶段收集和积累问题作为铺垫,那么,第三阶段的爆发点就不一定会出现,即便是真的出现了,也需要对其真实性进行考量。 爆发,是做每一件事情和解决每一个企业问题的人都需要考虑的,尤其是做数据的人,一定要时时刻刻想到数据能够为企业产生什么价值,能够用数据解决什么问题,是不是能够用数据来发现企业中的爆发点。如果做数据的人时刻都有这样的意识,那企业将会因为数据获得非常大的收益。 所以,我始终有一个看法:寻找爆发点的过程,其实就是自己和自己战斗的过程。在这之中需要不断忍受痛苦和折磨,不断尝试和精进,直到找到了自我突破点。 请记住,在很多时候,决斗对象不一定是他人,而是自己。 书评(媒体评论) 品觉的《决战大数据》一书浅显易懂地解释了“大数据”这个今天科技界的热门词。从用数据到养数据,大数据应用的实战故事娓娓道来,是和数据打“交道”的各行各业人士值得一读的好书。 ——沈南鹏 红杉资本全球执行合伙人 在大数据技术与应用快速变化之际,品觉能及时把他在阿里的实践与大家分享,是共同征服数据海洋的水手们必备精神食粮。 ——田溯宁 宽带资本董事长 品觉在大数据应用领域有着丰富的经验,《决战大数据》一书中提出的观点对大数据的决策者很有意义。大数据使企业经营者拥有了“望远镜”“显微镜”,除了能对已知的事物观察得更加清楚之外,关键是使我们能看到之前我们从来没有想到、没有观察到的事物。品觉在这方面提供了有益的建议。 ——张建锋 阿里巴巴集团CTO 在我眼中,品觉一直是我非常尊敬的国内数据领域的大师级人物,这是他的第一本著作,也是汇聚了他十几年数据行业经验,呕心沥血的精髓之作。他一直强调数据是尊重人性的,只有有商业实效性的数据才是有质量的数据;一直强调不能只是纯粹地看数据,要用数据还原真实的现实与场景。这些见解不仅对每个企业的未来发展具有极大的指导意义,而且对每个普通人建立数据化思维和进行个人数据管理都有很好的启发作用。这本书贵在坦诚和实用,每个人都能从书中收获颇多。 ——沈亚 唯品会创始人,董事长兼CEO 我跟品觉相识多年。在大数据还没有流行以前,他就开始关注这个趋势,研究数据应用的意义以及怎样真正读懂数据和利用数据。这本书深入浅出,把深奥的大数据讲得生动有趣,非常好读;书里面集中了品觉个人的很多真知灼见,非常值得一读。阅读此书是一种享受,正如我享受与品觉的友谊一样。 ——林奕彰 eBay大中华区CEO 在中国,可能没有其他人比品觉玩的数据多,更没有人像他一样玩转了大数据。在这本书里,品觉以他特有的通俗易懂的语言风格,讲活了大数据,并结合阿里巴巴的实践,揭示了数据化运营和运营大数据的实战秘笈,非常赞! ——刘星 红杉中国合伙人 作为一个企业经营者,说起大数据,怕只见数据不见价值;作为一个互联网产品老兵,焦虑于数据挖掘和分析脱离用户场景。本书好就好在实践了作者书中提出的观点,立足应用场景,聚焦如何让数据产生实际价值。因其实战性和创新的角度,值得所有关心大数据实战者认真一读。 ——张涛 大众点评网创始人 大数据像铺天盖地的洪水一样涌来!由于近年来数字媒体、网络和移动技术的迅猛发展,数据的积累速度已对数据的存储、管理、分析和决策应用提出了前所未有的挑战。很多企业、政府机构、学校和研究机构为了能在大数据时代继续生存和发展都在重新定位和寻找新的方向。让我们高兴的是,作为一个先行者,品觉在阿里巴巴已经走出了一条大数据 运营的路,并又在运营大数据方面总结了很多成功经验。他的《决战大数据》一书尤其为读者提供了“数据化思考”的模式和框架。通过用实例讲故事、作比喻,品觉打破了大数据的神秘,然而又能使读者产生丰富的联想,开动脑筋,真正理解大数据成功运用的要诀。感谢品觉为“大数 据金矿”的探索开发作出的贡献。 ——程杰 Acxiom(安客诚)前全球副总裁,数据科学家 “大数据”和绝大多数“新概念”一样,已经成为许多闭门造车者宣扬的主题,而品觉——一个被我视为数据科学家的朋友,将他在eBay和阿里巴巴近十几年的实战经验进行梳理和总结,使“大数据”不再是一个人云亦云的概念,而是一个可以用心领会和使用的科学方法。 ——吴海 桔子水晶酒店集团创始人 品觉的书主要讲的是决战!那么咱们就从兵法的角度来看大数据!只讲三点:第一,对“道”的理解:即分析师对人和事物基本规律的诠释。分析问题千万不要从分析大数据开始,而是要从对人、世界、产品或者商业行为基本的认知着手!第二,对“计”的理解:计就是计谋!交战之前用“商业智能”的一个重要作用就是要造成信息情报不对等,然后进一步造成了战略优势的不对称,从而造就取得优胜的“势态”。第三,对“胜”的理解:决战的目的是要胜利,兵法上取胜的一些基本的要领比如以快打慢、以少胜多、以众击寡,在大数据分析上完全适用,要做到分析得快速而精准、大规模部署以及产品化等。这次为品觉的新书做推荐,既感到非常感激和荣幸,又感到诚惶诚恐。我的水平非常有限,完全是抛砖引玉,希望读者们细细品味《决战大数据》! ——张溪梦 GrowingIO联合创始人兼CEO 未来几年将是大数据技术及其应用发展的黄金时期,本书是车品觉老师根据自身在蚂蚁金服以及阿里集团的多年数据实践,并结合理论对于数据产品规律进行了深入阐述。本书构思流畅,由术入道,深入浅出,既适合初学者以及业务人员了解大数据的相关知识,也适合专家级别的读者细 细品味,无疑是大数据领域的必读书籍。 ——崔晓波 TalkingData创始人兼CEO 大数据领域一直以来都是理论和实作两大山头并立:如果说谈理论是文、卷起袖子实作是武,那品觉兄肯定是这个大数据时代文武兼备的一代宗师,因为他不但在实务界有着丰富的操盘经验与彪炳战功,又能透析数据核心、自创理论心法。难得可贵的是,他一直以来都禀持着利他无我 的气度,对提携数据后进始终不遗余力。听品觉谈大数据,除了“激动”与“热血沸腾”之外,我再想不到到更确切的形容词了! ——陈杰豪 MIGO集团CEO 老车是“手艺人”,数据时代解读数据世界奥秘的手艺人;对我来说,亦师亦友、亦火亦水。我们曾若干次品茗促膝、围炉夜话,人生的起起伏伏、数据的理解与应用、佛法修行,每个话题都始于数据终于数据,获益匪浅。难能可贵的是,我们对数据的应用与理解,观点出奇的一致,平添相互好感。老车是数据的修行者,我十分期待这位无疆行者的感悟与升华之作。一杯清茶、一本好书、一位知己好友,人生幸事。 ——徐雷 京东集团高级副总裁 |
随便看 |
|
霍普软件下载网电子书栏目提供海量电子书在线免费阅读及下载。