产品经理数据挖掘：数据背后的潜在价值

Posted 2021-04-27 开课吧产品100

 

 

         下面有两个数据分析的故事，让我们思考下数据背后的潜在价值。

 

故事一：数据挖掘的最经典案例，啤酒与尿布。

 

在一家超市里，有一个有趣的现象：尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。这不是一个笑话，而是发生在美国沃尔玛连锁店超市的真实案例，并一直为商家所津津乐道。沃尔玛拥有世界上最大的数据仓库系统，为了能够准确了解顾客在其门店的购买习惯，沃尔玛对其顾客的购物行为进行购物篮分析，想知道顾客经常一起购买的商品有哪些。沃尔玛数据仓库里集中了其各门店的详细原始交易数据。在这些原始交易数据的基础上，沃尔玛利用数据挖掘方法对这些数据进行分析和挖掘。一个意外的发现是："跟尿布一起购买最多的商品竟是啤酒！经过大量实际调查和分析，揭示了一个隐藏在"尿布与啤酒"背后的美国人的一种行为模式：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。

 

从这个故事里可以看出，许多看似不相关的商品间，却存在着其必然的逻辑，如果不是通过大数据分析与挖掘，我们是不会想到啤酒与尿布间还会产生关系。这就是数据背后的逻辑。通过数据分析，我们应该可以找出更多数据间的逻辑。如：大葱与口香糖、啤酒和牛肉、香椿和鸡蛋间是否会有类似的逻辑。

 

故事二：亚马逊获预判发货专利“先发货 后购买”

 

据《华尔街日报》报道，亚马逊在去年12月获得了一项名为“预判发货”的专利，可以通过对用户行为数据的分析，预测用户的购买意向，在他们正式下单之前就发出包裹，实现“先发货，后购买”。

 亚马逊表示，他们判断能否“预判发货”的依据包括：用户之前的订单、商品搜索记录、愿望清单、购物车内的商品，甚至还有用户的鼠标在某件商品上的停留时间。通过这项技术，用户收到快递的时间将被大幅缩短。分析表明，从下单到收货之间的等待时间，可能会降低人们的购物意愿，导致他们放弃网上购物。亚马逊在接到订单之后，会将商品在自家仓库进行打包，等待UPS等快递公司的卡车前来取货，将商品直接送至用户家中，或通过转运送到目的地。而通过“预判发货”，用户“将要下单”的商品将被提前暂存到快递公司的转运中心或卡车里，待用户完成订单后，正式发出。

 

预判发货，将送货时间缩短的更短，同时也能提高商品销售的成单率，在用户还在犹豫的过程中，商品已经送到了，这样将大大提高商品的销售量。我们看到，预判发货是以数据分析为依据，通过用户行为、用户画像、用户信誉、用户偏好与商品间产生关系，当系统发现用户的偏好度大于某个阀值时就可以促发预判发货机制，完成发货动作。这个阀值应该是从成千上万的成单数据中分析出来的，而不是拍脑袋得出来的。

 

从以上两个实例上可以看出，单条数据是没有价值的，当大量数据组合在一起时就会产生价值。所以，在做数据分析时，数据规模是数据分析的基础。当然，数据交互也是多样化的，文字、图片、声音、视频，各种形式都有，要挖掘出更大的数据价值，就不可能只是从结构化数据中获取，更多的价值内容是在非结构化数据当中。在今天，每一个网民都是信息的制造者，聊天过程中、购物过程中、游戏过程中、学习过程中，我们都会产生大量的数据信息，在使用数字产品的每一个过程都会产生大量的数据，而且，70%以上的数据是非结构化数据。所以，数据的形式是多样性的。企业在处理数据的过程中，效率就变得非常重要，大数据时代，数据都是以TB级存储的（1TB=1024GB），高速性就变得格外重要，数据的收集、清洗、加工、分析、展现要做到实时而高效，延迟将会大大减弱数据的价值，如长安街已经出现在严重的拥堵，但系统还没有分析完成并展现给用户，将会带来什么样的后果？所以，大数据时代给我们带来了更多的课题，提出了更高的要求，不论是商业、技术、效率、存储等方面都提出了更高的要求。数据的价值在于数据间的关联及关联产生的联想，决大多数据是没有价值的，真正有价值的数据是极少部分，淘宝商城里有大量商品信息、商家信息、顾客信息、购物信息、浏览信息，商家与商家间、商品与商品间、商品与顾客间、商家与顾客间都会产生不同的化学反应，顾客随意的一个行为数据，可能背后就可以挖掘出他的商业价值。从不相关的数据间挖掘出末来的趋势、预判等价值分析数据，通过机器学习方法、人工智能、数据分析方法、挖掘深度可以找出更多更有价值的数据。

  规模性（volume）、多样性(variety)、高速性（velocity）和价值性（value），这四点就是大数据的特征。数据价值是从庞大的规模化数据中挖掘出来的；数据已不再是简单的结构化信息，日志、图像、声音和视频信息已经是数据的主流；快速反应是数据处理的基础，效率是数据挖掘的前提；单条数据是没有价值的，只是从大量的数据中找规律、找趋势，通过人工智能、机器学习才能发挥出数据的真正价值。

更多精彩内容可回复关键词

干货 | 面试 | 数据 | PRD