转数据可视化,难点在哪儿?

Posted 杜拉拉人力

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了转数据可视化,难点在哪儿?相关的知识,希望对你有一定的参考价值。

经过3年以上的发展,各类大数据to B服务都已在中国初具规模。他们或扎根互联网,为“云时代”以前的互联网公司提供了云上工作的方式;或立足垂直行业,用互联网给这些亟待升级的“传统行业”赋能。


虽然数据创业公司颇有一些,且无论做SaaS还是做外包服务都已相当成熟,“数据可视化”却仍是较为薄弱的环节。来自美国的可视化服务在中国尝到了最初的甜头,而土生土长的数据可视化公司,比如DataHunter,也逐渐迎来了最好的发展时机。DataHunter于4月初宣布,他们获得了来自Ventech China银泰资本的数千万A轮融资,并走上了开拓更多行业的快车道。


“公司成立于2014年,我们在2016年才开展现在的业务,还不到两年,”DataHunter创始人程凯征表示,“也不是没有意义。在to B市场,用户选择服务时会看企业的资历比如存续时间。”他开玩笑地说,如果是2016年刚成立的公司,业务开展可能会困难一些。


程凯征说,数据领域很细分,大家讨论时经常混为一谈,这样就造成了一些误会。比如最典型的是,许多服务企业市场的数据公司,也稀里糊涂地上了“大数据”风口,但这是个严重的误判。


实际上企业市场的数据谈不上大数据。很多时候,就一家企业而言,数据规模是很有限的。在业务数据的范畴,一家企业拿出的往往只是“小数据”。


“不过大数据这个词对企业市场倒是起了很强的教育意义。很多企业一下子意识到,数据是有价值的。这也给我们这些做数据服务的公司带来了机会,”程凯征说,“即便是小数据,在to B的数据服务出现之前,也有很多公司自己在拿它们做些事情,只不过没有‘大数据’这个帽子,听着没那么厉害。价值肯定是有价值的。”


数据服务被细分成很多行业,比如数据采集、数据的存储和加工、数据分析,而DataHunter做的则是最前端的数据可视化。如果把数据分成“给机器用”和“给人用”,可视化就是给人用的数据,容易理解其位于数据产业的最下游,与人工智能领域的人机交互类似。程凯征说,之所以选择这个领域,一是因为遍观中国市场,可视化的竞争没有那么激烈,“没做过的人往往误判这块没有技术含量、深度不足”;而是可视化服务在中国还比较好卖。


看不到的东西是最难卖的东西。看上去越好,就容易卖。对我们而言是这样,对使用我们服务的企业,他们拿给用户“看得见的东西”,也是一个道理。


数据可视化当然不是“技术含量低”的领域。实际上,可视化本身也可细化为许多步骤,比如本身处于数据产业前端的数据可视化,其最“前端”的工序,是数据可视化的呈现,而在那之后则是数据可视化的分析。


“数据可视化的呈现,有很多业务实际运用的场景。有人觉得就是把数据变成图。他们可能没有想过,那是对于静态的数据,如果做实事数据的呈现,结果就是动态的。而且呈现在什么表面也不同,用手机看和用巨幕看,对背后技术的要求当然不一样。”程凯征说,展开业务后,真地接触到不同行业、不同背景客户的可视化需求,就会知道可视化也有多种多样的挑战。


程凯征表示,任何一个企业做一个单独的数据可视化场景,只要砸钱、砸人力,那当然是没问题,“有的企业做一个巨幕,直接花几百万块钱”。不过对于高效率、标准化、产品化的服务而言,不同的场景背后,DataHunter需要探究相近的解决方案,并开发相应的工具。


“我们获得了很多专利,比如超大屏幕下的渲染方式。我们为天津做了一个项目,18m×3m的大屏幕,数据不断在变化。”程凯征解释道,如果按照传统思维硬上,每次数据有微小变动,就要刷新整个屏幕的图像,可以想象背后服务器的压力会非常巨大。


至于数据可视化的分析,则与呈现有相通的道理。“数据可视化其实就是把大量数据翻译成人能直观产生感觉的内容,比如形状、趋势、大小。不然面对几个数据可能还好,面对大量数据的时候,一眼看上去,人肯定是没有感觉的。”程凯征说,用最简单的说法,就是让人能看到大量数据中“一眼看不到的东西”。


而不同的数据该用什么样的图形来表达,背后自然有一套逻辑,DataHunter称其为“数据可视化的逻辑”。


不是线图、饼图、条图那么简单。针对单一数据可能还好,有些复杂数据,你只有放在一起看才能得出结论。那么假如你一张图上要呈现四种不同维度的数据,就不能说画四条线,或者四个饼那样。这背后不仅是一个逻辑,也是一个专业的学科。


在DataHunter内部,分析和呈现也是两条不同的产品线。2016年开展业务时,程凯征拥有的是一个四人团队,以及他们的数据服务、企业服务经验,而具体的产品完全是从0开始。如今,经过两年摸索,DataHunter已经扩展到40人,其中技术团队有30人。


“其实直到今天我们也算不上知名,毕竟体量小,”DataHunter已经服务了国内不少知名企业,但程凯征比较谦虚,“我们能取胜,相比国外资历更久的大公司,还是因为产品更好。站在巨人的肩膀上吧,刚开始做的时候,我们看了现有的所有产品,分析了未来的趋势。他们产品背后的逻辑是什么,优点在哪,不足在哪,哪些因素适合国内市场,哪些在国内是阻碍?我们分析、吸收,才有了自己的产品。”


程凯征表示,一年多接触客户的过程中,客户往往将DataHunter与国外产品比较,比如Raw、Tableau、Visualization free等,而鲜少与国内产品比较。“我觉得国内产品还停留在2.0阶段吧,我们已经是3.0了。”


程凯征解释了数据可视化2.0和3.0的区别。2.0是“IT导向”的可视化,也可以叫做“验证式分析”。


什么叫验证式分析呢?就是客户先提出一个想法,然后IT人员选择数据,清洗数据,建模,把有用的数据呈现出来。其实就是先有结论,然后挑合适的数据把它画出来。IT人员不一定懂业务,他们为了实现结论,刻意筛选数据,有时候就不太客观。


到了数据可视化3.0,IT人员不再是工作流程的核心,业务人员才是。“你不用再懂技术,利用3.0的工具,业务人员自己就可以操作数据,看到结果,然后再得出结论。”这样做最大的好处,就是让数据分析回归“从数据到结论”的本来目的,而非装模作样的“从结论找数据”。


程凯征说,3.0还有一个2.0不具备的特点,是从孤立到协作。“IT人员挑数据实现结论,出来肯定是静态的么,然后加在PPT里,开会给别人看一下。这一般只对公司决策层有意义。普通员工让技术帮忙做个图,开会时候老板提出异议,想看另一个图,就得散会,然后重新去做,这个流程非常地长。”


而如果将数据可视化集成在协作工具中,图像就可基于讨论结果随时修改,“你在开会时直接就做出来看了”,不必再受限于PPT等静态文件。这也是3.0提升企业数据分析效率的重要原因。“而且也解放了IT人员。业务部门自己就能做分析了,不用再打扰技术。”


意义其实很大。实际情况中,多数公司的业务发展,是快于内部管理跟进速度的。比如这个星期做了新的销售,事后开会复盘,如果像传统那样由IT人员辅助输出数据,可能都是一个月后的事儿了。这无疑会影响公司成长的速度。


程凯征说,数据可视化的市场还很宽广,即便面临国外同行也是如此。一来国外产品在国内多少有些欠考虑,不能适合本土市场需求的方方面面,二来需要可视化的业务还有很多。“很多大公司以前也用过国外的产品,其实现在也在用,但不妨碍再使用我们的产品。大公司内部,可视化的场景是多种多样的,而且会不断增加。针对新需求,采用新产品,在现阶段还很常见。”


程凯征说,和所有的数据服务类产品相同,最先使用数据可视化产品的,既有需求、又有精力的大企业和地方政府,至今都仍然是头部客户。而其他客户很多时候也并不是没有需要,只是财力或人力还不足以支持。但随着精细化运营时代来临,数据可视化也将惠及更多企业。


有个客户是开餐馆的。在我们以往的理解中,餐饮行业如果对数据服务有需求,一般也都是连锁的,或者餐饮集团,不过这就是一家餐馆而已。分析时我们发现,他家70%来客都是回头客,这在餐饮行业算非常高了,一般餐馆也就20~30%。这说明他可能广告做得不够好,知名度不够高。另一方面,老客这么忠诚,说明他有独到之处,研究以后我们发现是他家原材料质量上乘。我们就建议餐馆也直接销售原材料,结果他们的业绩上涨了20%。


DataHunter2017年取得的成绩在电商消费、装备制造、汽车、媒体等行业尤其突出。取得融资后,DataHunter在继续打磨产品的同时,要在有一定成绩的行业“做深”并拓展新行业,也可能为中小企业推出部分免费、模块收费的产品。“最重要的还是开放我们的能力。在国内招一个数据分析师并不容易,这个行业还是比较早期,我们得把自己的能力分享出去,促进整个行业发展。”程凯征说。


“电商消费目前是最需要数据可视化的行业。主要是SKU太多,促销活动太多,数据量大,市场变化快,需要快速反应,对数据分析的要求就高。”程凯征表示,随着流量红利衰退,精细化运营的重要性愈发凸显,大刀阔斧的“促销”可能没有以前那么好用了。“SKU多了,售卖的渠道也多了,比如在无人货架上什么产品好卖?这个连感性的观察都没有,只能依靠数据分析。”


尽管如此,程凯征认为,数据服务真的能使中国各行业产生巨变,还需要时间积累。“其实就连数据本身,我们和美国相比,做得也还不够好。很多企业看上去收集了不少数据,实际上方向不对,或者质量很差。教育行业不是我们一家公司的事,是整个大环境的事情。企业服务收入稳定,但增长缺乏爆发。我们去年有1000多万收入,但不太可能像to C那样,今年就变成几亿了。我们会稳扎稳打,也希望同行能不懈努力。”程凯征说。


同为创业公司也想求报道(请猛戳这里或加编辑微信 zy514035492 )?只要你们对产业正在产生影响、或未来可能有颠覆效应,就都是我们的关注对象——无论大小。

以上是关于转数据可视化,难点在哪儿?的主要内容,如果未能解决你的问题,请参考以下文章

阅读丨大数据可视化项目的难点有哪些?

大数据可视化项目的难点都有哪些?

抖音企业号评估工具上线,实现运营数据可视化

数据可视化应用气象绘图(附Python代码)

数据可视化应用气象绘图(附Python代码)

企业数据治理的重点和难点