究竟如何才能把数据转化为利润呢？ 对大多数公司来说， 有两种选择， 一是数据导向的流程， 二是数据导向的产品。

   如今，你到哪儿都能听到大数据。别说是亚马逊这样的公司，现在就是一个小的Startup， 每天也能有几个G的数据量。 而像Instagram 这样的照片分享网站，每天轻松就能产生出500T的数据量。 不少企业的CEO们都会问一个问题：“好，现在我有这么多数据，下一步我该怎么做呢？”

   一个人， 如果只是站在金矿的土地上而不去挖掘的话， 他也成不了富翁。 同样的， 拥有大量数据并不能代表你的企业就能成功。 这个行业里面成功的是例如亚马逊， NetFlix那样， 能够比竞争对手更好的利用数据的公司。 否则的话， 你也只能干瞪着眼看着一堆Hadoop集群而不知道如何去做。 可是， 要是你能好好的利用你的数据， 你就能够在竞争中领先一步。

   那么， 究竟如何才能把数据转化为利润呢？ 对大多数公司来说， 有两种选择， 一是数据导向的流程， 二是数据导向的产品。

   以数据为导向的业务流程：

   传统的数据分析师，使用Excel或者会编写SQL语句进行特定查询。 而如今， 这些就远远不够了。 如今的数据科学家， 需要了解小数据时代和大数据时代的各种工具， 包括传统的商业智能工具， 查询语言， 统计， 甚至机器学习。

   好的数据科学家可以帮助企业从分析产品， 比如哪些产品受欢迎， 为什么， 哪些产品用户不喜欢(比如Zynga就是这么做的)， 到建立预测模型， 分析将来趋势， 以帮助现在的决策(比如沃尔玛实验室就是在这么做)

   下面是一些具体的例子：

   1) 如果你是销售软件即服务(SaaS)应用， 数据科学家可以帮助你分析高端客户的特征， 比如他们转化的渠道， 他们的基本共性(年龄， 性别， 收入水平， 地域等)，以及他们使用你的应用的特别方式等。 这样， 你可以更加有针对性的设计你的产品功能， 推出针对性的广告，优化市场推广渠道， 从而提高你的利润率。

   2) 数据科学家可以帮助你分析某类产品的价格对其他类别产品销量的影响， 从而帮助你优化你的整个价格体系。

   3) 数据科学家可以基于历史数据， 建立一个准确的预测模型。 比如如百货公司Target那样， 能够确定哪些顾客是怀孕的妇女， 或者像一些保险公司一样， 能够预测哪些来咨询的潜在客户最有可能转化为客户。

   4) 数据科学家还能够让你更好的利用现有的数据分析运营结果。 比如， 数据科学家会建议你把你的市场营销数据， 和网站访问日志以及交易数据进行关联， 从而能够衡量市场推广活动的有效性。

   以数据为导向的产品：

   除了以数据为导向的流程外， 还可以把利用数据来丰富产品的功能。 有的公司， 还把数据专门打包成为一个产品来销售。

   比如Twitter， 他本身的产品不是数据产品， 但是， 他通过授权其他公司如DataSift这样的公司使用它的数据， DataSift这样的公司则利用Twitter的数据做成针对企业的数据产品来帮助企业更好地利用社交媒体。 还有一些媒体公司， 把观众观看的数据打包， 卖给一些频道或者内容制作公司。

   不过， 相对于把数据打包出售直接获取收入， 更多的公司则是利用数据， 提高现有的产品， 使它们更加有效率， 更加智能 更加符合用户需求， 从而直接或间接地增加收入。

   下面举一些实际的例子来说明数据如何使产品更加智能， 更加符合用户需求：

   1) 为了提高广告平台的点击率， 广告平台通过分析广告播放媒体， 广告本身， 以及用户的行为。 把广告展现给最合适的用户。

   2) 电子商务网站， 通过推荐系统中的数据分析和机器学习， 提高用户对推荐产品的购买可能性。

   3) 媒体网站通过分析用户特征， 给不同的用户展现不同的内容网页， 提高用户在网站的停留时间， 从而获得更多的广告收入。

   4) 视频发布平台通过分析用户的观看和互动行为， 给视频制作者关于用户喜好的各种反馈， 从而制作出更加满足用户喜好的视频。 这是一个间接增加收入的例子。 通过数据分析， 来提高视频平台的受欢迎程度。

   企业应该如何开始行动

   那么作为企业， 应该如何开始准备， 把冷冰冰的数据变成金灿灿的钱呢？ 下面是一些建议：

   1) 尽可能多的保存各种数据。 如今， 存储的成本已经不是一个需要考虑的因素了。 要记住， 再好的分析， 没有数据也是不行的。 有很多数据， 即使现在没有办法分析， 也要尽量把它们存储下来以便日后分析。 很多公司都忽略了这一点。 其实， 很多的数据都可以把它们按照原始格式保存下来， 包括交易数据， 用户行为， 日志文件， 用户生成的内容， 传感器的数据等等， 总之， 你能有的数据， 先存下来。 将来总是有用的。

   2) 找一个数据科学家： 如果你是个小公司， 那么可能需要找一个数据科学家加入， 或者团队中有一个人需要成为数据科学家。 如果你管理一个大公司， 那么你可能需要一个团队的数据科学家。 数据科学家可以从内部培养。 一个好的商业分析师或者任何具有很强商业智能或者数据库背景的人都可能成为数据科学家。 你需要给数据科学家配备合适的工具， 并让他能够接触公司的不同数据， 以便他能够进行数据分析， 数据挖掘， 商业智能分析以及数据产品化的工作。 一个好的数据科学家， 能够帮助你提高效率， 并且帮助你更好的利用公司内部产生的各种数据。

   3) 数据产品化： 对任何拥有特有数据的公司， 都应该考虑把这些数据产品化。 其实， 任何具有桌面， 移动， 网络或者服务器应用的公司， 都有自己的独特数据。 那些广告和零售行业的公司， 已经通过数据化产品增加了数十亿美元的收入了。

   举个例子， 如果你是个B2B的软件即服务公司， 为你的客户提住自助报告的服务就是一个数据产品化的最简单的例子。 如果你是个电子商务网站， 利用数据为用户提供推荐则能够增加你的收入， 如果你有一个移动应用， 那么考虑如何让你的应用更加智能将会带来更好的用户体验和收入。 有个数据科学家来考虑如何数据产品化是第一步， 最终， 企业还是需要投入资源真正实施。

   4) 以数据为导向的领导： 大数据不是仅仅只是关于数据， 它更多的是如何利用数据推动工作流程， 优化产品功能。 这一切就需要企业的管理者用一个数据导向的方式来领导企业， 推动企业的大数据化。 21世纪是大数据的世纪。 如果企业不能在以数据为导向的大趋势下顺利转型， 就很可能会被竞争者击败。

建议继续学习：

1. 大数据下的工行    (阅读：5537)
2. 数据化比大数据更靠谱    (阅读：2072)
3. 妄谈时间序列表格型大数据系统设计    (阅读：1416)
4. 大数据过滤及判断算法 -- Bitmap / Bloomfilter    (阅读：1275)
5. 五种常用基数估计算法效果实验及实践建议    (阅读：970)