出海数字化那些事（一）：你真的不需要数据吗？

近年来数字化转型变成一个非常大的趋势，在这个大趋势之下，其实很多出海的企业（无论是卖家还是服务商），常常把一句话挂在嘴边：“我们有那么多的数据，出海要把这些数据用起来呀！”

图片来源：纷析咨询

确实卖家们，服务商们都有很多的数据，但这些数据在出海的路径上没有成为一个行业标准。

到底是为什么呢？

会不会是——其实我们根本没有用好，或者知道数据的用法？

你到底拥有的是数据垃圾还是数据资产，这是一个问题。

数据绝对不都是资产，更多数据是垃圾。

没有处理过的，其实只是信息，而不是数据。

图片来源：纷析咨询

大数据时代的一个最大的公众误解，就是让人们以为有这么一个万能的数据解构者，能够在容纳了海量的数据之后，产生出人类所不能企及的智慧与洞察。

但可惜，数据越大，可能包含的垃圾越多，大数据并不可能化腐朽为神奇，它只能在海量高质量数据的基础下产生作用。

但是现实世界中，并没有那么多唾手可得的高质量数据。

大部分的数据保质期都非常短暂，绝大部分的数据还不如Device ID的生命周期长。比如，DMP中的人的兴趣标签、在自有触点上抓取的用户行为数据、消费者提交的leads……

并不长久的保质期，意味着手上握有海量数据的广告主，或许并没有多少真正可用的数据。

或者说，你的数据若要成为资产，不可能是死水一潭，而必须不断更新，有进（更新的数据）有出（过期的数据）。

最常见的一个误解，就是我们以为数据资产是一个静态的东西，但实际上，它根本就如同永不停歇的轨道列车——存一潭死水容易，玩转一个轨道交通系统则太难！

随着大数据与云计算的发展，我们企业能够获取的数据量越来越大、数据维度也越来越丰富。与此同时，帮助我们挖掘数据、分析数据的工具也越来越强大，比如大家所熟知的各种云平台和大数据平台。

在模型算法方面，业界和学界也投入了很多资源来进行开发和迭代，因此各种新的模型和算法源源不断地被开发完善，发展速度非常快。

在这个背景下, 当企业拥有了足够的数据、或者有能力去收集相当数量的数据，智能化运营手段即成为企业增长的一大探索点。

图片来源：GrowingIO

建立数据资产的难度，也不在于获取数据本身，更在于数据体系的规划——没有好的规划，获取来的数据就可能不是资产，而是垃圾。

最典型的现象，是数据源头构建的随意性。

举一个例子，很多企业有两大类数据，第一类，是企业的客户信息，CRM中的客户数据，以及Leads数据，这些数据已经很成熟，它们等同于收入数据。第二类，则是各种外部第三方工具“帮助”企业抓取的，各种营销运营触点上的数据，这些数据最常见的命运，就是成为各种各样的报表。

最为典型的是数据源构造的随意性。

例如，许多企业拥有两大类数据，第一类数据是企业的客户信息， CRM中的客户数据，以及与收入数据等效的成熟的 Leads数据。其次，是各种外部第三方工具“帮助”企业抓取、各种营销运营触点上的数据，这些数据最常见的命运，就是变成各种报表。

图片来源：纷析咨询

那些报告，很少一部分在短时间内被利用后，会随着更多的报告一起出现，即使人们只看一眼，就进入了数据库，数据库永远不会打开，直到死亡。

事实上，这些报告背后的原始数据更有价值，更接近数据资产的一部分，也随之进入企业精心构建的各种“数据仓库”、“数据湖”、“大数据系统”，然后又同样陷入沉睡。

图片来源：纷析咨询

更有甚者，这些数据天生就是由不同部门拥有的不同的第三方工具获取的，它们之间没有联系，互相独立，但都会信誓旦旦地说：“我的工具可以输出数据，而且可以与其他工具的数据进行无缝连接。”但是问题是，没有哪个工具能容纳其他工具的数据，每个人都能输出数据，这是对的，但是为了最终实现数据打通，这些工具都不会愿意去做。

不过，商家的老板们还是放心了，毕竟，所有的数据都保存在“大数据系统”中，就像纸币存在银行中一样安全。当需要打通这些数据时，技术同事是否应该将其打通呢？

所以，有一天，当老板要求使用某些数据时， IT部门的同事又要在这些系统里写各种程序翻找数据，却发现，并非某些数据没有，而是数据打不开，或者是无法进行下钻细分。这样，萎靡不振的报告，只能给出一个大概凑合用的数据了。

我们为你买了这么多的工具，抓到这么多的数据，建了这么大的数据库，居然，跟我说，这是为了你，还是为了你？！

技术员心里想：“mmp能给一个大概可以使用的数据已经拼过老命了！”

但是，我们不知道这其中最讽刺的是，工具越多，坏的数据就越多，这是最糟糕的事情。虽然工具虽然强大，但是它们彼此之间并不相关，工具越多反而越糟；数据越多，却无法打通，越积攒越多，处理越困难，存储空间就越大。

大多数企业内部，要么没有数据，要么数据孤岛重重。在数据孤岛形成的背后，数据系统缺乏规划。

图片来源：GrowingIO

有一个很重要的问题是，既然各种数据工具收集的数据可以导入到企业数据中台，并且都被引导出来了，为什么这些数据不能打通呢？

两个理由。

第一，缺少打通数据所需的主键(这正是我们说过的One-ID)。

图片来源：纷析咨询

第二，即使有主键，对这么多工具的数据表进行清理、去重、打通，这是多么庞大和容易出错的工程。Vlookup公式使用 Excel并不那么简单。也就是说，理论上没有问题，落地的可行性很差。多数情况下，只能是需要什么数据，找这些数据再暂时与其他相关数据对接打通， case by case，暂时解决就好了。

图片来源：纷析咨询

所以，没有数据能力，什么数据资产都无从谈起。

具体地说，近年来，许多企业都通过 BI (Business Intelligence，商业智能)工具获得了许多有意义的洞察和成长。

但是因为 BI工具是由一个分析员设计的，再由一个操作员来操作的分析工具，所以从人力投入和使用的角度来说， BI工具所做的分析通常并不特别复杂，可能只是一些低维的，如一维，二维的分析。

相对来说，我们今天所分享的机器学习和人工智能模型所能处理的数据量之大，维度之高，所能挖掘的数据与数据之间关系的复杂性，都远远超出了我们普通人能够理解的范围。

例如，普通的集成学习(ensemble model)、深度学习、前几年被人们所熟知的在下棋应用中非常成功的强化学习模型、 GAN模型等，这些都是去年人们非常关注的换脸技术背后的技术。因此，我们将面临这样一个问题：如何在我们的业务系统中应用这些理解不良但功能强大的工具。

本文将围绕这一主题，按下图分析模型驱动项目的关键步骤，探讨一下大家在实际出海模型操作或出海项目管理过程中少走弯路。

图片出处：Google

到底什么是数据能力？

我们对此和目前大家在出海上的理解有些不一样。资料的获取、处理、运用等能力，通常被视为技术能力。

但是我认为，数据能力还有另外一个很重要的方面，就是容易被忽视，从而导致即使把技术处理好了，企业仍然没有数据能力。

首先，是一个数据规划系统。这个问题，前面已经谈过了。为什麽很少有企业能规划出自己的数据系统，而更多的企业却在不停地堆积数据？

由于业务需求总是迫在眉睫，成系统地构建数据系统既需要时间，也需要大量资源，更需要说服老板，所以不是业务部门能够控制的。于是就有了这几年开始被炒的数据中台，而且数据中台基本上只有阿里腾讯这样的大厂去忽悠，因为这些大厂都是卖给大老板的东西。

于是，也就有了在市场和运营系统中同样被追捧的 CDP。本质上， CDP是一个多渠道多接触的数据获取、组织、应用系统，以及自带的数据打通整合功能，因此，它本身也是一个自带数据系统的工具，天然就是反数据孤岛。

尽管这两种方法都有助于数据规划，但我对数据中台和 CDP的看法不同。这篇文章没有提到具体的原因，有时间的话我们会再讲一篇我们的看法。下面简单的解释一下，数据中台，很多企业基础不行，做不来，用不上。相对来说， CDP比较容易使用，业务领域也更加集中，使用的可能性也更大，虽然还不简单，但至少比Database中的台面要现实。

其次，是数据运营系统。

对这一点，企业比以往更缺乏认识。何谓数据操作系统？简言之，就是没有操作，没有数据，没有数据资产。

最为典型的是：我们通常认为数据获取是技术性的。但是，事实上，这更是一项业务。就拿它来说在我们建站的独立站上，我花了一百万购买了大量的流量，然后进入我的触点。您花费相同的钱购买相同的流量，然后进入独立站。我们独立站有很多设计都是为用户提供交互的，而你的独立站，基本上就是让用户浏览图片和文本。两者在数据收集方面都有明显的不同：我的设计能够收集到更多的用户交互行为数据，而在此基础上，是靠操作能力。

图片来源：纷析咨询

另外，要打通数据，还需要操作。

和许多企业的认识不同，打通数据并不主要是一项技术工作，而是需要让用户留下联系方式，通过联系方式打通不同平台和接触点的不同 ID。我们之前提到过，联系方式是连接数据所必须使用的主键。除了这些以外，其他打通数据的方法，都是不实际或不可靠的。

但要想得到消费者的联系方式，不能偷也不能抢，一定要让消费者愿意提供，这还需要靠操作。也就是，过去我们策划的营销系统，或者是特定于一项活动的营销，很少考虑如何获得数据，如何应用数据。但如今，营销系统，或营销活动，如果无法获取足够的消费者数据，那么其价值就折损了一半。

即便这些数据有条不紊，也没有任何意义。没有对数据的应用进行仔细考虑，数据就会最终过期，并被扔进垃圾堆。

信息流动应用的话题太多，但具体到数字营销和运营领域，应用场景也是多种多样。

例如，现在企业自己获取的其中一方消费者数据有很多应用场景：利用第一方数据进行广告投放、整合消费者多触点(反向营销)、私域生态私域运营、动态营销自动化、目标明确的推荐、消费者/客户生命周期运营，等等。

这个状况和你的生意有关吗？

更有甚者，数据最终会以报告的形式出现在老板的屏幕上，即使是大数据，也会被理解为“dashboard大屏”，就像没有显示，没有数据，也不存在。

远离数据报告、 dashboard、 BI或数据挖掘，数据资产远不是数据报告、 BI或数据挖掘，而是真正能应用到特定场景、驱动特定业务(尤其是客户运营)的物质。既然不能释放更多的能量，为什么还要说它的资产？

所以，数据资产的逻辑描述如下：

图片来源：宋星的数据观

上图：传统的消费市场运营系统只是蓝框中的一部分，但是为了积累数据资产，必然要包含更多的数据运营部分。

运用数据需要花费大量的时间和精力来规划数据系统，需要花费大量的时间和精力来开发具有抵抗数据孤岛能力的工具，但是更重要的是，还需要花费大量的时间和能力来建立自己的操作系统，以及拥有将数据与业务结合起来的战略人才。这一切，都很寒冷。

因此，将数据转化为资产并不是一夜之间的事情，也没有几个数据系统工具可以解决。实际上，这是当今企业数字化转型的核心问题。

说到这儿，今天的主题，也就是如何应用数据资产来做一个开场白。而下一个问题，则是许多出海朋友共同关心的一个话题——如何出海路上，应用数据资产。

数据采集及标准化

当我们拥有大体方案后，下一步就是进行数据采集。我们提前部署了客户数据平台（CDP） ，当独立站用户数据已经封装在我们的客户数据平台中。这些标准化后的数据是可以直接使用的。

而对于新的客户，除了数据拉通外，我们还需要进行数据清洗与流程标准化，这个阶段的速度会相对缓慢。

数据预处理

数据预处理是整个建模过程中最耗费时间，也是实现项目成功、确保模型精确度的关键一步。

以零售行业为例，假设某零售客户希望能够预测哪些用户会到店购买，或者预测他们未来会购买哪个品牌、哪个品类等等。

通常情况下，我们所采集的零售数据都是一些交易数据，这些数据记录了一笔又一笔的用户消费信息。

我们要做的是预测未来哪些用户会产生购买转化行为，而过往的用户消费数据可能蕴含着这些信息。因此我们需要把这些交易数据转化为用户特征和商品特征，以便输入到我们的预测模型中。

算法-模型验证-输出管理

在预测哪些用户可能会转化的场景中，我们通常采用 1 或 0 的二分类模型。

当场景比较复杂、牵涉到种类较多的商品或物品时，我们可以做一些多分类模型深入展开。比如做电商平台的购买推荐时，面对过多的商品种类，可以通过个性化推荐实现“千人千面”的推荐效果。

基于以上四个步骤初步搭建好模型后，我们需要做很多的离线检验以进行模型验证。

整个过程结束以后，我们会对验证后的模型做一些画像，以更好地理解模型背后的逻辑。同时，模型画像也能够帮助我们确定整体的营销策略。

激活及在线检验

至此，大家对这个模型也有一定程度的了解、精度也能得到保障，模型就可以上线了。上线后，我们也会在线上做一些相应的检测，并把整个流程固化下来，使它变成一个自动化模型产品。同时，我们也会依照业务的需求以一定的节奏让模型保持自动更新。

一个成功的数据模型，往往是商业洞察、数据、算法三者相互作用的结果。业务目标决定了我们需要采集什么数据、使用什么算法、做什么验证以及制定什么策略。总而言之，业务目标是一个根本性的驱动因素。

图片来源：GrowingIO

业务场景通常来说是多种多样的，因此我们需要根据客户的需求对建模过程进行一些微调。

对于用户运营的同学，他们可能需要拉新、留存、预测流失用户并作出预警；对于业务前端的同学，他们需要制定合理的定价策略并进行促销；对于负责广告业务的同学，他们需要评估广告渠道的效率，以此产生一些关于营销组合的洞察，便于制定下一阶段的广告预算和分配策略。

还有一些与供应链相关的场景，比如订单评估不准确导致库存积压或商品脱销。这时我们就需要更精确的需求预测来构建一个更加理想的供应链，把合理数量的商品在合适的时间运送至正确的地点。

（来源：JaronTam）

以上内容属作者个人观点，不代表雨果跨境立场！本文经原作者授权转载，转载需经原作者授权同意。​