大数据落地应用时代，我们需要怎样的数据产品服务

大数据分析和应用渐成趋势

[本文来自：www.ii77.com]

根据波士顿公司《2018年全球最具创新力企业》报告，自2014年以来，越来越多的公司正在把大数据分析应用在新产品的功能实现和数字..上，大数据分析的重要性也从第8位上升至第3位。超过一半的受访者表示，他们的公司使用数据分析来实现与创新有关的各种目的，包括识别新领域、为构思创意提供投入、揭示市场趋势、为创新投资决策提供信息以及设定投资组合优先事项等等。

企业应用大数据关键在于识别优先应用场景

贝恩咨询认为企业应用大数据，除了发现数据的独特价值和明确创造价值外，识别优先应用场景至关重要。这些优先应用场景包括用户画像，精细运营，以及建立从数据-分析-洞察-决策的产品化和常态化趋势。

在优先应用场景方面，用户画像是一切产品、运营决策的基础。如果你不了解用户，就没办法制定相应的用户运营策略，就不能实现精细化运营。而企业在数据-分析-洞察-决策这条链路上面，数据环节的实现需要做数据技术方面的投入和数据合作，分析和洞察则需要数据产品和人力的投入，决策则需要人工+智能的方式去推动数据分析成效真正落地应用。

企业自建数据分析系统的局限性

过去几年，企业纷纷投入基础数据技术建设，有研究数据显示，在中国市场上，目前有59%的企业已经成立了数据分析相关部门，27%的企业正在计划成立数据部门。同时，35%的企业已经应用了大数据，23%的企业计划在未来一年内应用大数据。但是，真正被利用的大数据数量仅仅为1%。如何让数据充分释放商业价值，是很多企业始终在思考的问题。企业应用大数据面临挑战的根本原因在于企业自有数据体量小、数据场景单一、数据处理和应用能力不强等，具体表现为：

一是缺乏了解用户的数据维度和场景，不少企业由于其业务场景和产品较为单一，因而对用户的了解比较局限，比如仅能了解用户性别、年龄、职业等基础情况，缺少多维度的数据及多元化的场景来做补充，全面的了解用户。

二是缺乏大数据统计和挖掘工具，很多公司仍然停留在开发人员或者数据分析人员，通过数据仓库底层采用数据开发工具取数的阶段，产品和运营较难直观可视化地获取数据，难免有时会导致产品和运营对数据理解出现偏差，而且也时常会出现数据分析不及时无法即时满足外部市场变化需求的情况。

三是缺少基于数据分析之上的常态化数据运营手段。以日常的用户运营消息推送为例，多数企业会由产品运营人员先定义用户范围，再让开发人员提取数据，制定有限的用户推送策略。整个流程缺乏系统化的产品方案，对大数据的应用也相对较弱。

企业需要怎样的大数据产品和解决方案

现阶段企业迫切需要相应数据产品和解决方案来弥补这些数据应用的缺口。企业不仅应该投入数据技术，还应该投入数据产品建设，只有这样才能将数据的价值发挥到最大。

首先，企业需要能够完善用户标签的用户画像产品服务。如上文所说，如果你不能充分了解你的用户，“千人千面”的用户运营无从谈起。对于大部分中小型企业，与提供用户画像服务的数据服务商合作已经势在必然，因为这类企业并不具备完善自己用户标签的用户场景和技术能力。即便对于BAT这类大型企业，虽然有海量的用户和大量的产品场景，可以自己完成用户部分画像，但也面临无法全景覆盖用户的困难。比如腾讯就无法知道用户的电商画像，阿里巴巴则缺乏用户的社交画像。他们同样也需要与第三方大数据服务商合作。

第三方用户画像服务往往基于强大的大数据能力，能够为APP开发者提供丰富的用户画像数据以及实时的场景识别能力。以个推的用户画像产品“个像”为例，其根据用户画像数据的实时程度提供冷画像，温数据，热画像，定制化标签服务。冷画像指包括性别、年龄层、常驻地等相对稳定的数据画像，温数据是体现近期线上行为特征、近期活跃场景等具有一定时效性的情况；热画像则基于地理围栏技术了解反应场景化明显的，稍纵即逝的时效性情况；此外“个像”还能够结合三方数据，共同建模得出显著价值和特征标签，从而满足客户的定制化需求。

其次，企业需要好用的应用统计分析产品。尽管市面上针对应用统计分析产品已经有不少，但现实中，能完全满足产品和运营需求的产品依旧较少。很多产品不是过于简单就是过于繁琐。简单的应用统计产品只能了解安装、日活、留存等基础统计，数据维度有限，不能满足企业分析洞察用户的需要。繁琐的产品则配置过于复杂。好用的应用统计分析产品应该是刚刚好，一方面要能够简单快速提..品和运营所关心的用户维度和数据指标，同时也要符合企业的使用，能省时省力。

个推最近推出的“个数”，就是站在前人实践基础上结合实际需求创新而来的统计分析产品。它既实现了传统应用统计工具提供的实时多维度数据，多渠道用户画像，还纳入了企业关心的用户增长渠道数量和质量统计功能，并同时提供了事件、卸载和行业洞察功能，可以帮助企业快速掌握APP的全貌。

第三，企业需要有常态化的数据运营和应用工具。要解决目前数据提取，数据分析，数据应用割裂的场景，企业需要打通内外部数据流和用户流，才能实现全景化，全链路的数据化运营。比如企业应该有一套自己的用户增长系统，这些系统都基于大数据分析，并能够直接应用于产品和运营策略，去驱动产品进化和用户增长。

有实力的企业可以选择自己开发，大多数企业最优的方案仍然是选择市场上成熟的解决方案。如深耕大数据服务领域多年的个推，针对移动互联网领域的发展痛点，一方面将消息推送、用户画像、数据统计结合起来形成数据运营闭环，构建数据智能和场景驱动的精细化运营服务体系，通过大数据分析深挖用户特征并指导运营策略的调整，另一方面又聚焦发展新用户、提高用户活跃度等关键问题，为App新用户拓展、老用户激活等提供有效的用户增长解决方案。

对于移动互联网企业而言，一套完善的大数据解决方案，不仅能帮助其提升运营等方面的能力，更是能帮助其从用户留存、用户活跃、收入变现等方面实现全面的增长。

毫无疑问，在大数据时代，企业面对的已经不只是数据技术能力的投资，而是如何应用这些数据产品，快速高效地去挖掘数据化运营的价值，从而切实推动业务快速增长。