打开大数据的正确方式——做减法

发布时间:2019.04.09来源:亿信华辰浏览量:1次标签:数据治理

随着数字技术的广泛应用,原本的新奇感已经荡然无存。创新领域内积年累月的争夺不断攫取着人们的时间和注意力,反而令用户感到信息过载、不堪重负;企业在广泛地收集个人数据,却不注重数据隐私的保护;算法在更精准地满足消费者需求的同时却也在制造偏见,形成“信息茧房”。

这一切都指向了企业对于数据的应用。在一个崇尚获取流量、挖掘数据洞察的商业环境下,企业、组织或是机构都应该重新思考数据应用的信条、态度和方式。在相关法规尚未完善的情况下,率先垂范的企业将获得信任,有望开启新的增长。

埃森哲在《Fjord趋势2019》中提出,当下正是去芜存菁的时刻,人们将决定哪些数字产品和服务对生活仍有价值。在价值交换必须双向互利的前提下,大众和企业开始审视自身真正看重的东西,终将拒绝那些无法满足自己需求、甚至过多打扰的产品和服务——这将从本质上改变人们、技术和商业的关系。

沉默是金——从关注度到价值

埃森哲早在2015年的《Fjord趋势》中就提出了“数字瘦身”(Digital Dieting)的观点,呼吁人们关注数字世界和现实环境的矛盾和对立。如今,越来越多的提醒、通知、推送和语音服务让消费者纷扰不堪,引起人们对数字化技术的恐惧,消费者开始取消关注、退出订阅,以求消停。

在此局面下,技术巨头们决心以管控和限制为原则重新打造用户体验。例如,苹果公司(Apple)和谷歌(Google)推出了限制屏幕使用时间的工具;腾讯开始对网络游戏玩家的年龄进行更为严格的限制;微软(Microsoft)、亚马逊(Amazon)和思科(Cisco)等企业支持开发那些尊重用户时间、注意力和隐私的技术。

用户在选择产品、服务和相关企业时所看重的价值已不同以往。过去,消费者追求新奇、兴奋和即时满足;而今,他们拒绝那些哗众取宠的企业。

普及精简型数字产品的步伐只会越来越快。用户可以根据所处位置,自行把握产品使用度。消费者希望企业尊重其个人意见与整体需求,而不是仅仅将其视为服务的单向接收方。企业不仅要盘算自身产品,还要着眼于产品投入的市场环境。唯有全盘考虑并尊重消费者个性,企业才能与消费者建立有意义的长期关联度。

一些企业不仅着手优化用户体验,还推出相应的实体产品,以便用户尽可能减少数字技术的使用频率。例如,Light Phone是一款功能极其简单的智能手机,旨在降低用户日常使用手机的频率;创业者伊万·凯什(Ivan Cash)和斯科特·布鲁(Scott Blew)在众筹网站Kickstarter上推出了一款能够屏蔽电子屏幕的太阳镜IRL Glasses,可以隔绝LED和LCD屏幕显示的画面。

数据减法——从海量到适量

对用户的纷扰从一定程度上反映了企业对于数据收集、存储以及分析似乎“过于热情”。同时,用户对于数据运用的担忧也从未如此的紧迫。窃取用户数据的丑闻不断警醒着数据滥用的问题,用户在分享数据时变得更为小心谨慎。

数据运用的信任在用户端和企业端都面临巨大的挑战。埃森哲的报告指出,如果个人数据不能得到保障,消费者宁愿放弃获得更好体验的机会。超过四成的中国消费者由于信任的缺失而更换了商家,中国企业因此流失的收入高达5.3万亿元人民币;而在企业之间,数据质量和网络安全等成为了阻碍大规模应用新技术重要原因。

企业应当克制对数据的采集,需要运用算法最大化地利用数据,并将对消费者的影响最小化。企业可以把范围锁定于产品和服务所需的数据上,推动“数据最大化主义”(data maximalism)向“数据极简主义”(data minimalism)转变。企业需要明确展示数据所有者和数据使用者分别能够获得的价值,并赋予用户更大数据掌控权。

但是,一些企业并没有完成这样的转变。最近,上海市消保委对39款关于网购、出行、生活服务类APP进行了个人信息保护的测评,结果发现有25款APP申请的权限在软件中并没有对应功能。换言之,这些企业通过APP调用或获取了个人敏感信息与业务并非相关。有16款APP在沟通后删除了敏感权限。

部分企业和机构则开始掌握主动。例如,Augmented Mundanity OS项目设想出一种全新的操作系统,有助于用户轻松了解并使用隐私工具。《纽约开放数据计划》通过发布该市所有机构和企业生成的所有数据集,从而增加透明度和问责,帮助纽约市民更好地使用并了解城市数据,最终惠利于民。

此外,初创企业看到了用户期望更好地控制和利用自身数据的需求,开始采用各种数字手段完善数据交易市场。

例如,CyberVein开发出一款基于区块链的系统,用户可以在系统中出售自己的数据;BehaviourExchange则开发了一款双向互利的数字平台,用户可以分享数据以换取代币奖励,企业则可通过数据锁定目标客户;Health Wizz是一款可让患者安全地汇总、整理和分享医疗记录的平台,现已成为新一代利基数据平台市场中的佼佼者。

在可预见的未来,几乎所有企业都将依赖算法做出关键商业决策。因此,光有公开透明还不够,企业还应审查数据源中的潜在偏见,重新校准算法。埃森哲已经朝着这个方向迈出了第一步,开发了一款算法公正工具,可以快速评估数据是否能产生公正的结果。

包容个性——从定量到定性

在人们渴望清净的时候,我们不能忘了另一个极端:越来越多的企业开始打造个性化产品和服务的同时,却将一些个体排除在外。

听上去很矛盾?其实,正是由于陈旧的用户分类方法,企业或公共部门即便运用了最新的数字技术,却在通往包容性的道路上栽了跟头,制造了新的偏见。

在2015年、2017年英国大选以及2016年欧盟公投的投票结果的预测均告失败后,人们开始意识到,民意测验之所以出现预测失误,并不是因为缺乏足够的选民数据,而是因为算法让每个人沉浸在自己偏好的信息世界里,忽略了选民的实际背景,产生了过滤气泡(filter bubbles)现象;各大品牌在高达2540亿美元的穆斯林时尚市场屡屡受挫则是另一个例子。虽然诸多企业推出了专为穆斯林妇女设计的服饰,却把穆斯林妇女视为喜好一模一样的同质化群体,因此饱受批评。

许多企业、机构仍然基于定量洞察和人口统计学来设计、研发以及制造产品和服务。尽管数字不会说谎,却无法代表全部,因为数字无法显示具体背景下的个人行为。“黑天鹅”理论的提出者纳西姆·尼可拉斯·塔雷伯(Nassim Nicholas Taleb)曾指出,很少有人能够意识到统计模型的局限性。一旦人们对这些模型过于自信,所做的决策甚至比没有使用模型时还要糟。

在数字技术的帮助下,之前被忽视的个体们能够通过草根活动联合起来,发出自己的声音,这也为希望与个体们建立联系的企业开辟了新渠道。然而,我们应当如何了解那些没有在收集数据中体现的群体呢?以及针对相关群体的产品和服务?

在分析数据时,企业需要以人们的生活环境为基础,才能挖掘数据背后含义的定性洞察。我们将不再使用传统的市场划分方式,而是根据个人行为和态度确定客户的思维模式,从而设计个性化产品和服务。

在拿到客户数据后,企业的第一步都是利用数据验证假说。随后,企业会确定客户的行为模式,从而优化产品、服务或策略,这是多数企业当前所处的阶段。第三步则最为紧要:使用数据在企业和客户之间进行独立的个性化交互。

Hotels. Com在保持品牌吸引力方面做出了努力,其使用技术企业Persado研发的人工智能平台调整营销语言,定制面向不同客户群体的内容和表达方式;Fjord和大众汽车(Volkswagen)开展有关未来出行的研究也表明了,人们在通勤和旅行时的期待和需求是有多么的复杂——综合市场因素、经济因素和个人偏等因素,一共定义了六大总体思维模式,然后细分为了21个群体,可谓“千人千面”。

因此,智能化企业会探索数据背后的“为什么”,打造一个真实的、全方位的客户视图。新的数据框架将不断涌现,全面整合大数据(定量)、厚数据(定性)和广数据(灵活预期、趋势、背景洞察和行业洞察)将有助于绘制细节更为详实的数据图景。如果企业能够有机整合定性和定量数据,必将在竞争中占据优势地位。

商业成功不仅在于提供和个人相关的价值,还要有利于世界。这就要求企业一改过去的做法,反其道而行之:保持安静,不要哗众取宠;从客户角度了解客户,而非自以为是;适可而止,以免过犹不及。

企业的价值创造不是单纯源自做得更大,而是源于变得更好。天下熙熙,天下攘攘,唯有相关,方能长久。


(部分内容来源网络,如有侵权请联系删除)
立即免费申请产品试用 免费试用
相关文章推荐
  • 数据治理的发展历程

    数据治理的发展历程

    数据治理技术的发展使得其中最好的技术为组织的数据景观提供了完全的透明性,并为业务用户在搜索、访问和应用数据时提供了一种方便快捷的体验。……查看详情

    发布时间:2018.11.19来源:艾米丽华盛顿浏览量:3次

  • 数据治理 定义,挑战和最佳实践

    数据治理 定义,挑战和最佳实践

    数据治理构成了公司范围数据管理的基础,可以有效地使用可信赖的数据。有效的数据管理是一项需要集中控制机制的重要任务。 为了帮助最终用户更……查看详情

    发布时间:2019.02.20来源:数据治理浏览量:1次

  • 建立统一的数据交换平台实现各部门的数据共享

    建立统一的数据交换平台实现各部门的数据共享

    要实现各部门的数据共享,必须先建立统一的数据交换平台,通过交换平台实现各异构数据库之间的数据集成,实现原有各业务系统在数据级集成,保证异……查看详情

    发布时间:2020.08.21来源:知乎浏览量:1次

  • 数据质量分析主要包括那些内容?

    数据质量分析主要包括那些内容?

    数据是组织最具价值的资产之一。企业的数据质量与业务绩效之间存在着直接联系,高质量的数据可以使公司保持竞争力并在经济动荡时期立于不败之地。……查看详情

    发布时间:2019.11.13来源:知乎浏览量:3次

  • 数据资产管理“管”什么

    数据资产管理“管”什么

    目前,数据资产管理已经形成了一套科学的管理架构体系,其体系架构如下图所示,主要包含9个活动职能和2个保障措施,9个活动职能指的是数据标准……查看详情

    发布时间:2020.09.11来源:知乎浏览量:4次

  • 大数据时代,我们将面临数据治理的新阶段

    大数据时代,我们将面临数据治理的新阶段

    目前业界并没有对其概念的统一标准定义,我们可以这么认为,数据治理从本质上看就是对一个机构(企业或政府部门)的数据从收集融合到分析管理和利……查看详情

    发布时间:2020.03.26来源:知乎浏览量:1次

  • 数据治理的最佳实践

    数据治理的最佳实践

    数据治理是指确保数据在输入系统时满足精确标准和业务规则的一组流程。数据治理使企业能够控制数据资产的管理。这包括使数据适合其预期目的所需的……查看详情

    发布时间:2018.12.26来源:数据治理浏览量:0次

  • 数据质量管理包括什么方面

    数据质量管理包括什么方面

    数据是组织最具价值的资产之一。企业的数据质量与业务绩效之间存在着直接联系,高质量的数据可以使公司保持竞争力并在经济动荡时期立于不败之地。……查看详情

    发布时间:2019.11.07来源:知乎浏览量:8次

  • 什么是数据标准?如何建设管理?这篇文章给你讲明白了

    什么是数据标准?如何建设管理?这篇文章给你讲明白了

    数据标准是一套由管理制度、管控流程、技术工具共同组成的体系,通过这套体系来推广和应用统一的数据定义、数据分类、纪律格式和转换、编码等来对……查看详情

    发布时间:2020.11.11来源:头条浏览量:1次

  • 数据管理与数据治理的区别

    数据管理与数据治理的区别

    当我们谈数据资产管理时,我们究竟在谈什么?就目前而言,我们谈论得最多的非数据管理和数据治理这两个概念莫属。但是对于这两个概念,两者的准确……查看详情

    发布时间:2019.11.22来源:知乎浏览量:2次

相关主题
您点击 “提交”,表明您已理解并同意接受本网站隐私政策和用户协议