大數(shù)據(jù)的洞察,就是由表及里,由淺入深,發(fā)現(xiàn)用戶深層體驗(yàn)需求的過程。用IBM的話講,就是“釋放新洞察,探索和挖掘大數(shù)據(jù),以尋找業(yè)務(wù)關(guān)注的相關(guān)內(nèi)容”。
當(dāng)前的各種大數(shù)據(jù)理念中,相對(duì)而言,我對(duì)IBM“智慧的分析洞察”(Smarter Analytics)更認(rèn)同一些。吸引我的地方在于其中的三個(gè)主題詞——智慧、洞察、情境——都與意義有關(guān)。我認(rèn)為大數(shù)據(jù)的關(guān)鍵在于要從情境洞察中發(fā)現(xiàn)意義。其它各種大數(shù)據(jù)定義都很全面——除了把這個(gè)核心丟了以外。
IBM闡釋大數(shù)據(jù),肯定有自己的商業(yè)目的。例如,要把大數(shù)據(jù)同IBM集咨詢、服務(wù)、軟硬件綜合實(shí)力,提供端到端全面整合解決方案這些特點(diǎn)總結(jié)在一起。但是我想,善于學(xué)習(xí)的人,可以順著領(lǐng)袖廠商對(duì)前沿的把握——他們之所以成功,往往在于比別人把握得準(zhǔn)一些——長自己所需要的見識(shí)。
大數(shù)據(jù)要求大洞察
智慧的分析洞察,這是IBM的新戰(zhàn)略。美國大數(shù)據(jù)的國家戰(zhàn)略“收集龐大而復(fù)雜的數(shù)字資料,并從中獲得知識(shí)和洞見,以提升能力”,也提到洞察??梢姡床焓谴髷?shù)據(jù)的一個(gè)重要內(nèi)涵。《醒世恒言》里有一句:“天道昭昭,纖毫洞察?!弊屛覀儊砜纯矗ㄟ^大數(shù)據(jù)洞察到纖毫的是什么。
1、洞察的對(duì)象是意義
通過大數(shù)據(jù),要洞察的對(duì)象是什么?我以為,是意義。許多人說得出大數(shù)據(jù)不是什么,但說不清是什么。說不清的一個(gè)原因在于,只是從技術(shù)客體方面看什么是大數(shù)據(jù),沒有采取從人的主體需求的角度看問題。這樣發(fā)展下去,非常容易把大數(shù)據(jù)誤導(dǎo)到技術(shù)導(dǎo)向,脫離應(yīng)用的錯(cuò)誤方向上去。抓了大數(shù)據(jù)發(fā)展,卻丟了大數(shù)據(jù)應(yīng)用。過去許些地方把發(fā)展軟件、云計(jì)算搞成了發(fā)展房地產(chǎn),根子就出在客體(發(fā)展)導(dǎo)向,而非主體(應(yīng)用)導(dǎo)向上。
知道大數(shù)據(jù)不是數(shù)據(jù)大之后,上來就明確它是大洞察,有助于我們從主體需求方面,從應(yīng)用方面認(rèn)識(shí)大數(shù)據(jù)。大洞察意味著,大數(shù)據(jù)要獲得的是對(duì)象的內(nèi)在意義。應(yīng)用的效果是讓人獲得智慧,而不是讓機(jī)器空轉(zhuǎn)產(chǎn)生溫度去融化積雪玩。按照主體的標(biāo)準(zhǔn),而不是客體的標(biāo)準(zhǔn),人通過數(shù)據(jù)獲得意義,達(dá)到的效果就是智慧。
達(dá)到智慧有什么現(xiàn)實(shí)的好處呢?我們看到意義處在功能(使用價(jià)值)與價(jià)格(交換價(jià)值)背后的第三層,它以多樣性、差異化、個(gè)性化的形式表現(xiàn)出來,通過溢價(jià)實(shí)現(xiàn)。商業(yè)如果只是達(dá)到第一層即讓產(chǎn)品有用,或第二層有價(jià)值,還處在打價(jià)格戰(zhàn)的低水平上,只有把握了意義,才能以低成本的多樣化來適應(yīng)復(fù)雜多變的世界,達(dá)到提價(jià)競爭的境界。我昨天在戴爾公司跟他們講,互聯(lián)網(wǎng)將把我們帶入一個(gè)復(fù)雜性世界,智慧的作用就是低成本應(yīng)對(duì)復(fù)雜,讓人們獲得更高的商業(yè)效能,更高的溢價(jià)。
2、洞察是深入意義的過程
一個(gè)事物的意義,總不會(huì)寫在事物的臉上,而是隱在事物的背后。可是以往的數(shù)據(jù)服務(wù),往往達(dá)不到深入事物意義的要求。例如,搜索引擎總是望文生義,按表面的語形得出表面意思,而很難按潛臺(tái)詞、潛意識(shí)等人們內(nèi)心深藏的意義來尋找想要的更有針對(duì)性的內(nèi)容。表現(xiàn)出的問題就是,數(shù)據(jù)多了,反而讓人的選擇無所適從。施瓦茨在《選擇的悖論》中說:“盡管選擇越來越多,許多美國人對(duì)生活的滿意度卻變低了。”這就是因?yàn)?,有?shù)據(jù),但沒有把意義挖掘出來,數(shù)據(jù)多了就成了垃圾。
在商業(yè)事物中,意義深藏在第一層的功能、第二層的價(jià)值之后,是事物的第三層的存在。以往的數(shù)據(jù)分析,頂多在“東西有什么用,值多少錢”這個(gè)層面分析用戶需求,但無法分析出同一種功能、同一個(gè)價(jià)格的東西,對(duì)不同個(gè)性的人的不同意義。如果知道了的話,商家可以通過定制,為他提供更高附加值的服務(wù)。在情境定價(jià)模式下,消費(fèi)者可以為帶來個(gè)性化巔峰體驗(yàn)的東西,支配高額溢價(jià)。蘋果公司的產(chǎn)品就是一個(gè)例證。大數(shù)據(jù)可以幫助一般商家,把握只有喬布斯這種天才才能感受到的顧客高價(jià)值體驗(yàn)的細(xì)微之處。
大數(shù)據(jù)的洞察,就是由表及里,由淺入深,發(fā)現(xiàn)用戶深層體驗(yàn)需求的過程。用IBM的話講,就是“釋放新洞察,探索和挖掘大數(shù)據(jù),以尋找業(yè)務(wù)關(guān)注的相關(guān)內(nèi)容”。例如,對(duì)呼叫中心對(duì)話內(nèi)容的文字記錄進(jìn)行大數(shù)據(jù)分析,可以解釋和理解細(xì)微的語言特征,例如情緒、俚語和意圖。此類數(shù)據(jù)可以幫助企業(yè)(例如銀行和電信服務(wù)提供商)了解客戶當(dāng)前的情緒狀態(tài),并獲得能夠直接用于推動(dòng)客戶管理戰(zhàn)略的寶貴洞察。
大數(shù)據(jù)要求情境探索
我們可以立個(gè)簡單的標(biāo)準(zhǔn),看大數(shù)據(jù)是否可以深入到功能、價(jià)值背后的第三層,即意義的深度。一個(gè)搜索引擎,不同的人輸入同一個(gè)主題詞,如果出來的是同樣的結(jié)果,對(duì)世界的認(rèn)識(shí)還只達(dá)到功能和價(jià)值層,因?yàn)楣δ芘c價(jià)值對(duì)所有人都是一樣的。但如果針對(duì)不同的人,能出不同的結(jié)果,才算達(dá)到意義層。要實(shí)現(xiàn)這一點(diǎn)很簡單,把搜索同一個(gè)含有個(gè)人時(shí)間軸(Timeline)的手機(jī)關(guān)聯(lián)一微秒,就可以出每個(gè)人不一樣的搜索結(jié)果。按這個(gè)大數(shù)據(jù)級(jí)的標(biāo)準(zhǔn)衡量,現(xiàn)在世界上沒一個(gè)搜索引擎是合格產(chǎn)品。將來的大數(shù)據(jù)將走上情境探索(谷歌叫情境發(fā)現(xiàn),contextual discovery;騰訊叫情境搜索)之路,它是數(shù)據(jù)挖掘發(fā)展到個(gè)性化階段的人工智能形式。洞察將通過情境探索實(shí)現(xiàn)。
我認(rèn)真看了IBM“智慧的分析洞察”的宣傳材料,在各種商業(yè)的陳辭濫調(diào)之外,這回發(fā)現(xiàn)一個(gè)新的、讓人眼睛一亮的東西。這就是情境概念。情境(context,contextual),又譯為上下文。這回成了IBM大數(shù)據(jù)思路中反復(fù)出現(xiàn)的概念,如:技術(shù)上,強(qiáng)調(diào)“聚合上下文,挖掘并可視化信息,以找到答案”;資源上,強(qiáng)調(diào)“企業(yè)整合和上下文聚合”;業(yè)務(wù)上,強(qiáng)調(diào)“在上下文中關(guān)聯(lián)并不相似的信息源,并且評(píng)估非結(jié)構(gòu)化內(nèi)容的業(yè)務(wù)價(jià)值為業(yè)務(wù)經(jīng)營提供洞察,實(shí)現(xiàn)實(shí)時(shí)決策”。戰(zhàn)略上,強(qiáng)調(diào)“在日常運(yùn)作中采用數(shù)據(jù)驅(qū)動(dòng)的思維”。
實(shí)際上,發(fā)出同一主題,返回不同答案,才叫洞察。得出千篇一律的答案,把顧客想象成同一個(gè)標(biāo)準(zhǔn)答案,那不叫洞察。情境化,就是把洞察落到實(shí)處的途徑。搜索引擎之所以錨定個(gè)人時(shí)間軸會(huì)返回不同結(jié)果,是因?yàn)闀r(shí)間軸就是一個(gè)人的語境。一個(gè)人的上下文,與另一個(gè)人的上下文,就是區(qū)分二人的個(gè)人基因庫。我曾在中關(guān)村見過復(fù)雜網(wǎng)絡(luò)權(quán)威巴拉巴西院士,他認(rèn)為有了大數(shù)據(jù),人的93%的行為都是可以預(yù)測的。在IBM的模型中,我們看到與沃森關(guān)聯(lián)的“上下文”,包括POS數(shù)據(jù)、CRM數(shù)據(jù)、社交媒體數(shù)據(jù),將它們?nèi)谌雐nfoSphere Biginsights中,可以提煉出顧客的消費(fèi)習(xí)慣和購買趨勢。
IBM講,大數(shù)據(jù)將“提供假設(shè),挖掘與企業(yè)的某項(xiàng)當(dāng)務(wù)之急相關(guān)的內(nèi)容”。其中的相關(guān),可以理解為錨定(Anchoring),就是在企業(yè)的中間價(jià)值,與最終用戶的上下文語境之間,建立“人單合一”式的關(guān)聯(lián)。這就是通過大數(shù)據(jù)把握意義的核心方式。