DataEye CEO汪祥斌：大数据的商业应用——如何搞定Miss.BigData

摘要：今天跟大家分享的主要是我们在数据方面的应用，大概分成这几个部分：大数据的价值、我们自身的实力、我们为客户创造了哪些价值、目前我们提供的服务、行业应用的案例等。

今天跟大家分享的主要是我们在数据方面的应用，大概分成这几个部分：大数据的价值、我们自身的实力、我们为客户创造了哪些价值、目前我们提供的服务、行业应用的案例等。

我对大数据的感触是比较深的，我2013年从腾讯出来创业，到今年差不多快三年了。在这个过程中，我确实感受到整个行业，特别是国内资本对整个数据行业的关注，应该是始于2013年，所以说2013年斯诺登事件跟中国国内的数据行业的信息可能有某种意义的联系，棱镜门事件的主体就是一个大数据项目，对美国的国土安全做一些预测。

有一天晚上我自己刷朋友圈，发现不管是做什么的公司，好像自己的产品多多少少跟数据相关，不是叫这个行业的大数据就是那个行业的大数据。确实像金玲说的，市场有一点炒的过剩的感觉。

这是这一波大数据浪潮涌现出来的东西，包括AlphaGo对战李世石，当中有一些优化，从当中可以看出目前整个行业对创新的力度还是比较强的。

从我们自身的创业过程来说，不管你是做大数据创业或者大数据项目，难度确实是比较大的，这个难度来源于大数据的特性。如果大家了解的话，这是基本的常识。什么样的数据是大数据?这个“5V”特性确实是比较难的，特别是做行业数据和方案的时候，要想真正落地产生商业价值，这里面有很多问题急需我们处理。比如说大量的数据，我们做实际落地的项目的时候确实都面临这样的问题，我们创业三年积累了很多数据，但是这个数据大吗?我们自己回顾和看我们掌握的数据资源的时候，真正做商业化的时候会发现它是多么渺小。可想而知，要想在数据方面真正生根产生价值，前期的积累是非常漫长的过程。这也是为什么说数据企业需要很长的耐心，要去慢慢的积累，原因很简单，要想产生数据商业价值，前期的这些特性或者这些数据规模、多样性都要满足，否则你做的未必是大数据。

我之前跟华傲数据的贾博士讨论过，到底什么是大数据?真正有价值的数据皆可以称为大数据，这可能是比较泛化的概念。我们给数据行业的定义是虽然很性感，但是现实很骨干。

这是我们为自己的客户构建的数据生态，在这里简单介绍一下，对于我们DataEye来说，我们有一些前端的数据产品，包括跟腾讯方面也有合作，我们给客户提供数据统计、广告分析和追踪，后台有大的综合的数据管理平台，负责对数据的清洗、挖掘和产生商业价值。这些数据会被用作哪个领域?从去年的实践来说，我们去年跟国内比较知名的平台做了深度合作。它的价值确实有，去年的一些合作案例里面，我们在广告的精准性方面，可以为国内的比较大的DSP平台提供很多服务，具体多少就不说了，但是这个价值非常大。但这也面临一个问题，国内类似我们这样的数据创业团队一样也会面临的问题，这一块如何形成规模化效应。比如说你说有十亿的数据，这种数据拿出来说没有太大价值，最终经过清洗、挖掘和筛选还能形成商业化的数据有多少，这是业内人士和投资人有时候看不清楚的地方。

DataEye数据生态方面，第一个是数据源，数据源是极其宝贵的资源，包括厂商之间的竞争，更多是在争取获得更多的数据源。第二是技术层面的，也就是挖掘的模型、算法，模型的精准度和匹配度有多高等等。第三是通过这些东西转化出来的产品服务，是不是能够很有效的支持客户去实现商业价值。可能你跟客户第一次说大数据有价值，也许客户不懂，客户接受了，但是长期合作的话，客户就会问这个东西的价值在哪儿，你帮我提高了哪些商业价值。我们数据团队在外面创业，这是必须回答的最直观的问题。最后是服务的客户，也就是说这种数据应该应用在哪些领域，这也是需要我们探索的，用我们的话说，数据不流通、数据不流动就很难产生价值。数据方面比较重要的就是异业的合作，也就是跨界。

这是数据平台大致的逻辑结构图，这是我们团队部分人员正在在做的，包括几个层面的内容。第一层是移动终端，目前DataEye做的这些数据，从数据性质上来说属于企业内部的数据，另外还有其他的，包括移动端、社交媒体、第三方媒体等，这是外围数据，这些数据互相之间有补充的价值;第二层是数据综合管理，讲的是如何建立自己的数据仓库和分布平台等等;第三层是数据挖掘，包括数据提取、数据清洗、数据计算等;第四层是标准化的数据应用产品，最上面一层是目标用户群。

技术方面不详细说了，对于数据平台来说重点关注两块：第一，我们是通过前端标准化产品实时接入的，做数据的都知道，另外是一大部分是离线的，这个价值非常高，但是挖掘力度不够，特别反映在传统行业。我们前段时间跟深圳一个传统企业沟通，二三十年的一家上市公司，里面的数据，大量的离线的文本日志都有，但是整个公司没有一个统一的数据规划，目前传统企业里面这种情况非常多，所以帮他构建的时候面临的困难也有很多，后面会介绍。

这是目前我们的设备安装量、日活跃和日志处理量，目前累计安装量10亿左右，听上去10亿好像很多，但是真正做商业化，要看真正支持商业化的数据到底有多少。

第三部分简单给大家分享一下为客户创造的价值。这个地方讲了我们平台上的三类客户。

第一类是DSP，今年不算火了，去年和前年非常多，我们叫DSP是竞争广告推送，但是依赖的是很强的技术支撑，否则也仅仅停留在概念层面。我们跟DSP的合作，第一是尝试帮助他找到目标人群，第二是推动投放效率。这两个尝试去年挺成功，特别是游戏和车联网汽车用户的投放，最高的转化率提升是2倍左右，比原有的提升高出2倍多。问题是能不能支撑他长期投放，意味着必须有足量的数据实时支撑他，也要支撑他不断投放。我们自己说有10亿用户，但是真正支撑商业案例的时候也会面临这个问题。包括我之前在苏州跟一些大数据公司的创业者沟通过，大家觉得线上的数据转化和数据价值是能看见，但是不足以支撑规模化效应，价值在哪儿呢?这个我们也在探索。

第二类是厂商，DataEye创业就开始专注游戏方面，在游戏方面做的比较多，帮助客户留住大额用户，也做道具推送。我以前在腾讯也做过大量的道具推送尝试及效果也有，关键是效果如何认定。

第三类是传统企业，现在在传统企业方面，个人觉得这一块数据需求是非常旺盛的，因为大家都急于打开自己企业的数据资产，帮助自己的企业提升竞争水平，但是这一块的难度和问题也有很多。

数据方面最直观的，大家都会提到用户画像，我们这里也有相关的用户画像，但是我们更多的是做人群洞察，或者是营销领域的营销洞察和决策，做这样的评估。这里面我们更多会分成几个维度，包括业务属性、兴趣、时间、设备等。

精准推送、精准运营，这是目前APP在推广方面需求比较大的，我们跟腾讯云分析去年也做过类似的合作，主要是针对用户做精准分析和推送。我认为精准推送更重要的是数据方面做到客户分群、洞察客户。最后这一步通道或者说送达的作用并不是特别明显，但是用户的细分和客户群的细分，这个价值是非常大的。

下面给大家简单介绍一下前端的几个产品，这是我们做的APP应用统计、游戏分析平台、广告效果分析统计。这几款产品我们今年做了一定层面的提升，因为目前整个市场对我们的要求也是这样，大家希望我们更多利用这些东西或者这些工具帮助到我们的用户真正看到当中的价值，而不是仅仅是使用这些产品。

最后，在DMP方面，我们自己有一个统一的DMP平台，也是支持移动营销侧和异业的合作，我们也给合作伙伴建立私有的DMP，帮助他们做数据的支持。

这个数据服务是我们跟一个游戏公司做的，我们帮助这家游戏公司管理综合数据，我们提出了手游指数，在立项的时候用作参考。当然这个数据构成有很多方面，有内部数据、公开数据和外围数据等等。在做游戏立项的过程是比较让人头疼的，比如说大家觉得游戏领域哪些题材和类型还不错?可能大家觉得SPS、SLG还有挖掘潜力，但是一年或者半年之后呢?需要有大量数据帮助游戏做前期分析和预测。

行业案例方面，有一些案例大家可能听说过。这是我们跟硬件厂商做的硬件渠道推送，根据用户的匹配做了相关推送。这是比较常见的，游戏运营过程中用到了流失的网流，我们会帮助他们做这个，包括大R的预警。

我们认为这是手游行业一篮子的大数据解决方案，我们为前端产品提供游戏的日常经营分析和渠道选择，也就是流量方面的甄别，还有IP价值分析和行业新进入者的分析，包括竞争力的评估，以及产品立项、题材等等方面的预测。

面向传统行业，我们目前在传统领域和一些大的汽车厂商合作，帮助他们综合管理整个数据。我们之前做了一个车联网方面的，包括车主信息、维修等等信息，我们去年发布了中国乘用车的白皮书，统计了大概2200万台车全年的维修保养记录，做了简单排名，这也是大数据应用的一种。对于这些传统企业的数据来说，这个价值是很大的。大家可以看到，车这方面包括汽车金融、保险、维修、后市场、前装市场等等，目前来看这些领域对于数据的需求有很多。本来传统厂商就没有数据治理或者数据管理的经验，所以这些数据在外面市场是缺失的。UBR车险(音)目前在国内推动也挺难，就是看怎么对数据的管理。

好，今天跟大家的分享就到这里，谢谢大家!