[[151301]]

一個公司如果開始要做大數據，成本是需要考慮的：

1、機器。會比傳統的業務更消耗服務器，單機配置一般也比較高。

2、人員。BI,分析師，應用研發，架構，算法，每種類型的人價格都不便宜

3、數據為導向(或者慢慢轉換為以數據為導向)會對原有的產品產生額外的負擔。比如大量的日志輸出，上報等等

在實際的發展過程中，有很多老總敏銳的感覺到，手頭有這么多有價值的數據，一定要利用起來，但是有幾個問題確實是很多人不清楚的。很多都是邊做邊感受。有時候做到后面，心里也會犯嘀咕，花了這么多錢，這么多人手，做這件事情真的值得么？

我覺得真要做，至少要考慮下面幾點：

1、需要多少成本？

2、需要多少時間？

3、產出是什么？

4、數據***呈現的產品形態是什么？

而最重要的是3,4兩點： 大數據到底可以給公司帶來什么？

首先我們看看大數據包含了哪些，然后我們再來闡述構建好平臺后，大數據以什么樣的產品形態產出。

1、數據本身

2、流水線(支撐數據分析的數據處理平臺)

3、挖掘加工(分析數據內部特征關聯性規律,也就是機器學習)

4、產品

目前產品呈現形態，我所知的有：

推薦

• 電商應用最廣泛。有效增加用戶體驗，同時提升點擊轉化購買率
• 有內容產出的站點。比如CSDN
• 做內容聚合的，比如今日頭條。據說今日頭條的算法隨著用戶使用的積累，效果越來越好了。

廣告(精準營銷)

• 專業的廣告公司，比如廣告聯盟.
• 特定產品本身承載的廣告投放。比如微信那個高大上的朋友圈廣告
• 公司內部的EDM,電話，短信等營銷

搜索(排序因子)

• 機器學習產生的很多中間結果可以有效的提升搜索的排序

用戶分析(這個算是)

• 了解你的客戶是根本
• 金融行業非常依賴于此。比如信征，反作弊，反欺詐等。未來放貸的變革估計也靠此了。
• 這個可以作為一個直接的產品，也可以作為一個中間服務，直接支撐推薦，廣告，搜索等產品
• 基于此還可可以有非常多的產品，就等待人們去挖掘了。

實時計算(流量計費，反欺詐/作弊等等都需要依賴于此)

BI報表

• 基礎流量，你網站的pv,uv等等
• 質量監控，監控分析你的服務是否順暢，比如視頻播放卡頓比可以反饋出視頻網站的服務質量。
• 運營監控，譬如通過情感分析可以得到用戶的直觀反饋。典型如京東評論的情感分析。
• 特定指標計算，這個是根據運營以及決策人員根據實際經驗想看到的一些數據，我們把它量化，指標化，從而呈現出報表形態，方便運營以及決策人員做出相應的調整。

運維支持

• 也可以劃歸到BI報表中的質量監控中去
• 單獨劃歸出來其實想說，大數據其實是可以對整個產品線的各個環節做support的。并不一定是我上面的列舉。

上面說了七點，其實總結下，無非做了如下兩件事情：

了解：

1. 了解自己的產品
2. 了解自己的用戶

提升：

• 提升各種轉化率
• 提升決策的準確率

當然，還有專門做數據的公司，只要他們能夠為其他公司提供【了解】【提升】這兩件事情，也就算達到自己的使命了。