决战大数据(大数据的关键思考升级版) 下载 pdf 百度网盘 epub 免费 2025 电子书 mobi 在线

随着智能手机的大范围普及、物联网浪潮以及人工智能技术的爆发式发展，大数据在收集消费者全渠道行为、触发商业机遇等方面发挥了越来越重要的作用。而《决战大数据（大数据的关键思考升级版）》一书恰恰洞悉了大数据时代商业发展的本质。同时，车品觉根据其在阿里巴巴的多年经验，通过丰富的案例和通俗易懂的语言，从“养数据”到“用数据”，深入浅出地向我们揭开了阿里巴巴数据化运营和运营数据的神秘面纱。通过本书，车品觉告诉我们，在数据无限的时代，拥有数据化思维，才能改变商业的未来。

这是一部 展现智能时代数据思维构建之道的实战巨作，数据力决定竞争力的年代，不得不读！

前言 我在阿里的6年

引言 忘掉大数据

部分 从数据化运营到运营数据

01 大数据，为什么很多人只会谈、不会做

大数据从来不是免费的午餐

人的断层

模型数据从何而来

主动的管理， 多的创新

数据化思考 问题就是答案

02 大数据的本质就是还原用户的真实需求

识别，让似是而非的行为数据串联起来

价值，企业价值VS.客户价值

场景，你知道当时所有的场景吗

还原是一个瞄准器

数据化思考 CEO 们关心哪3个数据

03 “ 活”的数据才是大数据

“活”做数据收集，抓住相关性

“活”看数据指标，动态地使用数据

数据化思考 别再做“碰巧游戏”

04 全域大数据，大数据的颠覆者

数据，决策的瞄准镜

开始“上帝视角”，做到知觉合一

数据化思考 样本的偏见

05 数据分类与数据价值，什么才是你的核心数据

数据分类为什么如此重要

数据分类的4 大维度

数据的5 大价值

数据化思考 用傻瓜的视角去观察

06 从用数据到养数据

数据应用因小而美

把数据放进“框” 中

如何用框架来做决策

养数据，重要的数据战略

数据化思考 远离“或”选择

07 数据的盲点，负面数据的力量

数据盲点

小偷思维

数据盲点的价值

数据化思考 为什么数据会骗人：常态、时态与变态

第二部分 阿里巴巴的大数据秘密

08 阿里巴巴的大数据实践

假定数据是稳定的

假定数据是可获取的

数据化思考 先开 ，后瞄准

09 混、通、晒，阿里巴巴数据化运营的内三板斧

混，“混”出数据

通，打“通”“混”的数据

晒，“晒”出“混”和“通”的数据

数据化思考 思考，要学会关窗口

10 存、管、用，阿里巴巴运营数据的外三板斧

存，数据收集的开始

管，保护好存储数据

用，从收集数据到管理数据

数据化思考 用化骨绵掌解决本质问题

11 大数据，未来商业的利器

假定数据是脏的

学会慢慢淡化数据

数据的标签化管理

重要的是数据和数据之间的关系，而不是数据本身

数据的实时化与实时性分层

未来是人机的结合体

数据化思考 忽略了趋势，过去的价值一文不值

第三部分 没有数据，就没有未来

12 大数据驱动行业大变革

大数据带给零售业大想象

金融创新迎合新世代

医疗业酝酿大数据突破

物联网，构建智慧城市

娱乐大数据， 你的需求

人心难测，时尚业的机遇

未来，人人都是数据分析师

数据化思考 大数据生态走向平民化，专业工作变得人人可做

13 未来的趋势，蕴于数据之中

物联网，让寻找客户靠数据不靠运气

虚拟现实，以精算模型预估人类行为

以大数据应对“不测风云”

情绪计算：相形不如论心

开扩思维，负面信息也是决策关键

数据化思考 知识图谱，知别人所不知

14 数据产生的未来洞察力，才是核心竞争力

大数据变革在数据本身

任何一个完整的高效服务都离不开3T

用数据治理数据

Datafication，大数据风暴中的指南针与救生衣

数据化思考 让数据透过产品“说话”

15 2016大数据趋势

变是wei一的不变

跳脱惰性的乘法思维

稳抓趋势中的观战重点

数据化思考 走出大数据和小数据的迷思

结语 开启属于你的个人大数据管理

后记 像李小龙的格斗一样去思考

品觉的话 人在修行的路上，不要单打独斗

车品觉，畅销书《决战大数据》作者，红杉资本中国基金专家合伙人，全国信标委大数据标准工作组副组长。

阿里巴巴集团前副总裁，首任阿里数据委员会会长；拥有十几年丰富的数据实战经验，并在实践中形成了独特的数据化思考及管理方式，对大数据未来趋势有独到的见解。亲自领导阿里数据团队在大数据实践领域取得了一系列重要成果，包括为阿里建立集团各事业群的业务及决策分析框架，开发智能化的数据产品，成立了驱动集团数据化的运营团队，成功发起了公共与专有数据资产管理体系，还发布了数据安全规范等。

现担任中国信息协会大数据分会副会长、中国计算机学会大数据专家委员会副主任、粤港信息化专家委员、中国计算数学学会第九届理事、清华大学教育指导委员（大数据项目）、浙江大学管理学院兼职教授等职。

暂无出版社相关信息，正在全力查找中！

有人说，大数据就像国王的新衣，每个人都在国王面前说着动听的话，国王信以为真，其实他并不知道自己在裸奔。

     的确，网络上有很多人在谈大数据，但是他们只会谈，不会做，因为他们根本就没有做过，包括那些所谓的“大数据专家”，他们真的做过吗？没有。事实上，这些人对大数据内在的问题一点儿都不了解， 别说知道大数据的水有多深了。

     目前，在大数据方面，无法深入应用的原因在于，从收集到使用的大数据价值链出现了问题。从理论上来说，从收到用的螺旋式循环是一个巨大的涡轮，只有先数据化运营，然后才能运营数据。而现在的情况是，用数据的人不知道大数据从哪里来，做数据的人不知道大数据如何使用。想用的人不敢用，因为担心大数据的真实性；做的人不知道怎么用，因为大数据的复杂性。这一问题造成的结果就是，数据量变得越来越大，而且越来越无法有效地使用。

     大数据从来不是免费的午餐 我先问一个数据管理上 现实的问题：“大数据如何备份？”毫不夸张地说，大数据已经这么庞大了，如果再备份一次，你的成本起码会增加一倍。

     做大数据基本上都要从大量收集数据开始，因为这些数据在未来会大有用处。但是，你是不可能无止境地收集下去的。在这里，你已经看到了一个再清晰不过的伪命题：大数据的确能够备份，但是成本会增加两三倍。然而，“以前重要的数据肯定都需要备份啊，”你自然会问，“如果不能备份，我该怎么办？”而这就是大数据管理中必然会遇到的一个问题。

     我再问一个问题，如果你在数据使用方面一直得心应手，整个商业链条和数据紧密相关、相辅相成。

    但是，现在数据链忽然断了，或者不再有效了，此时你该怎么办？ 需要注意的是，这一问题说的不是你有没有使用好数据，而是说曾经你可以得到的数据现在无从获得了；或者说这些数据不能再在 收集，只能从线下获取，成本也就相应升高了；抑或说，这些数据存储在其他地方，你不能使用了。在诸如此类的情况下，你该怎么办？ 当然，如果你对数据的使用本来就很生疏，而且也觉得无关紧要，那么数据链消失了、断裂了、失效了，你也不会有太大烦恼。但假如正当你将数据使用得风生水起的时候，出现这样的问题，那你也只能束手无策，眼睁睁地看着机会溜走。

     大数据从来不是免费的午餐。伴随着大数据热潮的到来，关于大数据的一些新问题层出不穷——大数据会夹杂着虚假信息；大数据的数据量很大，但有用的信息不一定多，甚至还会破坏核心信息；大数据的来源是多渠道的，偏倚、随机的误差总是存在。

     但是，我们也需要客观地认识到，大数据现在面临的这些问题，其实就是把小数据中的一些问题放大了。小数据中难道就没有噪音会破坏我们的核心信息吗？当然也有，只不过当大数据把数据量放大和变多的时候，噪音的破坏性也会相应变大。小数据中难道就没有渠道偏倚和随机的问题吗？当然也有，但是在大数据的背景下，问题被 明显地放大了。

     人的断层 说了这么多，事实上还没有触碰到如今大数据面临的 问题：人。

     很多人都会问，大数据能带来什么价值？怎么衡量大数据创造的价值？事实上， 直接的衡量标准就是，在经营上它为你赚了多少钱，带来了多少实际的利润提升。

     对于这一问题的解决，现在很多人倾向使用的方法是计算“在用了大数据之后，点击率提高了多少，转化率提高了多少”。但是要知道，转化率和点击率能提高的数据，可能根本不是投资人或公司 管理者对大数据的期望。对于业务人员来说，转化率能提升5个百分点就已经 好了，如果将转化率从2％提高到3％，简直就是奇迹了；但对于公司 管理者来说，这并不是他想要的大数据。

     你需要认识到，断层才是大数据所面临的 严重的问题。收集数据的人并不清楚未来使用数据的人要做什么，这是目前大数据运用的一大关键命门。

     在使用大数据时，我们通常的做法是先把数据收集起来，因为我们知道在未来的某一时刻，这些数据对我们可能有用。不过，“未来可能有用”就注定会引发一个问题：收集数据的人不知道未来使用数据的人要做什么。这时候，如果你再问收集数据的人“如何才能 好地收集数据”，那么，数据的使用就会陷入一个死循环。

     事实上，不仅是收集数据的人，就连使用数据建模的人，同样也不清楚当前的数据是如何获得的。数据建模是数据使用的关键环节，使用数据建模，就是根据以往的经验从中寻找到一些潜在的规则，然后把这些规则结合起来去解决问题。

     P8－11

在线阅读地址：决战大数据(大数据的关键思考升级版)在线阅读

在线听书地址：决战大数据(大数据的关键思考升级版)在线收听

在线购买地址：决战大数据(大数据的关键思考升级版)在线购买

数据报告......必须要知道以下5个问题

这是什么问题？

这是谁的问题？

这个问题现在必须马上解决吗？

这个问题我们能解决吗？

我们有足够的数据来解决吗？

当我“苛刻”地提出“把月度经营报告当成产品来做，目的是让这份报告像 Phone-样好用”"的要求时，整个团队都傻了：报告怎么能像产品一样呢？！那么，为什么数据报告不可以做到行云流水，让人看起来很爽呢？

所以，我是这么要求的：首先，报告的前3页一定要吸引人，让人有欲望继续看下去；其次，当别人看到一个数据，心里在猜测数据背后的各种原因时，我的下一页报告就要解答他心中的疑问。

因此，如果要用产品管理的理念来运行分析团队的话，必须要问“问题是什么"，并以此作为切入点。接着，解决用户的问题，得到用户的信任，然后就可以做更多的好产品。这是一套做产品的理念，因为产品需要不断送代，并非一劳永逸。

那么，我怎么评估报告是否获得成功呢？简单来说，如果一个月度经营报告仅仅5分钟就被pas掉了，那它肯定是不成功的。

的确，当回归到“数据能够帮助你产生什么价值”这个问题时，

如果你自己都没弄清楚，那么就算给你再多的数据，你也只会手足无措。我们身边的大数据现象越来越普遍，数据的广度和深度都呈现出几何级甚至指数级增长的趋势。在思考数据的价值时，我认为，可以从三个维度来考虑。

首先，你能否清楚地识别（ Identify）用户的身份？其次，你能否搞清楚所收集的数据对你的价值（ Value）是什么？最后，收集数据时的场景（ Situation）是什么？

还原是一个瞄准器

数据的本质就是还原，这是收集元数据的关键方法。当我们在进行场景还原时，必须认清数据收集的领域是什么在不同的领域里收集到的数据，可以找到与其所在领域里不同的东西，比如，搜索引擎和社交网络（SNS）得到的数据就是不一样的。而企业首先要做的是，确认用户是不是同一个人，比如在SNS里涉及的很多信息主要都是聊天内容，如果我是做SNS的，我就会更多地去寻找这个人和其他人的关系。他今天跟张三聊了3分钟，明天跟李四聊了5分钟，这项数据在SNS领域里可以获得。但当我们要真实地还原整个人的行为的话，最好要有不同领域作为互补，这会让你掌握更多更全面的信息

有多大的能力弄清哪些数据是同一个用户的，这是企业首先必须解决的问题。然后再去关注，收集到的数据的量这么大、广度这么宽，价值在哪里。而当企业不清楚收集到的数据是不是同一个用户的时，那这个数据又有什么用？所以，在大数据里，最重要的还是收集人的数据。

.......

所以，如何更好地识别各个设备的使用者是否为同一个人，如何更好地理解用户在各个不同场景下表现出来的不同需求，如何更好地理解数据融合后产生的价值，将是未来商业中每一个企业都必须考虑的问题。

CEO们关心哪3个数据

我在面试数据分析师的时候，必然会问他们一个问题：“假如我是一家知名电商的CEO，而今天是星期一早上9点钟，请你给我提供3个数据指标向我证明在过去的一周里，企业运营得一切正常，可以让我踏实下来。你认为，会是哪3个指标呢？

绝大多数应聘者对这个问题的回答比较一致：第一个是流量；第二个是交易量；第三个是其他，这个其他包括转化率、交易额等。

....

通常来说，在我问出问题时，作为数据分析师的你首先要想的是CEO会关

注什么数据，是长期的，还是短期的？是风险最大的，还是风险一般的？

或者是最近发生了什么事情？以及给CEO提供的数据要有什么注意事项，等等。

所以，我要再问问应聘者：“当你坐在面试桌对面给我答案的时侯，有

没有想过在星期一的早上，这家知名电商的CEO真正想看的是什么？

再想想这个问题，你到底有没有真正听清楚"CEO"“知名电商”“周敏感数据”这些关键词？CEO要的是“踏实

他听完了就可以安心地吃早饭了。

在面试时，如果面试者不对这几个问题进行询问就贸然回答的话，满分是10分，我只会给5分。因为这个问题里面本身就有很多问题，比如

什么是踏实？踏实是一个概念，你不问清楚“踏实"的含义，就给我3个指标，无论如何都是错的。

在正常情况下，首先不要急于回答我提出的问题，而是先问清楚什么是

实，切勿自己先做假定。以下，我们可以假定一个相对理想的面试场景

你反问：“什么是踏实的状况？

我回答道：“最近这家电商和另一家电商在打价格战，而它最近又新推

出了图书类目，那么CEO自然最关注的是这些图书的业务做得好不好。

你再问：“什么是好？是否基于每天来买书的新增用户和原有用户书的数量多少？而且，CEO是希望更多地用书来吸引新用户...

组装你的数据仪表盘

我把数据信息的梳理过程，理解为数据世界里的“仪表盘"。比如，在

开车时，如果水温过高，仪表盘就会亮灯提示；同样，网站的关键信息也

可以监控，在电子商务交易中，行为数据和商业模式之间的逻辑关系组成

仪表盘”一一好的仪表盘，对于商业活动中的好现象和不好的现象都

会有敏锐的反应。

为了方便理解，我想出了两个名词：前端行为数据和后端商业数据

者指的是访问量、浏览量、点击率及站内搜索等，是反映用户行为的数

据；而后者更侧重于商业数据，比如交易量、投资回报率、客户终生价值 LTV， Lifetime Value）

......

某天，某网站发现自己的前端注册量增加了不少，访问量也提高了，但交易量却未见大幅度的提升。原因是什么？估计数据分析师们每天都在思考这个问题，那么，在这里我们就将这个问题进行分解，以寻找相应的

处在网站前端的人只知道点击量等数据，比如，谁一直在重复购买？谁影响了5%~15%核心用户群的购买行为？谁在给网站做正面或负面传播？但却很少有人会关注后端的商业数据。

如果网站后端交易环节的操作人员只知道卖东西，却不知道提出这几个问题：一个客户登录网站平均停留时间是15分钟还是30分钟，会对将来重复购买的影响大吗？一个客户登录了网站社区和没登录社区，对产生交易量有影响吗？此时，却很少有人会关注前端数据。

你发现这中间的问题了吗？行为数据与商业数据没有对接起来于是，前后端数据出现割裂，没有人知道它们的内在关系；作为网站的决策者，不知道网站核心用户群的行为特征，也不知道怎么去刺激核心用户的增加，更不知道从一个用户登录网站之后到离开哪些环节需要疏通的话，不死就真的是万幸了。

我们在做抽样调查的时侯，样本往往从一开始就有最常见的“偏见”一一谁愿意反馈我的问卷，谁的建议就被反映在调查结果中；而不愿意给我反馈的人，他的意见就不会反映在调查结果里。有趣的是，被我们忽视了的那些没有反馈的样本，很多时候却是我们最需要知道的结果。

数据缺失（高月薪和数据采集系统）、采样（天平座）、样本数量是否足够与平衡（IT杂志抽样手机系统）、时间（短时记忆）、抽样时的询问方式（亚马逊员工）

在调研过程中，如果这个样本在你调研前就是有目的的，那么这份有偏见的数据也是有价值的，比如可以通过交又信息来验证结果是否准确。这在我们身边很常见，比如，你问三个朋友，我是买 iphone还是三星。但首先你得问：“你用的是什么手机？”如果他买了 iphone，却推荐三星，你就要追问为什么了。

同样，我现在去询问淘宝"小二”：“你会选择在哪里购物？”他们熟悉淘宝，肯定会受到影响。而如果对“小二”们调研，结果显示更多人愿意去京东、当当购买商品时，这就证明京东和当当确实不错一一起码就某些类别来说是不错的。此时，有偏见的样本对企业仍然存在价值。

书籍介绍



在数据无限的时代，我们如何利用大数据实现商业大洗牌？传统行业又该如何通过挖掘隐藏在大数据背后的信息，冲出层层危机，实现行业质和量的飞跃？企业如何才能实现数据化运营，在大数据时代站稳脚跟？大数据实践的先行者、阿里巴巴集团前副总裁车品觉倾力新增8万字纯干货，倾情解读企业在大数据时代顽强生存的答案！只有稳抓趋势中的观战重点，才能在海量数据中挖掘商机！



随着智能手机的大范围普及、物联网浪潮以及人工智能技术的爆发式发展，大数据在收集消费者全渠道行为、触发商业机遇等方面发挥了越来越重要的作用。而《决战大数据》一书恰恰洞悉了大数据时代商业发展的本质。同时，车品觉根据其在阿里巴巴的多年经验，通过丰富的案例和通俗易懂的语言，从“养数据”到“用数据”，深入浅出地向我们揭开了阿里巴巴数据化运营和运营数据的神秘面纱。通过《决战大数据》一书，车品觉告诉我们，在数据无限的时代，拥有数据化思维，才能改变商业的未来。



一部全方位展现智能时代数据思维构建之道的实战巨作，数据力决定竞争力的年代，不得不读！