FacebookTwitterLineHatena

文/傅一平

源:與數據同行

大數據對內支撐的時候,往往會被投資部門質疑,你的數據為什麼要存儲這麼長時間,這些數據到底能產生多大的價值?請給個理由?

說來也奇怪,我們做數據的,以數據為謀生手段,卻很難評估自己的數據到底能創造多高的價值?

有一種評估數據價值的方法肯定是錯的,即基於數據的類型、周期、粒度、硬體及人工成本等維度。

記得剛做變現的時候就想著把數據的生成和建模成本計算出來,由此作為定價的依據,姑且不說能否倒騰出什麼計算公式,即使有了公式其實也沒有意義。

為什麼呢?

我們還是要回到每個人就應該知道的答案上吧:在市場上,決定價格的最重要因素,是需求,數據也一樣。

千萬不要誤以為價格和成本直接相關,它們只是間接部分相關,人們為某個標籤付錢,是因為他們真的需要,而不是因為這個標籤的製作成本有多高。

傳統企業做對外大數據價值變現有各種驅動,包括獲得更多的收入、更大的影響力等等,但有一個好處是隱性的,即獲得了一種最為客觀評估數據價值的方法。

客戶的需求和獲得的收入就像是一座燈塔,指引著企業所有的數據資源向這邊傾斜,無論是人力成本、軟體成本還是硬體成本。

比如做對外拓客,建模師就可以非常好的量化自己的貢獻,客戶買的單就是最靠譜的依據,這是巨大的進步。

但對內就非常困難了。

這是當前BI系統、經分、大數據分析對內運營中的一個困惑,雖然也許我們仍然無法準確評估數據對內的價值,但有了對外評估的參照,我們起碼可以知道為什麼對內評估會這麼難 ?

首先,數據對內變現跟對外有個最大區別,就是對內不是市場化的運作,供需關係導致的價值體系完全失效,對內無論是數據、模型還是產品,業務人員可以隨便使用,數據提供者不能向業務人員收錢,業務人員也沒有選擇的餘地,企業內搞虛擬結算又往往顯得自說自話,缺乏公信力。

其次,對內數據的使用過程往往是個長流程,數據嵌套在公司的生產流程中的確發揮了價值,但其所佔的比例很難說清楚,這裡又可分為以下一些價值體現方式,當然不僅限於這幾種:營銷、報告和產品:

針對行銷數據,比如要評估一個外呼拓客的總收益,可以根據獲得的客戶數乘以未來預期價值大致能測算出來,但到底多少算是外呼渠道的貢獻,多少算是行銷清單的貢獻呢?

假如將總體收益當成數據的價值,就會形成評估泡沫,畢竟企業的行銷成本可是剛剛的,親兄弟還是要明算賬,管錢的部門可不是好忽悠的。

比較科學的方法是做AB測試,所有條件保持一致的條件下,通過數據的改變(比如準確度)來評估提升的效益,但對於大多企業來講,實施成本還是太高了,特別是線下的場景,雖然點的評估有時一鳴驚人,比如某次營銷成功率提升100倍,但那又怎麼樣,無法說明數據對於企業的整體價值有多大。

針對報告數據或數據產品,其價值更是取決於人,業務人員從這些數據和產品使用中獲得了多少額外的收益,沒有人能說得清楚,很多企業往往只能以報表、產品點擊量來作為評估數據價值的一個依據也是無奈之舉,但對內點擊流量的價值並沒有公允的評判標準,業務人員點擊一次報表算多少錢?顯然沒有答案。

可以看到,一旦數據脫離了市場定價體系,對內數據的價值評估方式必然跟企業的流程、機制及數據價值呈現方式相關,而其中每一項都不是那麼容易計算的。

再次,作為使用者,業務人員(決策者)其實是最有發言權來評估數據的價值的,但其驅動力往往不高,因為沒必要為數據付錢就沒必要說清楚這個數據值多少,即使提供了也很難為評估的質量負責,或者就流於形式。

這個時候,數據提供方為了證明自己的價值,往往需要越界到業務前端去評估數據價值,但其實也是勉為其難,特別容易陷入斷章取義的評估陷阱,既當運動員又當裁判員,言不正名不順。

就這樣陷入了數據評估的死循環。

大數據應用時代,大家都看到了數據的巨大價值,但企業再有錢,也不可能無限制的投入,需要給投資一個信服的理由。

對外數據變現雖然處於起步階段,但其對於數據的利用將是最高效的,諸如金融驗真查詢一次多少錢絕對不是根據成本算出來的,而是由需求決定的,數據產品也一樣,市場就像一隻看不見的手決定著數據該有的價格,決定著企業未來數據投資的方向。

對內數據價值評估則複雜的多,一種方法是根據不同的數據價值體現方式給出不同的評估標準,營銷類的需要針對各種營銷模式進行梳理,比如按渠道、政策等類型給出簡訊流量類行銷(比如隨機)基準水平值(比如成功率),通過AB測試出精準數據的額外價值(註:不考慮成本的行銷就是啥流氓了),以後凡是超出這個基準值的部分就算是數據的價值了,但越複雜的市場營銷體系就意味著越複雜的計算方式,管理成本太高了,對內數據類產品就只能根據UV,PV來計算了,但每一類產品的UV,PV單價又是不一樣的。

還有一種就是將數據服務部門獨立出來,按實結算,回歸市場體系,比如運營商BI集成商評估自己的數據服務價值就非常容易,合同額大小唄,當然弊端就是溝通成本會比較高,對於一個致力於創新性的企業,似乎也不是理想的選擇,沒看到BAT把自己的數據服務部門獨立出來吧。

無論如何,對內數據的價值評估,數據提供者的確有舉證的職責,對於自身的發展也有利,就好比天使投資,人家不奢望你馬上賺錢,但也有義務給他們畫個餅。

但即使是這一點,數據提供者也很難做到,大多將數據服務當成了需求,重建設而輕運營,這個時候,問題倒不在於評估的能否科學,而在於有沒有做了這個評估,能否將評估當成數據服務的一個原則,能否將評估作為下次改進的依據。

比如機械的做報表而不去評估報表的使用情況,瘋狂的取數卻不去諮詢取數的目的和效果,好不容易做了標籤庫卻對訪問人數停滯不前無動於衷,好不容易開發了模型卻不去常態化的跟蹤效果,諸如此類太多了,而對外變現的市場機制顯然會保證這一點。

喜歡這篇文章嗎?歡迎分享按讚,給予我們支持和鼓勵!

熱門文章推薦

立即試用,可獲取更多 報表範本和案例

免費試用