近幾年掀起了一股大資料浪潮，大資料分析也正在從根本上改變著一些不同的領域。但是大資料並非****，如果沒有明確要利用大資料解決什麼問題，就開始盲目推崇，最終也只是無端浪費時間和精力。通過大資料與使用者行為觀察並用，能夠為企業提供精準高效的營銷之道。
近幾年在服務開發、改善等方面應用大資料正成為流行趨勢，引發了很多不同領域對大資料的研究興趣，好像進入了全民大資料的時代。但同時也有很多人並不知道該如何使用大資料以達到想要的結果。
大資料運用本身已經具有很多的可能性。如果能夠將大資料與使用者行為觀察等其他調查方法結合，可以達成更大的成果。本期推送將解釋為什麼大資料的特性與其他調查方法組合運用才能為企業帶來精準營銷服務，從而深入挖掘潛在的商業價值。
大資料的流行
「大資料」這個詞早已經徹底滲透入商業場景，但實際上它的市場規模仍然在不斷擴張。根據idc,japan（國際資料公司日本分公司）的調查，2023年日本國內的大資料軟體市場額達到110億9100萬日元，相比前年增長了39.3%。**今後5年也將以年增長率33.5%的速度持續急速的成長。
這個現象的背後是大資料使用技術的進步。由於探測器和相機的精準度上公升，能夠把以前無法捕捉的東西（如將人的動作）作為資料收集。在資料分析階段，通過歷史資料的規律推測未來趨勢的分析**技術、自動將資料嵌入合適的分析模式的技術也正在開發中。這樣，大資料逐漸從只有資料科學家才能看懂的內容，變成連普通員工也能夠便捷地操作使用的東西，其所需要的專業技能明顯降低。
由於大資料門檻的降低，很多企業在沒有思考好使用方法的情況下就開始盲目跟風使用。甚至有「有了大資料就不需要人了」這種過高評價。為了讓各位正確地理解大資料的優勢和侷限，我們首先對大資料的特點進行介紹。
大資料的本質是什麼
在著作《大資料的真相》中，列舉了3個大資料的本質的特性。
1.使用所有的資料
運用使用者行為觀察等大資料出現前的分析方法，通常是將調查物件範圍縮小至幾個人。這是因為，整理所有目標使用者的資料實在太費時間，所以採取了從總使用者群中，爭取不產生偏差地抽取一部分作為調查物件，並僅僅根據那幾個人的資料進行分析。
而使用大資料技術，能夠通過發達的資料抽選和分析技術，完全可以做到對所有的資料進行分析，以提高資料的正確性。
2.不拘泥於單個資料的精確度
如果我們連續扔骰子，偶爾會連續好幾次都扔出同樣的數字。但是如果無限增加扔骰子的次數，每個數字出現的概率都將越來越接近六分之一。同樣的，在大資料領域，通過觀察數量龐大的資料，更容易提高整體而言的資料的精準度。因此，可以不拘泥於個別資料的精確度，而迅速地高階到資料分析的步驟。（不過這種情況當然不包括人為的篡改等由於外部因素扭曲了資料的情況）
3.不過分強調因果關係
企業在考慮服務方針時，會綜合考慮現狀、問題、改善措施、實施後果等要素之間的相互關係，在此基礎上建立假設。但是大資料能夠通過觀察海量的資料，發現人所注意不到的相互關聯。
讓我們看一下沃爾瑪的例子。2023年，沃爾瑪通過分析銷售資料，發現颶風臨近時，一種叫做strawberry pop-tarts的點心的銷售額是平時的7倍。因此，在下一次颶風來臨時，沃爾瑪大量採購pop-tarts，並且一售而空。
這個例子可以看出：颶風和pop-tarts之間的因果關係，在進行大資料分析前，並沒有被重視。如果沃爾瑪只是依賴員工基於經驗提出的假設，而沒有進行大資料分析，恐怕沒有乙個人會意識到兩者之間的關係。那麼沃爾瑪也很可能會錯失pop-tarts的商機。
使用者觀察等方法
由於沒有時間觀察分析龐大的資料量中所有的資料，我們需要不帶偏差地隨機抽取一定數量的使用者，僅僅根據他們的資料分析推測整體使用者。篩選出沒有偏差的資料需要一定的知識和思考。不僅如此，抽樣調查對解讀資料並建立假設的技能要求也很高。
大資料的優勢
大資料能夠幫助我們方便有效地分析龐大資料中的所有內容，因此可以不浪費任何資訊地進行全面分析，也可以抑制資料的偏差。同時，因為大資料能夠直觀呈現出想得到的結果和產生結果的因素之間的關聯性，所以基本不需要相關分析人員進行資料的進一步分析。
大資料的侷限性
無可否認由於大資料的普及，我們確實能夠進行高效率的服務開發。但是，這並不代表我們可以完全依賴大資料。我們能夠通過大資料得知的，只是資料間的關聯性，還有很多資訊我們僅僅依靠大資料並不能獲得。
1.大資料並不會告訴我們應該做什麼
使用大資料的前提是，我們要決定應該分析什麼樣的資料。如果我們沒有對此進行充分思考就開始分析資料，很容易陷入困境：「雖然得出了結果，但是我們不知道這意味著什麼」，白白浪費花在分析上的費用和時間。這就是所謂「在資料中迷失」的狀態。為了避免這種情況發生，我們必須事先明確公司目前的問題是什麼，分析什麼資料才能獲得問題的解決方法。
2.大資料不能分析沒有歷史資料的未知問題
3.不知道具體的設計和設計的方法
就算通過大資料發現了目前為止一直沒能發現的關聯關係，如何利用它們進行服務設計又是乙個新問題。在沃爾瑪的pop-tarts的例子中，只要採取「增加店中pop-tarts的量」這種幾乎不需要過多考量的簡單方案就可以解決。但是在開發服務時，往往需要設計更複雜的內容，所以需要我們思考對於使用者的使用便捷度等和資料沒有直接關係的其他因素。例如之前提到過的亞馬遜的dash botton等，通過深刻理解使用者的需求才成功設計的服務也大有存在。
無論企業傾向於使用什麼手段，首先需要明確地提出問題。如果將這個怠慢，就會最終導致為了分析而分析。我們有必要思考：「在公司商業模型中，哪個部分出了問題？」、「解決它能給公司帶來大的影響？」等一系列問題。
2.分析問題，匯出結論
在這個階段通常大資料分析的效率更高，但如前所述，有時候使用者觀察也可能更有價值。根據能容忍的資料正確性的波動幅度，有時候甚至會出現從有限資料推導結果價效比更高的情況。我們應該思考哪種方法更適合、更高效，而不僅僅拘泥於大資料。
3.將結果運用於設計
在這個階段企業最需要關注的是使用者使用服務是否方便，此時運用大資料相對困難。所以，為了提高設計質量，我們有必要創造原型進行使用者測試。
1.大資料構建浮動停車費系統
由於停車場收費標準不合理，洛杉磯市的停車場布局十分混亂，不符合周邊地區交通狀況。收費標準較低的區域，車輛過度集中；收費標準太貴的區域幾乎無車問津，導致交通堵塞的問題一直沒有得到良好的解決。
在整個服務過程中，停車場的空車位會不斷改變，所以空車位數在使用者前往停車場的過程中也會發生改變。施樂公司通過使用者觀察發現，將空位狀況用紅、黃、綠三種顏色大致表示，更容易讓使用者直觀地掌握停車場的擁擠程度。行為觀察的有效運用，免去了投資實時通報空車位的系統的麻煩。
開發對使用者有益的服務，不僅需要觀察資料的相互關係，還要從使用者的視角思考存在的問題以滿足他們的需求。這兩者並不是非此即彼的關係，他們為服務開發提供不同的視角，相輔相成。我們應當同時考慮服務開發的不同階段和需要的分析精準度，在此基礎上靈活地選擇使用大資料或使用者行為觀察。
大資料場景 使用者行為日誌分析
使用者日誌 訪問的系統屬性 作業系統 瀏覽器型別 訪問資訊 session id，訪問ip 資料處理 有資料者有未來，有資料意味著每乙份使用者行為資料都是寶貴的資源。經過資料清洗，再用演算法提取分析，商業價值，商業決策 線上推廣 等等 當然一切建立在有大量使用者有流量的情況下的。資料處理流程 資料採...
海量實時使用者行為資料的儲存和分析
在短時間內爆發大量資料，這時資料資源的採集 儲存和分析和應用等，都是大資料行業的難點。行為資料 日誌資料的處理，往往成為企業資料建設首先面對的瓶頸，這些資料不易儲存，實時獲取分析難度較大，但是資料價值卻不可估量。在大資料中，90 以上的資料爆發來自於行為資料，就像現在的網際網路 移動網際網路 甚至在...
資料分析 使用者行為分析
電商 使用者購物路徑如下 使用者行為 分析定義 對使用者購物路徑日誌資訊進行統計 分析，從中發現使用者訪問 的規律，並將這些規律與網路營銷策略等相結合，從而發現目前網路營銷活動中可能存在的問題，並為進一步修正或重新制定網路營銷策略提供依據。使用者行為分析目的 通過對使用者行為監測 獲得的資料進行分析...