人們為什麼關心數據？因為數據中蘊含着商業價值。更具體地說，數據，作為一種電子化記錄，描述刻畫了各種各樣的不确定性，而不确定性蘊含商業價值。因此，數據分析的對象不是數據本身，而是分析數據所描述的那個不确定性。同樣，數據分析的目的也不是分析數據，而是創造價值。隻要是能夠創造價值的數據分析，都是好的數據分析。相反，則不然。對數據分析價值的判斷，同數據的大小、分析方法是否高大上，沒有必然聯系。這種樸素的數據價值觀的形成，并不是憑空臆想、突然形成的，它得益于真實的數據産業實踐。
例如，有朋友很困惑地說：“我們做了一款這麼棒的數據産品，數據量這麼大，體驗這麼好，可視化創意如此獨特。可是，客戶怎麼就不願意買單呢？”最開始，我也有同感，但是，随着時間的推移，我的看法在慢慢改變。就像老師不能挑選學生一樣，在商業實踐中，我們很難挑選客戶。因此，不能把數據産品的失敗歸咎于客戶的無知，這樣做沒有任何建設性意義。而一個更加具有建設性的思考是：為什麼我的數據産品客戶不認可？歸根到底是：價值不明晰。具言之，數據産品之于客戶的重要業務，所創造的商業價值不明晰。這裡有兩個可能：一個可能是數據分析根本就沒有創造價值；另外一個可能是數據分析所産生的價值難以被客戶感知。無論是哪種情況，都會極大地影響數據産品的推廣。
數據商業價值的三個表現
企業靠什麼活着？答：收入！即使沒有現在的收入，那也得有未來可預期的收入。第二，企業為了達成收入，需要做什麼？答：支出（或者說成本）。收入減去支出，就是利潤。在資本當道的今天，利潤可以暫時是負的。第三，沒有任何企業對自己未來是100%确定的，因為這裡面有很大的不确定性，而不确定性帶來的是什麼？答：風險。接下來，就這三個方面，予以分别探讨。
第一個方面：收入。
數據産品能否幫助客戶帶來額外的收入？這裡的關鍵詞是“額外”。客戶是賣豆漿的，以前沒有你的數據分析，他每天賣100碗。後來呢，有了你的高大上的數據分析之後，如果客戶開始每天銷售豆漿150碗了，那麼你數據分析的價值就體現出來了。這個價值有多大？就是那額外的50碗豆漿！再看一個例子：個性化推薦。客戶是一個電商網站，他的主頁上有一個推薦欄。過去這個推薦欄的轉化率是2%。通過你的數據分析，推薦欄的轉化率提高到5%了，直接大幅度提高了客戶的銷售收入。這額外的3%的轉化率，就是數據分析的價值。
第二個方面：支出。
有人說：“我們的數據距離收入有點遠，不能給客戶增加收入。但是有可能給客戶節約不必要的支出，也就是成本。這樣行嗎？”當然行啊。為什麼？因為收入的增加往往具有很強的不确定性。這些不确定性來自于市場的波動、政策的變化、競争對手的博弈等，都不在企業的控制範圍内。但是支出，卻更多地掌握在企業自己手裡。因此，相對收入增加而言，控制支出更可預期。
假設，客服中心有1000個接線員，每天接聽海量電話，解決各種客戶問題，其中絕大多數問題都是很标準的典型問題。現在，通過語音識别技術，自動識别客戶問題，通過AI助手，自動回答解決。因此節省下來的工作量和成本，就是你數據分析的價值。
第三個方面：風險。
還有人說：“我的數據分析，第一不能直接增加收入，第二不能直接節省成本，但是可以控制風險。這樣的數據有商業價值嗎？”當然有了。事實上，風險就是連接收入和支出的一個轉化器。對風險的把控，或者可以增加收入，或者可以降低成本。
很多商業銀行都有網上申請系統，但缺點是風險比較大，見不到真人，有些線下才能提供的材料無法獲得。那就隻能提高在線申請的門檻，降低通過率。這樣做的優點是安全，把壞人攔在外面；缺點是錯殺了很多好人。如果能夠通過數據分析，幫助這家銀行更加準确地區分好人和壞人，那銀行就可以放心大膽地給更多的好人發卡、放貸，增加收入和利潤。同時，還能保證壞賬率在合理的範圍之内。這樣的價值是把對風險的把控，轉化為收入的提高。同時，因為你風控做得好，所以壞賬率就低，還節省了催收成本。這就是數據分析的價值。
建立可量化的參照系
數據的商業價值最可能體現在收入、支出、風險，但這三方面還不夠。真實的業務環境很複雜，最終産生的價值（例如：收入的提高），往往難以被感知。為什麼難以被感知？往往是因為缺乏一個可量化的參照系。
有業内朋友說：“我們最近給一個客戶做流失預警模型，準确度75%！”但是他說領導很不滿意，準确度太差，連99%都不到！客戶流失行為是一個高度不可預測的不确定性行為，其中有無知的成分，也許可以通過數據分析去學習把握。但是，這裡面更有無奈的部分。例如：同行競争對手為了争奪同一個客戶資源，它會采用什麼手段？會産生什麼效果？這誰說得清楚。因此，客戶流失行為的預測不可能特别精準。但是，領導并不明了這個道理。這裡最主要的一個困難是，領導對客戶流失的預測精度沒有一個合理的預期。因為他沒有合理的參照系。在沒有參照系的情況下，領導對客戶流失預測精度的大小無法評估。于是，他就隻好參照小學生的考試成績：認為99%才優秀！我們應該給他樹立一個可量化的參照系。
為此，可以研究一下：客戶在沒有數據分析的幫助下能做多好？在你到來之前，客戶自己是有流失預警得分的，這個得分準确度如何？很多時候，客戶自己都從來沒有評價過。你可以這麼說：“領導，您看，之前咱們這邊的精度是65%，已經做得非常不錯了。但是呢，現在咱們雙方共同努力，這個精度提高到了75%。為此您可以節省多少不必要的支出，或者增加多少額外的收入，等等。”這樣就更有說服力，因為你确立了一個可以量化的參照系：客戶現有系統的65%。如果沒有這個參照系，而你又想說明75%的精度有價值，會無比艱難。數據價值依賴于業務場景
純粹的數據不産生價值，純粹的算法更不産生價值。價值的産生一定依賴于具體的業務場景，尤其依賴于帶有強烈不确定性的業務場景，簡稱為“場景”。
所謂場景就是價值創造所必須的一系列業務元素與條件的集合。兩個要點：第一，有場景，就自動有價值。因為“産生商業價值”是定義“場景”的一個必要條件。不産生價值，不成為場景。第二，場景是一系列業務元素和條件，因緣際會和合而成。場景的定義跟數據沒有多大關系。定義場景的關鍵就是創造商業價值，隻要有商業價值創造就一定有場景，隻要有場景就一定有商業價值創造。商業價值創造與場景互為充分必要條件。
因此，如果“數據”能夠傍上“場景”這個大腿，那價值創造不是問題。畢竟，純粹而孤立的數據，哪有什麼價值？再厲害的算法也敵不過獨特而精準的數據。所以，我的觀點很簡單：場景第一、數據第二、算法排最後。由此可見，要踐行數據商業價值，首當其沖需要分析業務，并尋找高價值場景。但是，這樣的業務場景應該如何尋找？
假設一個便利連鎖集團的領導找到你，說：集團有上百家便利店，遍布北京各個城區，每天小十萬的客流量，留下了不少購物數據。請問：這些數據能為我創造什麼價值？也許你會說：咱們做個菜籃子分析吧，看看有沒有可能發現一個啤酒跟尿布的故事？或者說：咱們研究研究天氣吧，看看天氣跟雨傘銷售量有啥關系？這些數據分析所對應的場景，太瑣碎，甚至壓根不存在。在這樣的場景下，數據所創造的價值，不可能太大。因此，場景自己的重要性極其重要，決定了數據商業價值創造的上限。如果你希望用數據創造更重大的商業價值，你需要關注企業的核心業務，在核心業務方向上，尋找重要的業務場景。
回到連鎖集團的案例，你也許應該先問：領導，請問咱們集團今年的戰略目标是啥？因為，戰略目标決定了集團的價值取向。隻有跟集團戰略目标高度一緻的價值才會被高度認可。因此，在數據分析之前，首先應該關注集團的戰略目标，跟這個戰略目标相關的核心業務，以及同核心業務相關的業務場景。也許，領導會告訴你：“我們集團現在才100多家門店，今年能否開到1000家？這是集團今年的戰略目标。”請問：開店最重要的問題是什麼？答：選址！因為一個位置的好壞，可以直接決定未來便利店的收入和利潤。因此，“選址”即是一個業務問題，也是一個具備價值創造屬性的“場景”。作為集團創始人，在選址方面都獨具慧眼。開一兩家新店、可能需要考察一二十家店址，也許領導還看得過來，因此跟數據分析關系不大。但是，如果要開1000家新店，那得考察多少個店址？領導不可能有精力看得過來。誰來替代？質量如何保證？
這個時候，數據分析就能幫大忙了。已開的100多家店過去的經營業績，一定有相對好壞。而這些相對好壞和它們各自所處的位置，一定存在某種相關性。例如，一個店面業績的好壞，是否與寫字樓有關系？是否跟周圍的交通量有關系？是否跟地鐵站、周圍的小區以及周圍的競争對手有關系？這就是數據分析要研究的具體問題，可以通過數據模型規範出來，形成一個綜合科學的打分系統，從而代替領導的英明決策。這樣的自動化決策系統，随着數據的積累、模型的改進，能夠最終做得比領導還優秀！
這樣的數據分析，瞄準的是企業戰略性的核心業務，傍上了“選址”這個高價值的場景，因此産生的價值被認可度更高。
數據價值與商業模式息息相關
價值是業務的核心訴求，而後者是企業的商業模式确定的。不同的商業模式，産生不同的業務訴求，需要不同的價值體現。因此，數據價值的創造與企業的商業模式緊密相關。在不同的商業模式下，對收入、支出、風險的定義各不相同，因此對數據價值的期待各不相同。對商業模式的錯誤理解，可能帶來錯誤的數據分析方向，無法踐行數據商業價值。
看一個失敗案例。曾經幫一個連鎖便捷酒店分析數據。發現該便捷酒店的定價策略似乎很混亂，有很大的改進空間。此外，通過對曆史數據的分析，發現可以用當天的數據，對明天的客流量做一個相當不錯的預測。然後根據預測客流量的高低，做每日的動态價格調整，增加收入。通過對曆史數據的大概測算，我們預計能夠幫這種類型的分店提高至少20%的收入。
但是，當數據分析團隊向對方領導彙報這個結果的時候，被潑了一大瓢涼水。對方說：“我們對這不感興趣。”為什麼？我們的分析直接瞄準的是企業收入！前文提到，數據商業價值的第一個表現就是收入，第一次聽說有企業會跟收入過不去。對方說了：“我這個連鎖店啊，絕大多數都不是直營店，而是加盟店。因此，作為總公司，我的收入主要來源于加盟費。由于，我對加盟店的收入不抽成，因此這些加盟店收入跟我關系不是特别大，或者至少不是我最關心的事。”
我們分析的各個分店的運營收入，是各個分店的收入，不是集團總店的收入，因此不是集團領導關心的主要問題。這是由該連鎖集團的商業模式（加盟模式）所決定。因此，該連鎖集團的商業模式，決定了集團總店的收入模式。集團總店的收入模式，決定了業務的核心訴求，決定了數據分析價值的方向。
跟對方進一步溝通發現，所看到的混亂定價現象，很可能是人為造成的數據質量問題。各個加盟店，跟總公司有着複雜的合作與博弈關系。它們之間，顯然是要合作的，因為都在享用同一個品牌。分店向總店繳納加盟費，總店對整個集團的品牌推廣負有重大責任。但是，從分店的角度看，它們并不希望總公司對自己的實際收入情況了解太多，尤其是那些收入很好的分店。他們擔心，如果讓總店知道了他們的卓越業績，明年的加盟費會增加。因此，分店有很強的沖動去虛報部分數據。
這麼看來，上述數據分析結果，對于一個以加盟為主要商業模式的連鎖酒店意義不大，對以直營為主的連鎖酒店，也許更有意義。這說明對商業模式理解的重要性。對于一個具體的企業，正确理解它的商業模式，是創造數據商業價值的基本前提。小結
這是一個所謂的大數據時代，又是一個極其浮躁的時代。人人都在讨論數據，人人似乎都在讨論“價值”。太多人在讨論N個V，還有“磚家”說他家的AI整合了2000億個算法！在我的眼裡，這些觀點和方法無法對真實的數據産業實踐，做出任何有實際意義的指導。因為真實的産業實踐全部基于卑微的業務。而整個行業，無論是學界，還是業界，都鮮有人從業務的角度去定義“價值”，去理解“價值”。對這樣一個根本性的問題，都缺乏科學系統的見解，如何踐行數據商業價值？整個行業缺乏對業務足夠的敬畏，而被“大數據”“人工智能”等一大堆被定義得似是而非的概念迷惑了頭腦。
（作者為北京大學光華管理學院商務統計與經濟計量系系主任、教授）