数据采集的痛点
前一段知乎上有人提问，说大家都在讨论大数据与互联网、金融、政府等领域的结合，为什么谈农业大数据的这么少？相关的公司这么少？我想很大的原因是农业信息化的程度还不够。现在大家很少再提“信息化建设”这样的词，但在我的印象里从 2000 年左右，“信息化建设”是一个像现在谈“机器学习”一样时髦的词汇。那个时候不管是政府还是大企业，都在推进信息化建设，上线 ERP、官网、办公系统等，那是一波浪潮，持续了十年左右。从 2010 年左右开始，这种生意就没那么好做了，许多的潜在企业已经被挖的差不多了。但农业的信息化，可以说是原地踏步，和工业领域完全不在一个阶段。那么到了大数据时代，工业领域至少还有了一定的数据基础，但农业是完全没有的，可以说数据驱动的前提肯定是要信息化的。
对于许多传统企业来说，即使经历了信息化建设的过程，但限于条件，收集的数据类型也比较有限。一般是进销存的数据有，财务数据有，但其他数据就比较缺失了。有些企业是有 CRM 系统，但许多客户的信息都是死的，并没有实时更新和激活。对于一些财务和销量数据，也只是有一些宏观的总数，没有太多的维度分析。生产经营的目标，往往取决于老板拍脑袋，完全没有数据做决策的思维。我们这里看看就拿一个线下零售店来说，它和线上电商网站比，到底少了哪些数据。对于店铺卖了多少货，卖了多少钱，每个 SKU 的具体销售情况，这些是可以获取到的。但是，有多少人看了某个商品，有多少人摸了某个商品，有多少人是回头客，像这些信息都是没有的，但电商网站就可以获取的到，就可以基于这些信息做出更精准的判断。
数据分析的痛点
再来谈数据分析，如果没有数据，就谈不上分析了。最近听到一个新员工讲到她在一个企业做数据分析的经历。当时一个部门，每天都在做各地仓库的配货，各个品类配多少，是凭经验来的，往往是漏洞百出，每隔一段时间，都要做次清货。于是她自告奋勇，在 Excel 上写了一段代码，根据以往的销售记录，来预测配货量。就这么一个简单的程序，让经营效率提升了很大。这里并不是这家企业掌握了更多的数据，而是采用了更多的数据分析的方法。这里我想说的是首先要培养数据驱动的思维，就是在各个业务环节，能不能基于某些数据来更好的做决策，利用机器去代替人工的工作。这种意识培养起来了，对企业就是一种革新，有了新的发动机。
我们再来说说为什么要做数据分析。在上世纪 80 年代的时候，曾经发生过商店买的冰箱门已经坏了，然后问顾客要不要买，如果不买，就让下一个顾客买，还有更多的人排队。那个时候是商品匮乏，供应不足，销售的问题根本不需要考虑，主要矛盾是把商品生产出来。到了 2000 年之后，像家电类的商品，供大于求的时候，就开始铺广告，建销售体系，只要这些做好，产品就可以卖出去了，归根到底是需求还在。可最近这几年，人口红利渐渐没了，竞争变的更激烈了，导致人力成本变高和供大于求，这样赚钱就没那么容易了，靠以前那种堆人的思路玩不转了，必须考虑精细化运营。对于铺的广告，不是说央视上播放了，看着挺气派，这就成功了，还是要看实际转化效果如何。对于潜在客户及已有客户，分析他们的特点，制定针对性的营销策略和提供合适的服务，这些都需要数据分析的支持。
如何做数据采集
对于数据的采集，我觉得有两个思路。
一是部分业务变为线上业务，就是现在说的互联网+。几年前李彦宏提的一个观点我很认同：以后就不会再有互联网公司和非互联网公司这种区分，因为所有的公司都会有互联网的部分。这就像蒸汽机加上一系列的旧行业形态，带来了蒸汽时代。而电力加上各种各样的旧行业形态，带来了电气时代。在电力刚刚推广时，电灯、电话、电报、电车，这些都是时髦的东西，后来就不会再区分电力和非电力公司了。一旦业务变成了线上业务，我们就可以按照互联网公司的模式，来进行数据采集，这和互联网公司没有区别，相信神策分析能够比较好的解决。
二是增加传感器（Sensor），提升数据采集的能力。有个朋友的公司是做视频监控的，他们做的监控系统，目前都可以做到识别老人摔倒行为、工人是否带安全帽、参观者的性别等。虽然现在还相对比较初级，但可以预见的是以后线下的所有行为都能够被采集到，各种各样的传感器都会被生产出来。Google 的无人驾驶汽车，周围装了一圈的传感器，每秒钟产生 2.5 GB 的数据，实现自动驾驶。以后可能通上电的设备，都会带有传感器，采集到的数据也会很巨大。正是基于这点判断，我把公司起名叫 Sensors Data（神策数据，音译），我觉得未来就是传感器时代。
如何做数据分析
有学员问我：目前已经有了一堆数据，如何从这些数据中获取更大的价值？这个问题如果让我直接给解决方案话，大部分的时候是给不出来的。虽然我对大数据分析技术比较熟悉，但对于各种各样的实际业务，那是很不了解的。大面上的思路，可能谁都能想到。在大数据概念的普及之下，大家都对数据的重要性不再怀疑，你再见到人时，不用花时间去说服对方相信数据很重要了。但这也带来了一个误区，就是不管有了什么数据，都想通过这些数据来产生巨大的效应。我的建议还是反着思考，先要围绕现有的业务场景，思考还有哪些关键问题没有解决，然后考虑解决这个问题，需要用到哪些数据，如果正好有，那就省事了，如果还没有，再想办法收集这些数据。也就是问题驱动，而不是数据驱动，数据起到的是辅助作用。还有就是前面提到的数据驱动的意识，这是第一重要的。
说了这么多问题，那到底有没有传统企业在大数据分析这块做的好的呢？我这里讲个餐饮业的案例。盈客在线是一家为餐饮业提供 S-CRM 的公司，会帮着餐饮品牌店做会员营销方案，比如会开展会员日这样的活动，某些菜品针对会员客户半价优惠。那这里问题就来了，这样会不会导致会员们只会在会员日过来用餐，其他时间就过来的少了？单凭猜测是不行的，我们还是要看数据。于是盈客在线的数据工程师针对一家品牌店做了用户留存分析，就是看有会员日活动的会员店，和没有会员活动的会员店，在用户留存上有什么差异？结果分析发现，有会员日活动的留存，要明显超过那些没有会员日活动的店家用户留存。
最后，总结一下我对传统企业在大数据分析方面的看法，一是要培养数据驱动的意识，二是要尝试将部分线下业务变为线上业务，三是尝试新的数据采集手段。相信未来几年，会有越来越多的传统企业在大数据分析上的成功案例。