Q:什么叫数据？​

好多年前，我们认为数字才叫数据。什么叫数字？至少支持一种代数运算的才叫数字。到现在我们的概念全变了。可能每一个人对数据的定义都非常不一样，有人会说数据是信息，我觉得太抽象了。直白地说，什么是数据——凡是可以记录的都是数据。但是记录不下来的，这个时刻不是数据，也许未来是。以前声音不是数据，现在声音也是数据，图像是数据，中文文本也是数据。目前移动互联网时代我简单的把数据归类为文本，位置和网络结构三种。​​

​Q:网络结构给我们数据分析带来了什么样的机会和挑战？​​

以前我们对人的分析基于个体。比如说营销中，为了理解消费者，我们会做市场细分，消费者是非常个性化的，千人千面。这时候怎么分析呢？张三的性别，年龄，过去买多少产品，全是他一个人的信息。现在在任何一个电子商务网站上都能看见推荐，推荐做的最成功的是亚马逊，它会根据你过去的购买行为进行推荐。买了A这本书的人会不会买B这本书。看你过去买什么，再推送你将来会买的商品。​​

我跟大家讲一个真实的故事，我认识的一个博士后，毕业之后面对消费者做小微信贷。小微信贷是，比如我到苏宁电器看产品，很喜欢，但是发现差两千块钱，售货员就说说分期付款找小微信贷。然后我就跟做小微信贷的人说我要借两千块钱，但是什么都不想押，填张表就给我两千。他们会根据我的职业教育和其他各种信息，对我的还款能力做评分，20分钟决定给不给钱。这个风险是无比巨大的，这么大的风险大部分银行都不愿意做，但是民营企业愿意做。这个事特别的好玩，很多年前我们叫高利贷，现在叫金融创新。小微信贷要评估的是他的支付能力，支付能力填表很容易做假，如果有帐号，知道他去哪里，就知道他的真假了。所以位置数据也很重要。​​

​Q:在网络上如何获取个人信息？​​

在网络上，我们会通过人的标签增加对人的认识。或者有一个渠道，通过朋友的信息，知道哪些是正确的，哪些是错误的。这里我们可以把它变成非常有意义的统计圈，让用户愉悦体验的产品。数学模型上可以简化成什么样的结构？我定义我自己叫I，我关注的统计之都是Z，标识我关注统计之都，统计之都也关注我，这样就可以进行分析了。我们把标签存储下来，这就是分析的结果。有人说在互联网上，你只要在电脑屏幕前面，互联网另外一端不知道你是谁。现在全变了，你在这里，后面还有人看着你，你的一切他都知道。​​

再比如页面，原来推荐的广告是电子游戏。后来淘宝购买了18%的股份，很快就发生了一个变化，你在淘宝搜过什么东西，在就看到什么广告，这是单向的，还没有出现讨论什么，淘宝就有什么。​​

​Q:位置数据为什么很重要？​​

在互联网上第一批通过数据分析获得商业价值的都是电商。电商要求搜索购买交易行为全部在线上完成，典型的是3C产品、书等各种各样的商品。电商只是一部分行业，但还有很多服务行业是不能线上消费的，线上购买也很难。比如说培训，培训可以在网上购买，一般的就两万块钱，但是更多的人觉得，我们家孩子上英语班，还是先看看老师长什么样子，不能交了钱，人都不知道是谁。其他还有餐馆、酒店、旅游等，所有这些行业都有一个特点，需要完成线上行为和线下行为的打通。在线上了解一家培训机构的资质，线下再去接触；线上通过团购网站寻找一款美食，线下餐厅去完成消费。这个过程当中，位置信息就变得非常的重要。​​

​Q:知道地理位置以后做什么呢？​​

现在我给大家介绍一个我们做过的案例。我们想知道来颐和园玩的游客，他们都来自于哪里，他们在北京去什么地方，他们如何消费等等。​​

因为颐和园和圆明园的门票不贵，可能在这里玩完去CBD去住。但是不同区的领导是有竞争的，领导是希望你吃、玩、住都在我这个区的，这时候就需要采集游客的位置信息了。但是我无法采集到所有人的数据，线下在圆明园让游客做一千份问卷也不太容易，所以我们就用签到的数据，虽然这不是所有用户的数据。通过研究数据发现，首先到北京来的外地游客，在海淀区游玩的大部分在圆明园和颐和园转。我们能看到来颐和园、圆明园玩过的游客逛过的各个地方的最重要的旅游景点。海淀区有颐和园、圆明园、北京大学，朝阳区有鸟巢、国家体育馆、奥林匹克公园等等，东城区有王府井小街、南锣古巷和簋街。但是海淀就没有这些出名的商业街和小吃街了。所以这些来海淀区去颐和园、圆明园玩的人，他们吃饭都到东城区了。虽然这些人购物也发生在海淀区，但是东城区依然是强有力的竞争对手。​​

我们得到的位置信息可以精确到一个楼。所以如果你用心去做，就能通过简单的位置轨迹看到这个人的吃穿住行——是从机场来的，还是高速公路上的收费站来的，还是从火车站来的？是在什么样级别的餐厅吃饭？你只要得到餐厅的名字，就能推出他的消费能力。通过他住宿的酒店也可以看到住宿的经济能力。通过这个可以知道一个人的吃穿住行。​​

举个例子：如果我是国航的销售，一个客户今年在我这儿订过一张机票，现在的问题是要确定他是不是高端用户，如果是高端用户我应该想办法把他拉进来。但是我只看到他在我这里买一张机票，所以无法确定。这时候如果可以得到他的位置信息，比如他每周都在每个机场转一下，我就能知道他买了不少机票，但是机票都跑别家去了。将文本、网络结构和地理位置这三种数据整合在一起，我们就可以分析出很多有价值的东西。但是无论是国内还是国外我们的分析手段还是远远滞后的，滞后的不是技术方法，更多的是对商业的理解。什么样的数据支持我们什么样的商业模式，或者对现存的商业模式有什么改变。​​

​Q:怎样把管理和实践的问题归结成数据问题，然后把问题解决掉？​​

第一阶段首先是数据的生产、采集、整理。第二，有了数据以后，就要定义和数据相关的业务问题。比如车联网，我要定义业务问题，是具有什么驾驶习惯的人容易出事；喜欢逛什么地点的人支付意愿高。这也是业务问题，定义出来才能分析。第三是数据挖掘与统计建模。最后是数据业务的实施。当你有了业务分析结果的时候，你不可能通过统计学语言来表达，你要会表达故事，表达成人们可以懂的语言，比如营销策略和图表。这4个里面相对比较容易的是统计建模。最难的则是第二个，因为无章可学，没有任何一个老师和教科书可以回答你。只能跟最优秀的人在一起，跟他们一起探讨，互相学习。我特别享受的是，在我的课上每到一个学期结束的时候，听同学们汇报案例，我们都互相非常欣赏。有人是做医药行业的，有人自己创业，不一定每个人都给出最完美的答案，但是都能体会你的痛苦。对无法完美解决的问题，只要有更多优秀的人在一起，我们一起研究思考，就可以把它归结出来，找到最好的解决办法。