美的有一款新的家用产品投入到市场，质检通过率返修率都没有什么问题，但是对在电商平台上抓取的用户评价数据进行分析，分析结果显示用户的吐槽率是比较高的。但通过用户回访，客户自身也说不清什么原因，就是反映产品漏了配件。这个很显然就是售后部门和产品部门的博弈了，在产品质量层面是没有问题的，该检查的也检查过，但投诉和丢失配件的评价依然存在，一时间也找不出来到底是哪个环节出现了问题。

但数据是不会骗人的，这个吐槽和投诉率就是实际存在的。最后数据部门和制造设计部门通过认真分析和对以往用户回访用户所反映出来的问题，以及还原用户在使用该产品的场景过程中，找到了这个问题的一个疑似原因：在该产品的设计包装中，包装箱上面的泡沫盒有一些配件，包装箱底层的泡沫盒也有一些配件。用户习惯是拿出上面的泡沫盒，再拿出产品，一些用户就忽略了底层泡沫盒中放置的配件顺着箱子就给扔掉了。

后来设计部门对该产品的包装设计进行了改善，重新投放市场，之后通过每日的数据追踪和分析，该产品的投诉率直线下降了40%左右，这是一个非常典型的利用数据发现问题，结合业务判断问题的场景。

大数据会直接发现这个原因吗？并不会。但是通过大数据（内部数据、外部各种电商平台海量数据抓取、评价反馈、文本分析、关键词定位、打标签）可以帮助美的快速定位问题所在的那个核心爆破点。通过对业务流程的熟悉和了解就可以快速判断可能的原因，进而快速改进产品再投入市场再通过大数据不断验证并获得成功。

所以，大数据在这个过程所起到的作用是：发现可疑现象或者问题，分析和问题定位，和尝试解决问题之后的验证。验证成功则证明判断正确，验证失败再回归到这个流程中来。

很多人在想，这不就是一个抓取数据分析和判断的过程吗，算是大数据吗？但要仔细想想，这种场景的时效性和美的产品线的丰富程度，需要对外部海量结构化或者非结构化的数据进行快速处理和分析则正是大数据所擅长的。把这种应用场景进行延伸，就意味着美的的每一项产品一旦上线，就都可以通过这种方式帮助和改进产品并完善产品细节，而这一切就是通过大数据来实现的。

理解用户需求、产品创新

在没有自己的大数据平台之前，很多的用户需求分析和制造产品是割裂的。什么意思呢？产品设计人员对于一款产品比如电暖器的功能和外观设计基本上是凭经验的，通常认为电暖器只需要把取暖做好就可以，这是取暖器的核心功能。

但是，一个企业的成长应该有上进心，一个好的产品也应该不断与时俱进独具匠心。通过美的大数据平台发现在关于取暖方面，有很多用户在评论中提到类似于这样的话：“家里有小孩子，每天要换衣服用这取暖器取暖效果很好，但是感觉不安全”,“取暖器效果很好，但是还得自己弄个架子烤衣服”,“取暖器很不错，又能烘衣服”。用户的需求是什么：取暖是刚需，烘衣服也是实实在在的需求。后来，也发掘到很多用户除了提到烘衣服之外，还提到了加湿的需求。

如果放在以往，这种需求如何提炼，调查问卷、电话回访等毕竟耗时耗力且用户所表达的也不一定是真实的。最真实的需求是用户在没有任何内在外在压力，一种放松的状态下表达出来的，比如购物之后的商品评价。

这种需求拿到之后交给设计改，这就涉及到了多方对于用户需求定位的博弈，为什么要改设计、加这个功能，依据是什么？美的用数据说话，用近百万条用户针对取暖器的评价来说话，数据在这里，分析结果就是多少比例以上的用户都提到了这些问题，用户关心的是不是我们关心的？

最后产品改进了，产品上线之后还是通过美的的大数据平台对该产品的相关数据进行跟踪分析，效果非常明显，用户正向情绪和满意度提升到一个新的高度。

这两个案例其实反映的就是美的大数据观星台的作用。在浩瀚的电商产品中，哪种产品好卖哪种不好卖，不好卖不好在哪里？好卖的好在哪里？观察好这些产品，观察电商评论和舆情网站的数据，这就跟观察星星一样，浩瀚而繁多，但总能总结出规律和结果，这就是观星台。

用户画像与精准营销

最重要的是用户购买的记录、购买渠道、地域、使用偏好等等信息全部标签化。一条用户记录可以打上近600个标签和多级标签属性，一个完整的360度的用户画像就被刻画出来，基于这些用户标签再来做精准营销、商品推荐成功的几率就会非常大。

这些用户画像推荐模型会帮助和服务一线导购员、及售后。这就完成了从线上线下整个立体空间对用户进行了解和定位，以前需要是什么、目前在关注什么、后面可能需要什么，可能需要美的提供什么样的服务，大数据平台统统清楚。而这一切也是依靠大数据平台来做到的，数据有进也有出，进去的是数据，出去的是信息，并且有非常有价值的信息。

美的大数据建设对我们的启示

如果你有机会近距离的去了解美的的IT建设和大数据建设的话，每个人都会有不同的收获和感受。

IT的规划和建设、大数据的建设不是一个战术层面的产物，而是一个实实在在的战略。这些战略的形成是基于美的决策层扎根这个行业几十年，对这个行业的现状和未来的发展有着深刻的认识并站在一个非常高的高度才能看清楚的。踏踏实实的深入行业不断总结和认真思考，用心积累才能真正了解整个行业的痛点、现状，只有这样才能在机遇出现的时候抓住它。

所以，对于很多企业来说我们企业的大数据项目的建设我觉得有以下几点是需要注意的：

1. 大数据项目的规划需要提高到企业级的高度去重视和执行。IT的建设和大数据的规划不会一蹴而就，需要一个过程去构建和验证，有必要的投入也需要有强有力的执行。

大数据项目涉及到各种资源的整合、几十上百个系统的打通、数据的打通、部门的配合、业务的验证等各个方面，很显然没有一个高瞻远瞩的高层集体来推动和协调，内部对于ITInside的统一认识和执行，大数据项目的落地将会十分困难。2012年美的开始对IT治理做全面和集中的重构，从以往的外包交付逐步走向内部交付。美的投资的十多个亿的632战略也是从那个时候开始的：构建6大运营系统、3大管理平台、2大门户和集成技术平台。最终实现了业务订单到收款，从采购到付款，内部关联交易、合作伙伴业务流程与系统打通等等流程重构。业务系统的规范，对数据结构和数据流程的规范起到了非常重要的作用。

而其中的核心就在于需要强大的领导意志站在企业级的高度去全力推动。

2.需要考虑清楚为什么要做大数据，大数据的应用场景和业务场景在哪里。大数据需要顶层设计、它不是一个简简单单的技术堆砌，需要解决什么样的问题，它发生的业务场景在哪里。离开业务场景的大数据，实现不了业务价值，大数据的建设也将会形同鸡肋。

对于很多企业来说也是如此，在规划和建设企业内部大数据平台之前，需要认真考虑数据和业务嫁接的场景，在什么样的场景下面需要通过什么样的数据来解决什么样的问题。如果这个问题想不明白，仓促的上大数据，最终还是会迷失方向，或者反过头来认为大数据一无是处。

业务场景想清楚了，之后再才是数据来源的问题，使用什么样的技术手段和什么样的技术解决方案来共同完成这件事情。数据永远都是有价值的，关键还是在于怎么用好它，但如果脱离了业务价值，数据便只是数据。

3.数据文化的建设，企业的数据意识和产品意识。数据文化的建设和企业的数据意识简单来说就是用数据说话，相信数据和善于使用数据，并且懂得利用数据来分析和发现问题，寻找解决问题的思路和方向。

而产品意识则是站在一个更高的高度来更高效的处理和利用好数据，流程归类，解决方案归类，共性的问题共性处理。用好大数据是一个阶段，能够将大数据变成一个成熟的平台和通用的产品又是另外的一个阶段。

我们都知道做好一个项目难，把这个项目标准化让更多的人使用更难，项目标准化之后形成商业化的产品就是难上加难。

历史文章

用户画像

数据产品

数据可视化

其它