阿里巴巴菜鸟级数据产品经理半年回顾总结篇
干货教程:如何绘制业务流程图(二)
干货教程:如何绘制业务流程图(一)
技术贴:如何在数据库中秘密地查询隐私数据
攻略教程:信息图(infographic)是怎么做出来的?
分析师一定要看!用数据讲故事的五个步骤
技术篇:怎样玩转千万级别的数据?
北漂书生:大数据时代SEO数据如何搜集和分析
干货,从十大问题重新认识并读懂互联网
相似图片搜索、算法、识别的原理解析(下)
相似图片搜索、算法、识别的原理解析(上)
制作信息图时请遵循这10条原则
提高表格可读性的一些技巧,适用于Excel、PPT等数据报表
实用教程:如何让Excel图表更具“商务气质”?
一张数据信息图是这样制作完成的
菜鸟读财报,如何从上市公司财报中挖情报?
北大数据分析老鸟写给学弟们一封信
如何一步一步制作出高品质数据信息图?
总结:海量数据分析处理的十个方法
【实战经验】数据分析师如何了解老板真正想法?
零售业数据分析那些事儿
数据分析时l常用电子表格公式【大全】
用数据来告诉你 上市公司财报的秘密
这12个数据能 帮你搞定淘宝店铺
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(四)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(三)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(二)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(一)
淘宝网店从激活到挽留,4步走玩转数据营销
文案怎样写才有意思、不空洞、打动人?
入门级扫盲贴:数据分析的步骤有哪些?
关系即数据,论社交媒体的关系转换
数据的力量,苹果教你用数据鄙视竞争对手
谁说文科生不能做数据分析?数据分析入行→技能提升→优势
产品运营数据分析——SPSS数据分组案例
如何追踪iPhone和iPad等移动设备的用户行为数据?
阿里巴巴中国站:用户满意度指标权重计算方法
广告中的AdNetwork、AdExchange、DSP、SSP、RTB和DMP是什么?
信息图制作教程:关于数值的表现
为什么大数据会如此轰动?(值得深度的文章)
多图技术贴:深入浅出解析大数据平台架构
面板数据分析中标准误的估计修正——根据Peterson (2009)的归纳
财务官、投资人、CIO看过来:给企业数据定价
推荐系统中常用算法 以及优点缺点对比
探索Weotta搜索引擎背后的大数据技术
如何识别虚假数据?
为什么我们像驯化小狗那样驯化算法
程序员必须知道的10大基础实用算法及其讲解
电子商务:最影响转化率的九大要素
如何迅速成为一名数据分析师?
想从事大数据、海量数据处理相关的工作,如何自学打基础?
如何用亚马逊弹性MapReduce分析大数据?
译文:机器学习算法基础知识
给hadoop新手的一封信:Hadoop入门自学及对就业的帮助
从入门到精通,我是这样学习算法的
小商家,从老客户身上获取的数据才更有意义
13页PPT讲述:大数据下网站数据分析应用
40页PPT详解:京东大数据基础构架与创新应用
67页PPT解密搜索引擎背后的大技术:知识图谱,大数据语义链接的基石
营销洞察力——10个营销度量指标
技术篇:前端数据之美如何展示?
董飞:美国大数据工程师面试攻略【PPT】
easel:如何制作好的信息图——来自专家的顶级技巧
大数据实操:以3D打印机为例,如何知道卖点有没有市场需求?
大数据建模 需要了解的九大形式
用户画像数据建模方法
从规划开始,公司or企业如何入手和实施大数据?
干货:商品信息数据分析和展现系统的设计与开发
高手教你用Excel制作百度迁徙数据地图
50篇干货:淘宝店/电子商务如何玩转数据分析?
精华索引:大数据实际应用案例50篇
验证最小化可行产品 (MVP) 的 15 种方法
干货:数据分析师的完整知识结构
大数据技术Hadoop面试题,看看你能答对多少?答案在后面
用SPSS做数据分析?先弄懂SPSS的基础知识吧
怎样做出优秀的扁平化设计风格PPT? 扁平化PPT设计手册#3
解答│做大数据过程中遇到的13个问题
40页PPT│社交网络发展的新动力:大数据与众包
以Amazon、豆瓣网为例,探索推荐引擎内部的秘密#1
怎样做出优秀的扁平化设计风格PPT?#2
怎样做出优秀的扁平化设计风格PPT?#1
36页PPT│大数据分析关键技术在腾讯的应用服务创新
如何丰满地做SWOT分析?
【35页PPT】TalkingData研发副总阎志涛:移动互联网大数据处理系统架构
27页PPT|以珍爱网为例,如何构建有业务价值的数据分析系统?
国外数据新闻资源分享
21页PPT重磅发布:Mariana——腾讯深度学习平台的进展与应用
从0到100——知乎架构变迁史
PPT解读:百度大数据质量保障方案探索
45页PPT|大数据环境下实现一个O2O通用推荐引擎的实践
从数据看豆瓣兴衰
深度学习系列:解密最接近人脑的智能学习机器——深度学习及并行化实现(四)
重磅推荐:129页PPT讲述移动时代创业黄金法则 via:腾讯企鹅智酷
重磅推荐:大数据工程师飞林沙的年终总结&算法数据的思考
OpenKN——网络大数据时代的知识计算引擎
大数据下城市计算的典型应用
技术贴:大数据告诉你,如何给微信公众号文章取标题?
你的QQ暴露了你的心——QQ大数据及其应用介绍PPT
如何从企业报表看企业的生存能力?
实用的大数据技巧合集
技术帝揭秘:充电宝是如何盗取你的个人隐私的?
重磅!50页PPT揭秘腾讯大数据平台与推荐应用架构
原创教程:饼图之复合饼图与双层饼图(1)
PPT:大数据时代的设计特点——不了解这个你做不了今天的设计
教程贴:如何用方程式写春联?
原创教程:如何用Excel制作简易动态对比图
深度译文:机器学习那些事
教程帖:数学之美——手把手教你用Excel画心(动态图)
董老师走进斯坦福,聊聊硅谷创业公司和大数据的事儿(附课件PPT下载)
【限时】年度钜献,108个大数据文档PDF开放下载
董飞专栏:大数据入门——大数据相关技术、Hadoop生态、LinkedIn内部实战
亿级用户下的新浪微博平台架构
一张图了解磁盘里的数据结构
浅析数据化设计思维在阿里系产品的应用
美团推荐算法实践
一个P2P创业公司有哪些部门,都是做什么的?
一个P2P平台的详细运营框架是怎样的?
机器学习中的算法——决策树模型组合之随机森林与GBDT
神经网络简史
58页PPT看懂互联网趋势,大数据/物联网/云计算/4G都有了
广点通背后的大数据技术秘密——大规模主题模型建模及其在腾讯业务中的应用(附PPT)
微信红包之CBA实践PPT——移动互联网海量访问系统设计
一文读懂机器学习,大数据/自然语言处理/算法全有了……
搜狐新闻客户端的背后大数据技术原理——推荐系统(PPT)
原创教程:用Excel做动态双层饼图
半小时读懂PMP私有广告交易市场
怎样分析样本调研数据(译)
PPT:支付宝背后的大数据技术——DataLab、Higo的实践及应用
大数据技术人员的工具包——开源大数据处理工具list(限时下载)
计算机视觉:随机森林算法在人体识别中的应用
24页PPT:机器学习——支持向量机SVM简介(附下载)
互联网高手教你如何搜集你想要的信息
深度:对地观测大数据处理、挑战与思考
原创教程:用Excel做饼图之复合饼图与双层饼图(2)
移动大数据时代: 无线网络的挑战与机遇(附pdf下载)
Excel使用技巧——25招必学秘技
【年度热门】加上这些 Excel 技能点,秒杀众人(多图)
原创教程:用Excel做纵向折线图
知识图谱——机器大脑中的知识库
何明科专栏:用数据化的方式解析投资条款
DT时代,如何用大数据分析创造商业价值(23页PPT)
MIT牛人梳理脉络详解宏伟现代数据体系
你的老婆是怎么算出来的?揭秘佳缘用户推荐系统
飞林沙:商品推荐算法&推荐解释
PPT:如何成为真正的数据架构师?(附下载)
开源大数据查询分析引擎现状
董飞专栏:打造数据产品必知秘籍
译文:如何做强大又漂亮的信息图
如何使用Amazon Machine Learning构建机器学习预测模型
如何运用数据协助货架管理(内附26张PPT)
SVM算法
主流大数据系统在后台的层次角色及数据流向
PPT:阿里全息大数据构建与应用
人脸识别技术大总结——Face Detection & Alignment
教程:用Excel制作成对条形图
易观智库:大数据下的用户分析及用户画像(18页PPT附下载)
技术向:如何设计企业级大数据分析平台?
电商数据分析基础指标体系
IBM SPSS Modeler 决策树之银行行销预测应用分析
拓扑数据分析与机器学习的相互促进
基于 R 语言和 SPSS 的决策树算法介绍及应用
用php做爬虫 百万级别知乎用户数据爬取与分析
另类新浪微博基本数据采集方法
以10万+阅读的文章为例 教你做微信公众号的运营数据分析
破解数据三大难题:变现?交易?隐私?
微店的大数据平台建设实践与探讨
阿里巴巴PPT:大数据基础建议及产品应用之道
基于社会媒体的预测技术
人工智能简史
技巧:演讲中怎样用数据说话
马云和小贝选谁做老公?写给非数据人的数据世界入门指南
掘金大数据产业链:上游资源+中游技术+下游应用
原创教程:手把手教你用Excel做多层折线图
销售分析:如何从数据指标发现背后的故事
如何一步步从数据产品菜鸟走到骨干数据产品
也来谈谈微博的用户画像
行走在网格之间:微博用户关系模型
如何拍出和明星一样美爆的自拍照?斯坦福大学用卷积神经网络建模告诉你
运营商如何玩转大数据? 浙江移动云计算和大数据实践(PPT附下载)
大数据分析的集中化之路 建设银行大数据应用实践PPT
腾讯防刷负责人:基于用户画像大数据的电商防刷架构
创业提案的逻辑
友盟分享 | 移动大数据平台架构思想以及实践经验
寻路推荐 豆瓣推荐系统实践之路
“小数据”的统计学
重磅!8大策略让你对抗机器学习数据集里的不均衡数据
小团队撬动大数据——当当推荐团队的机器学习实践
微博推荐架构的演进
科普文 手把手教你微信公众号数据分析
信息图制作的六个注意点
【权利的游戏】剧透新玩法:情理之中?意料之外
推荐系统(Recommender System)的技术基础
核心算法 谷歌如何从网络的大海里捞到针
Quora数据科学家和机器学习工程师是如何合作的
阿里巴巴PPT:大数据下的数据安全
数据建模那点事儿
全民拥抱Docker云–Lhotse系统经验分享
实时股票分析系统的架构与算法
架构师必看 京东咚咚架构演进
什么叫对数据敏感?怎样做数据分析?
推荐系统基础知识储备
刘德寰:数据科学的整合与细分 数据科学的七个危险趋势(视频)
实际工作中,如何做简单的数据分析?
分布式前置机器学习在威胁情报中的应用(附PPT下载)
数据科学 怎样进行大数据的入门级学习?
扛住100亿次请求 如何做一个“有把握”的春晚红包系统?(PPT下载)
从 LinkedIn 的数据处理机制学习数据架构
大数据会如何改变管理咨询公司(I)
优秀大数据GitHub项目一览
生硬的数字和数据新闻:这么近,那么远
经典大数据架构案例:酷狗音乐的大数据平台重构(长文)
揭秘中兴大数据在银行领域的系统部署
基于大数据的用户画像构建(理论篇)
【R】支持向量机模型实现
数据图处处有陷阱?五个例子教你辨真伪
如何用R绘制地图
你确定你真的懂用户画像?
数据模型需要多少训练数据?
【接地气】01 数据报表的颜色怎么配
游戏价值和数据分析新思路
【R】异常值检测
快的打车架构实践
豆瓣还是朋友圈:大数据、新方法和日常问
PPT数据图表,怎么做才好看?
大道至简的数据体系构建方法论
数据的误区及自身业务
新浪微博的用户画像是怎样构建的?
面试干货!21个必知数据科学面试题和答案part1(1-11)
易观智库:中国大数据产业生态图谱2016(附下载)
Airbnb的数据基础架构
50PB海量数据排序,谷歌是这么做的
大数据时代工程师如何应对–今日头条走进硅谷技术讲座
D3.js教学记(下)
D3.js教学记(上)
飞林沙:企业级服务公司如何赚钱?只有平台级产品才有大数据的理论
一个母婴电子商务网站的大数据平台及机器学习实践
7大板块 组成数据分析师的完整知识结构
干货:SaaS领域如何分析收入增长?
学术 | 词嵌入的类比特性有实用意义吗?
6个用好大数据的秘诀
一个数据库外行眼中的微信优化 (附专家补充)
大数据调研,如何实现快全准?
数据大师Olivier Grisel给志向高远的数据科学家的指引
数据堂肖永红:数据交易的是使用权或数据的增值,而不是数据本身(PPT附下载)
淘宝商品详情平台化思考与实践
刘译璟:百分点大数据理念和实践(图文+PPT下载)
如何快速搞定一份看起来还不错的演示文档?
【BABY夜谈大数据】决策树
数据驱动设计:数据处理流程、分析方法和实战案例
美图数据总监:Facebook的法宝,我们在产品中怎么用?
树的内核:量化树结构化数据之间的相似性
拿到用户数据之后,LinkedIn怎么赚钱?
GrowingIO张溪梦:增长黑客的核心 企业应该重视产品留存率(附PPT下载)
[译]Airbnb是如何使用数据理解用户旅行体验的?
微博推荐数据服务代理: hyper_proxy的设计和实现
星图数据谷熠:消费领域DaaS 大数据重构未来商业游戏规则(附PPT下载)
鲍忠铁:TalkingData大数据技术与应用实践(PPT下载)
【干货教材】数据分析VS业务分析需求
九枝兰专访:数字营销的核心—企业如何使用数据管理平台(DMP)进行精准营销
我们的应用系统是如何支撑千万级别用户的
R应用空间数据科学
Excel进行高级数据分析(上)
Excel进行高级数据分析(下)
国内各大互联网公司2.0版技术站点收集
网站数据分析思路导图
大数据分析报表设计开发要素
大数据需要的12个工具 推荐
YARN/MRv2 Resource Manager深入剖析—NM管理
YARN/MRv2 Resource Manager深入剖析—RMApp状态机分析
Hadoop 1.0与Hadoop 2.0资源管理方案对比
Hadoop 2.0中单点故障解决方案总结
Hadoop 2.0 (YARN)中的安全机制概述
Hadoop 新特性、改进、优化和Bug分析系列1:YARN-378
Hadoop 新特性、改进、优化和Bug分析系列2:YARN-45
Hadoop 新特性、改进、优化和Bug分析系列3:YARN-392
Hadoop版本选择探讨
探究提高Hadoop稳定性与性能的方法
《Effective C++》读书笔记(第一部分)
Hadoop分布式环境下的数据抽样
Hadoop计算能力调度器算法解析
如何编写Hadoop调度器
数据结构之红黑树
Hadoop pipes设计原理
《C++ Primer plus》学习笔记之”类”
《C++ Primer plus》学习笔记之”类继承”
《C++ Primer plus》学习笔记之”C++中的代码重用”
《C++ Primer plus》学习笔记之”异常”
《C++ Primer plus》学习笔记之”RTTI”
Hadoop pipes编程
Hadoop Streaming高级编程
《C++ Primer plus》学习笔记之”标准模板库”
《C++ Primer plus》学习笔记之”输入输出库”
Linux Shell 命令总结
算法之图搜索算法(一)
awk使用总结
素数判定算法
《C++ Primer plus》学习笔记之“函数探幽”
使用Thrift RPC编写程序
如何在Hadoop上编写MapReduce程序
怎样从10亿查询词找出出现频率最高的10个

大数据会如何改变管理咨询公司(I)

于2017-04-01由小牛君创建

分享到:


作者:何明科

(本文主要来自于大数据会如何改变管理咨询行业? – 何明科的回答,欢迎大家点赞支持)

如今几乎每个行业都在谈论大数据,曾经位于整个打工界顶端的Professional Service行业(一般包括投资、投行、咨询、会计师和律师等行业),会怎么面对呢?大家的节奏基本都是:说得多动得少。其中作为尴尬的莫过于管理咨询。当管理咨询公司勤勤恳恳得为客户规划大数据战略的时候,客户会不会问一句:你的大数据战略呢?

下图是我想象的益达版客户就大数据战略对话管理咨询公司。

大数据战略
所以我想开始写一个系列,“大数据会如何改变管理咨询公司”,许多思路也是来自于知乎问答,比如:

大数据会如何改变管理咨询行业? – 何明科的回答

如何看待「KPMG 合伙人 Dale Williams 认为大数据将或者已经在改变审计流程」? – 何明科的回答

第一集谈的是十年前的一个咨询案例,虽然那个时候还没有“大数据”这个词,但是大数据指导下的思路及技术,已经为管理咨询必备的用户调研或者用户行为认知走出了一条截然不同的道路。

项目背景

2005年,我司(某国际大咨询公司)接到某国国际超大运营商的一项目,要求规划其呼叫中心战略。听起来无比高大上的项目,其实背后的故事很有(fu)趣(za)。某大领导提出天才想法,要求对呼叫中心的流程及菜单做出重构。这个重构还不是一般的重构,而是双重重构。

第一重如下图,整个改变呼叫中心的流程。

呼叫中心流程
第二重是重构呼叫中心的菜单。

呼叫中心菜单
大老板的想法实在是太颠覆了,手下们都是虎躯一震娇喘连连。谁都不敢立即推广而扛雷,于是只好请来了国际知名大咨询公司做项目给建议。(说到这里,大家大概明白了咨询的价值之一:扛雷)

项目启动

拿到项目之后,大趴们自然很开心得想着数钞票。至于项目嘛,国际先进经验、经典客户调研理论和实践等都可以轻松上场嘛!其实他们不知道,那个时候的某国手机市场已经吊打全球了。欧洲最大的电信运营商在整个欧洲的手机用户还没有该国一个联邦的用户多。爱立信的定价专家曾经来给该国的运营商们讲课,直接被扫地出门:该国的手机资费复杂程度,已经远超世界各国,漫游+被叫主叫+增值服务+亲友号+小区号……

公司的一个项目经理很快带着我们几个小伙伴儿开始项目了,也准备按照常规套路展开:组织用户调研+Focus Group、从集团公司拿经营数据做分析、巴拉巴拉。我当年也是年少轻狂不知愁滋味,斗胆给项目经理建议:

传统方式太low,首先调研的样本有限,而且面对面问用户某个呼叫中心的服务好不好,实在不靠谱,不具备参考性

呼叫中心应该能收集到用户的海量数据及唯一ID(手机号),可以试试用纯定量的方式来评估效果和解决问题

以当下的眼光来评价上述建议实在是太稀松平常了,这不就是一套统计系统而效果评估吗,现在哪个App或者网站没有这些?但是这个项目发生在2005年,CNZZ也仅仅是在当年成立,友盟是在2010年成立。而且即使如此,目前几乎所有的咨询公司还是在用客户调研的办法解决类似的问题。

幸运的是我们项目经理是毕业于美国名校的生物PhD而且从事多年数学奥赛,对于我这个疯狂想法表示支持,让我放手去做。我也只提了两个条件:找一台服务器跑海量数据;找一个清华计算机系的本科生和我配合写程序。

项目就此启动。

项目过程

当年,运营商总部的数据都是宏观数据,很难微观去观察每个用户的行为,特别是每个用户在每个时间段的行为。所以我只好要求呼叫系统的开发商——华为定制开发,给我们增加输出详细日志的功能。华为真是NB的公司,居然同意并快速响应了我这个要求。也得益于10年前我还是小鲜肉,华为工程师实在架不住我们这般软磨硬泡和恩威并施。

我们提出的数据收集方式和数据格式如下,要求系统详细记录用户的每次操作行为以及操作时间。设计数据格式几率用户IVR行为

通过华为的日志输出,每天得到上百万的session(基本等于网站的UV),已经上千万的行为数据(基本等于网站的PV)。为了处理这个海量的数据,我们两用上了SQL Server和C++。(抱歉那个年代还比较土,不知道去用MySQL)。这个量级能够着大数据的门槛了吧?

同时基于多年做科学实验的研究方法论和经验,非常注重对比测试control test,而且受到了学生物的项目经理的指导(搞生物没有盲测怎么玩儿)。在华为工程师的帮助下,在呼叫中心的前端做分流,比较不同控制组。现在这套理论和方法叫做AB Testing。

项目成果

这套新方案的核心思路是:在同等资源投入情况下(资源投入=投入的坐席人数及服务时间),用户体验如何变化。数据要反映的核心落在用户体验,因此需要用相应的数据指标来表征。电信行业一般用接通率(略等于用户的等待时间或者服务质量),因为我们的数据能够微观到每一个用户,所以我们又加了一个全新的指标,即同一用户在一定时间内的重复拨叫概率。因为它和用户的问题未被解决而需再次服务的概率正相关。该概率越高,表示用户体验越差。

下图是我们的一个分析结果。恰恰是海量数据帮助我们发现了真正的问题:

新方案上线后,接通率提升,按照传统思路这是好现象,可立即执行

但是微观的数据同时显示,同一用户在一定时间内的重复拨叫概率却提高了。真正的解释是:新方案降低了服务质量所以腾挪出坐席资源,但是话务员并未能解决用户的问题,造成许多用户再次拨打人工坐席某个分析结果

下面是对呼叫中心新菜单的分析(这个类似于今天对网页及App的各种UI的优化),实现了整套的转化漏斗(感觉是不是很超前)。

呼叫中心菜单分析
下图是用户进到呼叫中心,第一次按键的时间分布图。

第一次按键时间分布图
没有海量的数据,传统分析套路是:

大量人肉发问卷,让大家一个个填写问卷觉得哪种菜单设计好,然后拿Excel或者SPSS做统计

找一堆人做深度用户访谈(Focus Group),觉得菜单哪里好为啥好,然后写定性的报告

以上工作大概需要两三个管理咨询顾问加上一个专业的市场调研公司忙乎一两个月,才能形成一个极小样本的报告,同时还要运营商配合,邀请使用过新菜单的用户来某高大上的场所进行面谈。Focus Group的现场如下图,还必须配上好吃好喝,以及请专业的主持人。

Focus Group现场
但是按照我们纯定量的思路,完成我们这个全样本的工作,总共需要:一个会写程序的咨询顾问,一个实习生以及一个华为的工程师(该人在完成生成日志的模块后就彻底和这个项目没关系了)。大概做了两个月,但是真实只做了一个月,后面一个月的时间我们两基本在发呆,但是项目确实卖了两个多月。

项目反思

项目的结果当然是很好啦,让客户深深地震撼了。不过各位看官肯定会反问我,既然效果这么好,为啥咨询行业现在还没有动静呢?我只能说:人一生都在和惯性对抗,要颠覆自己太难了。

  1. 管理咨询公司不愿意被技术替代
  2. 围绕着咨询公司的一堆做市场调研的公司,他们不愿意被技术替代
  3. 每个管理咨询公司或者市场调研公司都有庞大的数据团队,通过手工负责人肉数据收集,他们不愿意被技术替代
  4. 但是用技术完成上面的服务,几十万就可以把我和那个实习生打发了,我们俩还要乐得屁颠屁颠的。特别是如果这个技术服务被产品化了,可能整个软件或者系统就只能卖几千元,甚至在互联网思维下这是免费的服务。但是这个项目在当年创造了大几百万到过千万的收入,损失的可是国家的GDP,我们保7的目标怎么办?

保7%增速
最后是对技术的反思。技术生来就是颠覆者,颠覆别人同时也被人颠覆(越来越体会巴菲特对技术公司的不感冒)。但无论怎么样,数学等基础科学以及critical thinking等基本方法论才是最持久的,即使在没有大数据或者AB Testing等热词的情况下,插上技术的翅膀,它们也能发挥巨大的作用。

via:知乎专栏

End.