世界500强美的大数据建设的启发

“

　　 [导读] 本文向大家讲述了美的是如何利用大数据来实现业务价值的，大数据基于客户真实的业务场景来实现落地方案，真正造福于企业和消费者。

 ”

在国内传统行业的大数据项目建设案例中，我个人比较推荐的有两个大数据案例非常值得大家关注。第一个是民生银行阿拉丁大数据，第二个就是今天要给大家分享和总结的美的大数据。

之所以比较推崇这两个大数据案例，核心原因是因为这两个案例可以让我们非常直接的看到大数据是如何帮助企业实现业务价值的 —— 以业务驱动、数据驱动真正形成业务上的决策指导，让企业的业务决策、经营决策、生产决策、市场打法能够真正的落地，并产生实际看得见摸得着的实实在在的价值：比如利润的提升、市场产品的份额增长、经营成本的降低等等。

相对于这两个比较非常成功的案例而言，很多企业在设计和规划大数据项目的时候会存在很多的困扰 —— 大数据好，好在哪里？我们为什么要上大数据，上了大数据能解决我们什么实际的问题？利润的增加？成本的降低？找出之前我们没有意识到的环节和问题？或者带来新的业务模式让企业更好的获利。这些问题会带给大家困惑，也是很多关心大数据的朋友们想要迫切了解的。很多企业能够意识到大数据驱动的价值，也并不是不敢投入，而是担心投入之后不能看到实际的效果，这是最大的问题。

参加过几次美的大数据内部或公开的分享会，在征得美的、美云智数团队的同意后，挑选出了几个美的大数据实现业务价值落地有代表的案例与大家分享。

美的大数据业务价值实现之一：

完善产品细节、投诉率降低40%

很多人可能还不能直接想象到数据和产品品质有什么样的直接关系，但是我们需要去想象一下这样的一个业务场景：产品品质对于制造行业来说这是一个企业的核心生命线，每从一个生产线上出一个产品，通过内部质检，通过各种渠道到达终端店铺、各种电商平台。产品上架了，如何判断这个产品的在大家心目中的质量和品质怎么样？

仅仅靠销售量吗？很显然是很局限的。靠内部质检通过率、返修率、投诉率？这个思考的方向是正确的。但内部质检通过率高、返修率低、投诉率高这个冲突的问题定位又该定位在哪里？

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。

这是美的大数据建设中一个非常真实且很普通的案例，大数据有没有落地？有，投诉率直线下降40%就是最好的落地，很好的实现了业务价值。

美的大数据业务价值实现之二：

理解用户需求、产品博弈

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。

我们在日常生活中经常会有这样的代入感，我采购了一个商品，用的时候总在想，如果这个产品这样改进下这样改进下就好了，如果是我在做这个产品我就这样改下。用户所想的不也正是制造厂商所想的吗，而制造厂商是如何听到用户心声的？在这里，美的通过大数据平台就做到了。

这两个案例其实反映的就是美的大数据观星台的作用。观星台在古代是什么？测影、观星和计时，是中国古代天文科学发展中一个很有价值的产物，具有很高的价值。而美的大数据将这部分的产品定名为观星台，很显然想更好的“继承”古人的这一智慧，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。

只有观察清楚了，才知道下一步应该怎么做。通过大数据平台了解了要了解的情况，才知道如何更好的提升和改进业务，这就是大数据对业务的推动能力，也是大数据业务价值的落地和实现。

观星台的背后是什么？还是大数据平台！除此之外，还有服务号、水晶球、地动仪、陀螺仪这几大产品共同构成了美的开普勒大数据产品体系。

美的大数据业务价值实现之三：

用户画像与精准营销

我们在很多大数据自媒体、各种大数据沙龙活动中经常听到用户画像、精准营销，这几个词出现的频率非常高。但是为什么我们发现除了这些大的电商、互联网平台之外，在我们身边的很多企业很少有看到他们有用过。原因非常简单，用户画像、精准营销、商品推荐这些需要的是一个海量的数据资源基础—— 商品资源、用户基数、用户行为和标签属性资源等这些资源的结合。

没有这些资源，无法真正做到用户认知，也没有这么精细的分类产品去进行推送，最重要的是这种投入产出比很多企业可能要去想一想，值不值得去做。

美的握有这些资源，大家可以想象一下在自己的身边有哪些朋友家里从来都没有购买过美的的产品，应该很少。小到热水器、电饭煲电磁炉、中到风扇、大到空调电冰箱，美的的家用电器产品体系非常全面。美的目前拥有近1.5亿的带手机的唯一身份用户，并且每天以至少12万的数据在递增。并且最重要的是，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。

并且最重要的是，这些用户画像推荐模型会帮助服务一线导购，包括售后。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。当然，实际的服务过程一定因为具体执行人（导购、售后客服）的因素有所体验不同和偏差，但是从整体上来看，对产品的引导和服务是具备很强的指导性的。

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。

在美的，这种非常具有业务价值的从大数据平台中发掘出来的案例有好几百个，真正的做到了用数据说话，这种内部大数据项目的建设无疑是非常成功的。

美的是一个传统的制造行业，但是美的 IT Inside 的理念在美的有很强的落地，这种理念不是一句简单的口号，而是要实实在在的在产生业务价值。

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 IT Inside 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。

非常幸运的是，美的的大数据团队有这样的一个机会完成了美的内部大数据平台的搭建，将大数据平台变成通用的解决方案，将这种解决方案再标准化并且形成商业化的产品并服务于除美的之外更广阔的市场。

　　 注：本文来源索信达数据，作者：吕品，天善智能联合创始人&运营总监，编辑：Fynlch（王培），数据观微信公众号（ID:cbdioreview），欲了解更多大数据行业相关资讯，可搜索数据观（中国大数据产业观察网www.cbdio.com）进入查看。

责任编辑：王培