人们讨论大数据就像讨论青少年性行为一样！
这里有让你摆脱数据困境的新方法。
—4Ps来拯救你—Platform（平台），Processes（流程），People（人），Politics（政策）“大数据就像是青少年性行为：每个人都谈论但却没人真正知道该怎么办，每个人都认为别人都在做，所以他们都说他们也正在做……
—Dan Ariely
TED演讲者，畅销书的作者以及杜克大学的教授Dan Ariely说的话是对的——在当今的大数据领域中，纸上谈兵太多而实质内容太少导致了许多企业在大数据项目中的失败。为了解决这个问题，我们为评估和实施大数据这一举措提出了一个框架：我们已经申请将aCommerce的客户以及企业发展成为 Ardent Capital的一部分：这就是大数据的4个“P”——Platform（平台），Processes（流程），People（人类），politics（政策）。
传统的市场营销4P是Price（价格），Product（产品），Promotion（宣传）以及Place（渠道）——最初由McCarthy创造并由Kotler推广的这4P，彻底改变了公司的传统的市场模式，如P&G、Kellogg。我们相信，大数据的4Ps将利用从数据中得出的见解，帮助企业少走弯路，并专注于推动财富500强企业以及初创企业产生真正的有价值的变化。
1.Platform（平台）
大数据中的一个***的谎言就是，大数据是十分复杂且属于高科技的产物，这些科学技术问题同时又是企业运用大数据失败的主要原因，尤其是当我们在谈论我们害怕面对数据或者是沉迷于数据时。大数据是偏向于科学技术领域的这种说法让许多人望而却步，使得人们在处理企业数据的的时候迟迟不敢迈出***步。另一方面，出现这种现象也有过于注重科学技术的缘故。大数据平台应该是实现业务目标的一种手段，而不应该是以大数据平台为目标。
Peter Thiel，一位亿万富翁同时也是一位风险投资者，批评人们不应该过度注重技术。他创立了Paypal和Palantir——一家价值90亿美元的公司，据说曾利用大数据技术帮助美国政府追捕本·拉登，在他的畅销书《从0到1》中提到对创业的注意事项，或者是该如何打造未来，Thiel说：”我们让我们自身沉迷于大数据只是因为我们认为大数据这个名字够洋派，并且被自身能够独立使用计算机完成的一些壮举所感动。但是，我们却忽略了从人类与数据互补得来的大成就，因为人类所做出的贡献使得数据的价值并不突出。“
只有当人们能够从所谓的大数据产业园区中所产生的充满复杂性的大数据烟幕中，意识到这些带有三个英文字母简称的公司只是在兜售技术产品，也意识到大数据平台其实只是检验人们是否成功利用这个数据平台并实现见解的一个通道，我们就能够朝着真正解决这些实际挑战的目标继续前行。
2.Processes（流程）
一旦我们开始使用我们的大数据平台，那么下一个挑战就是建立正确的流程，这些流程包括（1）数据范围；（2）数据质量；（3）数据访问。
在同行业中还流传着另外一种对大数据的误解，就是处理越多的数据等同于创造越多的价值。“现在社会上有许多公司对于数据的需求是永不满足的，他们错误地认为更多的数据总是能够创造更多的价值。但是，大数据往往只是数据，他们是不会发出声音的。“Thiel说。
从我们的经验上来看，数据往往遵循80/20法则，尤其是在一个确定的点上添加过多的数据源会导致在输入方面的收益减少（时间和资源）以及在输出方面的收益减少（缺乏高质量的洞察见解）。
我们总是倾向于认为“只是足够的数据”而不是大数据提供“最小化的可实行的产品”方法。没有实际行动的数据是没有任何意义的，因此专注于少数关键的可实行的指标吧。
500条创业经验法则的创始人Dave McClure说：”如果你不利用指标去做决定，那么你的计划就不可行。”
那么，如果可以，请绝对忽略那些没有价值的指标。
这句话是《Web Analytics2.0》的作者、谷歌的数字营销传播者Avinash Kaushik说的一句话，“不要再沉迷于那些***的数据，你永远都不可能得到那些***的数据的。我们要做的应该是专注于趋势推动决策并一如既往，牢记80/20法则。”
让百花齐放
数据只能自身派生出的信息来体现价值，因为分析数据的是人而不是机器，而分布在整个企业的能够访问数据的人群将会提高他们的工作效率以及推动创新。但不幸的是，许多企业把数据限制在专业商业智能和数据科学团队中进行使用，越来越多的其他部门开始要求进行数据分析，目前的模式往往成为一个主要瓶颈。
拥有一个能访问运营数据如客户、订单以及收入等数据的职能团队是一个不错的价值主张，因为它允许团队快速发展前进，更为重要的是，允许团队在相关的商业环境下分析、解释数据。
3.人
尽管拥有一个大数据平台和正确的组织流程是利用数据所必须的，但仅仅只有这些是不够的。这里有无数个案例都是讲述一些公司在大数据技术上投资了成千上百万美元但依然还是以失败告终。那是因为他们没有在大数据处理上找到适合的人选去解释这些数据并且正确运用。
“计算机可以发现暗示人类行为的模式，但是他们不知道如何从不同的来源去对比这些模式，或者不知道如何解释这些复杂的行为。可操作的见解只能来自人的分析。”Thiel说。
大数据的4Ps中，人的因素无疑是***的瓶颈。根据McKinsey：“现在存在着这样一种现象：企业运用大数据所必须的人才是短缺的“。然而，到2018年，仅是美国就可能有14万到19万的人精通分析技巧，150万位经理级别的人以及分析师懂得如何运用大数据分析去做有效决策。
这个问题在东南亚之类的新兴市场中显得更为重要了。尽管是在发达国家，像新加坡，挖掘带有这种数据心态的人才也是十分困难，在某些时候甚至更难。这是因为许多新加坡企业都是跨国管理的，许多要完成的工作都是以电话会议的形式与其他合作国沟通联系，并通过邮件实现。数据本质上是地方性的并且动态的，要想以舒服的方式和数据工作，需要只身深入了解数据。
数据科学家并不是解决办法
然而，那些被推荐来帮助我们处理所有这些大数据的新生代的铸造数据的科学家又如何呢？他们并不适合。根据Josh Attenberg和Foster Provost，两位都是在纽约大学负责实际数据科学课程的，他们都认为：“一些在计算机科学部门受过训练的数据科学家们抱怨说他们”只是技术员“，他们能够很好地理解算法，但是他们普遍缺乏重要的问题制定能力、评估能力以及分析能力。另一方面，那些训练有素的商业学校往往会有未发展起来的技术能力。
要达到企业的工作速度要求，仅是雇用传统的数据科学家以及工商管理硕士是不够的，还需要每个人都能与数据共事。
尽管我们看到一些积极的变化，尤其是在市场上的变化。“一份名为‘Growth Hacker’的新工作正与美国硅谷的文化相结合，这强调了编程能力和技术驱动是一个伟大的营销者的重要组成部分。长期以来被认为是非技术性职位的市场营销副总裁现在正迅速地衰落，而在这个位置上，一种既是营销商同时会运用编码的人才应运而生，”Andrew Chan说到，而这些人就是公众所说的Growth Hacker。
Auren Hoffman，作为LiveRamp的总裁以及Quora的股东，说过这样的话：“***营销官（CMO）的角色正在发生巨大的改变，它在成为一个能够‘点球成金’的角色，并且非常侧重数据。如今的Moneyballer的***营销官计划将她的营销像Billy Beane建立Oakland As那样实施。她利用顾客行为上的这些细微的数据在传统的营销上扩展，直接影响了产品策略，客户服务以及优化推销服务。
抛开这些专业术语不说，快速浏览一下招聘广告营销的职位，例如Facebook和Uber，这阐明了我们正在经历的改革。Uber所要招聘的高级营销员要求能够使用Tableau那样的工具以及如Python和SQL那样的计算机语言，另外，还要求能够处理和分析复杂的数据集，解释他们并用以做商业决策。
值得提醒的是，这些职位都是关于市场的职位而不是软件工程师。噢，对了，他们需要找工程专业、计算机科学专业，数学专业、经济学专业以及统计学专业的人才。而与此同时，传统的数据机构的发展依然停留在2005年，并聘请通信专业的人才来担任绩效营销的角色。
“咦，SQL？”
在aCommerce时，我们过于强调在个人层面发展技术营销技巧。例如，我们所有的市场分析师都知道，如何将数据从SQL数据库中提取出来并进行深入分析。有些人能够超越这一点，并且能够编写代码，通过不同的APIs（应用编程接口）来提取数据。
4.政策
数据>信息>知识>权力
因此，分配数据等同于在一个组织中分配权力，这就是为何数据常常会与公司政策联系在一起的原因。经理以及部门都不愿意让数据变得有利用价值，因为如果这样做就相当于挑战自己的存在。数据是一台伟大的均衡器——它能够拥有数据并且展示数据——能够广泛地使用力量使人们亮出自己的底牌。这让人们容易受到批评，因为在不久的将来人们将不再把自己隐藏在这花哨的PowerPoint平台中，并掩盖自身能力的不足。
尽管一些机构已经遭受了这些问题。那些不愿意分享如营业额以及销售情况的下行数据的客户，当这些机构除了推动这些劣等的效果并且拼点击率之外，他们做不成任何事情。他们除了抱怨自己责备自己，也没有其他可行的办法了。在这种情况下，当客户端也允许访问下行数据，机构却不知道该如何提取这些数据（人的问题），或者是不想要得到这些数据（政策问题）。
为了能让企业的大数据计划能够得以成功，它需要我们打破数据孤岛并发展数据民主。当然，这家企业也需要在数据分配以及确保安全和个人隐私之间保持平衡，并且绝对不能把后者当作保护前者的借口。
***的话
大数据不是难以捉摸的独角兽，通过运用这4Ps，企业也可以加大大数据的发展。典型的一种想法就是，人们认为大数据只是与BS技术有关。而真相其实是，大数据更多是跟人有关。教会你的员工与数据共事吧，其他的一切会随之而来。
正确的人带有正确的数据能够驱使项目落实到位，并且建立/使用平台，以政策方式处理数据驱动这一举措将蓬勃发展而不是衰落。
