对于面向用户的企业来说，如何利用大数据现在的玩法应该是比较清楚了。简单来说就是以用户和业务为核心，对用户的相关维度进行数据挖掘，构建用户和业务的属性和特征库，服务业务需求。具体再实施过程中还需要重点考虑以下问题：

1.以用户和业务为核心，以思路为重点，以数据挖掘技术为辅助

企业使用大数据的目的是解决问题（说白了就是赚钱），赚钱的方法就是跟自己的business model密切相关的，也就是我们通常说的业务。在这个过程中大数据技术只是一个手段，是帮助我们解决业务问题的。所以说在大数据技术选型和架构的时候，一定要搞清楚自己的业务模式，不能别人用什么架构就跟着用，别人挖掘什么就跟风挖。

2.小步快跑，快速迭代，持续优化

千万别想着一次就搞出个大新闻，在互联网领域永远是beta版的，只要这次比上次好就行了。大数据的思想就是把现实世界中的现象用数学的形式表示出来，分析和挖掘这些现象之间的关系，并且能够定位到哪些群体具备哪些特征，哪些特征会影响企业的盈利。所以很多问题并没有或者需要严谨的数学证明，我们重点关注的是关联关系而不是因果关系。

在大数据时代，ABtest是非常重要的，很多现象是不需要理论证明的，ABtest会告诉我们该怎么改进产品，哪些产品的哪些特征更受用户欢迎。

3.用户的反馈很重要，要积极调动用户的参与度

传统的调动用户参与度的方式就是发优惠券或者促销券。这种方法在有些情况下是有效的，有些情况下可能需要更深入的了解用户的需求，例如用户为什么来我们这个平台?为什么流失了?举个例子来说吧，对于有些用户来说你给他发了10块钱优惠券，但是他没有买的需求或者找不到他想买的东西，那么他不会因为这10块钱的优惠券去制造一个需求。或者有些用户可能比较有钱，每次买东西都是大手笔，你给他10块钱优惠券可能他根本看不上。用户细分模型可以帮助我们针对不同的用户群体采用不同的调动用户参与的方式。

大数据是帮助我们补充行业知识的一种重要的方式。现在越来越多的行业是数据驱动的，那么这个行业的很多行业知识都是通过大数据挖掘出来的。而获取这些数据的主要方式就是用户的行为和对运营动作反馈的挖掘，这也是未来以数据为核心的企业的价值所在。

4.从运营驱动到数据驱动

关于谁来主导大数据服务用户这个需求，其实有很多的使用场景。例如一个推荐系统由产品经理来主导比较合适;对于一个数据化运营系统，那么从事运营或者市场相关的人员来主导会是比较合适的。对于很多大公司来说，慢慢会发展出专门从事数据驱动业务的部门和人员，例如我们经常提到的Data Scientist的概念。

5.业务人员和数据挖掘人员的密切配合

这个也是我们大部分公司经常遇到的一个问题：做业务的不太懂技术或者数据，做数据挖掘的对业务又不是特别了解，目前社会上最缺的就是既懂业务又懂技术的。如何把数据挖掘的结果应用到业务中是个比较难的问题，我们常说没有数据是无价值的，只是要找到它发挥价值的地方。因为数据挖掘的结果往往表现出的是用户在某一方面的属性或者特征，那么在实际业务中用户的行为往往受到多个因素的影响，所以在把数据挖掘的结果推广到具体的业务过程中要和业务方密切合作，找到合适的促销方式、展位、文案、刺激手段、效果评估方法等。

大数据的范畴内我们应该把用户还原成一个人，而不要割裂的看他的某些行为，而要把这些行为和他的社会学属性、生活背景、活动时间、地点、气候因素和应用上下文联系起来。目前的大数据Ecosystem没有一个很好的BI工具，给对应的分析师或者挖掘工程师带来了很大的难度。

6.与客户的沟通方式（运营手段）很重要

现在社会大家都很忙碌，像过去那种通过call center给用户打电话推销的方式的效果越来越差，因为用户很忙碌的时候是不希望被打扰的。那么异步通信的需求就比较强烈，典型的应用就是微信，可以很好的利用碎片时间，那么对于企业营销来说也是非常好的通道。同样对于企业给用户的各种促销或者运营手段的时机也会比较重要，而且不同兴趣偏好的用户的浏览和购买时间最好也要区别对待。

同时运营活动设计的巧妙程度、文案和展位比大数据技术可能会发挥更重要的作用。听过一个真实的例子，某公司的推荐系统在模型完全没有改变的情况下只是改了下展位的位置，导致最后的下单率有明显的提升。

7.大数据带来的价值如何衡量

企业养了一个大数据团队，那么对这样的团队怎么衡量他们带来的价值呢?例如天猫双十一的交易额有350亿，那么这350亿中有多少是通过大数据来提升的?

我觉得大数据的短期回报是精准营销，而从长期的角度来看对于一个企业或者平台来说更重要的是客户关系维护，增加用户的粘性和购买力，从而使得用户很难迁移到其他平台上，那么对于你这个企业来说就有点类似于垄断了，就属于躺着都赚钱了（就像现在的可口可乐、宝洁类似的公司）。所以说大数据的价值可以在产品的各个层次得到体现，而具体价值的衡量也要因不同的业务模式而有所不同。同时大数据也帮助企业更好的理解这个行业，建立起行业的壁垒，从而更好的支撑管理者的决策。