文/吴志伟（薪酬绩效咨询师）

正文字数：759

预计阅读耗时：3分钟

经营企业不赚钱就是犯罪。企业里，老板的目标非常明确：让企业有所盈利、有利润可图。那么，老板要如何去看企业，才知道是否有盈利、是否可以继续去经营下去呢？

答案是看数据、看指标。

指标代表着企业的发展方向，数据代表着企业的产出结果体现。只要指标选的好，企业的发展就不会偏离目标；只要过程管控的好、激励够大、执行到位，数据就能达到预期所设，甚至超越。

但结果是，老板普遍都不太重视指标的构建、执行和数据的统计、分析，认为这些都是虚假、毫无意义的。这是大部分老板的一个通病以及错误的认知。

一套完整的、全方位的指标系统能够很好的反映出企业的经营状况，是好是坏，未来的发展趋势如何，都可以一目了然。

而数据的收集、整理、统计就能够很好的看出企业的问题出在哪里，哪里需要改善、哪些需要开源、哪些需要节流，甚至可以在大数据的支撑下，对未来的企业发展、行业发展做出一个严谨性强、有科学依据的推测。

一家企业如果指标和数据不清晰或者没有建立的情况下，会出现什么样的情况？

1、老板的想法、定位无法有效的传达下去；

2.、员工工作没有目标感，干一天活算一天，无法做到行动一致，目标统一；

3、管理层无法有效的管理下属，导致管理脱节；

4、做任何事情都无法用数据说话，全凭主观意识下决定，缺乏说服力、有失公平；

5、不能很好的发挥员工的最大价值，企业的效益也无法最大化；

6、未来在企业的新模式发展中，没有很好的历史资料做支撑；可能导致新模式夭折；

7、企业的盈利多少、未来发展潜力、员工人效如何、销量、资金周转等问题都无法准确的把握。

从上述得知，指标库的建立、数据的统计是多么的重要。没有好的指标，企业犹如大海中找不到灯塔一样，找不到目标。没有完善的数据，企业犹如一片空白，没有历史也预测不了未来。

欢迎关注、收藏、点赞本头条号

用心做您的终身绩效伙伴！

编辑：吴志伟

公司治理就是人的管理、对事的处理

老板员工都想要：薪酬全绩效模式KSF新四原则、落地指引

机器学习正在超越大数据？！我们通过研究几个相关的流行术语，来看看大数据，机器学习，人工智能，数字科学和深度学习的排名。

大数据在2011年左右成为一个热门领域，同时也成为了一个热门词汇。但是最近大数据失去了其原有的光彩。并且高德纳在2015年将大数据从其发展曲线中移除，取而代之的是机器学习。

我们注意到，在2012年KDnuggetsPoll问道大数据什么时候过时，中值预测期是2015，因此KDnuggets读者正中目标(尽管他们期待的是智能数据代替大数据，而不是机器学习)。

那么现在机器学习是否比大数据更流行？

我们用谷歌趋势来调查这个问题。

在过去的五年–从2012年5月到2017年4月，全世界范围内大数据对机器学习的谷歌趋势中，我们可以看到“机器学习”的受欢迎程度增长的更快，就这周(2017年4月30日到5月6日)，机器学习的搜索量与大数据的搜索量第一次持平！

图1谷歌趋势中全世界范围内2012年5月到2017年4月大数据和机器学习的搜索量

图中搜索量的下降与圣诞节/新年假期的时间相对应。

如果仅在美国范围内比较，可以看到在2016年10月，机器学习已取代了大数据。如图所示：

图2谷歌趋势中美国2012年5月到2017年4月大数据和机器学习的搜索量

最后，我们也加入了其他三个搜索词条：人工智能，数据科学和深度学习来调查，以对比从2012年5月1日到2017年4月30日全世界范围内大数据，机器学习，人工智能，数据科学和数据查询的谷歌趋势。

图3谷歌趋势中世界范围内从2012年5月到2017年4月，大数据，机器学习，人工智能，数据科学和深度学习的搜索量

我们注意到，深度学习仍然没有其他四项受欢迎，尽管它的增长速度更快。

2012，2013和2014年排名前四项是：

1.大数据

2.人工智能

3.机器学习

4.数据科学

2015年机器学习超过人工智能而跃居第二，2016年，数据科学赶上人工智能而分别居于第三和第四。

那么，你又是怎么看的？

36大数据认为，这事好比干苗圃。

如果机器学习是一株绿树，那么数据就是水源，要想绿树长的快，总需要大量的水源去灌溉。所以要想种绿树苗圃产业得到发展和繁荣，首先要有完整的水利工程。

而机器学习与大数据和绿树与水源不同的是，缺少水源，有些植物一样能苟且，但没有大数据，机器学习就不复存在了。

很多时候我们都会遇到需要将手机中的数据传到电脑或者电脑中的数据传到手机的情况，一般我们会直接使用QQ或者微信将文件发送到电脑或者手机，但是如果遇到没有网的时候同时也没有数据线的时候该怎么办呢；下面给大家介绍两种方法：

一、使用局域网共享，这里推荐ES文件浏览器或者别的软件，我自己用的这个

1、如果是笔记本电脑，可以将手机的热点功能开启（可以不用开数据流量），然后使用笔记本连接热点

2、连接好之后在笔记本上创建共享文件夹，将需要复制的文件放在文件夹内；这个比较简单，对着文件夹右键-属性-共享，如图，选择everyone

3、在手机上使用ES文件浏览器，点击我的网络-扫描，会自动扫描局域网内的共享目录，点击后连接即可；还可以用这个软件打开电脑上的视频文件，我一般将几十集电视剧下载到电脑上，然后使用这个软件直接在手机上观看，不会占用手机的存储空间，速度也是很快的没有卡顿，有兴趣的朋友可以尝试一下

二、使用TeamViewer最新版本的软件，这个稍微麻烦一点，是要提前在电脑和手机上都装上这个软件，软件支持局域网连接，支持文件复制；可以用手机控制电脑哦，这个我就不详细说明了，大家自己有兴趣可以玩玩，我一般用这个来远程控制公司的电脑，有急事的时候方便连接解决问题的。

我们还可以开笔记本电脑的热点，一般笔记本网卡现在都支持这个功能，也就是连接WiFi的同时还能分享热点；现在的手机大部分不支持这个功能了，我还有一款联想A750支持，用来桥接扩大WiFi信号挺不错的

笔记本开热点只需要在CMD运行以下命令

netsh wlan set hostednetwork mode=allow ssid=wifiname key=wifipassword

netsh wlan start hostednetwork

保存为BAT文件，放到开机自动下即可

如果是台式电脑那就无能为力喽，不过可以买一个随身WiFi，19.9元，我自己用的小米的，还可以配合Linux系统破解无法密码的，还是很好玩的；

第一次发文写的不是很详细，大家有什么疑惑的地方可以给我留言哦！谢谢

2017年成为商业地产大数据行业洗牌的一年，大家已经摆脱了早期的浮躁。来自行业顶级开发商对于大数据应用效果的认同，乃至提出更高的期待，也让更多公司的产品和服务回归价值创造的正轨。而这一年我认为行业成熟的最重要标志，就是更多客户已经逐渐达成了共识：最有价值的大数据公司不一定需要有大数据！

在早期，所有的客户一上来都是问你们有哪些数据，但经过与众多数据平台的“切磋”，客户终于意识到：数据本身并不创造价值，对数据的挖掘和处理，在行业深度场景的应用，才是价值。中商数据恰恰基于商业地产的深厚背景，成为基于所有大数据平台上的“买手”和“挖掘机”。

我们在2017年成长很多：

1 团队规模翻倍，技术团队架构齐整、顾问团队则兵强马壮；

2.业绩翻了近3倍，其中70%来自长期战略客户；

3.新产品和平台已经得到市场认可，年底更迎来爆发。

4.数据库建设步入成熟期，牵手银联智惠等伙伴，让数据维度更全面、更精准。

这一切发生的背景、以及大数据公司产品发展的核心逻辑，也是我们一直思考的。在此也梳理一下这一年行业的变化与我们的应对之道：

一开发商战略转型年，参与数据赋能的过程更重要

这一年，包括华润、龙湖、印力、大悦城、新城、金地等公司都在全面梳理和升级自身的产品线和优势。也因此大家更关注在购物中心运营、产品打造方面最前沿的工具和方法，甚至开展定向创新实践。

中商数据恰好在这个大背景下，成为各家公司研发创新的合作伙伴。例如，我们推出的营销优化监测产品，直接应用在西溪印象城的周年庆各大主题活动中，并取得了良好的效果，各项数据均创项目纪录。

再比如我们开发的城市数据地图产品，通过对城市近百个板块的深度数据分析，多涂层数据叠加，为商业地产决策找到最佳支撑点和权重分析路径，这已经率先在龙湖得到应用。这些创新研究过程也是中商数据团队与客户相互碰撞、激发灵感与思辨的过程。

大数据概念最热的时候，无数数据平台公司、硬件设备公司、市场调研公司嗅到了商机，都带着“大数据”的标签杀进来。殊不知，这个圈子有几个特点：

1. 行业中甲方是最善学习和吸纳的群体，他们拥有超强的好奇心。但真的好东西，他们是最先内化为自己的核心能力的，想一直赚他们的钱，最难；

2. 在专业数据需求方面，特别是一线开发商是要求最高、预算又相对较低、但使用频率很高的，也因此他们对合作商极为挑剔，要不断测试能力才会确定长期合作；

3. 他们不仅关注自己的需求，更关注行业其他企业的动向和热点，没有迭代和创新，靠一种模式，很难真正服务他们。在战略转型期，这些特征就更加明显。

从中商数据的案例来看，数据一直在那里，但我们在客户战略转型期与他们共同钻研了数据的新价值、新用法、新场景。

二实体商业的体检中心，是真正的“刚需”

从创办时，中商数据就致力于成为商业项目的体检中心。我们赶上了2个好机会，一是这两年大量商业项目入市，经营水平千差万别，运营人才又非常匮乏；同时很多成熟项目遇到新问题，有大量调改需求，这一切都让数据作为运营管理的有效抓手，可以迅速让项目进入诊断周期。今年商业项目诊断已经成为中商数据成熟的核心业务。

另一个好机会，就是大量资金看到了商业地产的价值洼地，趁机抢筹，对项目的筛选和评估形成庞大需求。在上周我们推出了《2025规划中上海商业项目分布图》，甫一推出，立刻成为商业地产圈内的“网红利器”，无论是品牌选址、基金收购，房企战略布局还是轻资产输出，均看中了这个地图背后庞大的数据和资源。

在浮躁的年代，体检往往是人们最先忽视的投资，大家更寄希望于吃颗“十全大补丸”，更愿意收藏朋友圈转发的“最受关注的500个创新品牌”，无论到底有多少品牌真的对自己项目有帮助。

今年很高兴看到体检已经逐步成为“刚需”，体检的过程，也是数据产生和挖掘、积累的过程，这样的体检中心搭建的数据仓库，则成为未来中国这个行业最宝贵的“健康档案”。

中商数据的诊断业务成熟的标志之一，就是我们已经走出一线城市，逐步覆盖二线城市，走出华北和华东，在华南也更多落地。大数据甚至开始服务万科在昆明的项目。

当把一个城市的数据做“透”，中商数据建立的将是垄断的先发优势。

三数据处理能力 未来的核心战力

其实做大数据的人，心里最怕的就是“大”，数据源最难做到的就是“全”。在去年商业地产大数据联盟的基础上，今年中商数据进一步签约了银联智惠，终于打通了支付这一数据源头，在北京新机场等多个重点项目的建模与分析，已经获得很好的效果。而年底为朝北大悦城的数据处理和分析，对中商技术团队的数据存储和短期大批量处理分析能力又是一次集中大考。

2018年我们将迎来更加海量的数据处理需求，而这些恰恰也是实体商业的数据金矿。

四在垂直行业深耕 是根本

中商数据之所以切入了市场蓝海，我们始终认为，不是大数据的概念风口，而是来自垂直行业的红利，恰好给了我们最佳的卡位。

这个市场，问卷调研公司、技术公司，面对的是上百个行业，商业地产最多是其中一个部门，资源很难投入过多。而中商数据则紧紧抓住商业地产这个垂直领域做深耕，传统的顾问行不如我们懂数据和技术，也没有这个投入的魄力和对团队的耐心；传统的调研公司和技术平台不如我们懂商业地产，没法和客户在一个语境里对话。

今年，中商数据还签约了轻奢品牌COACH，欧洲大型超市欧尚，拓宽了客户图谱，但在内容上我们依然没有离开商业地产这条主线。

总结这一年，我们得到几个感悟：

1

只有服务行业最领先的企业、最专业的客户，才能磨砺出最强的团队和产品；华润、龙湖、万科、三井、大悦城等诸多专业的客户，都给了我们最高的要求也让我们有最大收获；

2

在发展中解决技术和数据沉淀，让客户的需求推着公司走，而不是盲目烧钱，盲目开发，闭门造车；

3

保持健康的自我造血机能，中商数据从成立就始终保持盈利，不受制于融资，更专注于业务有机发展；

4

能打仗、打胜仗是留住人才、发展人才最好的方式，虽然行业不断挖角，但中商数据能够打造这样有战斗力的队伍，最终还是靠打胜仗的成就感。

2018年转眼到来，多个新产品线的签约额在第4季度达到高峰，而很多坐拥海量数据的大数据公司却举步维艰。展望中商数据的未来，我们会进一步拓展商场管理平台系统、拓宽购物中心体检套餐和解决方案、同时加大数据库的开放性、拓展品牌商户的数据订阅服务。期待接下来我们有更充实的365天！

作者：周长青，中商数据CEO，中国商业地产大数据联盟秘书长

先看一个案例，在美国与英国开战期间，美军海军的死亡率是千分之九，而同期纽约的居民死亡率是千分之十六，于是有人发出号召，来参军吧，参军更安全；

不知道大家看见这个案例是否会有种莫名其妙的感觉，小编在看见之后，第一反应是，貌似似乎有点道理，但是潜意识感觉一定是有问题的，一下子说不出来，但是片刻过后，这简直是一个毫无逻辑的对比，因为当兵的都是年轻力壮的，其中千分之九的死亡率基本都是战死，而纽约的居民却是各种各样，有自然死亡，有老弱病残，有交通事故等等原因；

两个数据没有可对比性，也是我们今天所要说的数据分析中典型的案例，无对比不分析；

大家都知道不在一个频道上的数据分析，除了浪费时间，没有任何可参考价值的，那么今天我们一起来看下对比数据分析方法究竟要遵循哪些分析原则呢？

第一、对象一致。

例如现在火爆的自媒体一片报道中，《建筑工地民工月薪最高2万秒杀白领》一文，明显的问题就是偷梁换柱，用建筑工地最高工资去和一般白领去对比，显然对比对象不在一个水平线上，况且两个职业的工作环境和其他条件基本没有可对比性；

第二、时间属性一致。

两个公司商品人员在一起聊天，A商品说：我们今年的售罄不太乐观，现在才40%左右。B商品人员说我们的倒是还好点，有50%多了。如果不去细究其中，也许两个数据的对比30%和50%，的确是50大于40%，但是如果深究其中，才会发现，原来A商品说的季度售罄，B商品人员讲的是季末数字，显然两者的时间属性不在一个频道上。

第三、定义与计算方法一致。

我们用一个很典型的商品数据分析指标--单店齐码率来说明；大家都知道，齐码率的定义一般鞋服公司都是店铺的齐码的SKU去对比整体SKU的比例，但是小编在一家企业中发现，他们的齐码率定义的是SKU均深，也就是说如果一个SKU的单品库存是8，那么公司就称这个SKU的齐码率为8，显然，这种齐码率定义法与什么鞋服通常所说的齐码率定义是不一样；这就是最简单的定义不同的做法；另外，计算方法，还是齐码率，如果你的计算方式是连续四联码才称之为一个齐码，那么和连续三个齐码称之为齐码的店铺，最后计算除了的齐码率一定是不一样的，相信这个大家会很容易理解；所以在数据对比中，如果有涉及歧义或者需要备注的地方，一定要说明清楚，避免出现一些不必要的误判；

更多商品管理课程，识别下图二维码，全程视频教学+案例分享，最便捷的学习途径，资深行业老师手把手传授，助你成就职场升职加薪梦！

商品管理日子中遇到想骂娘的遭遇，猜猜你中枪几条

商品主推之“卖什么要什么”与 ”订什么卖什么”

前些日子，全球数据仓库技术专家Stephen Brobst在2018 Teradata全球用户大会上发表了名为《数据分析的未来》的演讲，他表示，未来“大数据”这个词或许会消失，取代它的是“全量数据”时代。

时代在转变，但有人依旧没迈开步伐

“在硅谷，要么你已经是一家数据公司，或者将来会成为一家数据公司，或者已经被彻底淘汰。因为大数据正在变革各个行业认识自己的方式。”

数据会直观地反映事实，企业或机构利用数据可以挖掘出自身还有关于市场的很多讯息，有了讯息才会有全面的了解和把握，才能做出更好的决策，而不是盲人摸象。

由此可见，数据是何等重要。挖掘数据的目的不在于数据本身，而是数据经过分析处理之后可以给企业和社会机构带来的价值。

简单举例而言，我们通过消费者的购买数据分析出购买习惯和偏好，从而指导我们如何改进产品和营销方式等，这就是一种挖掘数据产生价值的方式。

尽管这已经是从“大数据”走向“全量数据”的时代，但国内绝大多数企业仍旧处于数据裸奔的状态中，有的企业只是单纯统计、采集数据，将其视为一种指标，有的企业更是还不做数据收集。

这些企业普遍都认为，投资数据化管理、购置数据处理工具是很浪费的事情。

数据分析并不复杂，也不难执行

但事实上，数据处理工具其实很便宜，甚至只要你肯花心思，甚至可以做到免费，比如说现在很多企业都在使用的云表企业应用平台。

名字听起来很高大上，功能也确实如名字一般足够强大，但它在设计上兼顾了平民化、低门槛，每个企业都能用得起（甚至有免费版），重点还在于它的使用方式，会用Excel、会画表格就可以用它来实现各种场景下的数据管理需要。

数据就是资源，不做数据采集分析就是在浪费价值

拿云表举例而言，云表可以根据每个企业需要，搭建各种企业管理系统，不用编程，就能自主搭建各种类型的企业数据管理系统。

小到进销存，大到ERP、WMS等大型管理系统，传统软件工具都有的它都具备，工作流程流转、多用户协同办公、用户权限控制、BOM设计……

可以与第三方软件对接实现数据交互，也可以对接微信公众号和网站，更可以自动生成APP实现移动办公。

云表更具有强大的数据透视功能，可以根据需要对数据进行万能透视，也可以设计各种数据分析报表，销售统计分析报表、利润分析报表……等，你需要的报表，都可以随时生成。

而以上所列举的这些，如果不利用工具做数据采集分析，都不可能做到，也就等于是在浪费这些企业本应获得的价值。

工具是手段，解题才是目的

必须重申，工具终究只是工具，它是执行管理者管理思维的手段，所以作为管理者必须知道自己在做什么，而不是盲目地购买、布置。

对于这一点，云表公司常年开班免费教你怎么用，避免了添置工具却不会用、用不好反而效率下降的尴尬。

Stephen也指出，如何吸取和提炼系统的数据也很重要，如果没有总结能力和提取能力的话，换个新问题你还是不会做。

经过系统的学习，确实地掌握了工具的功能和逻辑之后，自然也能加深对数据的理解，让数据成为企业面对运营难题的解题依据。

————————————

数据对企业的好处不言而喻，一款好的数据分析工具对企业的作用不可估量。但却不要把企业数据分析想象的多么高大上，好用接地气的软件工具才是当前中国企业的最佳选择。

未来将属于能将数据转化为产能的企业，培养数据化管理意识，学会利用工具挖掘价值，才能在这个时代保持领先，你不这么认为吗？

大数据时代已经向我们走来，现代企业要想走得远，除了要看到经济的全球互联事实外，还必须看到商务经营管理的“大数据”联动与交互性。

毋庸讳言，大数据分析正成为各行业竞争新发展优势的关键变革点。有效整合结构化、半结构化与非结构化数据，分析发掘潜在价值，是大数据时代企业提升经营管理效率和自身竞争力的必经路径。

互联网商业模式的精髓就在于“互联为魂，用户为王，数据为源”。在大数据时代，用以分析的基础数据越完整，得出的结果就越可靠，企业也因此越能从中获取高价值信息，用以改善经营管理。比如小米电视的王川就说：“小米作为一家互联网公司，真正的核心是大数据，虽然我们没有想通过大数据怎么盈利，但是大数据有效的提升用户体验，能够通过大数据的分析来给用户精准的推荐好的内容，这就是我们想做的，而且正在不断精细化。其实对于大数据很多方面我们都有很大的潜力可以挖掘，目前刚刚开始。“

在大数据时代，具有前瞻战略性眼光的企业会清晰地认识到，经营管理的重心应当是具有“口碑”传播与“认知”传播价值的品牌的经营与管理。精明的企业会基于对自身品牌和品牌发展的需要，优先应用大数据管理，来把自己的品牌战略引向更高的层次。如下为某家居企业的品牌运营方案——

在大数据时代，先导的企业会更加善用大数据所形成的规模巨大与类型复杂的数据集来牵引自己的发展选择。顺应大数据时代发展的企业将更加注重由“碎片化”客户驱动的零售营销，将更加注重由客户差异化带出的“科技创新”服务需求，将更加注重对业界同行客户需求导出的“数据矿藏”的分析挖掘。本文将侧重谈一下这方面，在建立完用户的触点后，如何把用户的行为搜集并加以利用形成场景，从而抓住用户的心——

企业的数据来源包括：1，强销售类（比如保险业、各类电商）；2，互联网营销类。

如何采集数据——

       1，自身的网站、APP；（以下两图来自某电商内部培训资料）

2，外部商情、舆情数据：利用搜索爬虫（蜘蛛）搜集同行消费者反馈，尤其是各种吐槽痛点，从而针对性地改进自身产品转为相应优势引领营销热点；

比如某2B公司就给企业提供类似服务——

3，外部交换共建数据：例如在微信、微博等社交媒体上倾听用户声音，形成数据。

通过以上方式有效地采集数据并进行分析后，就可将过去“碎片化”的用户转成“程序化”模式，进而实行精准营销和提供推荐平台——

大数据时代已经来临，如何有效运用大数据己成为企业竞争的关键，企业管理者有必要开始将大数据纳入企业战略发展计划，否则在激烈的市场竞争中将很难走得更远。

数据是基于对客观事物的观察和了解之后得出的结果，有两种形式，一种是模拟数据，另一种是数字数据。模拟数据是一种连续的值，例如声音和图像等，而数字数据则比较离散，比如文字或是符号这一类的。随着互联网的发展进化，对数据的分析也越发重要，在企业的发展过程中，如果没有数据，我们所说的销售管理就都是“耍流氓”。

为什么这么说呢？数据，可以说明很多的问题。因为很多时候我们人的大脑在进行数据处理时都会下意识的记住有规律和对自己有利的东西，而某些比较细小而又不常见的规律则会被忽略，并且很多时候会受到许多环境的影响而让我们对眼前的东西造成某种错觉。但是数据是不会骗人的，它具有比较普遍的代表性，可以为我们的计划提供有力的线索。

当我们收集的数据具有一定真实性的时候，通过对数据的分析和解读，不仅可以找到事物内部的运行规律，还能通过这个规律找到我们平时看不到的隐性的问题，再针对这些问题找出合适的解决办法。

在做数据分析的时候一般需要有一个比较明确的目的和框架，当然EC的销售管理系统通过对员工和企业内部运作的智能记录，手机大量真实详细的数据进行分析，并且含有功能设置的功能，针对企业销售管理问题，能够有效帮助企业快速洞察销售团队自身的优势和短板。

我们平时处理数据的时候，很多情况下都是使用人脑，这样办公速率提不起来，很多时候还会被眼前的虚假蒙骗，不管是在分析还是在解决问题时都比较容易出错，若是有一个智能记录收集数据的系统，不仅能够快速办公，还能通过对数据的分析使企业达到一个成长的新高度。

“爱因天才”用EC曾经用2天时间，不花一分钱获得了3000多名客户；“汉唐集团”借助EC获得了工作效率提升30%，一个季度业绩提升50%的佳绩；通过EC运营客户，“中信银行”营业部不少员工在短时期内业绩提升一倍以上；“后河财富”应用EC之后，10天之内，历史性地完成330万业绩。当然，这样的案例还有很多，就不一一列举了。

数据的缺失或无法统计都会让企业经营者或管理者如同瞎子过马路，十分危险，EC通过有效数据针对性的解决问题，从而提升销售业绩，让企业的销售管理不再“耍流氓”。

题图来自视觉中国

【该栏目为丁香园创始人李天天在钛媒体开设的独家特约专栏，专注于对大健康行业趋势及技术创新的观察，每月更新。】

钛媒体注：在言必谈人工智能与大数据的当下，却很少能有人说清楚，大数据能在医疗领域如何落地。“大数据也好，小数据也好，黑猫白猫，能抓老鼠就是好猫。”在丁香园创始人李天天看来，没有数据的服务太低效，没有服务的数据无价值。丁香园有三大使命，其中之一是“打造数据驱动的服务平台”，丁香园是如何理解数据的？在实际业务中又是如何用数据驱动业务的？以下是李天天的分享，原文标题为《数据驱动的医疗服务探索》，钛媒体编辑略有删减。

在我这儿没有“大”，只是写了数据。首先丁香园现在全平台，每天产生的数据量，大概在1.5-2个TB之间，我也不确定这是不是大数据；第二，大数据也好，小数据也好，黑猫白猫，能抓老鼠就是好猫。所以我的题目是“数据驱动的医疗服务探索”，重点落在“服务”二字上。

丁香园起家于疾病，18年前丁香园是一个医生论坛，走到今天，覆盖了全中国70%以上的医生。但是我们发现，只服务医生是不够的，我们希望能够给医生提供最好的知识、最好的工具，帮助他们去治病，但是到了有病这个阶段，我们能不能再往前走一步，所以我们后面就把丁香园的愿景加了五个字，“让健康更多”，这也是丁香园从三年前开始面向消费者，面向大众去做的一系列探索的基础。

丁香园获取高质量医患数据的主要方式，简单讲就三条，对医生服务，对企业服务，对大众、患者的服务。

对医生服务是我们的老本行，一干干了18年，从2000年开始，我们就开始在网上建BBS。在丁香园上面医生的交流、分享、互动，为我们留下了大量的医生行为数据。

在医生的基础上，我们开始为企业端服务，包括制药企业，公立、民营医院，提供的服务包括学术推广、人才招聘等等，这些工作也为我们积累了大量数据。

最后一块是我们面向消费者和患者的服务，这块服务起始于2015年，我们做C端时间非常短，但是短短三年我们已经做到了微信科普端的第一名，目前暂列抖音第一名，有了丁香园医生的存在，抖音上面不只是“我们一起学猫叫”，上面也有丁香医生的一股清流。

数据可以干什么？简单讲就三个字，做决策。数据起的作用很多，测量、挑选、优化，这些工作帮助我们业务改进产品，评估效果如何，选择哪些渠道，怎么样筛选医生，怎么样去精准地定位目标客户，这些就是数据能帮我们做决策的功能。

有了这样的数据决策，我们在某种程度上可以把一些不确定性变成确定性，我到今天也不敢说有了数据我们就知道一切答案了，这是不可能的，同样的数据有不同的结论，不同的数据甚至也会证明同样的结论。在不同人的眼里，不同部门的功能里面，看到同样的数据，得出的结论是不一样的。

所以今天我们内部仍然有很多争论，对于如何做决策，还有很多地方搞不清楚。我只能说在某种程度上，数据可以帮助我们把决策的不确定性，转化成确定性。

数据来驱动服务，我们是这样来理解的数据跟服务的关系的，没有数据的服务就是传统服务，非常低效。而没有服务的数据，是缺乏商业价值的，缺乏变现的。

特别是最后一句话，没有服务的数据没价值，我知道可能做大数据的很多同事不认同这个观点，没关系，结尾处我给大家看三篇论文，看一下数据和服务是怎么相互呼应共同体现价值的。

今天我一共准备了5个案例，作为互联网医疗第一线的实践者，我希望把我们经历过的这些案例，能够跟各位分享。两个案例是面向B端的，面向企业，三个案例是直接面向C端的，面向医生和患者。

第一个分享的案例，就是数据来帮助我们对企业的服务，医生的行为在丁香园上面可以被抓取到，比如搜索的关键词，医生收藏、分享的内容。

我给大家分享一个非常有意思的小故事，你去问很多医生，他喜欢读什么样的内容？医生说我喜欢读四大医学期刊，可是当你真的费劲把四大医学期刊翻译出来以后，很多医生不看。他干什么？

他在朋友圈里面分享各种期刊、各种行业指南、各种专家共识、各种进展。医生分享的内容跟医生收藏的内容，是完全不同的两类内容。我们跑到后台看看医生收藏了什么内容，发现是抗生素的合理使用，手术的基本操作，而且不光是小医生收藏这些内容，很多高年层的医生收藏的也是这些内容。

所以从这个案例中，我们得到什么样的结论呢？医生分享出去的是证明给同行看“我很关注国际进展、我很有自己专业水平”，可是分享出去的东西他不会再看。

而医生每天要反复打开阅读的是他收藏的内容，就是这些基本功，临床的基础操作、抗生素的合理使用这些东西。所以不要被医生的简单问答、调研类的数据所迷惑，医生真正最喜欢的还是贴近临床的，有助于帮他提高临床的实践技能。

所以医生的使用性是非常明显的。我们通过这些数据分析，帮助制药企业来涉及在线的学术推广，帮助制药企业来挑选出他们的目标人群，并且在他们喜欢的时间段，在他们喜欢的渠道上进行投放，并且根据医生的行为，反复调整内容的表现形式。

同样的内容，有的就要视频来表现，有的要用图表来表现，有的用问答来表现，有的要在微信上看，有的要在PC端上看，有的要早上8点投放，有的要下午4点投放，为什么？背后都是因为医生的行为数据，我们可以进行分析。

第二个案例是大众的行为数据。我们在大众端起步时间比较短，到现在只有三年左右的时间。这三年中，我们冲到了医学科普和教育的第一线，在微信上我们在健康科普类排名第一，在微信整个2000多万个原创公众号里面，我们2017年的排行是第29名，进到了前30。

所以在这样一个大的背景下，我们整个科普教育平台产生了比较巨大的行业影响力，包括去年大家熟悉的莎普爱思的眼药水报道，包括今年的假疫苗报道，都有丁香医生背后的参与。在这端，我们也能够抓取到大众的阅读行为，通过这种行为，以及我们进行的市场分析的研究，我们为一些企业客户提供服务，这也是一个企业客户的案例。

康宝消毒柜和华帝洗碗机，我们看大众对这种消毒柜、洗碗机的认知是什么样，为什么对一个消毒柜的大众认同度高达94%，现状真正产生购买行为的20%都不到？

研究发现，对于中国大多数的居民，消毒概念意味着拿开水烫一下，拿沸水煮一下，特别是年轻的妈妈们。这种用户心理，导致了最后他不会把这种认知转化为真实的购买行为。只有你了解到这种区别在哪里，你才能够有针对性地设计这种营销方案，帮助企业把他的产品更好地推广到用户当中去。

第三个是我们面向大众服务的案例分享。为大众服务能做什么？其实能做很多，除了写文章之外，你还可以在线回答问题，所以有很多的平台，都会有这种在线问答的功能，我们对于在线问答有这样一个认知，中国绝大部分的医生，不具备在线问答、回答老百姓问题的能力。

很多人认为医生平时不就是看病人吗？他拿到网上不也可以看病吗？注意，我谈的不是看病，我今天谈的是服务。中国的医生，是没有服务意识的，我自己原来是神经内科医生，专看各种神经病，我被培训过如何在5分钟内搞定一个病人。

医生这个人群很聪明，所以他在网上回答问题的时候，会非常地机灵，哪怕是一个付费的问题，医生可以说“你的情况挺复杂，我这星期四出门诊，你来吧”，患者在网上没有得到任何的帮助。并不是越大牌的专家越会服务，恰恰相反，越大牌的专家越没有服务意识。

所以我们要挑选出好医生来，我们通过丁香园上的医生行为数据来建模，挑选好医生。到今天，这个数量也不多，几万人而已。

通过这种比价，我们进行了不同的数据模型、模拟、测试，最后挑选出来这预测的效果比较好，测定出来以后我们再一个个邀请，所以在今天丁香园上所有回答问题的医生没有开放注册，而是一对一邀请制的，理由很简单，大部分医生是没有互联网服务能力的。

第四个案例也是面向患者诊所运营数据，我们做了丁香园管家诊所运营管理系统，覆盖了几千家诊所，在这中间我们能看到哪些是真正的价值型诊所，哪些是“沙黄诊所”。

什么叫价值型诊所？遵循循证医学证据，以诊金制为代表，注重患者体验，不是靠卖药挂水去服务的。什么叫“沙黄诊所”，诊所在中间，左边是沙县小吃，右边是黄焖鸡米饭，这样的诊所，很多一部分是靠卖药、挂水，甚至一些奇怪的操作来保持生存的。

我能理解，我们今天不去指责他，我们去理解这个行业。但在这个过程中我们能看到哪些诊所是真正优质的诊所，所以我们把这些优质的价值型诊所组织起来变成诊所联盟，也不多，虽然我们的系统覆盖了几千家，可是真正挑选出来的价值型诊所，百家而已。

而我相信随着民营资本的涌入，随着医生多点执业的放开，随着国家政策的开放，会有越来越多的价值诊所。

最后一个数据是我们对糖尿病患者的服务，智能血糖仪采集血糖数据，血糖数据通过微信自动传到后台，我们今年服务的患者，到今年底应该会突破10万人。所有的后台服务跟进对患者的干预，都是基于患者的血糖数据以及定期的糖化血红蛋白的采集来制定。

我们发现，特别是中国的一些传统节假日临近的时候，患者的血糖都会出现剧烈的波动，最要命的三个节，端午、中秋、春节，这三个节日期间，糖尿病患者平时管理得不错，结果这三个星期基本上就会出现剧烈的波动了。我们也会根据这种数据的分析，适度地制定出干预措施来，提醒患者注意血糖、控制好饮食。

以上分享的五个案例，是我们用数据来驱动我们的医疗服务，无论是对患者、对医生，还是要制药企业，甚至包括对诊所这样的一些服务实际的分享。

分享过后，我还是想引用几篇论文呼应一下我前面提到的观点，没有数据的服务太低效，没有服务的数据无价值。

这篇文章，它的右上角是编号，感兴趣的同学可以回去查找原文读一下。这篇文章的设计思路很简单，给患者可穿戴的设备，包括监控心电和血糖。因为很多可穿戴设备是跟智能手机连接的，有一些入组患者会说我没有智能手机怎么办？这个实验给你发iPhone，他就是要研究最后的数据是不是真正对患者产生良好的影响。

经过六个月的临床实验，发现病人的体检指标、就诊次数、医疗服务的总花费，以及患者对疾病的认知，没有差异。

这是一个阴性的结果文章，为什么？因为他只给了设备、只采集了数据，没有任何的服务跟进，给患者发一个血糖仪和智能手机，回去也测，测完了怎么办？没办法，所以6个月的结果，对照组和干预组无差异。

那我们看看加入服务，会不会有变化？

这是发表在JAMA上的一篇文章，不光是给了设备，也给予了咨询、干预这样的远程服务，6个月后，再入院率无差异，死亡率无差异，生活质量有显著差异，我们终于看到一个阳性指标，可惜不是最关键的，最关键的还是再住院率跟死亡率，这里面出现什么问题呢？我已经给了数据，也有服务了，这不是应该有很好的结果吗？为什么这个案例没有呢？我们看看选择的病例是什么，心衰，心衰这个病太重了，不好管。

所以要挑好管、容易管、能管出效果的病来做，这也证明一个观点，移动医疗也好，互联网医疗也好，不是万能的，医疗有时移不动，我还是强调我五年前说过的一句话，对于一些危重的、疑难的甚至风险比较高的病，仅仅通过互联网的方式，不太容易做到。

我们再看第三篇论文，这又是一个临床实验，不但给了设备，不但给了服务，而且提到了用一种奖励的方式，你做得好我还给你奖励，你每天走了1万步我还给你6块钱，这样的一种方式去刺激患者。

可是我们看到6个月的结果之后，没有显著提升，用药的依从性和降低再住院率，表面上看又是阴性的结果，又是发表在JAMA这样的四大医学期刊里面，问题出在哪里？

我们回头仔细去看，发现人家的对照组，选的是社区管理，也就是拿远程的管理跟社区服务的管理去做对照，前面都是空白对照，而这个是跟社区的管理做对照。

那其实从我的解读来讲，我认为这篇文章是阳性结果的文章，为什么？跟一个社区的慢病管理已经很成熟的体系做对照，得到的结果是没有显著提升，至少也是有提升的，或者至少这个效果是接近的，只是没有更多的好过于传统的社区慢病管理模式。

所以我认为数据加服务，是能够在某些特定的病种，在某些特定的领域让患者受益的，特别是基础医疗，特别是常见的慢病，而非复杂的慢病。

我认为数据指导医疗服务的挑战，是数据的质量。据我观察，很多谈到海量数据、大数据的时候，更多的我们会想到医院体系、医疗体系，但是中国过去30年间，以药养医的政策，对于我们治疗数据造成了污染，我作为一个神经科的医生，我能够...

现在这个时代，互联网技术大发展，可以说有互联网就有爬虫，如今爬虫遍布各个角落，因为各种互联网企业相继创立，需要爬虫抓取的公司也越来越多。事实上，我们平时使用的各种搜索引擎，求其根本，就是一个个巨大的爬虫程序。

网络爬虫可以自动获取网页内容，是搜索引擎的一个重要组成部分，通俗一点说，爬虫的本质是采集程序，然后编写爬虫的人会设计采集规则和目的，爬虫是从一个初始地址开始，然后不断从新的地址中获取需要的信息，直到目的达到才会停止运行。其实可以毫不夸张的说，会编写爬虫程序会有很大的发展前景。

但是编写爬虫程序十分复杂，先不说后期的优化维护，单是前期编写程序好肥的时间和精力就数不胜数，而且现实中很多网站就只有站长一个人在运营，这种情况下，自己编写程序就显得不大现实，还有很多网站信息会有防爬设置，这样就对程序的要求更高。

太阳HTTP代理解决前期撰写程序的繁杂过程，而且，被抓取过的网页也会被贮存，进而进行一定的分析，以方便以后你的再次利用，无形之中提高你的工作效率，节省你的时间。

想要玩转大数据时代，手里没有数据你怎么玩？