大數據的關鍵思考︰行動╳多螢╳碎片化時代的商業智慧（增訂版）

新版序　我在阿里巴巴的六年

回顧我在阿里巴巴的六年，從經歷來說，是先負責支付寶，繼而負責淘寶，最終負責整個阿里巴巴集團的數據工作。實際上，這個過程同樣也是我對數據應用的一個歷程：第一階段，用數據；第二階段，養數據；第三階段，從看數據到用數據。

▋加入支付寶

在加入支付寶之前，業界都認可我是一個比較懂得用數據去設計、優化、疊代產品的產品長（CPO）。彼時我在支付寶，大膽地結合產品與數據分析部門，積累了不少經驗。

說起加入支付寶，其實有些偶然。當時，支付寶邀請我去分享如何用數據做產品。分享會之後，我去了華星大廈的一個會議室，裡面坐著Lucy（彭蕾，時任支付寶CEO）、Eric（井賢棟，時任螞蟻金融COO）。在那個會議室裡，他們問了我幾個如何能用好數據的問題。當時，我反問了Lucy一個問題：「你每天大概會看多少數據？」

「大概幾十個吧。」

「不對，你不應該一天看幾十個數據那麼多，我覺得你應該只看幾個數據就夠了。」

或許，他們已經不記得我提出的這個問題了，但是我卻記得非常清楚。因為在支付寶的兩年裡，這是我做數據產品時一直遵循的原則。

▋堅持數據產品化的理念

正式加入支付寶後，我面對的第一件事情，就是著手組建數據分析師團隊。2010年的支付寶，公司大部分業務團隊對數據團隊都不太滿意，而且高層對數據能產生的價值也沒有太多認識。而數據負責人的調職，也導致了支付寶的數據分析和數據技術部門被分開管理。

面對數據分析和數據技術團隊的目標不一致，加上業務部門對於為什麼要用數據及如何用好數據充滿疑問，甚至有人認為數據分析僅僅是門面工夫，所以數據技術團隊有時候會跟我的團隊「對著幹」，因為兩個團隊的老闆不是同一人，他們也沒有義務一定要支持我，所以甚至有時候會撇開我們，直接跟業務部門對接。

但是最後，我堅持的數據分析產品化路線終於得到了雙方的認同，數據技術團隊甚至還主動過來問我：「我們怎麼合作比較好？」所以那時，雙方的關係就從「對著幹」變成了「我們會全力支持你」。

終於有一天，Lucy走進我的辦公室跟我說：「你知道嗎？你們做的產品讓我覺得很爽，我很喜歡這個產品。」而當我在支付寶的第二個產品「地動儀」出來時，她對我說：「這就是我夢寐以求的數據產品。」

同事和老闆對結果的支持，讓我肯定自己在支付寶走這條路是對的。如果讓我總結這其中的精髓，我的祕訣就是──數據分析也要講求使用者體驗。

簡單來說就是，別說是數據產品，哪怕一份小小的數據報告，我們都必須要知道以下五個問題：

●　這是什麼問題？

●　這是誰的問題？

●　這個問題現在必須馬上解決嗎？

●　這個問題我們能解決嗎？

●　我們有足夠的數據來解決嗎？



▋把報告當成產品來做

當我「苛刻」地提出「把月度經營報告當成產品來做，目的是讓這份報告像iPhone一樣好用」的要求時，整個團隊都傻了：報告怎麼能像產品一樣！那麼，為什麼數據報告不能做到行雲流水，讓人看得很爽快呢？

所以，我是這麼要求的：首先，報告的前三頁一定要吸引人，讓人有欲望繼續看下去；其次，當別人看到一個數據，心裡在猜測數據背後的各種原因時，我的下一頁報告就要解答他心中的疑問。

因此，如果要用產品管理的理念來運行分析團隊的話，必須要問「問題是什麼」，並以此作為切入點。接著，解決用戶的問題，得到用戶的信任，然後就可以做更多的好產品。這是一套做產品的理念，因為產品需要不斷疊代，並非一勞永逸。

那麼，我怎麼評估報告是否成功呢？簡單來說，如果一份月度經營報告僅僅五分鐘就被pass掉了，那它肯定是不成功的。

我在支付寶，幾乎每次月度報告都會讓管理層討論三、四個小時，一份數據報告居然會成為管理層的討論焦點，每次都有很多高層管理者關注我在講什麼，這時，我就知道自己肯定成功了。

當然，我同時也會提醒分析師們，千萬別以為靠一份報告就可以解決所有事情，一定要讓業務部門認為這份業務報告是大家一起探索的，這是我管理團隊的一個基本理念。

▋管理團隊、推動理念的祕訣

總之，數據產品化的理念最終得到了Lucy及其他高層管理者，以及團隊和同事們的認可。那麼，針對這個理念，我是如何在團隊內一步步推動的呢？

首先，我讓團隊做好基礎服務——「白米飯」。為什麼叫白米飯？ 因為對人來說，要是飯不夠就會出大問題。對公司來說，如果數據基礎服務滿足不了使用者，他們就會跳起來，那時候再高大上的報告也沒用。所以，我要求分析團隊一定要跟業務部門達成共識，知道什麼東西如果我們不提供給他們，結果會很嚴重。

但是，長期做「白米飯」的分析部門是沒有前途的，所以其次，我抽出團隊一部分人成立了「突擊隊」。每當我聽到管理層對數據的需求時，就把資訊帶到團隊，讓團隊成立兩、三支「突擊隊」，讓管理層用到有用的、合適的，以及帶有探索性的內容。把自己最精銳的部隊放在「突擊隊」裡，這個決定非常重要。

值得注意的是，成立「突擊隊」有一個前提，那就是必須要有人能接觸到最高管理層的資訊通道，否則無法得到高層的資訊。而這個角色就是我，我接觸最高管理團隊，並且把資訊輸送給「突擊隊」。

以「白米飯」和「突擊隊」為基礎，最後一步，我們開始沉澱數據分析的框架。為什麼數據分析框架如此重要？因為它是數據產品的養分。我用建立數據產品為目標的理念來經營數據團隊，而數據分析框架，才是給數據產品養分的關鍵點。

在支付寶時，基於Lucy和Eric對我的支持，數據產品都是自上而下推行。我先做了「觀星台」，這是一個給高階管理者的數據儀表板工具，然後做了「地動儀」，一個給中階管理者的數據產品，接著還有「客服360」等。

所有這些數據產品，都是從數據分析框中提煉出來的。把分析的理念和框架，變成數據產品，本質上是數據一般化的過程。這個過程非常重要，因為數據報告的需求會越來越多，如果不這麼做，分析團隊將永遠被冗雜和重複的工作所困。

▋不讓當前的技術，限制未來的產品

在這期間，我們也做過一個改變。因為「觀星台」和「地動儀」還是傳統的分析工具，只不過讓你有更好的「眼睛」，看到更好的數據。用我一直強調的理念來講，這屬於描述性的報告，用於描述一家公司今天做得怎麼樣。但由於我們有了分析框架，可能稍微會帶一點診斷性。所以，這種產品主要還是描述性產品，偶爾會做一些診斷，但還未達到探索預測的狀態。

在這個看法的基礎上，我有了個新想法，想法的靈感源於Facebook。當時Facebook已經積極發展探索性的數據產品，視覺化及交互功能已經非常靈活。探索和靜態報告的區別在於，使用者可以選擇自己的角度靈活地看數據，真正做到「逛」數據。

因此，我們創造了一個產品叫「黃金策」，可以讓使用者很輕鬆地在三秒鐘內，就看到在不同標籤下用戶購物行為的異同。比如，30～35歲的上海女性，擁有一張信用卡和多張信用卡的兩個不同群體，看她們的購買行為有什麼不一樣；或者，看廣東和上海的女性在購物表現上有什麼不一樣。使用者可以非常輕鬆地比較不同用戶群的購物表現，所以我認為，好的數據產品應該是可以激發使用者靈感的。

在做「黃金策」這個產品的過程中，讓我深有感觸的是，數據產業的人，很容易讓技術制約產品的發展。當我提出做「黃金策」時，大部分技術工程師都斷言，三秒鐘就要有結果是不可能的。因為以前類似的靈活配置的報告，一般都不能做到即時查詢，如果要快速產出的話，只能找分析師。即便如此，也可能因為資源排期等原因等待很久。

當時只有一個人站出來說「我可以幫你搞定三秒鐘」，這個人就是蔣傑（現任騰訊數據中心總經理）。於是很自然地，我就跟蔣傑一起合作了這個專案，並且成了好朋友。後來，蔣傑很出色地幫我完成了這個專案。所以我覺得，做技術的人，不應該讓當前的技術和思維，限制未來的產品。

就使用者體驗來說，使用者之所以不使用我們的產品，其中一個很重要的原因是，沒有人願意耗時太久等一份報告。因為當報告出來之後，他的問題可能早已經解決了。試想，在做決定時，拍一下腦袋只需兩分鐘，但等一份報告要兩個星期，而且報告的結果還不一定能幫上他，你說，他會選拍腦袋還是等報告？所以，這也是我們產品人的理念：到底怎樣才能解決使用者的問題？而這也是產品人和數據人不一樣的地方。

▋淘寶的挑戰

有一天，Lucy把我叫過去說：「現在淘寶很需要你，淘寶的數據體系需要你去整理。」那是2012年底，也是我在支付寶的黃金時代，就這樣，我來到了淘寶，開始了我在阿里巴巴後四年的時期。

淘寶前兩年的經歷非常豐富，每每回想起來都像過去了十年，我的白髮基本上也都是在這段時間長出來的。

從支付寶來到淘寶，意味著我要重新打一仗。由於我已經在支付寶打了一場勝仗，所以可以照搬很多頂層設計到淘寶使用，但我也不能完全照搬，因為淘寶使用的頂層設計有些跟支付寶一樣，有些卻完全不一樣。

淘寶跟支付寶相比其實要複雜得多。淘寶本身是個自下而上的組織，是個極其複雜的生態圈。有趣的是，當我來到淘寶時，面對的情況恍如回到了入職支付寶時的情形：團隊的人差不多都走光了，我感覺就像踏上了一塊杳無人煙的新大陸——分析師只剩下幾個人，而且我被告知這幾個人還會陸續離開。

面對這一切，我做了一個今天回想起來仍然覺得很勇敢的決定：我說我不會帶支付寶的一兵一卒過來。所以說，我在支付寶組建了一個完整的團隊，然後在淘寶又重新組建了一支全新的團隊。這段經歷其實讓我很痛苦，但也是極為珍貴的人生經歷。

當時，淘寶的數據技術團隊很亂，而且是累積多年的亂，所以，要整理淘寶的數據體系，只用頂層設計和數據產品的方法做，肯定是行不通的。

當我發現自上而下的方法不行之後，我就逐步去做更多能發現問題的數據產品。總體來說，還是堅持數據一般化的方向。在淘寶這樣自下而上的組織，這相對來說比較容易，因為權力已經下放給每個小二（工作人員），在需要數據幫他們做決策時，讓他們每個人都用數據產品，比在支付寶時期其實更容易。反而因為數據非常零散，要做好一個數據產品，知道如何化繁為簡更重要。因為雖然有資源，但使用資源的人也很多。

值得一提的是，我們當時做了一個非常重要的決定，就是行動終端。那時候，很多淘寶的消費者都開始使用智慧型手機，我就決定，我們一定要做行動版的阿里數據App。「淘數據」這個電腦版產品在我來淘寶之前就已經存在，只是一直不溫不火，不是沒人使用，而是產品的使用者體驗不好。因此，當我們用行動版取代電腦版之後，發現很多高階管理者及中階管理者一下子變成了午夜常客，我就知道自己的決定是對的。

此外還有一件事，那就是數據服務，當時需求也已經顯現出來。因為我們這個部門承擔的責任不僅是數據分析，還有數據底層的搭建。雖然我的業務分析團隊當時只服務淘寶，但是數據技術團隊要服務天貓、淘寶、聚划算等多個業務部門。這需要我們在數據服務上分幾個層面去做：一是除了淘寶之外，天貓、聚划算事業部的數據產品，我們也幫他們做了；二是我只建數據中間層，別的部門可以用我們的數據中間層來建他們的數據產品；三是提供數據服務，我用早期的數據服務方式把數據輸出給其他部門使用。這就是我在淘寶前期的情況，上半身（分析師）是淘寶，下半身（數據底層）是集團。

▋啟動阿里巴巴大數據

進入阿里集團的這幾年裡，大部分業務部門的分析師都歸我管理，同時，數據平台和技術底層也都在我這邊，所以我的業務就演變成了集團數據技術及產品部，內部叫DT（Data Technology）。

回想淘寶時期，我一直覺得，如果我能早點整合數據底層團隊，收穫會更大。整合數據要花的力氣往往跟數據的離散、不規範、各自為政很有關係。有時，白紙一張重新開始，比起消耗大量時間在處理老問題要簡單得多。

而對於我們整個DT部門，這時候有兩個新的使命：一是做對外的數據產品，即生意參謀，同時也逐步把集團中其他對外數據產品，例如「數據魔方」及「量子報告」等，綜合到生意參謀上；二是建立數據公共層，這是結合集團各業務群的共用資源而成的數據服務，希望可以成為內部的DaaS（Data as a Service，數據即服務）模型。

數據公共層的起緣，是因為當時集團各個部門建了很多自己的數據「煙囪」，重複建設嚴重，導致數據的存儲、加工等資源嚴重浪費。怎麼把各個「煙囪」中的數據分為專有和公有，並且把公有的數據放在數據公共層，這是我在這段時間內耗費精力最多的事情。在我眼裡，這個數據公共層也是我認為在大數據中最重要的東西，我也在其中學到了很多經驗。

前面提到的那些應用，我們都可以稱之為「數據」，而這時才是「大數據」。「大數據」的意義就在連結，數據公共層就是跨業務群的精華，讓所有人都能利用其他人的數據冗餘，這時，「大數據」才算做了起來。

我這麼說，不是說我們以前沒有數據共用，而是從前都是零散和沒有計畫地分享及同步數據，有點小打小鬧。到了正式建立數據公共層的時候，才有人去整合全集團的所有數據，把它當成一個數據資產共建來看待。所以，數據公共層後來就被CEO定義為公司唯一的數據資產收集與加工部門。

▋打通數據循環

在淘寶的幾年生涯裡，有個非常重要的專案讓我永遠難忘。

有一年，馬雲要我們把聚划算自動化，在我眼裡，其實這就等同於商業版的無人駕駛技術，因為，要把這個部門的品類規畫、選品、定價等流程自動化，讓機器決定什麼產品哪天上架。它要求整個過程中的決策都要自動化，而沒有人參與其中，這對我們數據的收集、加工、提煉等整個鏈條的能力都提出了非常大的考驗。

而且，這個專案也是真正實驗如何在業務營運中，使數據技術成為主幹的一步。數據能力、演算法，要完全融入業務流程當中，每個環節中的數據回流等，都將成為循環的一部分。

好在，這時我們部門已經是一個具備全方位能力，能夠覆蓋數據的準備、加工、收集、分析、整合到使用整個鏈條的部門了，而且我的數據科學團隊也開始參與集團中很多不同業務的專案，甚至連交通這樣的政府專案都有涵蓋。

對於這段時間的經歷，我想說，我很榮幸，能夠用我的白髮換來親身經歷一場人機大戰的故事，讓我可以在過去三年中接觸到這麼多數據，甚至整個數據鏈，最終我實現了數據應用的循環。要做好數據，我們首先要在數據使用的循環中，讓數據越來越容易使用，同時在數據準備的循環中，讓製作數據的成本越來越低。

在這個循環系統中，虛線以上，使用者能很簡單地使用，虛線以下，是讓數據製作變得更快、更自動化。如何讓多種、多樣、多變的數據原料，可以快速、靈活地重組，並且相對穩定，使數據產生價值，這是做數據基礎建設天天都要去想的問題。

這就是「存、管、用」和「混、通、曬」。「存、管、用」就是用技術而不是人工方法，去做資產或原料管理。怎樣評估是不是做得好呢？得看數據有沒有、細不細、全不全、穩不穩、快不快。所以，一旦把數據管理好了，我們就會很快、很靈活地做出數據，並且在使用的時候產生很大的價值，到底我們提煉到的會是垃圾還是黃金，就取決於此。

以往，用數據要「混、通、曬」，養數據要「存、管、用」，經歷了支付寶和阿里集團的六年後，我覺得以上每一個環節都已經出現很多創新，比如，感知技術的創新，讓數據收集層面多姿多彩；存儲的格式會更適合數據的靈活調動；人工智慧除了直接服務於產品外，還可以增加數據的識別度；大家都已經意識到，數據的互聯互通及品質保證，是數據科技的基礎。

▋我看數據科學

在2010年底，我就意識到大數據的出現，所以當時就跟Lucy提出，支付寶要有一些數據科學的人才儲備。但可惜的是，我雖然感覺到了新時代即將來臨，卻未能正確地指出機器學習的趨勢，所以沒有大力引進。

而到了淘寶後，我是第一個在管理層力推大量招聘數據科學家的人，當時還有其他高層質疑我的做法。但在當時淘寶總裁的大力支持下，我終於如願。記得我招到第一位數據科學家後，我們每週都會在我的辦公室約談，用非技術語言聊數據科學家是做什麼的，以便很快地加深我對數據科學的理解。

傳統的數據科學家常常是博士或博士後，研究的方向是機器學習。數據科學家的出現，其實是個演變的過程，幾年前，企業的數據應用都是看得多、用得少，不夠直接，也很少涉及機器學習、演算法等領域。

從數據科學家加入的那天開始，我就認為他們是不可或缺的，他們的工作不是今天的數據分析師和數據挖掘工程師做得了的。雖然數據分析團隊中也有數據挖掘的人，但數據科學和數據挖掘是有區別的。

我認為，合格的數據科學家應該具備產品意識，為了解決問題，會更偏重於找到問題的原因，然後找出最好的方法來解決它。所以可以說，區別就在「科學」這兩個字。

數據科學是科學，不是工程。工程追求效率，科學追求真理。如果數據科學家做得太過實作，就會變成數據挖掘工程師；如果他「飄」在空中，將無法在企業中生存。企業想要找到既能上天，也能落地的數據科學家很難。在我眼裡，一個企業如果有這樣的人，就像三國時期劉備有了關羽。但可惜的是，這世上關羽少之又少。

在這種情況下，企業應該把事情分為長、中、短線來看。頂層設計要清楚，讓數據科學家做一些比較有難度的事情，讓能落地打仗的工程師去做落地的事情。這兩者如果沒有好好區分，他們之間就會「打架」，這樣企業耗不起。此外，從企業環境來說，一家公司到底有沒有科學精神，也會非常影響數據科學人才的落地。

經歷過對數據科學的理解後，回想我在支付寶做的最後一個產品「黃金策」，如果今天讓我重新做這個產品，我不會用以前的方法，因為今天的技術和過去的技術已經不一樣了。

「黃金策」給人的感覺是可以發現很多東西，但同時，能發現的東西也是有局限的。雖然有六百個或八百個用戶變量讓你自己組合，但數量還是只有這樣，能不能有六千個或八千個呢？從今天的技術來講，用深度學習的方法，有些環節機器會做得比人更好。

六年來，我所做的工作都是從人的經驗提出一個假設，然後用數據來證明哪個假設更有可能。到今天為止，由數據來告訴我們新的發現，還是少數情況。但數據帶來的這些少數新發現，是人類以前的邏輯中所沒有的。換句話說，數據重組了這個世界的「可能」。

這是人類為什麼要花很多資源去做大數據的原因所在，因為人類的思考是有局限的，但運用集體智慧，用深度學習的方法來找出人類提不出來的假設，然後透過人機協作，找出未來的新世界、新智慧，這就是數據科學要走的路。

數據科學如果不是每天都在進步，每天都不滿於今天的狀態，去PK以前的理論，就不是數據科學，而是死工程。

數據科學每天都在突破以前的理論，因為以前的理論只能解決某個點，以前的頂層設計只適合以前的情況，未來的頂層設計怎麼樣，需要我們不斷去探索，而科學，就是探索。

新版序　我在阿里巴巴的六年

回顧我在阿里巴巴的六年，從經歷來說，是先負責支付寶，繼而負責淘寶，最終負責整個阿里巴巴集團的數據工作。實際上，這個過程同樣也是我對數據應用的一個歷程：第一階段，用數據；第二階段，養數據；第三階段，從看數據到用數據。

▋加入支付寶

在加入支付寶之前，業界都認可我是一個比較懂得用數據去設計、優化、疊代產品的產品長（CPO）。彼時我在支付寶，大膽地結合產品與數據分析部門，積累了不少經驗。

說起加入支付寶，其實有些偶然。當時，支付寶邀請我去分享如何用數據做產品。分享會之後，我去了...

【推薦序一】

培養數據思維，找到全新的藍海

文／程九如│ AppWorks 合夥人

蝙蝠可以在昏暗的叢林中快速飛行及獵食，靠的是對情報的理解與運用，而不是靠有限的視野或過往的記憶。具備數據思維與能力的組織，可以透過對數據的收集、分析、探索與運用，在數據的維度中找到全新的藍海，有效掌握產業趨勢，並打造優勢的立基。

組織想要具備數據思維與能力，整體必須經歷一番蛻變的歷程，才有可能在整體的認知、行為、能力、思維，甚至文化上，獲得徹底的翻新。

作者以親身的經歷清楚地點出了組織蛻變的關鍵步驟與心法，並分享了如何循序漸進地在潛移默化中引導並推動組織整體的數據化轉型與升級，且最終獲得了豐碩的成果。

對事的書我看的是技術，對人的書我看的是藝術，這本著作在每個章節裡都交融著技術與藝術，好不精彩，值得所有重視數位經濟的企管夥伴們細細品味。

【推薦序二】

以人為本，探究用戶的真實需求

文／鄭緯筌│「 寫作力」與「內容駭客」網站創辦人

自從離開媒體與網路產業之後，我便以企業顧問、職業講師和專欄作者的身分行走江湖，儘管工作忙碌，卻不以為忤。因為工作的緣故，每天接觸的資訊龐雜而眾多，要看的報告更動輒超過二位數，但我卻安之如飴，也已經習慣了與數據為伍的生活。

曾有寫作班的學生說我是「念理工科的寫作大神」，其實，自己雖然一開始在專科時代讀的是電子工程，在碩士階段讀的是工業工程，但我也喜歡嘗試跨領域學習，所以包括傳播、文創和商管，都在涉獵的範疇之中。這些歷練不但讓我增廣見聞，也培養了宏觀的視野，在面對大數據的時候能夠更有系統和章法。

讓我們把焦點回到這本書《大數據的關鍵思考（增訂版）》。還記得不久前，大數據還是一個熱門的關鍵字，如今卻已經百花齊放。大家都知道大數據可能很重要，卻很少有人弄得清楚要如何運用數據的力量，來解決人們在工作與生活面向的各種問題。



作者車品覺告訴我們，大數據雖然聽起來酷炫，但並非萬能。想知道問題能否憑藉數據的解讀來解決，首先必須思考五件事以定義需要解決的問題，包括：這是什麼問題？誰的問題？這個問題是由我們來解決嗎？需要現在解決嗎？資料能夠解決嗎？唯有當這五個問題的答案都是肯定的時候，或許就是當下可以靠資料解決的問題了。

如果未能事先定義問題的範疇，就不知道各種騰空出世的應用該如何衡量其成效。所以，想讓大數據發揮效用的話，首先必須清楚地定義問題，換句話說，就是追尋從知道到不知道的過程。

他認為，企業界能夠運用數據解決的問題，基本上都是圍繞著商業公式與商業價值打轉。好比新近在成長駭客領域相當受到大眾關注的議題，像是：如何用更低廉的成本攬客？如何留住客戶？如何擬定價格策略？看起來雖然千頭萬緒，但其實都能夠透過大數據的演繹來找到答案。

一如他在書中所提到的重點，大數據的本質，首重還原用戶的真實需求。在這個數位科技日新月異的年代，從事數據分析仍需以人為本，講求使用者體驗。大數據的應用開始變得多元，我們更應該審時度勢，用更開闊的胸襟與視野去迎接大數據的年代。話說回來，既不能讓當前的技術限制未來產品的發展，也不可只看重數據的力量，而忽略了人的溫度與本質。

我永遠記得第一次拜讀車老師的大作時，除了佩服他的技術本色，也為他的浪漫情懷所折服。這回，很高興有機會再跟各位讀者朋友們推薦車老師這本大作的增訂版。如果您對大數據有興趣的話，請不要錯過了這本書──要知道，好書往往經得起時代的淘洗，車老師的這本代表作就是最好的例證之一。

【推薦序一】

培養數據思維，找到全新的藍海

文／程九如│ AppWorks 合夥人

蝙蝠可以在昏暗的叢林中快速飛行及獵食，靠的是對情報的理解與運用，而不是靠有限的視野或過往的記憶。具備數據思維與能力的組織，可以透過對數據的收集、分析、探索與運用，在數據的維度中找到全新的藍海，有效掌握產業趨勢，並打造優勢的立基。

組織想要具備數據思維與能力，整體必須經歷一番蛻變的歷程，才有可能在整體的認知、行為、能力、思維，甚至文化上，獲得徹底的翻新。

作者以親身的經歷清楚地點出了組織蛻變的關鍵步驟與心法，並分享了如何循序...

各界好評
推薦序　培養數據思維，找到全新的藍海　／程九如
推薦序　以人為本，探究用戶的真實需求　／鄭緯筌
增訂版序　我在阿里巴巴的六年
前言　忘掉大數據

PART 1──從「數據化營運」到「營運數據」

▍1　大數據，很多人只會談、不會做
大數據從來不是免費的午餐／斷層是最大問題／數據從何而來？／數據需要更主動的管理和創新／│關鍵思考│問題就是答案

▍2　大數據的本質──還原用戶的真實需求
識別身分，串連散落的行為數據／企業價值VS.客戶價值／你知道當時所有的情境嗎？／數據的價值，來自情境的還原／為未來的數據大戰做好準備／│關鍵思考│CEO關心哪三個數據？

▍3　「活」的數據，才是大數據
抓住相關性，靈活收集數據／結合情境，動態使用數據／別再死盯著投資報酬率／│關鍵思考│別再做「碰巧遊戲」

▍4　行動數據，大數據的顛覆者
行動數據帶來的「噪音」／電腦數據與行動數據的關係／多螢思維下的電子商務／│關鍵思考│樣本的偏見

▍5　數據分類與數據價值──找出你的核心數據
數據分類為什麼重要？／數據分類的四大面向／數據的五大價值／│關鍵思考│用傻瓜的視角去觀察

▍6　從「用」數據到「養」數據
數據收集要有目的性／數據應用講求小而美／把數據放進框架中／如何用框架做決策？／養數據──重要的數據戰略／│關鍵思考│遠離Yes／No選擇

▍7　數據的盲點與負面數據的力量
數據收集的物裡盲點／數據收集的邏輯盲點／人為製造的盲點／善用小偷思維／負面數據的價值／當心經驗也會成為盲點／│關鍵思考│為什麼數據會騙人？教你區分謊言

PART 2──阿里巴巴的大數據祕密

▍8　阿里巴巴的大數據實踐
落實大數據的方法／假設數據是穩定的／假設數據是可獲取的／建立大數據創新循環／│關鍵思考│先開槍，後瞄準

▍9　混、通、曬──阿里巴巴的數據化營運三訣竅
「混」出數據／打「通」混出來的數據／將經過混和通的數據「曬」出去／用數據解答業務的好壞／用數據提升業務／用數據發現機會／用數據創造新的商業價值／│關鍵思考│思考，要學會關窗口

▍10　存、管、用──阿里巴巴的營運數據三絕招
存：數據收集的開始／管：保護好存儲的數據／用：從收集數據到管理數據／如何建立用戶標籤？／如何有效應用標籤？／│關鍵思考│用化骨綿掌解決本質問題

▍11　大數據，未來商業的利器
假設數據是髒的／學會盤點數據／數據的標籤化管理／數據和數據之間的關係才是重點／數據的即時化處理／未來是人機的結合體／│關鍵思考│忽略了趨勢，過去的價值一文不值

PART 3──沒有數據，就沒有未來

▍12　未來趨勢蘊於數據之中
用大數據預測趨勢，創造商機／物聯網，催生創新金融產品／以精算模型預測人類行為／以大數據因應「不測風雲」／以大數據解讀人心／思維的開拓，是利用大數據的關鍵／未來，人人都是數據分析師／│關鍵思考│大數據生態正走向平民化

▍13　未來洞察力，才是核心競爭力
大數據變革在於數據本身／用數據治理數據／在大數據風暴中取得發展的指南針／│關鍵思考│讓數據透過產品「說話」

▍14　大數據的近未來
變，是唯一的不變／跳脫惰性的乘法思維／抓住趨勢中的觀戰重點／金融業與保險業的機會／醫療產業的機會／零售業的機會／│關鍵思考│走出大數據和小數據的迷思

結語　開啟屬於你的個人大數據管理
後記　像李小龍格鬥般思考
附錄　回應台灣讀者的問題
致謝　在修行路上，不要單打獨鬥

各界好評 ...