很高兴有这个机会和大家分享，今天因为是行业协会的会议，所以同我最初对于演讲的构想就是我想和大家分享一下零点在大数据方面的一些探索，以及零点的一些转变以及我们对于大数据的一些看法，希望我们抛个砖，在座各位同行业的朋友有一些启发或者有一些新的想法。

我先做一个关于零点有数的介绍，做一个广告。多少应该都知道零点调查，我们成立于1992年，最早成立的是零点调查公司，在2010年左右的时间，其实是2000年左右的时间，成立了零点策略公司，专门做咨询类的业务，当时成立咨询类的业务主要原因是说客户提出来调查完的数据怎么分析怎么用到具体的工作当中，怎么样用到决策当中，所以我们成立策略公司，但是现在我们看到公司名字已经改变了，不叫零点研究咨询集团，名字改成了零点有数科技有限公司，未来的发展方向是往大数据方向发展，这本质上也是源于我们在过去的一年两年和客户的接触中间，会经常遇到客户问我们一个问题，你们做完了市场调查以后，我们这里有一堆数据，你们帮我们一起分析一下一起看一下，是不是能出不同的结果，直接指导我更具体的工作。因此我们在今年我们会把这样的需求作为我们未来的企业发展方向。

在具体的业务是从今年开始，从去年开始对于大数据和传统业务的关系进行了内部的探讨，毕竟是说我们是从传统的市场研究公司向大数据公司转型，我们发现实际上对于企业来说需要做决策的地方无非是三个大的方向，企业战略、运营管理、市场销售，其实从战略是咨询公司提供服务，运营是运营服务公司提供服务，市场销售既有咨询公司也有广告公司，还有我们这样一些市场研究调查公司提供服务。我们发现实际上数据本身对于这些决策本身是起到了一个很重要的支持作用，我们原来的数据更多的偏向于称之为精数据，包括需求的数据，这些来自传统的研究，也有一些交互数据，交互数据可能来自于一些意见领袖，我们把他们放在一个社群里面和他们沟通我们做产品的开发，做服务的开发。有了数据和交互数据以后，大数据本身也可以用来做企业决策提供很多信息，我们这幅图用了一个企业中间不含产生开发的应用上面大数据和精数据的应用，大数据很多时候是讲原来有一个产品，目前在市场上卖的怎么样，会产生大量的交易数据，如果同汽车行业来看，从大数据角度来说，最近汽车之家也发了这样一些文章，SUV未来的趋势等等这些文章，都是基于大数据的，我们会同宏观上知道行业里面的发展趋势，这是大数据在产品开发的应用。对于很多国内汽车品，可能很难在各个层面和竞争对手进行竞争，因为我们外资的汽车品牌有很成熟的产品研发体系，但是如果说我们能够在一些满足客户心理需求的要素上面进行发力，能够做好的产品出来，往往可以给他们带来很大的价值，这就是需求数据。

举个例子来说，福田以前是搞拖拉机的，有一年开始做卡车，当年我们做了一个市场研究项目，其实最终的建议，把卡车漆成白色的，那个车福田从拖拉机公司变成了卡车公司。交互数据现在在一些智能产品上用的非常多，比如说小米，通过和粉丝的交互获得很多产品改进的建议，未来企业不仅仅会需要我们传统的研究数据，也需要大数据，但是大数据不会替代传统的数据，我们做了大数据尝试以后，我们对大数据还是有一点感觉的，大数据在描述现状方面非常有用的，可能是传统数据的一个非常薄弱的一个环节，对于一个宏观，比如说商圈这块，大数据对于商圈人流消费力会产生很多传统调研很难获得的数据。

所以大数据我觉得应用的首先是一个现状，但是现状本身可能并不是一个企业做决策的要点，企业需要的是关键信息，称之为信号，我记得前几年我去参观远大集团，远大集团是做中央空调的，以分钟为单位向长沙传输目前的信息，有些可能区域里面温度的情况是怎样的，比如说要控制的温度是26度，比如说控制的湿度是60%—40%，有终端感应器，也有设备内的感应器不断向长沙传递信息，但是呈现出来的结果是可能是哪里出现了问题，所以我们当时聊的时候，会告诉我们永远比客户早一步知道可能哪里要出问题了，当客户出问题的时候，我们的支援团队可能已经在现场了，所以从这一点上来讲，大数据本身描述了现象以后，要给客户提供很多决策信号，这是大数据的第一个应用，第二个应用是获取趋势，身边有一个最大的数据，就是我们的股市，由无数的交易数据整合起来，在股市这个方面有很多信号，有很多分析工具把我们的一系列的信号或者说把我们一系列的数据整合起来以后，我们给客户提供更好的关于预测方面的信号，比如说我们有一个理论是说，如果下穿过六十日均线可能出现死亡交叉，这对于我们是一个很好的卖出点，这个预测本身来说也是大数据非常重要的应用。

第三个是营销，刚才沈老师也讲了，其实大数据和我们传统研究有比较不同的地方，传统研究通常做完以后是一个群体，比如我们如果给房地产公司做项目，我们告诉他们你可能这一个区域里面未来买房是什么什么样的群体，比如说是小康家庭，三口之家小孩七岁以后最适合这个区域刚刚是工作人群最适合这个区域，但是不同的是说，现在不仅仅可以告诉我们的客户哪一群人会买这样的房子，甚至通过数据分析，通过建模分析，这背后是和我们传统市场调研行业的一些规范也是不太一致的。

前面已经讲了其实大数据有很大的作用，能够描述现状预测未来，同时又能营销，但是大数据不能替代传统研究的，这个可以从几个角度，我们的感受来讲，从三个方面来讲，第一个是大数据往往解决是什么的问题，非常难解决为什么的问题，这个是大数据本身可能比较难以回答的一个问题，当然我们有些数据处理完了以后，能从一定的角度描述为什么，但是大多数情况下要描述为什么是非常困难的，这是大数据可能本身有这样的缺陷。

第二个大数据本身数据非常海量，我们要找到关键变量的话实际上非常困难，甚至说一些有意义的发现，可能不是高频次出现的，可能在长尾里面，这个就是如果说没有对一个行业有一定的深入的理解，你没有对一个行业有非常好的敏感性的话，其实做大数据的时候，可能会非常困难，但是我们的传统研究反而对于你了解一个行业，了解消费者是非常重要的，因为往往我们的传统研究有非常强的目标性，我们围绕着这个目标我们非常容易找到客户特征，基于这些客户特征，我们可以非常好的应用到大数据分析中间来，这可能也是很重要传统数据可能和大数据结合的一个方向。

除此以外，我们刚才已经提到了大数据可以做预测，但是因为股票大家都知道，有多少人可以说我们能够在事前预测非常非常准，其实很难，包括医疗基因的测序完了以后，能不能准确预测出人的寿命，但是实际上是非常困难的，虽然说每次股票波动，事后很多专家分析的非常透彻，用什么工具分析出来，但是实际上是一在事后分析的时候，加入了很多不可测的变量，这些不可测的变量线下的，我们提前可以感知到这样一些变量的存在，有助于我们对于预测的精准度有更大的提高，零点传统研究和大数据依然是相辅相成的。

    举一个目前大数据和传统研究做整合的案例，这个项目是我们在一个城市的自行车租赁项目，在全市大概有四百多个网点，提出了一个需求是我们要看一下这些网点经营的好不好，要不要，有些地方要加一点网点，有些地方要加一些停车位，有些地方要关停，这个时候我们，首先给了我们大量的数据，我们开始对数据进行分析，首先是客户给了大量的字段，我们可以看到这个，可能有一些会员的字段，我们拿进来以后要做一个事情，这些字段是否有意义，客户给的字段很多没有意义，比如说积分，我们要选出对于我们有意义的变量，很很多会员信息我们不需要，所以我们首先要选字段，选完字段，我们会发现其实有很多变量，实际上是需要新生成的，之后我们从原有字段基础上构建了一系列的变量进行分析，之后建模，建各种各样的模型，但是建完模型以后我们遇到了问题。但是客户问我们是不是要关掉网点的时候我们遇到了困难，其实使用率低有很多原因，有些网点作为战略考虑，离市区二十分钟车程的一个景点，放了一个点，可能是战略考虑，因为要把所有的景点连接起来，虽然使用率低，但是那个点依然是要保存的，这背后有很多原因，同时我们发现有一些点有可能不是本身存在问题，而是周围的分布的合理性不足，所以我们就会遇到这种很细节的问题，我们解决不了，这个时候我们需要做线下研究，需要访谈客户有什么战略考虑，是不是有城市未来规划的考虑等等这样一些问题，同时我们要访谈在管理这些站点的时候，考虑到新增的手段和方式，场地的具体情况，只有把大数据和传统的研究结合起来。很多真正有需求的创意企业小企业，没有办法购买我们的咨询产品和市场研究产品，他们往往把我们的产品看成奢侈品，但是今天大数据给我们提供了可能性及，我们的创客包分成四个部分，包括了研发准备期、产品研发期、上市准备期、营销监测期，研发、上市前、上市中、上市后这样的概念。传统来说如果做产品准备期的时候，传统有一个咨询项目叫做市场进入项目，会做行业研究，找一些行业专家访谈一下，看看这事靠谱不靠谱，通常会做很多这样的事情，包括竞争对手的研究等等。今天有了互联网，我们可以通过互联网抓取很多同类产品的信息。用数据抓取的方式得到淘宝上哪些产品买的好，并且可以知道因为什么卖的好。在产品研发期的时候，前段时间有人提出来要在办公室睡觉，会流口水不雅观，趴着睡也会有很多问题，所以我们就会发现其实趴着睡首先有市场需求，同时痛点在哪里我们也能找到，所以创客包产品，一方面通过互联网方式抓取，然后我们获取一些产品的概念一些场景，产品上市准备期，到底投在什么平台上到底怎么卖，定价到底什么样，这个时候抓取的功能，互联网的功能又可以派上永昌，告诉他们不同平派的定价区间是什么样的，你的产品和同类产品比有时在什么地方，我们可以给他们的定价优势，渠道建议。最后是在营销监测期，帮助他们做热词追踪，帮助他们了解目前的情况，同时找到产品迭代方向，这是大数据应用和传统基因数据里面交互数据的应用，服务于中小客户的一个产品。大数据本身给我们带来了更多机会，同时大数据本身还有很多值得我们探索的地方，包括很多人力物力的投入，最早我们进入大数据的时候，即使我们这样的集团进入的时候，我略有盲目，其实我们对于资金的需求量，人力的需求量还是预估不足，无论是从最初的数据库到最后的可视化等等过程当中，都需要有很多人力物力的储备。以上是我们零点做大数据的一些经验分享。希望给大家带来更多的想法，让整个行业发展的更好，谢谢！