京东如何做到用数据驱动业务 |TOP100专访

（编者注：智圈业务即智慧商圈的简称，此业务为京东的大数据产品，为所有普通用户提供任意区域的人群及商业信息，帮助其开店、地推、调研等进行数据指导）京东是从线上的消费入手。这么多年来我们积累了非常庞大的用户数据，这些数据包含两个类别：用户线上消费行为数据和用户地理位置数据。因为我们需要把商品给用户送到手中，同时我们是自营配送，所以我们拥有准确的用户地理位置的数据。

用户庞大的线上消费行为的数据，让我们对用户有一个非常准确的刻画，结合对用户地理位置数据的分析，我们可以看到线下商圈的特点：比如五道口商圈的用户购买力、西单商圈用户的购物趋势等，这些数据对于在商圈的商家而言是非常有帮助的。

目前我们这些数据主要还是以免费的形式提供给合作伙伴。京东现阶段主要还是以为线下的合作伙伴带来价值为主，包括更好地促进O2O行业的健康发展。至于盈利包括收费的问题可能会放在后面来考虑，现在我们主要是希望产品本身有价值。

大数据产品也需要实地调研和勇于试错

首先，与线下商家进行访谈。我们在做这个商圈之前跟线下的很多商家进行了访谈，我们认为商家在这方面有一些刚需的痛点。

其次，始终秉承互联网快速迭代和最小化试错的原则。所以我们的产品不到三个月就推了出来，目前的版本在后面也会进行快速迭代，我相信它会通过自己不断地试错去找到市场最需要的功能点。

解决实际问题的算法才是好算法

算法对于大数据的价值创造非常重要，因为如果没有算法技术的不断更新和强大，我们处理海量数据也几乎不存在可能。

但我觉得大数据的根本应该同样回到我们的初心，我们创造算法的目的是什么。创造算法的目的在于算法能解决实际问题，能对实际问题的预测处理更加符合现实的用户需求，而不在于让算法本身强大。

所以我觉得如果说算法是利刃的话，那要看这把利刃能切出怎样的菜，菜香不香才是最根本的。

大数据不能直接变现不是数据的问题

前几天和业界的朋友交流，大家都谈到一种商业模式叫「如果我有了大数据」，好像是如果我有了大数据一切都变得可行了，而很多企业的实践却表明即使有了大数据也不一定能实现变现。

我觉得核心的问题在于你利用大数据到底能给用户带来的价值是什么，而不在于你有没有大数据。

其实京东一开始也没有大数据，之所以现在能汇集成大数据，是因为京东的服务有价值、京东的模式有价值、京东提供了有价值的商品，因为有了好的服务的创造你才获得了用户的数据。

因此我觉得「大数据变现」是个伪命题，它本身是依赖于业务本身对用户有核心的价值，才会聚合大数据，那么「大数据变现」其实也应该围绕着你对用户价值的创造，这应该是一个互相的过程。

数据科学家应该是这样的

首先要对数据科学家做一个定义，我认为数据科学家应该是具有探险精神的哥伦布叠加上具有侦探能力的福尔摩斯，数据科学家应该是这两者的合成体。

数据科学家应该像哥伦布一样具备冒险精神，需要对业务有深刻的理解、对行业趋势有非常好的洞察力；同时又要像福尔摩斯一样能够抽丝剥茧找到业务的真实痛点，并且能够解决问题。

所以我认为一方面有非常棒的逻辑思维和行业的知识沉淀，同时有专业的数据功底，包括挖掘技术和数据的处理能力等，我觉得只有具备了这些能力的人才能成为一个优秀的数据科学家。

京东如何从无到有建立数据团队

组建大数据团队有点像做架构，任何一个网站或者平台一开始的架构一定不是现在这个样子的，它是一个演进式的发展，大数据团队也是这样。

一开始我们可能只是为了满足基本的报表处理和分析挖掘，对于分布式、算法并没有提出很高的要求，但是随着数据量的变大平台开始演进，不断变化。

我认为大数据的发展需要业务场景的倒逼，当需要大数据同向给业务带来价值的时候，大数据的团队也好组织架构也好才会进行演进的发展。

在这个过程中有三个关键因素：一是好的大数据领头人；二是公司整体的价值文化即对数据驱动的认可；三是公司的创始人是否真正让数据「说话」，并创造出这样一种数据氛围。这些综合的因素会来决定一个数据团队怎么组建。

京东如何做到让数据「说话」

京东从创始人开始就非常认同数据驱动这一理念，高管团队也都推行「数据说话」的文化。在京东内部一般是进行量化的论证才能得出相关业务结论，每天都会有非常多业务部门与大数据部门进行交流，一个核心原因在于他们本身的，业绩、自己的运营策略、未来预期的发展方向都需要用数据进行解读和论证。

同时我们又不仅仅把数据当成支持的工具和语言，更多地把数据当成裁判。当部门与部门之间达不成一致，当不同的观点产生了不同的未来预测结果，谁能拿出更棒的数据公司高管团队就会支持谁。

在这方面我觉得京东是有非常好的数据基因的，但同时我也看到了一点：伴随着京东业务快速的发展，很多场景还没有数据，所以我们也不会拘泥于数据，我们始终觉得人的价值是不能被数据取代的，直觉、对未来的判断甚至对商业模式的理解这些都无法用数据去做，我觉得数据只能解决战术的问题，而不能解决战略的问题。

当数据分析结果与业务需求产生不一致

首先，不能让数据分析进入一个误区，即做数据分析是为了佐证你的观点。如果说数据分析的价值在于证明一个观点成立的话那这不叫数据分析而是数据统计。我觉得数据分析的价值和魅力在于得出的结论不一定能完全支撑这个观点，可能会得出一些超出你预期的东西。

再说到业务需求和分析结果出现不一致或者说预期不一致的问题，又有两种情况：一是双方的理解都是对的，但是分析出的结论却不一致，那需要数据分析团队重新审视这些结论，业务部门也需要重新去审视自己的预判。

二是因为大家对需求的理解产生偏差而得出了不一样的结论，这里建议分析师进行更垂直的业务化，因为一旦分析师团队远离业务，这种沟通一定会有偏差，如果分析师团队平时就跟业务在一起了解业务这种偏差就会比较小。

在京东我们会通过研发的业务垂直化来解决这个问题，在我们的每个业务单元里都有自己的数据分析团队，他们可以非常好地理解业务同时帮助业务去解决问题。

本文系根据TOP100Summit现场采访整理后原创首发，转载或节选内容前需获授权。同时，也欢迎更多企业、社区与TOP100公众账号展开内容合作，更欢迎您成为原创作者。更多内容合作请发邮件至wow@top100summit.com，我们期待认识你：）