在我们的生活中，因为大数据的应用，很多事情变得越来越便利。那么，本文将结合案例去拆解，大数据分析应该如何落地。

　　愿景： 在产品的前进道路中，总会有一些自己的感悟，希望分享出来，给人以启发。目标人群：产品人idea：产品思维的认知竞争对手：个人兴趣、时间、惰性写在前面的话：

　　笔者的国际惯例了，开篇跟大家聊聊天，说一些感性的想法。大数据的概念从20世纪一致提，发展到现在21世纪，经历了几次的繁荣、沉寂过程。到目前为止，各类大数据算法、平台、模型的兴起，数据的繁荣，以及算力的提升，也就是为大数据时代的到来拉开了序幕。

　　数据+算法+算力，构成了大数据时代的基础，但到目前为止，其实我们知道的对大数据的应用较为成功的产品，还并不多，并未感知到大数据时代带个个人的变化是有多大。

　　聊到这里，突然想起了，笔者在大学毕业的时候，市场营销（双学位）的毕业论文题目还是《在大数据时代下，中国人的面子消费观》，其实笔者想说的是，大数据时代带来的改变是本质的，也是潜移默化的，可能在我们还未感知到ta的存在的时候，我们就已经习惯了ta的存在，并深深的影响着自己。

　　好了，聊到这里 ，我们就开始真正的主题“大数据应用如何落地”，笔者也将结合实际案例来探讨大数据分析该如何落地。

　　了解笔者的，可能也不知道，其实笔者还做过信访相关的项目（嘿嘿）。信访作为政府机构的社情晴雨表，是对整个社会的稳定起着非常重要的和谐作用的。

　　笔者先科普一下“信访局”对我们普通群众的作用。我们普通群众，无论遇到什么问题，无论是拖欠工资、拆迁、住房等各类问题，都可以到“信访局”进行上访（ps：偷偷告诉你们，可以匿名上访噢！），由“信访局”直接或者协调其他政府部门来协助一起处理我们群众的事项，如果我们不满意信访的处理结果，我们还可以申诉2次。

　　所以遇到事情，进行上访是一个比较好的途径。而且现在信访基本上实现了信息化，而且各类政策要求信访事项必须在规定时间内进行处理，否则将会召集专案小组进行针对性处理，毕竟现在的信访案件堆积将会纳入到考核之中。

　　但是，信访要处理的事情有些是关系到整个社会的运转的，为什么这么说呢？

　　比如说，信访局接到出租车师傅投诉当前市场上黑车过多，挤压市场空间，已经快吃不起饭了。那这件事情，信访局是不是要管？

　　如果不管，如果出现大量的出租车师傅接不到单，时间长了，出租车师傅可能会面临大量下岗，也可能会出现大批量的罢工场景，这样会影响到社会的安定。如果要管，该怎么管？需要协调交管局、运管局怎么去打击黑车？如果有些家庭仅靠黑车生意谋生，是不是会扼杀了这个家庭唯一的收入来源？如果打击了一个黑车，但是家里面还有很多车，又出来跑，是不是也没有起到打击黑车的效果，也就是并未解决出租车师傅的困扰。

　　所以，凡是涉及到关系整体运作，而非单一问题的，其实都需要采用大数据的手段进行深入挖掘分析，找到问题的本质，才能有效的提供解决方案，达到治根治本的效果。

　　其实，在做大数据应用相关的产品的时候，并非像传统的一样，做产品体验，做交互，做架构，而是要落实到一个一个的问题。

　　为什么这么说呢？比如之前笔者去ga听报告的时候，听到ga讲述自己如何采用大数据的手段进行重点事件的侦破。他们是针对某一个事件，采集了与事件相关的人、物、财等所有的很长一段事件内的信息，进行历时2年的不断分析，才告破。

　　所以，我们做大数据应用，也是应该聚焦到一个一个的问题，一个一个的场景，而并不像做产品这样，需要提取共性，进行取舍平衡，来服务一群共性的人。所以，大数据应用的思考模式应该是以解决问题为导向，聚焦问题是什么？要达到的效果是什么？

　　当聚焦到问题是什么的时候，我们才会去寻找支撑我们分析问题的数据。需要的数据内容有哪些？数据来源从什么地方来？

　　最后就是，拿到这些数据之后，怎么构建数据模型，才能既解决用户的问题，又能提供具体的数据分析内容来证明系统的分析是正确的。

　　另外，大数据应用的场景，不是功能场景，只能辅助用户进行决策。也就是比如针对一个事件，某人物的嫌疑值是xx%，而并不能说明某人就是犯罪人物。但是，选取要解决的问题的时候，我们的产品经理可以选取具有典型的、有代表性、有价值的问题采用大数据应用进行解决。

　　这里，笔者将会以信访中的实际案例来进行分析，笔者是如何将大数据应用进行落地的。

　　此次选取要解决的问题是“黑车和出租车的矛盾”的案例。

　　笔者选取该问题的主要理由如下，首先通过信访的数据来看，群众投诉出租车，以及出租车师傅投诉黑车的投诉案件较多，其次是我们可以拿到运管局、交管局的数据。所以问题和数据来源的先决条件决定了该问题的大数据应用是有落地的可能性的，而且在沟通过程中，也确实能解决政府的部分问题。

　　接下来，我们来看看笔者是如何一步一步落地的，其实就是问题拆解的过程：

　　（1）我们在什么阶段要进行黑车打击？

　　提取过去2年的信访数据，将涉及到“黑车”“出租车”相关的信访案件做一个统计，这样我们就能观察到过去2年内，涉及到“黑车、出租车”相关的信访案件的投诉量的变化情况。其次，我们将运管局的家庭车辆信息以及交管局的车辆卡口的数据都拿过来进行数据分析。

　　具体的指标构建的方法，请原来笔者不能写出来。但是，这里可以大体说一下是如何做的。

　　首先是处理车辆的卡口数据，需要鉴别的是车辆是否是黑车，来统计这个时期的黑车数量，当然会结合运管局的家庭车辆拥有信息增强鉴别的可信度。这样，我们就能有2条统计曲线，我们可以看到，“黑车”的信访量会和“黑车”数量呈正相关的关系。

　　那么我们在对信访内容进行进一步处理，我们通过阅读不同时期的“黑车、出租车”相关的信访内容，了解不同时期的民情对“黑车、出租车”的反应程度。我们可以清楚的看到，当黑车的数量超过某个阈值（A）的时候，出租车师傅对黑车的投诉越来越多，也越来越激烈，当黑车的数量超过某个阈值（B）的时候，群众会对出租车的投诉越来越多，也越来越激烈。

　　所以，我们可以看到从这里的数据分析就可以得出结论：对于稳定社会，需要将黑车的运营数量控制到【B，A】这个区间。

　　（2）我们如何实现精准打击黑车？

　　这个话题，笔者也不会给出具体的指标构建构成。在这里，我们秉持的原则是，打击的黑车对这个家庭的生活不会造成影响或者影响较小。我们会根据卡口的运行数据，构建这些黑车对出租车的影响度的数值，也就是这些黑车的运行，将会对出租车的营收造成影响的影响值。

　　其次，我们会结合运管局的数据，构建出每一辆黑车对家庭稳定的影响值。实际上我们打击的过程就是综合了营收影响值和家庭稳定影响值进行精准打击。打击这类黑车的同时，将会将黑车的主人信息录入到系统，纳入到“黑车名单”中去，以便实现更加精准的黑车打击。

　　将黑车的数量打击到【B，A】之间，就能基本上实现稳定社会的效果。但是，由于大数据的数据准确性的问题，所以，其实黑车统计的数量可以再缩小范围【B1，A1】属于区间【B，A】之间。

　　另外，在实现业务上，在这个时期，我们打击的黑车记录到了“黑车名单”。如果在打击黑车的时期，我们结合卡口数据，再次检测到该人员进行黑车运营，就可以进行直接精准打击，这样就属于无误差的打击。

　　（3）运行效果评估？

　　在运行构建的大数据应用平台之后，需要结合具体的运行效果，对我们的指标构建进行优化。而且信访是一个漫长的过程，所以也需要一个较长的时间来进行检验和优化。

　　这里，其实我们是准备对接过网信办的舆论数据。想要将舆论数据对接进来，来进行综合评估我们的运行效果。

　　信访的业务相关的，无非就是衡量和“黑车、出租车”相关的投诉、舆论等内容的社情情况。所以，最终还是要反馈到业务上来。

　　目前，由于行业的问题，很多大数据应用相关的还是更加聚集在政府部门、大型企业内部。主要用于提高管理效率和降低运营成本，实际运用到我们普通群众，让我们感知到的大数据应用还非常少。但是我们的生活，的确在因为大数据的应用在变得越来越便利。

　　本文由 @萧羽 原创发布于人人都是产品经理。未经许可，禁止转载

　　题图来自Unsplash，基于CC0协议