經過處理的大數據，可以利用分析得到的情境，分析可以識別出可提升的關鍵指標，為每一位用戶打造屬於他們自己的個性化產品。
在波蘭的用戶體驗國際會議上，傑夫帕克（Jeff Parker）提出：
“如果缺乏研究，企業就無法做出明智的決策。”
企業家和交互設計師，可以利用數據分析，提升產品與服務的效率，並獲得更大的商業價值。
結合情境分析數據的方法，對處理大量繁複數據十分有效。如facebook和twitter都是獲取數據的良好渠道，但是要是想將所有獲取到的信息都為我們所用，這項工作會非常複雜且會消耗大量的時間成本。
即使我們將這些所有數據都賦予了涵義，也需要分析這些數據從而提出有價值的見解，但這取決於我們需要應用的情境，否則我們只能通過這些數據得到一個廣義的結論而並不能解決實際問題。
總而言之，將數據結合具體的場景應用，可以幫助我們進一步探索用戶與其行為之間的關係。
什麼是大數據？
首先，大數據（big data）之所以“大”，是因為我們每個人每天都會向公司傳遞千兆級別的信息，當數據累積起來變得足夠大的時候，就不能應用傳統的方法來進行處理了。
面對大量的數據，我們也不能再僅是使用電子表格來進行羅列，因為電子表格缺乏一定的靈活性和可擴展性。然而，大數據一旦經過處理就會變得十分有價值。利用分析得到的情境，大數據分析可以識別出可提升的關鍵指標，為每一位用戶打造屬於他們自己的個性化產品。
大數據在零售行業的例子
大數據應該如何應用到現代商業中？
下面提到了三種具體的方法結合情境，進行大數據分析，從而帶來更好的產品和用戶體驗：
- 大數據能夠增強我們對用戶的瞭解，並設計出滿足用戶需求的產品與服務。
- 大數據可以幫助我們深入理解用戶的行為，通過數據發現用戶深層次的想法。
- 大數據有助於市場推廣，因為它為我們提供一個機會去分析用戶在多個渠道上的行為，並瞭解用戶在何時更容易去購買產品或者服務。
在本文中，我們將瞭解到如何最大化利用分析結果，以及情境對大數據分析的重要性。
情境數據
幾年前， 我們的一個客戶在 UsabilityTools（關於用戶研究的網站）上使用我們的表單測試工具（Form Tester）去了解用戶在他們公司網站上的行為。該工具可以分析網站遊客與在線表單的交互方式，利用該工具可以瞭解到表單每一步的轉化率。
我們通過該工具注意到的第一個問題是該網頁的跳出率很高，我們意識到表單的設計可能出現了問題。通過觀察表單中的不同元素後，發現一般用戶對於單個表單項的響應時間為5秒，但是卻有一項會花費用戶3分鐘左右的時間去填寫。
意識到這個問題後，我們結合其使用語境發現：該項的目的是讓用戶填寫其身份證號，這意味著用戶必須離開他的辦公桌，找到他的錢包，並且從身份證上抄下他的身份證號碼。這解釋了3分鐘的等待時間，並告訴我們，我們不是需要去修正表單，而是需要提前提醒用戶準備好他們的卡，這樣就會減少完成這種複雜任務時用戶的流失率。
結合語境進行分析便於讓企業尋找到適合自己的商業模式，探索商業趨勢，就像我們之前做的那樣。結合對數據分析，可以輔助設計師進行預測模型的建立與商業策略的制定。
為什麼說沒考慮情景是錯誤的？
大部分電子行業的公司都在使用一些網絡分析軟件(web analytics software implemented)，但是這不足以讓他們完全理解到，影響用戶行為的心理因素和人文因素。
從業務層面來考慮，諸如瀏覽量、跳出率（bounce rate）等一些網頁分析中典型對象。其提供的數據，可能與我們的觀點和對重要任務的看法在實際上完全相反。
簡單的數據也可以說謊，特別是在它們脫離語境時。例如：網站的平均訪問時間這項數據，5分鐘的平均留存時間看上去很不錯。但是當我們記錄單一訪客時，會恍然發現大多數的訪客都僅僅在頁面停留了10秒鐘，平均數據被一些停留時間特別長的訪客所扭曲了！
我們意識到不能再盲目相信數據了，紐約時報的大衛∙布魯克斯（David Brooks）在文章“What Data Can’t Do”中指出：大數據的主要問題在於無法考慮到意外的情況與前後發生的語境，它甚至不能應用於簡單而多變的新事物。
這個問題最好的處理方法就如同Teradata（天睿公司）的Scott Gnau（斯科特∙葛瑙）所說：大數據是一個新事物，但是它不是唯一的數據難題。
情景分析和語境分析能充分發揮大數據的潛力，通過對已有數據進行語境的分析（contextualizing），我們可以做些類似這樣的事情——改善客戶的看法，找出普通消費行為背後的原因。這樣，企業也就能創造出讓用戶驚喜愉悅的體驗。
“紙牌屋”（House of Cards）是在網飛公司（Netflix）上很流行的政治電視劇，它也許是大數據影響最好的例子之一。Netflix運用了大數據來設定紙牌屋的劇情和人物性格（character twists），正如報告中說的，一個用戶在看某段劇情時暫停播放去拿點心，Netflix會記錄這次暫停和播放。
Netflix雖然不確定觀眾暫停的原因，但是他們會進行詢問和假設：為什麼人們會在這一瞬間暫停？是震驚、厭惡、被吸引或者僅僅是無聊？為什麼大多數的人都精確的倒回到14分鐘這一段，是因為有某些東西難以理解或者是場景非常的震撼？最後，為什麼人們在觀看到一半時選擇放棄了？
這個原因可能很簡單：僅僅是因為不好看。
通過觀察這些情況（暫停、倒帶、停止）發生的場景，分析團隊將事件放在情境中，利用對結果的分析改善下一季觀看體驗。目前，根據“爛番茄”（to rottentomatoes.com）網顯示：“紙牌屋”接下來的兩季都獲得了超過80%的收視率，足以證明利用大數據的改進是成功的。
在大數據與情境結合的方面，“網飛公司”（Netflix）稱已經準備好通過數據分析努力做到將用戶牢牢吸引在屏幕前。
“紙牌屋”是一個極端的例子，但是同樣的原則仍然適用於任何案例。在線外送手機應用“Foodler”根據用戶以往在餐廳消費的習慣，向他們進行“最佳推薦”。他們可以通過飲食的時間段進一步分析用戶的習慣，並且在相應的時間開始推薦早餐、午餐或晚餐所對應的食物。
同樣的，“Target”這款app結合不同情境，利用大數據分析顧客的行為變化——這就是為什麼“Target”甚至比孕婦的家人更早知道她們懷孕的消息。
Foodler能夠預測出用戶在任何餐館可能會吃什麼
知道數據變化背後的原因才是真正有價值的，結合情境來分析解釋了消費者行為背後的心理，並因此影響了我們開發營銷的策略，這些策略在關鍵的接觸點上能夠成功地影響用戶。
情境對預測的作用
有充分的理由證明，運用準確的模型和模式是推動大數據環境下分析決策過程的關鍵。情境分析有助於我們建立預測模型，幫助我們基於用戶真實行為去考慮，這對構建好的預測模型至關重要。
我們可以使用情境分析來加強數據的可用性和商業相關性，使我們能夠通過創建模型來預測消費者可能的行為，例如：亞馬遜的推薦系統。
當我購買一個帳篷，亞馬遜使用分析來確定我可能也想要一個睡袋
結合情境分析數據可以幫助我們更好的做出決策，確定是否不同的數據觀察結果對每個人都適用，選擇合適的情境與用戶真正建立起關聯。
例如：使用數據預測分析的電商從業者會注意到，許多用戶會在週五下午購買鞋子，但情景分析可以讓他們看到，這些客戶中絕大多數都是在辦公室做出的決定，並且他們更有可能在等待客戶或等待開會時購買。（在一小時的最後五分鐘或前五分鐘）。
情境分析（study of contextual analytics）的研究中，IBM的Lisa Sokol和Steve Chen創建了另一個典型的應用，涉及傳統的評分系統，銀行用來確定客戶是否有資格獲得貸款。
他們表示，如果銀行僅使用數據分析，可以得到每家銀行每個賬戶的信息，但是不能將來自多個銀行的所有不同賬戶關聯到一個人，結果只能得到不精確的信息。但另一方面，通過情境分析，銀行能夠知道這幾個賬戶屬於同一個人，因此將可以得到準確評估客戶償還貸款能力的所有必要信息。
通過利用情境推動的分析，我們可以提高預測模型的效率，從而做出更好的業務決策。
接下來的一些步驟
認識到在大數據分析中使用情境化的好處，僅僅只是開始。一旦我們開始收集數據，我們就要做好洞察情境的準備，從而創造更好的用戶體驗。
下面提供了一些實際應用的方法：
（1）研究別人正在使用的數據和指標，從而更好地理解哪些數據與該領域相關性最高。
（2）不要依賴平均值！無論指標是什麼，都要將它置於情境中考慮。
（3）閱讀更多關於大數據的情境化分析：
- 《情境時代：移動通信、傳感設備、數據以及個人隱私何去何從》Robert Scoble著
- 《大數據下的眾生相》 Rick Smolan著
- 《數據粉碎：信息浪潮如何驅動新商機》Christopher Surdak著
- 《極客大數據博客》
- 關注推特上經常發佈有關大數據文章的推主，例如：鮑勃格魯爾（Bob Gourley），託尼拜耳（Tony Baer）或者迪傑拜託（DJ Patil）
原文作者：Bartosz Mozyrko
本文由 @兔子翻譯組 翻譯發佈於人人都是產品經理。未經許可，禁止轉載
題圖來自 Pexels，基於 CC0 協議
閱讀更多 人人都是產品經理 的文章
