在这种情况下，如果你无法解释市场份额增加的原因，那么这个就属于“惊喜”；但当你看懂数据，当“惊喜”变得更加确定并做出相应的调整，不可知的东西慢慢变小，公司也会越来越聪明(Data smart)。

相比较对未知“惊喜”的探索，对未知风险的警惕显得更为重要。当竞争数据化，不再是去看对手做了什么事，而是从那些“微声音”中感受危机，例如，以前A公司的消费者，有10%是先去B公司看看后再来A公司的，现在这个比例变成了30%，说明B公司的影响力比以前大，一旦B公司策略有变化，对于A公司便是危险。所以，需要用一些非结构化的数据不断补充，这就是大数据的范畴。

除此之外，SNS、百度这类的社会数据也是很大一块非结构化的数据。这些社会数据不单只是用来评价公司口碑的好坏，同样能帮助公司进行一些决策，只是一直没有找到这个连接点。

表面上，这套框架已经很全面，但是尽管第五个元素没有加入，可运营的能力还是极低。所谓的第五元素便是人，当不同的用户群走进去后，整套框架立刻变得千变万化。

在蛛丝马迹中找数据

在商业环境中的企业，究竟应该收集什么数据，哪些数据对企业重要，这个数据究竟是社会数据、竞争数据、交互数据还是经营数据，这些都需要思考。

事实上，不少公司在收集数据上存在问题。如果早上8点你在A路上，觉得特别堵，怎么解释那条路那天特别堵呢？必须收集与A路相邻相交的各条路的情况，如果这些周边数据不收集，只关注了一个数据，是没法验证A路堵车原因的。

这就是说，数据收集过程是没有边界的，不可能因为大数据的关系，什么数据都去收集，但一些关键性的核心数据以及周边数据必须收集，否则一旦错过，就没有机会。

在目前电商中，最欠缺的是内部监控数据。简单举例，怎么去评价整个网站、店铺运营做得好不好，大多数商家是没有精准收集的。正是对自身运营含糊，使得突然的业务上涨只能归功于好运，并不清楚为什么会涨。而如果突然变得不好，在找不到原因的情况下，风险控制更是无从谈起。

这些现象的原因是大多数公司的数据之间(经营数据、用户交互数据、竞争数据、社会数据)是不通或者缺乏周边视野的。其中缺乏数据框架是重要原因。

此外，在国内，运用社会数据的例子不是太多，大多数都是用社会数据来分析一个公司的舆情，但会发现很多公司用完一段时间就销声匿迹。其实，社会数据同样可以帮助企业减少风险，甚至预知市场。那些对企业有影响的“微声音”早就存在了，但企业可能会忽略了其中的重要线索。

例如，我在一家B2B公司的时候，曾经提出一组数据，如何多角度去确定一个批发卖家是不是骗子。其中的元素很简单，用他在网站所注册的邮件地址去搜索，看与其公布在其他网站的邮箱地址是否相同，如果这个邮箱多次出现则说明这个人比较可信，如果这个邮箱在其他网站都搜索不到，风险便比较大。我们用两组历史数据去跑，发现的确是这样，风险可以减少30%以上。这便是应用社会数据。

另外一个应用社会数据的案例，同样是在B2B平台。为了推出一些新的类目，我每天逛一些美国网站，从公开的数据去研究，到底美国B2C网站买了哪些Google关键词，看这些关键词的价格记录，根据它们买的关键词来估计未来的趋势。当时我认为，美国B2C网站内的SEM达人肯定比中国人更懂美国的趋势。

只要关注达人在关注什么关键词，知道他们的数据后，再用其他数据来验证到底会不会是趋势。简单来说，也是运用社会数据。所以，在运用社会数据时，首先要充满好奇地关注周边数据，好奇心会带你找到很多有趣的数据。

举个好玩的例子：以前，很多京东的竞争对手都好奇它每天能做多少单，那时候，只要早上在京东下订单，晚上再在京东下个订单就能知道。因为最初京东的订单编号是一个一个加上去的，后来京东自己也发现了，便改了。