数据分析中遇到的“圆”

标签: 数据分析 | 发表时间:2011-09-27 02:15 | 作者:未来趋势_车品觉 simple
出处:http://ucdchina.com/rss/all

与十年前不同,当今令数据分析师迷茫的,可能不再是数据很少,而是数据很多;今天不是不知道玩好数据的重要性,而是不知道玩错数据的危害性,即所谓甜蜜的烦恼。一个数据分析师,如果能体会到,当下数据存在的核心问题,并且能清楚解决办法,就可以精益求精了。

这次想跟大家讲的是一个由受、想、行、识四个部份所组成生生不息的圈(Feedback Loop),彼此互相推进。

听起来有些玄乎,不过结合例子说就可能有意思了。

一、受



,即是对周围世界的感受

   当前,作为一个电商,去感受公司经营状况的方式越来越依赖于数据,但是,今天来说很少有电商敢肯定的说自己有较完整的数据去掌握公司的状况,这里面主要有二个原因:

   首先是,当许多电商开始收集数据时,发现数据分布在不同的地方。举个简单例子,有的平台不知道投诉的数量积攒到什么程度了,因为投诉渠道有电话、邮件、微博等,没有统一的口径,没有去收集整理,或者即使有数据,只掌握在具体运营人员的手中,不能及时到达管理者的手中,如果一个公司的数据只有少数人才能看到,不能及时的上传下达,可想而知数据的驱动力有多小。相信堵的状况在电商中间很普遍,如果团队允许的话,当然要整理,不然就像闭着眼睛在打架。

   其次是,电商缺乏数据运营的经验,只知道要数据,却不知道需要何种的数据,或者空有数据却无从下手。正好前几天周末,有个电商和我说了自己公司数据的运营现状,他是一个传统的企业,收集了一堆很的数据,不知如何是好。我给的建议就是在一堆散乱的数据中,从自己擅长的领域切入,比如传统品牌电商对供应链数据非常熟悉,就可以从最熟悉的供应链数据去与其它数据关联互动起来看,比如一款产品卖出了10000单,但有没有想到去关联到把多少人看了却没有买的数据也收集起来,交易数据和前台浏览数据联动起去可以发现更多新的问题。

二、想




,即是对事物的认识与辨别

   数据害死人,这是部分电商的看法。最直接的原因就是他们的数据虽然是对的,但客观的数据受到主观太多的影响,而导致实际造成中数据失灵,反而给电商指错了方向。比如没有去掉数据中的噪音,比如来源就不对,或者是主观上就想找不客观的数据,比如做产品经理的人,正在开发一款收费较高的新产品,这个产品经理会不断说服自己,拼命在数据中找一些你认为价值高的用户,最后越来越偏离客观实际情况。当分析人员遭遇主观的问题,错误的判断也就在所难免了。

   明白了这一点,也就可以理解同样的数据在不同的人眼中为什么会呈现出截然不同的图像,因此看数据,需要大家从多个角色进行思考,而在这时,又会遇到的问题:

   大家说的数据不是统一标准,就那转化率来说,每个部分的分子和分母都不一样,市场部门说一个渠道转化率,网站运营说一个页面转化率,交流起来大家都不知道彼此说的转化率是什么,自然是离题万里。更有甚者,数据人员和管理人员对数据口径的定义南辕北辙,管理人员拿到的数据与他本意相差甚远,而他却用此数据去进行决策,可以想见效果如何。由此可见,如果一个公司的数据标准是模糊的,可以料见数据运营是多么的难以实现,说不定会被数据弄得晕头转向。

三、行



,即是对事物的深入思考与分析

    前面的例子还比较好理解,这就好出海航行,海图信息不准或方向不明,自然也就很难到达目的地。但是在数据分析中,还经常出现的问题是“涩”:方向明确、海图精准,但在具体航行过程中运转不灵,由于对业务的理解不够深刻,导致在分析中产生迷惘和混乱,数据运用的方式失当,最终管理者无法依靠数据分析进行决策。

举个实际操作中经常会遇到的例子:重复购买率降低了。按照前文提到,数据分析师脑子第一点要问的是:这个重复购买率的定义是什么,分母是什么,分子是什么,是在什么时间维度的定义看重复购买率的。但是如此看完之后,依然可能出现错误,因为就是没有考虑到商业之中的复杂因素。比如当天一个客户同时间下了两个单子,是算重复购买,还是算一个单子?新增客户最近是不是增长很多?新渠道的百分比有没有变化?最近是不是很长时间没有促销活动?是不是调整了页面布局?

     所以,是实际的行动当中,需要把多重影响指标纳入坐标系里面,并且把数据的关联性建好了,就不会盲目为重复购买率下降而担心了。到了“行”这个阶段,必须懂商业,不然前功尽弃。

四、识



,即是对事物根本的归纳,对事物认识的沉淀

   受、想、行、识的最后一环是识,这里开始涉及到了数据分析的一大问题:,分析的成果和方法如何不能及时的被归纳和沉淀,电商就只能随分析师一起,不停追逐、探究新的分析视角,却可能对实际的运营决策并无益处。就今天的趋势来说,分析师的资源越来越宝贵,电商需要思考合适的机制和工具,可以把成功分析的结果、经验进行积累,应用于公司的日常管理中,及时将知识转变为money

   从数据中积累和沉定知识,最好是要用建立系统。也许许多电商认为建立系统非常麻烦,但实际上操作并不繁琐,只是要构建思路难想清楚。十几个人三个月的时间,可以把公司运营的核心数据放在系统里面,把数据分析的理念放在系统里面,让公司所有人都能看懂并运用。这其中有三个关键点:一是做好数据安全,让不同职位的人看到不同的数据;二是说清楚不同部门的数据标准,比如市场部的转化率用的是指下单的客户数量除以客户进来的总数量,财务部门的转化率是指下单成功的客户数量除以客户进来的总数量;三是让不同部门的数据可以关联起来看(如果电商有团队可以这么做的话),这样可以把数据运用扩散至数据部门之外。 

   这里只是我个人的一点小体会,从受、想、行、识四个部分组成的圆来帮助我理清数据分析中的四个环节,并且数据分析经常需要反复跑数据,每一次反复利用,得到的收获更多。如果要说得深,还要分别说下去。这个过程,我也是处在摸索中,欢迎大家分享出自己的方法和思考。

源地址:http://blog.sina.com.cn/s/blog_5025e3880100xo6l.html

相关 [数据分析] 推荐:

Excel 数据分析

- - ITeye博客
用Excel做数据分析——直方图. 已有 0 人发表留言,猛击->> 这里<<-参与讨论. —软件人才免语言低担保 赴美带薪读研.

扯扯数据分析

- - 互联网分析
在别人的眼里数据分析既是很深奥的职业,也是被人挑战的职业,更是让你又恨又爱的职业. 其实这些都不重要的,重要的是对此行感兴趣,骨子里有量化一切的 意识. 很多人首先脑海中出现的是1、2、3……等等,为何有这样的印象. 其实是我们数据分析师为了更好的运用“统计学”所以要将许多 数据想尽办法来转化为1、2、3这样的数据形式,从而更深入、科学的分析data,不扯这个了,这个没什么意思,看图:.

数据分析那些事

- - 小蚊子乐园
今早突然有个想法,就是经常有网友会对数据分析方面有一些困惑,并且咨询我该怎么办. 并且经常是同样的问题,所以觉得有必要对一些经典共性的问题进行整理,与大家分享,这里并非标准答案,仅作参考. 欢迎提出自己对数据方面的疑问,将在此篇将持续更新,敬请关注. ----------------------------------------我不是完美的分割线--------------------------------------- .

谈大数据分析

- - 人月神话的BLOG
对于数据分析层,我们可以看到,其核心重点是针对海量数据形成一个分布式可弹性伸缩的,高查询性能的,支持标准sql语法的一个ODS库. 我们看到对于Hive,impala,InfoBright更多的都是解决这个层面的问题,即解决数据采集问题,解决采集后数据行列混合存储和压缩的问题,然后形成一个支撑标准sql预防的数据分析库.

Twitter收购数据分析公司BackType

- zou guangxian - 36氪
Twitter刚刚宣布已经收购BackType,一家帮助公司和品牌衡量社交媒体影响力的数据分析公司. BackType在博客上宣布这一消息时称团队将集中精力为Twitter发布商合作伙伴开发工具. 总部位于旧金山的BackType是一家由YC孵化的创业公司,自2008年以来已获得130万美元投资. 作为交易的一部分,BackType将停止BackTweets(帮助内容发布商了解推讯是如何转化为网站流量和销售额)的新用户注册.

数据分析中遇到的“圆”

- simple - 所有文章 - UCD大社区
与十年前不同,当今令数据分析师迷茫的,可能不再是数据很少,而是数据很多;今天不是不知道玩好数据的重要性,而是不知道玩错数据的危害性,即所谓甜蜜的烦恼. 一个数据分析师,如果能体会到,当下数据存在的核心问题,并且能清楚解决办法,就可以精益求精了. 这次想跟大家讲的是一个由受、想、行、识四个部份所组成生生不息的圈(Feedback Loop),彼此互相推进.

数据分析师的基本素质

- AWard - 小蚊子乐园
摘自《谁说菜鸟不会数据分析》第一章.     Mr.林看到小白斗志昂扬的样子非常高兴:别光说不做啊,要成为一名优秀的数据分析师,并非一件容易的事. 虽然所学的专业与数据分析不相关,但你可以通过工作中的实践学习数据分析,需要付出大量的时间和精力,不经一番寒彻骨,怎得梅花扑鼻香.     下面,我给你介绍一名合格的数据分析师需要具备的五大基本能力和素质.

新读图时代:500px.com数据分析

- holic536 - 东西
500px是一个由世界各地的摄影爱好者组成的高品质图片社区. 网站旨在寻找最优秀的摄影人才,分享和发现精彩的照片,找到志同道合的朋友. 网站创建于2003年,2009年500px重新改版升级成为2.0版. 从2009年的1000用户发展到现如今的4.5万用户,也就是在社交网络兴起之后,网站发展更加迅猛.

数据分析如何反恐 ?

- Chin - 未来趋势 电子商务趋势
喜欢做数据分析源于因为每个数据背后都有一个故事. 从少到大都有一个兴趣从来没变过,就是Forecast, 跟朋友说我其实不喜欢数据没人相信,但心底里其实想得到的是那仲Discover的快感. 曾经当个警察,喜欢风水算命,帮过职业赌徒做数据分析,这一切的快感就是来自类似以下这样的经历.  (节录自: 超级魔鬼经济学).

数据分析师的级别

- - 博客 - 伯乐在线
虽然这个工作的人还不能称作数据分析师,但是往往作这样工作的人还都自称是数据分析师,. 这样的人,只能通过×××系统看到有限的数据,并且很少去处理数据,甚至不理解数据的由来和含义,只是机械的把自己看到的数据拷贝出来,转发给相应的人. 这类人发出来的数据,是否有意义,怎么解读,他自己是不知道的,只能期望收到数据的人了.