数据分析就近几年看来,越来越有一种像通用技能发展的趋势,从生产、研发、市场、销售到运营,多多少会存在数据分析的需求。
关于数据分析,网络上有不少分析报告案例,但细细读来,好多都缺少辨证,逻辑不严谨,又或者分析得浅尝辄止。恰逢最近读了《大数据分析的道与术》,是一套很完整的理论书籍,结合自己多年的数据从业经验,积累了一些心得,想与大家分享。
作为一个唯物主义者,做事总是爱讲方法论。曾经“农村包围城市,武装夺取政权”作为方法论的代名词,总是挂在嘴边。那么数据分析工作,方法论是什么呢?是“先道后术,以道驭术”,也就是先了解数据分析的核心原则,再掌握数据分析的一些关键技术。
什么是数据分析?数据分析是指用适当的统计分析方法对收集来的大量数据进行分析,为提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。其实简单理解,数据分析本身就是“数据”和“分析”两块工作。一方面是采集、加工、整理数据,另一方面是结合数据背景分析数据,从中提取出对业务有帮助的结论。
数据分析的成果通常是数据分析报告。常见的就是带图、表的PPT、PDF文件,也有一些Web版的图表系统(有兴趣的,可以在应用商店搜索“数据分析”,有各类演示系统可以体验)。对于数据分析报告,类似议论文,分析是论点,数据就是论据。
数据分析有什么用呢?这个经常被问到,尤其当一篇花里胡哨的报告在网上发布,就有人说报告没用,顺带着撇一嘴数据分析也没用。
数据分析对企业的巨大价值体现在业务发展的前期(探索期)或阶段性改进期(颠覆期)。当探索和变革业务时,企业需要数据分析去明确业务中的问题、机遇及解决方案。企业最大的成本是决策成本,而数据分析是提高企业决策能力的关键;当业务模式相对成熟时,企业则需要数据建模来提升业务效率,减少运营成本等。
那,数据分析又有哪些普遍又典型的应用场景呢?笔者经验,主要是三个:掌握业务状态、分析业务潜力、评估业务进展。
场景-掌握业务状态:我们需要通过对核心指标进行监控、解读和分析,掌握业务经营状况。比如某日销量出现异常波动,需要数据分析来定位原因。(产品A本周销量异常上涨10%,是什么原因?怎么分析?)在比如月末、季末部门做关键业务指标总结,并做业务发展趋势分析等。(本季度的关键数据指标如何?各项业务进展如何?都有哪些积极消极因素,具体多大影响,下个月、下个季度业务则呢么发展?)譬如下方用finereport搭建的数据平台,统计监测的业务数据。按照制定的业务分析规则展示,可以清晰地看到哪个环节出错。
场景-分析业务潜力:产品当前的主要问题是什么?下一步的发展潜力在哪里?从数据中挖掘问题原因并提出对策,指明产品的下一步改进方向。比如商品B近3个月流失了1000个会员,原因是什么(分析原因)?如何减少会员流失(找对策)?
场景-评估业务进展:新上线的产品策略或新推进的运营活动,带来了多少业绩提升?项目的覆盖面和影响面如何?其中存在怎样的问题,如何进一步优化等等。比如针对部分客户,设计全新的促销策略,在本月执行后,如何评价促销策略带来的业绩提升?是否目标客户群比上个月购买额增长可以作为促销策略的成果?
既然数据分析有如此之多的应用场景和使用价值,那么怎么才能做好数据分析呢?只能说,太难,既需要工具技巧的掌握,又要有能明察秋毫洞若观火的业务经验。但相比而言,个人觉得后者更为重要,就像如果只知道方法论,但没有对业务的理解,如何实行的套路,数据分析只会浮于表面,既不能挖掘问题原因,也不能提供解决方案。
做好数据分析,不谈技术,先认清以下4个关键。
1、业务调研:理解业务是基础,否则分析是无本之木,甚至是个人意淫。
2、创新思考:广阔的知识面和积极的思考,是分析思路的源泉,数据分析的创新思考,实质上就是从更多的思路进行分析,找出最合理的思路。
3、逻辑推理:对数据指标作出正确的归因分析和判断。
4、可行建议:产生对业务切实有效的改进建议和执行方案。
“业务调研”是数据分析的起点,也是获取分析思路的基础,但是需要兼具深度和广度的“创新思考”,才能获取更独到的分析思路。分析思路也可以认为是统计数据的角度,完成数据统计后,需要“逻辑推理”来保证从数据到结论判断的正确性。最后,用“可行建议”来保证分析结论的落地执行,产生可量化的业绩。这就是数据分析从业务中来,回到业务中取得完成过程。
本文是笔者《大数据分析道与术》读书笔记第1篇,浅述了一下。下周将结合自身经验,对业务调研、创新思考、逻辑推理、可行建议逐一做解读分析。
本文首发CSDN:http://blog.csdn.net/yuanziok/article/details/74908830
文 | 帆软数据应用研究院 船长