
數(shù)據(jù)分析中遇到的“圓”
與十年前不同,當(dāng)今令數(shù)據(jù)分析師迷茫的,可能不再是數(shù)據(jù)很少,而是數(shù)據(jù)很多;今天不是不知道玩好數(shù)據(jù)的重要性,而是不知道玩錯數(shù)據(jù)的危害性,即所謂甜蜜的煩惱。一個數(shù)據(jù)分析師,如果能體會到,當(dāng)下數(shù)據(jù)存在的核心問題,并且能清楚解決辦法,就可以精益求精了。
這次想跟大家講的是一個由受、想、行、識四個部份所組成生生不息的圈(Feedback Loop),彼此互相推進。
聽起來有些玄乎,不過結(jié)合例子說就可能有意思了。
一、受
“受”,即是對周圍世界的感受
當(dāng)前,作為一個電商,去感受公司經(jīng)營狀況的方式越來越依賴于數(shù)據(jù),但是,今天來說很少有電商敢肯定的說自己有較完整的數(shù)據(jù)去掌握公司的狀況,這里面主要有二個原因:
首先是“堵”,當(dāng)許多電商開始收集數(shù)據(jù)時,發(fā)現(xiàn)數(shù)據(jù)分布在不同的地方。舉個簡單例子,有的平臺不知道投訴的數(shù)量積攢到什么程度了,因為投訴渠道有電話、郵件、微博等,沒有統(tǒng)一的口徑,沒有去收集整理,或者即使有數(shù)據(jù),只掌握在具體運營人員的手中,不能及時到達管理者的手中,如果一個公司的數(shù)據(jù)只有少數(shù)人才能看到,不能及時的上傳下達,可想而知數(shù)據(jù)的驅(qū)動力有多小。相信堵的狀況在電商中間很普遍,如果團隊允許的話,當(dāng)然要整理,不然就像閉著眼睛在打架。
其次是“散”,電商缺乏數(shù)據(jù)運營的經(jīng)驗,只知道要數(shù)據(jù),卻不知道需要何種的數(shù)據(jù),或者空有數(shù)據(jù)卻無從下手。正好前幾天周末,有個電商和我說了自己公司數(shù)據(jù)的運營現(xiàn)狀,他是一個傳統(tǒng)的企業(yè),收集了一堆很“散”的數(shù)據(jù),不知如何是好。我給的建議就是在一堆散亂的數(shù)據(jù)中,從自己擅長的領(lǐng)域切入,比如傳統(tǒng)品牌電商對供應(yīng)鏈數(shù)據(jù)非常熟悉,就可以從最熟悉的供應(yīng)鏈數(shù)據(jù)去與其它數(shù)據(jù)關(guān)聯(lián)互動起來看,比如一款產(chǎn)品賣出了10000單,但有沒有想到去關(guān)聯(lián)到把多少人看了卻沒有買的數(shù)據(jù)也收集起來,交易數(shù)據(jù)和前臺瀏覽數(shù)據(jù)聯(lián)動起去可以發(fā)現(xiàn)更多新的問題。
二、想
“想”,即是對事物的認(rèn)識與辨別
數(shù)據(jù)害死人,這是部分電商的看法。最直接的原因就是他們的數(shù)據(jù)雖然是對的,但客觀的數(shù)據(jù)受到主觀太多的影響,而導(dǎo)致實際造成中數(shù)據(jù)失靈,反而給電商指錯了方向。比如沒有去掉數(shù)據(jù)中的噪音,比如來源就不對,或者是主觀上就想找不客觀的數(shù)據(jù),比如做產(chǎn)品經(jīng)理的人,正在開發(fā)一款收費較高的新產(chǎn)品,這個產(chǎn)品經(jīng)理會不斷說服自己,拼命在數(shù)據(jù)中找一些你認(rèn)為價值高的用戶,最后越來越偏離客觀實際情況。當(dāng)分析人員遭遇“主觀”的問題,錯誤的判斷也就在所難免了。
明白了這一點,也就可以理解同樣的數(shù)據(jù)在不同的人眼中為什么會呈現(xiàn)出截然不同的圖像,因此看數(shù)據(jù),需要大家從多個角色進行思考,而在這時,又會遇到“離”的問題:
大家說的數(shù)據(jù)不是統(tǒng)一標(biāo)準(zhǔn),就那轉(zhuǎn)化率來說,每個部分的分子和分母都不一樣,市場部門說一個渠道轉(zhuǎn)化率,網(wǎng)站運營說一個頁面轉(zhuǎn)化率,交流起來大家都不知道彼此說的轉(zhuǎn)化率是什么,自然是離題萬里。更有甚者,數(shù)據(jù)人員和管理人員對數(shù)據(jù)口徑的定義南轅北轍,管理人員拿到的數(shù)據(jù)與他本意相差甚遠(yuǎn),而他卻用此數(shù)據(jù)去進行決策,可以想見效果如何。由此可見,如果一個公司的數(shù)據(jù)標(biāo)準(zhǔn)是模糊的,可以料見數(shù)據(jù)運營是多么的難以實現(xiàn),說不定會被數(shù)據(jù)弄得暈頭轉(zhuǎn)向。
三、行
“行”,即是對事物的深入思考與分析
前面的例子還比較好理解,這就好出海航行,海圖信息不準(zhǔn)或方向不明,自然也就很難到達目的地。但是在數(shù)據(jù)分析中,還經(jīng)常出現(xiàn)的問題是“澀”:方向明確、海圖精準(zhǔn),但在具體航行過程中運轉(zhuǎn)不靈,由于對業(yè)務(wù)的理解不夠深刻,導(dǎo)致在分析中產(chǎn)生迷惘和混亂,數(shù)據(jù)運用的方式失當(dāng),最終管理者無法依靠數(shù)據(jù)分析進行決策。
舉個實際操作中經(jīng)常會遇到的例子:重復(fù)購買率降低了。按照前文提到,數(shù)據(jù)分析師腦子第一點要問的是:這個重復(fù)購買率的定義是什么,分母是什么,分子是什么,是在什么時間維度的定義看重復(fù)購買率的。但是如此看完之后,依然可能出現(xiàn)錯誤,因為就是沒有考慮到商業(yè)之中的復(fù)雜因素。比如當(dāng)天一個客戶同時間下了兩個單子,是算重復(fù)購買,還是算一個單子?新增客戶最近是不是增長很多?新渠道的百分比有沒有變化?最近是不是很長時間沒有促銷活動?是不是調(diào)整了頁面布局?
所以,是實際的行動當(dāng)中,需要把多重影響指標(biāo)納入坐標(biāo)系里面,并且把數(shù)據(jù)的關(guān)聯(lián)性建好了,就不會盲目為重復(fù)購買率下降而擔(dān)心了。到了“行”這個階段,必須懂商業(yè),不然前功盡棄。
四、識
“識”,即是對事物根本的歸納,對事物認(rèn)識的沉淀
受、想、行、識的最后一環(huán)是識,這里開始涉及到了數(shù)據(jù)分析的一大問題:“遺”,分析的成果和方法如何不能及時的被歸納和沉淀,電商就只能隨分析師一起,不停追逐、探究新的分析視角,卻可能對實際的運營決策并無益處。就今天的趨勢來說,分析師的資源越來越寶貴,電商需要思考合適的機制和工具,可以把成功分析的結(jié)果、經(jīng)驗進行積累,應(yīng)用于公司的日常管理中,及時將知識轉(zhuǎn)變?yōu)椤癿oney”。
從數(shù)據(jù)中積累和沉定知識,最好是要用建立系統(tǒng)。也許許多電商認(rèn)為建立系統(tǒng)非常麻煩,但實際上操作并不繁瑣,只是要構(gòu)建思路難想清楚。十幾個人三個月的時間,可以把公司運營的核心數(shù)據(jù)放在系統(tǒng)里面,把數(shù)據(jù)分析的理念放在系統(tǒng)里面,讓公司所有人都能看懂并運用。這其中有三個關(guān)鍵點:一是做好數(shù)據(jù)安全,讓不同職位的人看到不同的數(shù)據(jù);二是說清楚不同部門的數(shù)據(jù)標(biāo)準(zhǔn),比如市場部的轉(zhuǎn)化率用的是指下單的客戶數(shù)量除以客戶進來的總數(shù)量,財務(wù)部門的轉(zhuǎn)化率是指下單成功的客戶數(shù)量除以客戶進來的總數(shù)量;三是讓不同部門的數(shù)據(jù)可以關(guān)聯(lián)起來看(如果電商有團隊可以這么做的話),這樣可以把數(shù)據(jù)運用擴散至數(shù)據(jù)部門之外。
這里只是我個人的一點小體會,從受、想、行、識四個部分組成的圓來幫助我"數(shù)據(jù)分析師"理清數(shù)據(jù)分析中的四個環(huán)節(jié),并且數(shù)據(jù)分析經(jīng)常需要反復(fù)跑數(shù)據(jù),每一次反復(fù)利用,得到的收獲更多。如果要說得深,還要分別說下去。這個過程,我也是處在摸索中,歡迎大家分享出自己的方法和思考。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
AI 浪潮下的生存與進階: CDA數(shù)據(jù)分析師—開啟新時代職業(yè)生涯的鑰匙(深度研究報告、發(fā)展指導(dǎo)白皮書) 發(fā)布機構(gòu):CDA數(shù)據(jù)科 ...
2025-07-13LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計的實用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預(yù)測分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢預(yù)判? ? 在數(shù)據(jù)驅(qū)動決策的時代,預(yù)測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點,而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報考到取證的全攻略? 在數(shù)字經(jīng)濟蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對策略? 長短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學(xué)方法在市場調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場調(diào)研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學(xué)方法則是市場調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動力,CDA(Certifie ...
2025-07-04