
數(shù)據(jù)分析時(shí)如何解決數(shù)據(jù)質(zhì)量低的問(wèn)題?
數(shù)據(jù)是一種珍貴資產(chǎn)。尤其是在當(dāng)今快消品當(dāng)?shù)赖谋尘跋?,你需?/span>數(shù)據(jù)來(lái)幫助你準(zhǔn)確定位、深度投入和優(yōu)化前景。如果你不能合理的管理這些數(shù)據(jù),就可能會(huì)錯(cuò)失良機(jī)、降低效率,甚至對(duì)你的盈虧造成負(fù)面影響。
市場(chǎng)數(shù)據(jù)尤為重要,根據(jù)Experian公司2015年的數(shù)據(jù)質(zhì)量指標(biāo)報(bào)告, 97%的公司都會(huì)從數(shù)據(jù)中挖掘有用信息。這份研究顯示,前三名的誘導(dǎo)因素如下:
?53% – 想要了解客戶需求
?51% – 想要發(fā)掘新客戶
?49% – 想要提升單個(gè)客戶價(jià)值
影響數(shù)據(jù)質(zhì)量的因素
很多情況下公司的發(fā)展由數(shù)據(jù)提供的機(jī)遇推動(dòng),特別是在與客戶及與其前景發(fā)展密切相關(guān)的產(chǎn)業(yè)。我們都知道現(xiàn)在的消費(fèi)者消息更靈通,手中的選擇也更多。當(dāng)一個(gè)公司想要收購(gòu)其他公司、決定自留額、尋找差額銷(xiāo)售和追加銷(xiāo)售機(jī)會(huì)、提升客戶體驗(yàn)的時(shí)候,數(shù)據(jù)就變得至關(guān)重要。但是,要想精確洞察并實(shí)現(xiàn)這些目標(biāo),背后的數(shù)據(jù)一定要是準(zhǔn)確的。
大家都知道數(shù)據(jù)質(zhì)量的必要性,但是有92%的公司認(rèn)為他們的客戶數(shù)據(jù)和前景數(shù)據(jù)不是完全準(zhǔn)確的,并且不準(zhǔn)確數(shù)據(jù)的比例仍在提高。調(diào)查顯示,有35%的美國(guó)公司認(rèn)為他們的數(shù)據(jù)有32%是不準(zhǔn)確的,而前年這一數(shù)字還只有25%。僅僅聯(lián)絡(luò)數(shù)據(jù)一項(xiàng),就有97%的公司遇到過(guò)同一個(gè)數(shù)據(jù)錯(cuò)誤。最常見(jiàn)的錯(cuò)誤包括數(shù)據(jù)缺失、信息過(guò)時(shí)及數(shù)據(jù)不準(zhǔn)確三種。
如何解決數(shù)據(jù)質(zhì)量問(wèn)題
那么,低質(zhì)量的數(shù)據(jù)到底對(duì)公司有哪些危害呢?研究顯示,83%的公司認(rèn)為,數(shù)據(jù)的不準(zhǔn)確、不完整影響了公司盈利,還因此其造成了資源浪費(fèi)、生產(chǎn)力損失和交流上的額外開(kāi)支。
盡管公司可能都了解數(shù)據(jù)質(zhì)量是個(gè)大問(wèn)題,但運(yùn)作數(shù)據(jù)管理系統(tǒng)似乎是項(xiàng)艱巨的工作。大部分公司認(rèn)為阻礙他們開(kāi)發(fā)這個(gè)系統(tǒng)的最大障礙是缺乏資源,例如預(yù)算、人員和時(shí)間。但是,數(shù)據(jù)質(zhì)量管理并不是一項(xiàng)很難實(shí)現(xiàn)的大工程,但也不是短時(shí)間內(nèi)就能完成的工作??梢孕∫?guī)模起步,然后慢慢發(fā)展,即使是很小的進(jìn)步也會(huì)帶來(lái)相當(dāng)大的改變。
下面介紹幾種實(shí)施簡(jiǎn)單但作用明顯的,解決數(shù)據(jù)質(zhì)量問(wèn)題的方法:
實(shí)時(shí)驗(yàn)證服務(wù)
很多數(shù)據(jù)錯(cuò)誤發(fā)生在一開(kāi)始的時(shí)候。消費(fèi)者越來(lái)越多的通過(guò)在線渠道發(fā)生交易,在他們?cè)诰€填寫(xiě)表格時(shí)候,經(jīng)常會(huì)填寫(xiě)錯(cuò)誤信息。通過(guò)實(shí)時(shí)網(wǎng)絡(luò)服務(wù),這些信息可能很快接受測(cè)試、糾正,并通過(guò)實(shí)時(shí)網(wǎng)絡(luò)驗(yàn)證服務(wù)被納入市場(chǎng)系統(tǒng)。
請(qǐng)?jiān)O(shè)想以下幾種情景,可以使用實(shí)時(shí)服務(wù)來(lái)糾正和填補(bǔ)缺失信息:
情景1—拼寫(xiě)錯(cuò)誤
瑪利亞是個(gè)鞋子控,她正在瀏覽一家大型鞋店的網(wǎng)店。瑪利亞填寫(xiě)了一張新聞和特別優(yōu)惠網(wǎng)頁(yè)表格,提供了她的姓名、郵箱和住址。零售商總是會(huì)問(wèn)消費(fèi)者所住城市和州,因?yàn)槿绻浇辛闶鄣甑脑?,他們就可以給當(dāng)?shù)亓闶鄣晏峁┼]件報(bào)價(jià)。在填寫(xiě)表格的時(shí)候,瑪利亞寫(xiě)錯(cuò)了郵箱,在拼寫(xiě)時(shí)多加了一個(gè)s。那么零售商就可以通過(guò)實(shí)時(shí)網(wǎng)絡(luò)服務(wù),確認(rèn)每起交易中的信息。通過(guò)瑪利亞提供的全名和住址信息,他們能在數(shù)據(jù)進(jìn)入客戶信息庫(kù)之前實(shí)時(shí)糾正瑪利亞的郵箱地址。
情景2—信息不完整
喬納森·薩奧爾正在網(wǎng)上買(mǎi)保險(xiǎn)。他瀏覽的保險(xiǎn)公司發(fā)現(xiàn)他們的訪客都不愿意在網(wǎng)頁(yè)表格中填寫(xiě)超過(guò)三項(xiàng)的信息。當(dāng)要求填寫(xiě)第四項(xiàng)信息的時(shí)候,很多人就放棄填寫(xiě)表格了。對(duì)網(wǎng)頁(yè)問(wèn)題的一般回答不能成功轉(zhuǎn)換到下一頁(yè)面,這說(shuō)明該保險(xiǎn)公司的篩選模型不能進(jìn)行準(zhǔn)確預(yù)測(cè)。
如果他們知道以下幾項(xiàng)內(nèi)容,他們就能提供最好的保險(xiǎn)產(chǎn)品和選擇來(lái)達(dá)到好的預(yù)期。這幾項(xiàng)內(nèi)容就是年齡,家庭情況和職業(yè)。
喬納森在網(wǎng)上填完了這個(gè)表格,只要求填寫(xiě)了姓名、電話和郵箱。依靠這三項(xiàng)數(shù)據(jù),其他的重要數(shù)據(jù)就能從全國(guó)客戶數(shù)據(jù)庫(kù)中調(diào)取出來(lái),他的聯(lián)絡(luò)記錄也能通過(guò)模型以次秒級(jí)速度完成評(píng)價(jià)。在喬納森填完含有他最中意的保險(xiǎn)產(chǎn)品信息的表格后,幾秒之內(nèi)他的郵箱就會(huì)收到回復(fù),并且提供很有吸引力的報(bào)價(jià),吸引他打電話進(jìn)一步咨詢。
聯(lián)絡(luò)數(shù)據(jù)驗(yàn)證和優(yōu)化
數(shù)據(jù)以平均每月2%的速度淘汰,這意味著一般情況下,每年你的公司有25%到30%的聯(lián)絡(luò)數(shù)據(jù)被淘汰。97%的公司面臨聯(lián)絡(luò)數(shù)據(jù)不準(zhǔn)確的情況,一個(gè)比較簡(jiǎn)單的維護(hù)聯(lián)絡(luò)數(shù)據(jù)的方式是通過(guò)第三方數(shù)據(jù)供應(yīng),他們可以提供電話、郵箱和地址的優(yōu)化及驗(yàn)證服務(wù)。
A.郵件追加及驗(yàn)證
郵件市場(chǎng)一直是重要的數(shù)據(jù)渠道,其中平均每1美元的投入可以帶來(lái)44.25美元的回報(bào)。但是,人們的郵箱地址會(huì)變,工作也會(huì)變,也有可能客戶的郵箱地址莫名其妙就丟失了。不需要你花費(fèi)時(shí)間或者付出努力,郵件數(shù)據(jù)解決方案供應(yīng)商就能快速糾正并填補(bǔ)缺失的細(xì)節(jié)。比如,供應(yīng)商可以通過(guò)郵箱地址發(fā)掘通信地址,反之亦然,然后驗(yàn)證地址信息,標(biāo)記上不可送達(dá)、自動(dòng)更正語(yǔ)法錯(cuò)誤、識(shí)別垃圾郵件陷阱等等。其他的信息也能夠追加進(jìn)記錄中,例如電話、年齡、收入、是否有孩子這些統(tǒng)計(jì)信息,來(lái)幫助你獲取更加完整的客戶信息。
B.電話追加及驗(yàn)證
和郵件服務(wù)相似,可以用手機(jī)追加信息解決方案來(lái)維護(hù)電話記錄。例如,可以驗(yàn)證居民和公司的電話號(hào)碼,追加缺失電話號(hào)碼到記錄中,或者通過(guò)反電話追加信息程序,提供姓名和地址信息來(lái)找到電話號(hào)碼。
C.郵寄地址追加及驗(yàn)證
每年約有四千萬(wàn)的美國(guó)人搬家或者更換公司地址,但是他們的舊數(shù)據(jù)通常會(huì)繼續(xù)在郵件數(shù)據(jù)庫(kù)中。這樣一來(lái),郵件就會(huì)發(fā)到舊地址而不是發(fā)到新地址。據(jù)估計(jì),至少有8%的郵件因?yàn)榈刂峰e(cuò)誤而無(wú)法送達(dá)??蛻艉颓熬坝涗浀倪\(yùn)營(yíng)可以通過(guò)“國(guó)家地址變更”(NCOA)程序來(lái)確認(rèn)及更新個(gè)人及公司的新地址。
“地址所有權(quán)變更”(PCOA)是另一個(gè)重要的地址數(shù)據(jù)驗(yàn)證程序,對(duì)它的投資可以收獲客觀的回報(bào)。平均每年只有65%的喬遷報(bào)告給了美國(guó)郵局服務(wù)處。而PCOA可以從多個(gè)渠道收集數(shù)據(jù)(銀行、信用卡、雜志訂閱等),這些地址變更可能不會(huì)通過(guò)傳統(tǒng)的NCOA渠道報(bào)給郵局。如果營(yíng)銷(xiāo)上和籌資人想要發(fā)現(xiàn)客戶和捐資人,使用NCOA渠道可能會(huì)損失35%的數(shù)據(jù)。
數(shù)據(jù)已經(jīng)不再是人們習(xí)以為常的商品,它的價(jià)值取決于數(shù)據(jù)的質(zhì)量和準(zhǔn)確度。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷(xiāo)案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷(xiāo)成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10