數(shù)據(jù)分析的七個(gè)關(guān)鍵步驟

獨(dú)自工作，將深?yuàn)W的公式應(yīng)用于大量的數(shù)據(jù)搜索從而得到有用的見解。但這還僅僅是一個(gè)過程中的一個(gè)步驟。數(shù)據(jù)分析本身不是目標(biāo)，目標(biāo)是使業(yè)務(wù)能夠做出更好的決策。數(shù)據(jù)科學(xué)家必須構(gòu)建產(chǎn)品，讓組織中的每個(gè)人更好地使用數(shù)據(jù),，使每個(gè)部門和各級(jí)都能用數(shù)據(jù)驅(qū)動(dòng)決策。

數(shù)據(jù)價(jià)值鏈?zhǔn)菍?duì)自動(dòng)收集產(chǎn)品，清洗和分析數(shù)據(jù)的捕獲，通過儀表板或報(bào)告來提供信息和預(yù)測(cè)。自動(dòng)化進(jìn)行分析，而且數(shù)據(jù)科學(xué)家可以在改進(jìn)工作與業(yè)務(wù)模型，提高預(yù)測(cè)精度。

雖然每個(gè)公司創(chuàng)建數(shù)據(jù)產(chǎn)品針對(duì)自己的需求和目標(biāo)，但是總體的步驟和目標(biāo)是一致的：

1．決定目標(biāo)：數(shù)據(jù)價(jià)值鏈的第一步必須先有數(shù)據(jù)，然后業(yè)務(wù)部門已經(jīng)決定數(shù)據(jù)科學(xué)團(tuán)隊(duì)的目標(biāo)。這些目標(biāo)通常需要進(jìn)行大量的數(shù)據(jù)收集和分析。因?yàn)槲覀冋谘芯繑?shù)據(jù)驅(qū)動(dòng)決策，我們需要一個(gè)可衡量的方式知道業(yè)務(wù)正向著目標(biāo)前進(jìn)。關(guān)鍵指標(biāo)或性能指標(biāo)必須及早發(fā)現(xiàn)。

2．確定業(yè)務(wù)標(biāo)桿：業(yè)務(wù)應(yīng)該做出改變來改善關(guān)鍵指標(biāo)從而達(dá)到它們的目標(biāo)。如果沒有什么可以改變，就不可能有進(jìn)步,，論多少數(shù)據(jù)被收集和分析。確定目標(biāo)、指標(biāo)在項(xiàng)目早期為項(xiàng)目提供了方向，避免無意義的數(shù)據(jù)分析。例如，目標(biāo)是提高客戶留存率，其中一個(gè)指標(biāo)可以為客戶更新他們的訂閱率，業(yè)務(wù)可以通過更新頁面的設(shè)計(jì)，時(shí)間和內(nèi)容來設(shè)置提醒郵件和做特別促銷活動(dòng)。

3．?dāng)?shù)據(jù)收集：撒一張數(shù)據(jù)的大網(wǎng)，更多數(shù)據(jù)，特別是數(shù)據(jù)從不同渠道找到更好的相關(guān)性，建立更好的模型，找到更多可行的見解。大數(shù)據(jù)經(jīng)濟(jì)意味著個(gè)人記錄往往是無用的，在每個(gè)記錄可供分析才可以提供真正的價(jià)值。公司密切檢測(cè)他們的網(wǎng)站來跟蹤用戶點(diǎn)擊和鼠標(biāo)移動(dòng)，通過射頻識(shí)別（RFID）技術(shù)來跟蹤他們行動(dòng)的方式等等。

4．數(shù)據(jù)清洗：數(shù)據(jù)分析的第一步是提高數(shù)據(jù)質(zhì)量。數(shù)據(jù)科學(xué)家處理正確的拼寫錯(cuò)誤，處理缺失數(shù)據(jù)和清除無意義的信息。在數(shù)據(jù)價(jià)值鏈中這是最關(guān)鍵的步驟，即使最好的數(shù)據(jù)值分析如果有垃圾數(shù)據(jù)這將會(huì)產(chǎn)生錯(cuò)誤結(jié)果和誤導(dǎo)。不止一個(gè)公司驚奇地發(fā)現(xiàn)，很大一部分客戶住在斯克內(nèi)克塔迪(美國城市)，紐約，和小鎮(zhèn)的人口不到70000人等等。然而，斯克內(nèi)克塔迪郵政編碼12345，所以不成比例地出現(xiàn)在幾乎每一個(gè)客戶檔案數(shù)據(jù)庫由于消費(fèi)者往往不愿真實(shí)填入他們的在線表單。分析這些數(shù)據(jù)將導(dǎo)致錯(cuò)誤的結(jié)論，除非數(shù)據(jù)分析師采取措施驗(yàn)證從而得到的是干凈的數(shù)據(jù)。。這通常意味著自動(dòng)化的過程，但這并不意味著人類無法參與其中。

5．數(shù)據(jù)建模：數(shù)據(jù)科學(xué)家構(gòu)建模型，關(guān)聯(lián)數(shù)據(jù)與業(yè)務(wù)成果和提出建議并確定關(guān)于業(yè)務(wù)價(jià)值的變化這是其中的第一步。這就是數(shù)據(jù)科學(xué)家成為關(guān)鍵業(yè)務(wù)的獨(dú)特專長，通過數(shù)據(jù)，建立模型，預(yù)測(cè)業(yè)務(wù)成果。數(shù)據(jù)科學(xué)家必須有一個(gè)強(qiáng)大的統(tǒng)計(jì)和機(jī)器學(xué)習(xí)的背景來構(gòu)建科學(xué)精確的模型和避免毫無意義的相關(guān)性陷阱和模型依賴于現(xiàn)有的數(shù)據(jù)，他們的未來預(yù)測(cè)是無用的。但統(tǒng)計(jì)背景是不夠的，數(shù)據(jù)科學(xué)家需要更好了解業(yè)務(wù)，他們將能夠識(shí)別數(shù)學(xué)模型的結(jié)果是否有意義的有價(jià)值的。

6．?dāng)?shù)據(jù)科學(xué)團(tuán)隊(duì)：數(shù)據(jù)科學(xué)家是出了名的難以雇用，這是一個(gè)好主意來構(gòu)建一個(gè)數(shù)據(jù)科學(xué)團(tuán)隊(duì)通過那些有一個(gè)高級(jí)學(xué)位統(tǒng)計(jì)關(guān)注數(shù)據(jù)建模和預(yù)測(cè)，而團(tuán)隊(duì)的其他人，合格的基礎(chǔ)設(shè)施工程師，軟件開發(fā)人員和ETL 專家，建立必要的數(shù)據(jù)收集基礎(chǔ)設(shè)施、數(shù)據(jù)管道和數(shù)據(jù)產(chǎn)品，使數(shù)據(jù)通過報(bào)告和儀表盤來顯示結(jié)果和業(yè)務(wù)模型。這些團(tuán)隊(duì)通常使用大規(guī)模數(shù)據(jù)分析平臺(tái)Hadoop自動(dòng)化數(shù)據(jù)收集和分析和運(yùn)行整個(gè)過程來作為一個(gè)產(chǎn)品。

7．優(yōu)化和重復(fù)：數(shù)據(jù)價(jià)值鏈?zhǔn)且粋€(gè)可重復(fù)的過程，通過連續(xù)改進(jìn)價(jià)值鏈的業(yè)務(wù)和數(shù)據(jù)本身。基于模型的結(jié)果，企業(yè)將通過數(shù)據(jù)科學(xué)團(tuán)隊(duì)測(cè)量的結(jié)果來驅(qū)動(dòng)業(yè)務(wù)。在結(jié)果的基礎(chǔ)上，企業(yè)可以決定進(jìn)一步行動(dòng)通過數(shù)據(jù)科學(xué)團(tuán)隊(duì)提高其數(shù)據(jù)收集、數(shù)據(jù)清理和數(shù)據(jù)模型。如果企業(yè)對(duì)于重復(fù)這個(gè)過程越快，就越早能走向正確的方向，從而得到數(shù)據(jù)價(jià)值。理想情況下，多次迭代后，模型將生成準(zhǔn)確的預(yù)測(cè)，業(yè)務(wù)將達(dá)到預(yù)定義的目標(biāo)，數(shù)據(jù)價(jià)值鏈的結(jié)果將用于監(jiān)測(cè)和報(bào)告，人人都搬來解決下一個(gè)商業(yè)挑戰(zhàn)。