利用數(shù)據(jù)分析來做更優(yōu)質(zhì)的決策

指向決策的數(shù)據(jù)分析是利用「數(shù)據(jù)分析」和「數(shù)據(jù)視覺化」這兩個方面，將最優(yōu)的商業(yè)決策和產(chǎn)品決策展現(xiàn)出來。決策者可以是公司里面的任何一個崗位，他有可能是產(chǎn)品經(jīng)理，用以決定現(xiàn)在產(chǎn)品路線圖上工作任務(wù)的優(yōu)先次序，也可以是高管團(tuán)隊(duì)，對目前公司的戰(zhàn)略方向做出更清晰合理的規(guī)劃。

指向決策的數(shù)據(jù)分析涉及好幾個領(lǐng)域，它們都有幾個共同的特點(diǎn)。它們都面臨的是比較前沿的問題，公司在此前從來沒有遭遇過，也沒有想著去加以解決的。它們往往比較主觀，需要數(shù)據(jù)分析師來處理一些未知的變數(shù)和一切缺失掉的客觀條件。它們很復(fù)雜，里面的一些關(guān)鍵因素之間缺乏明顯的關(guān)聯(lián)關(guān)系。同時，指向決策的數(shù)據(jù)分析也是可以通過評測的方式來解決問題的。決策帶來的正面結(jié)果是實(shí)實(shí)在在的，每個人都能看得見，且對公司的發(fā)展意義重大。

上面的這一番說法不禁讓人起了疑惑，你說不就是「數(shù)據(jù)分析工具」嘛。確實(shí)，關(guān)于「分析」和「決策」，這兩者的區(qū)別并不是很明顯關(guān)于決策的分析學(xué)不僅僅是面向「報(bào)告」和「表盤」。而那些利用市面上現(xiàn)成的「商業(yè)智能工具」就能完成的工作，也不屬于數(shù)據(jù)分析師的工作范疇當(dāng)中。

在 LinkedIn，高管團(tuán)隊(duì)使用「決策上的數(shù)據(jù)分析」來做很多關(guān)鍵的商業(yè)決策判斷，比如處理在搜索結(jié)果中的成員檔案可視化問題。在過去，只有付費(fèi)用戶才能在拓展人際網(wǎng)絡(luò)(三度人際網(wǎng)絡(luò))上看到每一個人的完整檔案。這種可視化的規(guī)則在過去非常復(fù)雜，而 LinkedIn 想要簡化它，但同時還要不能讓它影響收入。這其中的利害權(quán)衡就顯得非常關(guān)鍵。

他們計(jì)劃讓用戶檔案的可視化這樣子處理，在未付費(fèi)用戶那里，一個月查看用戶完整檔案是有一定的上限次數(shù)的，而且基于每個免費(fèi)用戶的使用情況分配不同的上限次數(shù)。LinkedIn 的數(shù)據(jù)分析師模擬了這樣的變動會帶來的影響，利用用戶過去的歷史行為數(shù)據(jù)來預(yù)測收入上的變動，以及產(chǎn)品使用度上的變化。分析師必須在過去的固有模式上將用戶的行為「抽離」出來，然后再把這些行為「安放」到新的模式下看它們會發(fā)生怎樣的變化。結(jié)果證明這樣做非常有助于公司的發(fā)展。

最后的結(jié)果正如模擬結(jié)果一樣，不僅僅為公司帶來業(yè)績上的提升，而且還愉悅了數(shù)百萬用戶，在產(chǎn)品研發(fā)上面理清了方向。一些人曾經(jīng)抱怨查看次數(shù)上面的限制，但是恰恰就是這群人，在 LinkedIn 的眼中是應(yīng)該轉(zhuǎn)化成為付費(fèi)用戶的一批人。這個項(xiàng)目非常成功，其中的關(guān)鍵得益于數(shù)據(jù)分析師所帶來的「未卜先知」的神奇能力。

也不是說所有的決策都需要這么大動干戈地使用數(shù)據(jù)分析。一些決策其實(shí)很小，殺雞焉用牛刀。另外一些決策很重要，但是恰恰公司在這個時候并具備充分的數(shù)據(jù)來分析它們。在這些情況下，公司必須依賴于某種商業(yè)上的直覺，以及后續(xù)展開的一些測試。優(yōu)秀的決策型數(shù)據(jù)分析師知道自己的極限在哪里，當(dāng)意識到他們的努力換不來相應(yīng)的結(jié)果，甚至?xí)砀弊饔玫臅r候他們會立刻中止掉工作。

盡管決策型分析又或者是產(chǎn)品型，它們都需要一些相同的技能。但是數(shù)據(jù)分析師不可能在這兩個方向上都精通。決策型分析取決于產(chǎn)品和商業(yè)模式，系統(tǒng)性思考，還需要具備強(qiáng)有力的溝通技能;產(chǎn)品型分析要求具備機(jī)器學(xué)習(xí)的知識，產(chǎn)品層面的工程技術(shù)。如果你有一支數(shù)據(jù)分析團(tuán)隊(duì)，你也許需要找出那鳳毛麟角地兩方面都擅長的人才，但是這種情況不多件，更現(xiàn)實(shí)的考慮是，當(dāng)你的團(tuán)隊(duì)不斷壯大，各在一個方向找出一個專精于此道的數(shù)據(jù)分析人才。

你是否應(yīng)該投資于數(shù)據(jù)分析?

數(shù)據(jù)分析并不是每一個人都適合，只有在它對你的成功起到?jīng)Q定性作用的前提下，你才想要去投資它。否則，它就會成為一個代價高昂，分人心神的邪路。

為了能夠更好的確認(rèn)你是否應(yīng)該投資建設(shè)一支數(shù)據(jù)分析團(tuán)隊(duì)，你應(yīng)該問自己下面的四個問題：

1. 你是否真的要專注于數(shù)據(jù)分析這個行當(dāng)，要么打造更優(yōu)秀的產(chǎn)品?要么憑此來做出一個又一個更加優(yōu)化的決策?

如果你沒有下決心來憑借數(shù)據(jù)分析達(dá)到上面兩個目標(biāo)中的任意一個，那么最好數(shù)據(jù)分析這個行業(yè)你還是不要涉足的好。

它是可以幫你做出戰(zhàn)略性的決策規(guī)劃，但是只有在你想要在全公司范圍內(nèi)打造一種以數(shù)據(jù)作為驅(qū)動的公司文化的前提下，一切才能成真。公司文化這件事并不一定從第一天開始做，但是你需要招聘正確的員工，并且花時間讓他們知道數(shù)據(jù)的價值，你的公司的產(chǎn)品重心是什么。而讓數(shù)據(jù)分析結(jié)果轉(zhuǎn)化成為優(yōu)質(zhì)據(jù)測之前，你一定要完成上面的這些工作。

指向產(chǎn)品的數(shù)據(jù)分析學(xué)可以通過持續(xù)不斷的優(yōu)化，創(chuàng)造產(chǎn)品新的價值，并讓用戶得到越來越多的滿足。數(shù)據(jù)分析師應(yīng)該可以在產(chǎn)品設(shè)計(jì)、數(shù)據(jù)收集、系統(tǒng)底層架構(gòu)等方面做出關(guān)鍵決策，從而給客戶帶來一款夢幻般的產(chǎn)品。

2. 你在未來是否有能力收集一切你需要的數(shù)據(jù)，并且將此作為行動的準(zhǔn)繩?

一個身為創(chuàng)始人的軟件工程師可以利一些在產(chǎn)品和設(shè)計(jì)上的創(chuàng)新思路，打造一款「最小可行化產(chǎn)品」的。而數(shù)據(jù)分析師手中的工具就是數(shù)據(jù)，這個數(shù)據(jù)有兩個特點(diǎn)：首先它必須是可以收集評測的;其次它必須是不斷規(guī)?；鲩L的。「推薦系統(tǒng)」就是要求你的產(chǎn)品能夠追蹤用戶的消費(fèi)行為，對商業(yè)決策的優(yōu)化依靠的是在關(guān)鍵行為和產(chǎn)出上給予一些更加合理的指導(dǎo)。

但是收集到數(shù)據(jù)并不是全部內(nèi)容，只有把行動建立在數(shù)據(jù)的基礎(chǔ)上，數(shù)據(jù)分析學(xué)才真正有了意義。

數(shù)據(jù)應(yīng)該指導(dǎo)產(chǎn)品變動，提升公司的關(guān)鍵性能指標(biāo)。(KPI)

在這個過程中，全公司上下的人都需要不斷確認(rèn)每一款產(chǎn)品所需要收集的數(shù)據(jù)都是什么，并且在收集和維護(hù)這些數(shù)據(jù)的同時，建立起一個更加牢靠的底層架構(gòu)和流程。為了實(shí)現(xiàn)理想中的結(jié)果，數(shù)據(jù)分析師、工程師、產(chǎn)品經(jīng)理三方應(yīng)該聯(lián)手寫作，并且轉(zhuǎn)化成實(shí)實(shí)在在的執(zhí)行力。

同樣，以數(shù)據(jù)作為基礎(chǔ)的決策也需要公司自上而下的動員。從 CEO 一直到公司基層部門，公司應(yīng)該一切以數(shù)據(jù)說話，而不是誰拿的薪水高就聽誰的話。

3. 你是否在數(shù)據(jù)中來獲取到足夠多的信號?借此獲得深刻的洞見?

很多人把大數(shù)據(jù)等同于數(shù)據(jù)分析，但是數(shù)據(jù)的規(guī)模并不意味著一切。數(shù)據(jù)分析是要將有價值的信號/跡象從「數(shù)據(jù)的噪音」中抽離出來的過程。而有價值的信號/跡象不僅僅依靠的是數(shù)據(jù)的規(guī)模，更重要的是「信噪比」。

舉個例子，一款廣告產(chǎn)品也許從也許能從幾十億次廣告投放中獲取信息，但是真正有價值的，承載「信號」的數(shù)據(jù)出現(xiàn)在為數(shù)不多的例子當(dāng)中，在這些情況下，用戶必須要跟廣告進(jìn)行互動才可以。因此，大規(guī)模的數(shù)據(jù)產(chǎn)出的是少量的信號。所以，除非你的數(shù)據(jù)量中存在著很多有價值的信號，否則數(shù)據(jù)分析面對再大規(guī)模的數(shù)據(jù)量也無能為力。

4. 你是否需要讓數(shù)據(jù)分析成為自己的核心競爭力?又或者你可以將數(shù)據(jù)分析這項(xiàng)工作外包出去?

打造一支數(shù)據(jù)分析團(tuán)隊(duì)是困難的，成本也是很高的。如果你能通過「外包」的形式繞過這個問題的話，那自然最好不過。其中的一個選擇就是認(rèn)真地使用顧問。更好的做法是，利用現(xiàn)成的解決方案，比如利用 API 來消化數(shù)據(jù)，建立模型，將行動自動化，并且在關(guān)鍵指標(biāo)的評測上給予報(bào)告。這些也許不是滿足你需求的最完美的解決方案，但是它確實(shí)能起到加速你公司發(fā)展的效果，讓你的核心團(tuán)隊(duì)將精力放在能夠產(chǎn)出更大價值的領(lǐng)域上。

什么時候你需要將數(shù)據(jù)分析作為公司的核心競爭力?如果數(shù)據(jù)分析解決的問題對于你的公司來說具有決定生死輸贏的作用，那么你就不能再把它外包出去了。另外，市面上存在的數(shù)據(jù)分析解決方案往往都比較教條僵化，如果你的公司正在嘗試一種創(chuàng)新的方法，比如收集一種全新的數(shù)據(jù)，又或者以別人想象不到的角度來應(yīng)用這些數(shù)據(jù)，那么市面上的這些解決方案的靈活度不夠，有可能不太適合你的需求。

你什么時候應(yīng)該開始涉足數(shù)據(jù)分析?

數(shù)據(jù)分析要求你從「數(shù)據(jù)」邁向「分析」，絕大多數(shù)的公司一開始并沒有多少數(shù)據(jù)在手里。

謹(jǐn)慎考慮招聘一位數(shù)據(jù)分析的帶頭人，又或者是打造一支這樣的團(tuán)隊(duì)，除非你現(xiàn)在手中有活兒給他們。同時，你要從一開始就收集關(guān)鍵數(shù)據(jù)，這樣在必要的時候，數(shù)據(jù)分析團(tuán)隊(duì)是有分析的基礎(chǔ)的。

如果你現(xiàn)在手中還沒有數(shù)據(jù)，那么就應(yīng)該想想你現(xiàn)在需要收集怎樣的數(shù)據(jù)?什么時候去收集它們?并且將這個工作指派到一個人身上。這個人并不一定非得是數(shù)據(jù)分析師，但他最好得懂不同數(shù)據(jù)組合應(yīng)有的價值，并且在你數(shù)據(jù)投資的策略上對一些比較棘手的問題做出決策。如果你已經(jīng)知道你即將要花很多錢和時間在數(shù)據(jù)獲取上，那么也許是時候撥出一點(diǎn)點(diǎn)的預(yù)算來，找到你的第一位數(shù)據(jù)分析師。

有可能出現(xiàn)這樣一種情況：你的公司現(xiàn)在正全力以赴地打造數(shù)據(jù)產(chǎn)品，你現(xiàn)在立刻就需要數(shù)據(jù)，但是更可能你的最小可行化產(chǎn)品(MVP)將不是數(shù)據(jù)驅(qū)動的。在一開始，最小可行化產(chǎn)品往往憑借的是一種直覺，然后去驗(yàn)證市場是否認(rèn)可這種直覺?在這種情況下，過早地投資于數(shù)據(jù)獲取和數(shù)據(jù)分析上面將讓你花掉過多的，不必要的時間和金錢，這些資源本應(yīng)該放在「盡快讓你的最小可行化產(chǎn)品上市」這項(xiàng)工作上。

一旦你有了數(shù)據(jù)(或者很快就要有數(shù)據(jù))給數(shù)據(jù)分析師利用，那么你應(yīng)該快速地著手準(zhǔn)備打造一支數(shù)據(jù)分析師團(tuán)隊(duì)了。

將一種以數(shù)據(jù)為中心的公司文化建立起來，這項(xiàng)工作的啟動應(yīng)該越早越好。

商業(yè)決策，無論是用戶獲取還是產(chǎn)品發(fā)布，都應(yīng)該建立在數(shù)據(jù)的基礎(chǔ)上，而不是某些人的主觀臆斷。將數(shù)據(jù)作為價值的核心所在，讓公司全員都能夠培養(yǎng)起來這樣一種思維習(xí)慣，視數(shù)據(jù)為最高級別的資產(chǎn)，越早做這樣一件事，體現(xiàn)出來的價值也就越大。