簡單有效的數據分析才是王道

越來越多的公司開始倡導‘用數據說話’，利用數據分析來幫助公司進行商務運營和制定決策。但如果一個公司試圖對所有可能收集到的數據進行分析或者期望用數字來解決一切問題，那便又陷入了另一個極端，讓自己受到數據分析復雜性的困擾。公司應該利用簡單有效的數據分析方法幫助其在已有的業(yè)務認知基礎上更好地作出商務決策。下面我們就結合一些公司的實例來介紹利用簡單的數據分析解決商務問題的三部曲。

第一步，提高數據產生速度

更快的數據＝更快的認知＝更快的結果。通過建立一個可以快速融合大數據的混合科技數據服務平臺來自動化并加速數據的產生和更新。這樣的環(huán)境能夠幫助企業(yè)更好地運轉和管理業(yè)務，并使大量數據在企業(yè)內部更好地流通。實時的數據分析可以幫助公司更快地制定決策并提高服務質量。例如，美國一家銀行采用了這樣一個科技環(huán)境來更有效地管理持續(xù)大量增長的客戶信息，將分析運行速度提高了幾個小時，更快地得到分析結果并及時向客戶反饋。

第二步，充分利用分析工具

（1）商業(yè)智能和數據可視化

商務智能的核心就是將數據分析融入公司運營中來優(yōu)化的決策制定并提高業(yè)績。商務智能通過合適的數據，時機和媒介（例如手機，電腦等），用直觀明了的可視化方式（例如熱點圖，圖表等）向公司決策者展示他們需要的分析結果，幫助他們更好地理解數據分析結果并進一步優(yōu)化決策分析。例如，一個金融服務公司利用商務智能和數據可視化來比較不同的風險投資組合。他們分析了關鍵數據并以可視化方式展示了分析結果，成功地找出美國哪些地區(qū)有較高拖債率，按照貸款人、貸款目的和貸款渠道等因素更準確地制定資金份額，以及及時有效審查銀行貸款投資組合。同時，用戶可以對分析結果進行交互操作并按需查詢數據，例如選擇不同的日期，信用等級，比較貸方和貸款方式等。利用交互式商務智能的靈活性和數據探索能力以及可視化方式，決策者可以制定更準確有效地制定策略。

（2）數據挖掘

利用數據挖掘技術，公司可以更好地探索出原本不是很明顯的數據變化趨勢，以此來優(yōu)化商業(yè)決策。例如，一個能源公司通過數據挖掘預測了哪些管道有更大的破裂風險，并根據分析結果來優(yōu)化資源進行管道維護。

（3）數據分析應用程序

利用數據分析應用程序可以讓公司管理者直接有效地進行數據分析，幫助他們更好地按照數據分析結果來作出商業(yè)決定。這些應用程序可以針對不同行業(yè)，也可以靈活機動地滿足公司內部不同人群的需要－從市場部到財務部，從公司管理層到中層。例如，一個貨物儲存經理可以利用數據分析軟件優(yōu)化存貨清單，一個市場總監(jiān)也可以利用分析軟件決定公司的全球市場運營。

（4）機器學習和認知運算

機器學習能夠去除數據建模中的人員影響因素，更直觀地預測客戶行為和企業(yè)業(yè)績。通過大量的數據和強大的運行能力，智能軟件可以結合數據科學和認知科技幫助機器作出更好的決定。例如，一個零售商利用不同銷售渠道（例如手機、商店、網絡等）獲得的實時數據進行機器學習，完善了針對不同用戶的推薦服務，有效地提高了業(yè)績。
第三步，認識到每個公司利用數據分析制定決策的道路都是獨特的
商務目的，科技，數據形式，數據來源等很多因素都會影響數據分析，這些因素也在隨時間不斷變化。比如其中一個非常重要的影響因素就是企業(yè)文化：這個公司是保守風格還是喜歡風險呢？這個公司是否已經有足夠的數據和分析方法，還是才剛剛嘗試第一個數據分析項目？每一個公司都擁有不同的企業(yè)文化和科技特征，因此其數據探索道路也是獨特的。通常，公司可以按照不同的商業(yè)問題的本質采用兩種方法。第一個，如果商業(yè)問題很明確而且有已經存在的解決方法（例如，針對市場營銷的用戶分割和偏好模型），公司可以從已有的結果出發(fā)（例如，針對已有顧客的交叉銷售），采用以假驗為基礎的方法，用對照組測試結果，然后再進一步將分析結果應用到更大的顧客群中。第二個，如果商業(yè)問題很明確，但是沒有已知的應對方法，那么公司可以采用一些數據挖掘的方法，從數據中尋找規(guī)律以及因素之間的關聯(lián)性。例如，一個銀行利用數據挖掘方法發(fā)現用戶填寫網上表格的速度和詐騙行為有很高的關聯(lián)性。當商業(yè)問題較多時，公司首先應該關注解決哪個問題能給公司帶來最大的價值，然后按照已有的知識來選擇是假驗法還是挖掘法。
    以數據分析結果為導向的運營思路可以幫助公司決策者優(yōu)化決定，但是過猶不及，紛繁復雜的數據分析也許也會擾亂決策制定。有時候，去繁就簡，才能更好地利用數據，看清海量數據背后隱藏的商業(yè)秘密。