國家全面倡導(dǎo)數(shù)字化，顯然是預(yù)見了經(jīng)濟(jì)發(fā)展的大趨勢。為此，各大企業(yè)積極響應(yīng)國家號(hào)召，緊鑼密鼓地部署并推進(jìn)數(shù)字化轉(zhuǎn)型。然而，隨著時(shí)間的推移，各種挑戰(zhàn)和瓶頸逐漸暴露出來，越來越多轉(zhuǎn)型的企業(yè)陷入四面楚歌、難以突圍的境況。

企業(yè)數(shù)字化轉(zhuǎn)型往往后勁力量越來越薄弱，無法達(dá)到預(yù)期效果，問題可能出在根部，所謂根部就是注重?cái)?shù)字化人才培養(yǎng)。

從小數(shù)據(jù)到大數(shù)據(jù)的分析思路均源于驗(yàn)證性數(shù)據(jù)分析，因此，業(yè)務(wù)需求尤為重要，而需求從何而來是由數(shù)據(jù)分析師所處的行業(yè)而定。

數(shù)據(jù)分析的需求來源包括閱讀運(yùn)營報(bào)告、痛點(diǎn)研究、未來戰(zhàn)略方向。

01、閱讀運(yùn)營報(bào)告

談到運(yùn)營報(bào)告就不得不提及數(shù)據(jù)庫。我們經(jīng)常將數(shù)據(jù)庫喻為“數(shù)據(jù)海洋”，其數(shù)量和內(nèi)容之多超出我們的想象。就電商公司而言，數(shù)據(jù)庫裝載幾千張表是很正常的現(xiàn)象，每張表的數(shù)據(jù)從幾十列到上百列不等，整個(gè)數(shù)據(jù)庫至少有幾萬列數(shù)據(jù)。一名數(shù)據(jù)分析師僅僅了解這些字段（基于描述類工作），估計(jì)沒有一年半載是辦不到的。

運(yùn)營報(bào)告包含很多有用字段，凡是能在報(bào)告里出現(xiàn)的字段都是經(jīng)過業(yè)務(wù)人員過濾并經(jīng)過幾年的持續(xù)修改而成的，這恰恰包含了數(shù)據(jù)分析所需要的統(tǒng)計(jì)信息。

如果事先有對(duì)業(yè)務(wù)問題進(jìn)行總結(jié)，那么運(yùn)營報(bào)告中的字段將得到大幅縮減。例如，如果消費(fèi)者關(guān)注商品顏色，那么運(yùn)營報(bào)告需要提及這一字段，并設(shè)計(jì)相應(yīng)的營銷方案；相反，如果最近業(yè)務(wù)更加關(guān)注客戶滿意度，那么商品顏色這一字段就用不上了，運(yùn)營報(bào)告自然也不會(huì)提及這一字段。由此看來，數(shù)據(jù)庫中只有部分字段能夠充分利用起來（通常認(rèn)為只有不足10% 的字段經(jīng)常被使用），而其他字段可能暫時(shí)還沒有用。

02、以報(bào)告看統(tǒng)計(jì)

（1）因變量y 和自變量x 從何而來？

公司每段時(shí)期出現(xiàn)的問題都會(huì)呈現(xiàn)在報(bào)告中，問題所在之處就是量化y。有了y 后，需要對(duì)問題進(jìn)行歸因，而變量x 就是結(jié)果y 的歸因因素，因此尋找影響因素x 是建模的主要過程。尋找x，不是從數(shù)據(jù)海洋中搜尋，而是判斷運(yùn)營報(bào)告中提到的字段。

理論上說，報(bào)告中涉及的字段都有可能成為y 或x，但企業(yè)在每段時(shí)期暴露的嚴(yán)重問題涉及的字段才最有可能是y，而且y 并不會(huì)很多，因?yàn)榇蠖鄶?shù)問題，只有幾個(gè)主導(dǎo)的因素。例如，訂單下滑、滿意度不佳、活躍度不夠等問題的根本原因可能是廣告投放失效，那么廣告投放就是當(dāng)前的y。x 是歸因的依據(jù)。模型是尋找影響因素最快捷的方式，如果能夠掌握數(shù)據(jù)分析方法，那么搜尋x 的過程就簡捷多了。

我們是否需要尋找報(bào)告之外的x 呢？這實(shí)際上涉及數(shù)據(jù)分析的創(chuàng)新，但創(chuàng)新是發(fā)生在夯實(shí)的業(yè)務(wù)基礎(chǔ)之上的。也就是只有具備了數(shù)據(jù)分析技術(shù)、業(yè)務(wù)知識(shí)，再加上時(shí)間的積累，創(chuàng)新才有望發(fā)生。數(shù)據(jù)分析師職業(yè)生涯前2 ～ 3 年，無須尋找這部分x。

（2）搭建模型的前提是業(yè)務(wù)準(zhǔn)備

數(shù)據(jù)降維（x 的篩選過程）和角色問題確定后，需要做的是模型搭建。數(shù)據(jù)分析師應(yīng)該用“點(diǎn)→線→面”的思路來完成業(yè)務(wù)梳理，進(jìn)而完成構(gòu)筑模型所需的一切業(yè)務(wù)準(zhǔn)備。只有把點(diǎn)的問題還原成面的問題，痛點(diǎn)問題才有望被解決。

點(diǎn)的問題就是造成損失的環(huán)節(jié)。例如，商品導(dǎo)致的業(yè)務(wù)問題，如毛利潤太低、供應(yīng)商供貨問題等。損失之處就是因變量y。然后圍繞因變量y 探討解決方案，這就是自變量x 與因變量y 間的結(jié)構(gòu)關(guān)系，y 的問題就是點(diǎn)的問題。線的問題，即自變量x 是如何影響因變量y 的，其重點(diǎn)在尋求歸因，即整體結(jié)構(gòu)。如果我們將各部門發(fā)生的事件歸納起來，并通過點(diǎn)和線的分析方式將這些事件編織成面的問題，然后使用統(tǒng)計(jì)技術(shù)控制每個(gè)環(huán)節(jié)，促使業(yè)務(wù)問題與統(tǒng)計(jì)解決方案同步，那么統(tǒng)計(jì)方法將得到有效的運(yùn)用。

03、研究痛點(diǎn)

企業(yè)在某段時(shí)間可能會(huì)面臨某個(gè)嚴(yán)重的業(yè)務(wù)問題，企業(yè)所有資源和人力都將用于解決這個(gè)問題，數(shù)據(jù)分析師當(dāng)然也不例外。企業(yè)每個(gè)時(shí)期的痛點(diǎn)各不相同，問題一般會(huì)持續(xù)3~6 個(gè)月。例如，老客戶流失嚴(yán)重，首先需要找到y(tǒng)，如果數(shù)據(jù)庫中沒有字段與該問題對(duì)應(yīng)，則需要想辦法構(gòu)建人工字段b，即用商品購買周期的兩倍來預(yù)判客戶流失（這是人工字段）的嚴(yán)重性。有了y 后，要尋找影響因素x，構(gòu)建客戶流失模型。完成模型構(gòu)建后，在因變量與自變量間歸因是不是就自然發(fā)生了呢？最終就能找到痛點(diǎn)的真正原因了呢？顯然，據(jù)此得出的結(jié)論過于單薄。

痛點(diǎn)問題是很多問題的綜合性表現(xiàn)，且一個(gè)模型能解釋的信息是有限的。對(duì)痛點(diǎn)問題進(jìn)行歸因是環(huán)環(huán)相套的。

研究痛點(diǎn)僅僅是幫助我們發(fā)現(xiàn)歸因鏈中有問題的環(huán)節(jié)，而此環(huán)節(jié)必須還原到產(chǎn)品或行為分析的框架中才能有效地歸因，否則就會(huì)出現(xiàn)“頭痛醫(yī)頭”的現(xiàn)象。

未來戰(zhàn)略方向

企業(yè)數(shù)字化轉(zhuǎn)型成敗還取決于數(shù)據(jù)分析專業(yè)人才的支持，數(shù)字化轉(zhuǎn)型需數(shù)字化人才，無論高尖端企業(yè)還是傳統(tǒng)行業(yè)，建設(shè)數(shù)字化人才團(tuán)隊(duì)是當(dāng)務(wù)之急。

未來5年，甚至更長時(shí)間，擁有具備業(yè)務(wù)、數(shù)據(jù)、架構(gòu)、內(nèi)部推動(dòng)、項(xiàng)目管理等綜合能力的數(shù)字化人才，尤其高效決策的數(shù)字化管理思維的人才，是企業(yè)決勝千里的關(guān)鍵。

在此期間，建議數(shù)據(jù)分析師可以做如下事情：

第一，調(diào)試模型使“精確”變成精確，以符合當(dāng)前應(yīng)用場景。模型判斷的準(zhǔn)則永遠(yuǎn)是業(yè)務(wù)標(biāo)準(zhǔn)，而最了解業(yè)務(wù)之人當(dāng)屬老板，所以老板確定的方向出錯(cuò)的可能性很小，要相信此錨。

第二，數(shù)據(jù)分析團(tuán)隊(duì)?wèi)?yīng)該適當(dāng)?shù)剞D(zhuǎn)移工作重點(diǎn)，如參與線下業(yè)務(wù)活動(dòng)，以了解營銷、物流配送、供應(yīng)商談判、客服等業(yè)務(wù)，從而了解業(yè)務(wù)與數(shù)據(jù)間的關(guān)系，但不要本末倒置。

第三，參加數(shù)據(jù)分析培訓(xùn)，提升自己。

8月19日直播課，由徐楊老師帶領(lǐng)大家學(xué)習(xí)！
直播內(nèi)容：
1.縱有千古：數(shù)字化的前世今生
2.橫有八荒：數(shù)字化工作的價(jià)值聚集：數(shù)據(jù)科學(xué)
3.前途似海：數(shù)字化人才的崗位需求
4.未來可期：如何成為企業(yè)需要的數(shù)字化人才
掃描海報(bào)二維碼，免費(fèi)聽課！