
數(shù)據(jù)分析與數(shù)據(jù)挖掘的企業(yè)應(yīng)用價(jià)值_數(shù)據(jù)分析師
數(shù)據(jù)分析和挖掘應(yīng)用的商業(yè)價(jià)值問題,一是說數(shù)據(jù)分析和挖掘在企業(yè),如果只有知識(shí)發(fā)現(xiàn),知識(shí)應(yīng)用沒有搞起來,企業(yè)還是沒有體會(huì)到數(shù)據(jù)的價(jià)值;二是說數(shù)據(jù)分析和挖掘,是否看在多么牛的互聯(lián)網(wǎng)巨頭工作的背景,還是要有扎實(shí)的數(shù)據(jù)變現(xiàn)能力?
第一個(gè)問題,還得從第三方數(shù)據(jù)分析服務(wù),與企業(yè)內(nèi)部數(shù)據(jù)分析分開來說,否則沒有意義。第二個(gè)問題,就看是誰在主導(dǎo)找數(shù)據(jù)分析的人,到底是HR或沒想清楚如何用數(shù)據(jù)的高層,還是對數(shù)據(jù)分析和挖掘已經(jīng)有了明確目標(biāo)的高層,這才是關(guān)鍵!!像某些公司組織團(tuán)隊(duì),唯互聯(lián)網(wǎng)巨頭背景論,或者唯某種技術(shù)論,都很難對企業(yè)有實(shí)質(zhì)的幫助,只是滿足他們的個(gè)人愿望罷了,而實(shí)際情況早已證明了這點(diǎn)。
個(gè)人很欣賞對數(shù)據(jù)分析有明確目標(biāo)和需要的領(lǐng)導(dǎo)者,如果資深專業(yè)的數(shù)據(jù)分析和挖掘人士服務(wù)于這樣的業(yè)務(wù)領(lǐng)導(dǎo)者,為他們的團(tuán)隊(duì)服務(wù),將會(huì)擦出耀眼的火花,必將是大家一起與業(yè)務(wù)、與公司一起成長,突出市場重圍。
第三方數(shù)據(jù)分析服務(wù),個(gè)人以為屬于技術(shù)派,說技術(shù)派并非他們不需要懂業(yè)務(wù),而是他們的價(jià)值更突出在數(shù)據(jù)挖掘和分析技術(shù)上,而非對業(yè)務(wù)的深入解析。所以每當(dāng)有人問我某數(shù)據(jù)服務(wù)或廣告公司找數(shù)據(jù)總監(jiān)是否合適人選介紹,我回答是,像我這樣的可以上,但這并非我們最強(qiáng)項(xiàng),最好找科班數(shù)據(jù)挖掘出身的,他們的核心價(jià)值是在技術(shù),而非技術(shù)與業(yè)務(wù)的綜合。
企業(yè)內(nèi)部的數(shù)據(jù)分析和挖掘,個(gè)人以為屬于商業(yè)價(jià)值導(dǎo)向派,或者叫業(yè)務(wù)派。如果把商業(yè)邏輯前因后果梳理不清楚,沒有熟悉運(yùn)營的細(xì)節(jié),那么他的挖掘技術(shù)發(fā)揮得價(jià)值,恐怕還不如普通數(shù)據(jù)展現(xiàn)。
有朋友會(huì)問,什么是商業(yè)價(jià)值導(dǎo)向,是不是我把商業(yè)問題暴露出來,就OK了?顯然是不夠的,這樣容易出現(xiàn),你暴露的問題是“公開的秘密”,業(yè)務(wù)部門需要的是解決問題的辦法,而不是僅僅暴露問題!那如何做到數(shù)據(jù)的商業(yè)價(jià)值最大化呢?那就是把問題徹底解決!輔助(一個(gè)或多個(gè))業(yè)務(wù)部門,把問題都解決了。
有朋友說,解決問題容易啊,BI作為IT工具,業(yè)務(wù)部門自己看著數(shù)據(jù)解決??!我每次都說,非也,如果這樣就OK,那么業(yè)務(wù)部門提需求,BI做分析開發(fā),應(yīng)該是完美的模式,但為啥這樣做的公司,數(shù)據(jù)都應(yīng)用很初級?原因需要細(xì)細(xì)道來。
就拿大家都常舉例的轉(zhuǎn)換率問題來說,務(wù)實(shí)的公司會(huì)先從零售指標(biāo)銷售收入、利潤、庫存來向下推轉(zhuǎn)換率,但我們就按很多電商領(lǐng)導(dǎo)關(guān)注的轉(zhuǎn)換率來談吧。
假設(shè)某周轉(zhuǎn)換率明顯下降,需要怎樣的分析才好呢,業(yè)務(wù)部門提需求,拿一些數(shù)據(jù)能搞定么?我們假設(shè)訂單轉(zhuǎn)換率由3%下降到1.5%,那么從業(yè)務(wù)角度,會(huì)有哪些可能性?
1。導(dǎo)流出了問題,新的流量來源僵尸用戶多?(用戶訪問習(xí)慣性行為判斷)
2。推廣出了問題,很多用戶誤點(diǎn)廣告(由退出率判斷)?
3。網(wǎng)站是否改版,降低了客戶體驗(yàn)?(用戶行為路徑判斷)?
4。網(wǎng)站其他問題,例如某些功能比較難用,網(wǎng)站變慢等(用戶行為訪問節(jié)點(diǎn)分析判斷)?
5。是否商品突然沒有了吸引力,例如商品之前還是大量5-6折的商品引流,現(xiàn)在變成8折為引流了?(通過商品訪問深度、商品訪問比較分析)
如何有效解決問題?如果我們對KPI異常的判斷不客觀,那么就無法準(zhǔn)確定位問題,更無法幫助業(yè)務(wù)部門解決問題!同時(shí)說等業(yè)務(wù)部門提需求,由BI來分析的朋友,請問轉(zhuǎn)換率問題,上述幾種常見原因的不同分析需求,業(yè)務(wù)部門誰能提出全面的需求?
如果沒有全面的需求,那就得有全面的分析,和解決方案出來,協(xié)助業(yè)務(wù)部門徹底解決問題。例如廣告誤點(diǎn)導(dǎo)致轉(zhuǎn)換率低,但如果總體訂單不變的情況下,是否廣告投入偏高,如果廣告投入偏高,則需建議推廣部門和廣告公司重談商務(wù),降低費(fèi)用,或者另找推廣途徑,來提高廣告ROI。這就是與業(yè)務(wù)部門一起共進(jìn)退的案例之一,如果網(wǎng)站、商品問題,同理!
當(dāng)然需要分析技術(shù)和挖掘算法人才,但要想專人才發(fā)揮足夠的作用,必須有能理清楚整體業(yè)務(wù),包括戰(zhàn)略戰(zhàn)術(shù)、運(yùn)營,有熟悉分析技術(shù)和挖掘算法的人,來帶領(lǐng)數(shù)據(jù)商業(yè)價(jià)值最大化,因?yàn)閯偛盼曳治鲞^,靠業(yè)務(wù)部門提需求的模式,是搞不定數(shù)據(jù)價(jià)值問題的。
我和一位數(shù)據(jù)界朋友交流的時(shí)候說,假如你每次想讓你的分析都落地,產(chǎn)生商業(yè)價(jià)值,最好的辦法就是熟悉業(yè)務(wù)運(yùn)營,熟悉業(yè)務(wù)部門的運(yùn)作方式。例如你發(fā)現(xiàn)近期銷售降低的因素之一,是商品訪問平均深度環(huán)比降低了20%,這對很多數(shù)據(jù)分析師來說,已經(jīng)做的很不錯(cuò)了。且慢,這對于業(yè)務(wù)部門來說,還是很“虛”的說法。
像這個(gè)案例,你是給網(wǎng)站商品管理的同事說的,他們看到這個(gè)數(shù)據(jù),最大的可能性就是陷入沉思,因?yàn)樗麄兛赡苷也坏酵黄瓶冢瑏砣绾尾季稚唐?,才能提高訪問深度。假如你理解他們的工作是組織新老品,組織引流、要利潤、高利潤不同商品組合,商品組合折扣等等運(yùn)營工作,那么你的分析就會(huì)更貼近他們的實(shí)際應(yīng)用。
那么解決這個(gè)問題,就是要發(fā)現(xiàn)商品部門能解決的原因,到底是商品布局層次出了問題,還是不同分類的品類組合出了問題,當(dāng)這些問題表述清楚后,商品運(yùn)營人員自然知道原因出在哪里,如何解決??!
總結(jié)
不同公司的價(jià)值導(dǎo)向不同,他們需要人才會(huì)不同,需要的價(jià)值展現(xiàn)形式也不同。第三方服務(wù)公司需要的技術(shù)、算法為主導(dǎo),有一定行業(yè)業(yè)務(wù)知識(shí)為輔,有技術(shù)核心競爭力。但如果對行業(yè)業(yè)務(wù)有更深入理解,就會(huì)分析出更有參考和咨詢價(jià)值的數(shù)據(jù),體現(xiàn)出第三方公司更高的價(jià)值。 企業(yè)內(nèi)部需要的熟悉業(yè)務(wù)和運(yùn)作的人,但同時(shí)也要熟悉技術(shù)和算法,當(dāng)業(yè)務(wù)推動(dòng)不是問題,技術(shù)和算法就很重要,當(dāng)技術(shù)和算法有儲(chǔ)備,那么能熟悉業(yè)務(wù)并能用好技術(shù)算法就很重要。簡單化數(shù)據(jù)分析和挖掘價(jià)值,以及人才判斷,無非變現(xiàn)出來的就是企業(yè)對數(shù)據(jù)分析和挖掘迷茫甚至無知,所以才認(rèn)為背景能解決一切。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 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)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL 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)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
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)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 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(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)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
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)營問題、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塔吉特百貨孕婦營銷案例: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) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11