
表象層,就像汽車儀表盤,實(shí)時(shí)告訴你發(fā)生了什么,并適時(shí)做個(gè)警報(bào)提示等等,是what。分析師要做的事情就是搭建指標(biāo)體系,進(jìn)行各種維度的統(tǒng)計(jì)分析。
本質(zhì)層,像診斷儀,不再停留在觀察肉眼可見的表面癥狀,而是去檢測身體內(nèi)部的問題,這個(gè)層面要揭露現(xiàn)象背后的動(dòng)因,找到規(guī)律,是why。主要做的事情就是進(jìn)行個(gè)案分析獲得需求動(dòng)機(jī)層面的認(rèn)知,然后對個(gè)體進(jìn)行聚類獲得全面的洞察。
抽象層,是特殊到一般的過程,對業(yè)務(wù)問題進(jìn)行抽象,用模型去刻畫業(yè)務(wù)問題,是how。這個(gè)層面做的事情就是把問題映射到模型,然后再用模型去做預(yù)測,減少不確定性。其產(chǎn)出主要是分類(標(biāo)簽)和排序(評分)。
現(xiàn)實(shí)層,是一般到特殊的過程,將抽象的模型套用到現(xiàn)實(shí)中來,告訴大家如何去行動(dòng),是when、where、who and whom。就像航標(biāo),要時(shí)刻為業(yè)務(wù)保駕護(hù)航,指導(dǎo)業(yè)務(wù)的行動(dòng)。其產(chǎn)出主要是規(guī)則和短名單。
在明確數(shù)據(jù)分析的層次后,要想從洞察到行動(dòng),需要做到四個(gè)層次的穿透和每個(gè)層次的深入。首先,分析要能夠穿透各個(gè)層次,只有上下貫通,數(shù)據(jù)分析的價(jià)值才能立竿見影。其次,在分析的每個(gè)層次上要做的深入。
一、在表象層,看數(shù)據(jù)要深入。主要體現(xiàn)在兩個(gè)方面:
1. 從“點(diǎn)“到”線面體“,從看一個(gè)點(diǎn)的數(shù)據(jù),到看線,看面,看體。
一般來講,想看數(shù)據(jù)的人潛意識(shí)里是要成“體”的數(shù)據(jù)的,只是溝通過程中變成了“點(diǎn)”的需求,因?yàn)椤包c(diǎn)”簡單容易講明白,但是,這次給不了“體”的數(shù)據(jù),下次還會(huì)圍繞“體”的數(shù)據(jù)提各種“點(diǎn)”的需求,這個(gè)時(shí)候我們需要延伸一下,提前想需求方之所想,就不用來回往復(fù)了。
2. 關(guān)注數(shù)據(jù)之間的邏輯關(guān)系
這方面最值得借鑒的就是平衡計(jì)分卡了,平衡計(jì)分卡從數(shù)據(jù)指標(biāo)的角度去看,就是一套帶有因果關(guān)系的指標(biāo)體系。
平衡計(jì)分卡通過Strategy Map把策略說清楚講明白,通過KPI進(jìn)行有效的衡量,被評價(jià)為“透視營運(yùn)因果關(guān)系的績效驅(qū)動(dòng)器”(政大會(huì)計(jì)系教授 吳安妮),“將策略化為具體行動(dòng)的翻譯機(jī)”(臺(tái)大會(huì)計(jì)系教授 杜榮瑞)。
平衡計(jì)分卡對我們的啟發(fā)是,人人可以梳理出一套和自己業(yè)務(wù)相關(guān)的有邏輯關(guān)系的數(shù)據(jù)指標(biāo)體系,通過它實(shí)現(xiàn)聚焦和協(xié)同。
二、在本質(zhì)層,深入理解業(yè)務(wù)模式,并跳出既有的思維模式,建立新的心智模型。
比如我們看淘寶,淘寶業(yè)務(wù)的本質(zhì)是什么呢?其中一個(gè)答案是復(fù)雜系統(tǒng)。
大家都知道,淘寶是一個(gè)生態(tài)系統(tǒng),淘寶是一個(gè)典型的由買家、賣家、ISV、淘女郎等各種物種構(gòu)成的復(fù)雜系統(tǒng),阿里巴巴是一個(gè)更大的復(fù)雜系統(tǒng)。
復(fù)雜系統(tǒng)對我們的啟發(fā)是,關(guān)注個(gè)體(系統(tǒng)內(nèi)部買家賣家等參與者)的同時(shí),注意分析個(gè)體在群體中位置和角色,分析群體的發(fā)展?jié)摿Α⒀莼?guī)律、競爭度、成熟度等,分析群體和群體之間關(guān)系。同時(shí),對應(yīng)的抽象層建模的方法也要與之適配。
三、在抽象層,微觀上構(gòu)建更加抽象的特征,宏觀上構(gòu)建更加抽象的模型。
1. 在既有的分析和挖掘框架下,構(gòu)建更加抽象的特征(也可以理解成維度、指標(biāo))。
這個(gè)可以類比現(xiàn)在最火的Deep Learning技術(shù),如果對一個(gè)圖片進(jìn)行識(shí)別,即使你獲取的是像素信息,深度學(xué)習(xí)可以自動(dòng)學(xué)習(xí)出像素背后的形狀、物體的特征等中間知識(shí),越上層的特征越接近真相。
1、對我們的啟示就是,在交易筆數(shù)交易金額這種“像素級別”特征(指標(biāo))的基礎(chǔ)上,可以考慮是否交易筆數(shù)連續(xù)上升、營銷活動(dòng)交易占比等帶有業(yè)務(wù)含義,更加抽象同時(shí)接近業(yè)務(wù)的特征(指標(biāo))。用抽象的特征去建??梢蕴嵘P偷男Ч?,用抽象的指標(biāo)去分析可以更貼近業(yè)務(wù)需求。
2.宏觀方面,可以用更加抽象的方式對業(yè)務(wù)進(jìn)行建模
在前面提到淘寶是復(fù)雜系統(tǒng),我們也可以對復(fù)雜系統(tǒng)進(jìn)行建模。做些適當(dāng)?shù)暮喕?,對淘寶做一個(gè)高度抽象,那就是一個(gè)字“網(wǎng)”。節(jié)點(diǎn)是買家、賣家等物種,邊就是購買、收藏、喜歡等行為產(chǎn)生的關(guān)系。整個(gè)淘寶就是一張大網(wǎng)。
圖注: 不同的顏色表示不同的細(xì)分互動(dòng)市場,點(diǎn)代表的是店鋪或者會(huì)員,連線表示會(huì)員是店鋪的熟客,點(diǎn)的大小對店鋪而言代表店鋪的熟客數(shù),對會(huì)員而言代表常購買的店鋪數(shù),越接近圖的中心越表示大眾化的需求,越接近圖的邊緣越體現(xiàn)需求的個(gè)性化。
建立這張大網(wǎng)之后,我們就可以做深入的分析,比如市場細(xì)分,個(gè)性化推薦等等。
四、在現(xiàn)實(shí)層,要深入到業(yè)務(wù)中去,不斷提升對相關(guān)業(yè)務(wù)的認(rèn)知能力。
心態(tài)上不要自我設(shè)限,分析無邊界,分析師要主動(dòng)參與到業(yè)務(wù)模式、產(chǎn)品形態(tài)的規(guī)劃和設(shè)計(jì)去。要了解業(yè)務(wù),在此基礎(chǔ)上靈活運(yùn)用模型的產(chǎn)出,比如:一個(gè)風(fēng)險(xiǎn)控制策 略,假如已經(jīng)有一個(gè)風(fēng)險(xiǎn)事件打分模型對風(fēng)險(xiǎn)事件打分排序,分析師可以根據(jù)業(yè)務(wù)需求靈活設(shè)計(jì)模型的使用策略,例如,對于風(fēng)險(xiǎn)得分最高的時(shí)間,機(jī)器自動(dòng)隔離, 風(fēng)險(xiǎn)得分偏高的,用機(jī)器+人工審核的半自動(dòng)方式進(jìn)行隔離。模型是死的,活用靠人。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL 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。 ...
2025-09-18CDA 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 ...
2025-09-18DSGE 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 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10