
做數(shù)據(jù)分析時(shí),應(yīng)關(guān)注哪幾個(gè)問題
1.你想解決的是什么問題?
對(duì)于數(shù)據(jù)分析師或數(shù)據(jù)工程師或者其它相關(guān)人員,找到一些新的應(yīng)用或者好玩的東西實(shí)在太容易了,問題是這些東西是否與業(yè)務(wù)相關(guān)。鼓勵(lì)他們?nèi)リP(guān)注現(xiàn)實(shí)存在的問題,實(shí)現(xiàn)小的創(chuàng)新和改進(jìn),一次只做一件事,等時(shí)間長(zhǎng)了,信任增加,就可以減少對(duì)他們的管控,前提是你能分清探索 “新路徑”和原地打轉(zhuǎn)之間的區(qū)別。
2.你真的明白這些數(shù)據(jù)意味著什么嗎?
人們經(jīng)常在不太理解數(shù)據(jù)背景的情況下就開始收集,從一開始的時(shí)候就有誤解,等發(fā)現(xiàn)時(shí)已經(jīng)太晚了。所有的數(shù)據(jù),無論量有多大,都是非常精微的事物。NASA曾有一架火星登陸器墜毀,就是因?yàn)槠渲械囊粋€(gè)團(tuán)隊(duì)使用英國力矩計(jì)量單位“英尺*英磅”,而其它團(tuán)隊(duì)使用“牛頓”為單位,這類區(qū)分會(huì)使得數(shù)據(jù)看起來大不相同,尤其是通過不同的社交媒體平臺(tái)或者自動(dòng)分析系統(tǒng)收集來的數(shù)據(jù),會(huì)有這樣的問題。
3.我們應(yīng)該信任數(shù)據(jù)嗎?
靠不住、不準(zhǔn)確的數(shù)據(jù)非常多。壞零件組裝不出好汽車,同時(shí),錯(cuò)誤的數(shù)據(jù)再怎么分析也得不到正確結(jié)果。有些數(shù)據(jù)天生就不準(zhǔn)確,比如 GDP預(yù)測(cè)一類,另一類數(shù)據(jù)則是在流程中失掉了精確性,有時(shí)候數(shù)據(jù)收集就是一個(gè)不斷出錯(cuò)的過程,看看銀行錯(cuò)誤百出的信用評(píng)級(jí)報(bào)告就知道了。除非有一套非常好的系統(tǒng)流程來保證質(zhì)量,否則就要假定得到的數(shù)據(jù)并不準(zhǔn)確。
4.有沒有一些重要因素,諸如隱性的判斷、先入為主的前提或者自相沖突的數(shù)據(jù)結(jié)果使你對(duì)數(shù)據(jù)的認(rèn)識(shí)發(fā)生偏差?
這種情況很常見。首先,我們都希望能從數(shù)據(jù)分析中獲得回報(bào),這就產(chǎn)生了一種效應(yīng),即人們總會(huì)看見他想要看見的東西。比如說,你期望看到10%的收入提升,你手下的人就會(huì)找到短期內(nèi)增長(zhǎng)10%的證據(jù),但是過分關(guān)注眼下的10%,可能會(huì)失掉從數(shù)據(jù)中發(fā)現(xiàn)未來 100%增長(zhǎng)的機(jī)會(huì),或者干脆看不到負(fù)面趨勢(shì)的警示。
其次,先進(jìn)的數(shù)據(jù)分析需要超強(qiáng)的判斷力。數(shù)據(jù)專家傾向于只看數(shù)據(jù)而忽視其它因素,你得保證這種事不要發(fā)生。你越重視他們的工作結(jié)果,他們提供給你的數(shù)據(jù)就越清晰完整。
第三,分析的意義在于更深入地了解世界運(yùn)行的方式。錯(cuò)誤的假設(shè)和前提非常有害。舉例來說,金融危機(jī)的一個(gè)重要原因就是大家都先入為主地認(rèn)為房產(chǎn)價(jià)格與股市無關(guān),結(jié)果成了悲劇。
5.你的結(jié)論是不是建立在對(duì)市場(chǎng)的全面理解、對(duì)條件變化的認(rèn)識(shí)以及對(duì)最壞情況的心理準(zhǔn)備的前提之下?
不要將數(shù)據(jù)分析看成傳統(tǒng)的物理或者數(shù)學(xué)研究,驗(yàn)證數(shù)據(jù)結(jié)果可不像伽利略從塔上丟下物體的那類古老實(shí)驗(yàn),數(shù)據(jù)科學(xué)家必須是懷疑論者,不相信別人的結(jié)果,不斷地檢驗(yàn)、檢驗(yàn)、再檢驗(yàn),他們要盡量全面地描述數(shù)據(jù)中可能存在的不確定性。這很重要,因?yàn)槟愕臄?shù)據(jù)來源往往是超出數(shù)據(jù)科學(xué)家的控制之外的,他們不知道來龍去脈,因此需要明確地指出結(jié)論中的不確定在哪里,供管理者進(jìn)行判斷。
6.誰將會(huì)受到影響?方式如何?
數(shù)據(jù)的爆炸式增長(zhǎng)使得人們的隱私成為大問題。無論在組織內(nèi)部還是外部,在“有用”和
“侵犯隱私”之間僅有一線之隔,數(shù)據(jù)科學(xué)家的洞察力非常驚人,可是他們并不了解這些結(jié)果背后的意義和風(fēng)險(xiǎn),這些問題應(yīng)該由管理者而不是他們來解決。
小心一些,不要讓業(yè)務(wù)與數(shù)據(jù)之間的聯(lián)系過分敏感。你需要關(guān)注的其實(shí)只是紐約證券交易所的瞬間暴跌或者推特上的負(fù)面言論帶來的業(yè)務(wù)下滑。
7.我能為此做些什么?
如果前六條都沒解決,這個(gè)問題自然也不會(huì)出現(xiàn)。時(shí)刻想著重要的發(fā)現(xiàn)會(huì)對(duì)整個(gè)組織產(chǎn)生影響,我們都很關(guān)注變革管理,變革總是困難并且阻力重重的,光靠數(shù)據(jù)分析師無法實(shí)現(xiàn),需要管理者的參與。
除了第一個(gè)和最末一個(gè)問題,其它的問題只要一提出來,管理者就會(huì)開始思考。不過有經(jīng)驗(yàn)的數(shù)據(jù)分析師也會(huì)想到這些事,有說服力的答案能夠幫助管理者和數(shù)據(jù)分析家們從大數(shù)據(jù)中發(fā)掘?qū)I(yè)務(wù)有意義的內(nèi)容。(文章來源于cda數(shù)據(jù)分析師)
數(shù)據(jù)分析咨詢請(qǐng)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(chǎng)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(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)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(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)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(zhǎng)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(chǎng)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(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10