數(shù)據(jù)分析這詞匯時髦的不得了，然而就像這些年所炒的各種概念一樣，當(dāng)冷靜下來，請很多人解釋數(shù)據(jù)分析到底是什么時，恐怕要有一個不錯的答案很難。
比較常見的答案是：數(shù)據(jù)分析就是分析數(shù)據(jù)。那么怎么分析，分析什么呢?顯然這個答案沒有回答實際的問題。然而，正是這種含糊其詞的狀況，籠罩在業(yè)內(nèi)，尤其是互聯(lián)網(wǎng)行業(yè)的數(shù)據(jù)分析領(lǐng)域。似乎數(shù)據(jù)分析的訴求不斷的提升，但究竟分析什么，用什么分析，分析的結(jié)果如何應(yīng)用，不要說想清楚，恐怕連想都沒想過。
在我看來，數(shù)據(jù)分析不是一項工作，尤其不是從后臺取個數(shù)據(jù)，做個圖表的工作，而是一個產(chǎn)品，能夠滿足某種實際工作需要的產(chǎn)品。比如數(shù)據(jù)指數(shù)系統(tǒng)，用來指導(dǎo)運營工作，讓運營的同仁能夠基于指數(shù)來評估自身工作的增益或者不足，進一步通過數(shù)據(jù)鉆取來了解指數(shù)增加或減少的原因。好吧，這還是有點拗口。舉個第三方的例 子：電視是一個讓用戶休閑的產(chǎn)品，把數(shù)據(jù)分析想象成電視吧。
數(shù)據(jù)分析中，竊以為最重要的事情，就是明確數(shù)據(jù)分析的目的是什么，就像上面電視 的例子一樣，要明確電視用來干什么，別詫異，玩游戲，看電影，看球賽，看肥皂劇，唱KTV等等的用法都會使電視有所不同。因此，數(shù)據(jù)分析的目的決定了不同 的方式方法，出發(fā)點永遠(yuǎn)是如何指導(dǎo)工作，無論是最基礎(chǔ)的了解現(xiàn)狀及趨勢，還是機器自動學(xué)習(xí)的算法改進，永遠(yuǎn)如此。
說到這，數(shù)據(jù)分析這個“產(chǎn)品”會有什么用處呢?太多了，多到讓人太容易迷 失，數(shù)據(jù)會讓人的野心暴漲，看到了指標(biāo)A，會想著指標(biāo)B，了解了這些，又希望鉆取，這滿滿無期，雖然也有價值，但是投入產(chǎn)出非常不合理。因此，數(shù)據(jù)分析這 個產(chǎn)品，給用戶的應(yīng)該是“知識”，在沒有轉(zhuǎn)換成知識之前，所有的數(shù)據(jù)都是無價值的。我突然告訴你今天華氏105度，你覺得有價值么?
說到知識，最好的轉(zhuǎn)換方式無非是6個字：圖形、對比、鉆取。一圖勝千言，指標(biāo)增長還是減少，與自己對比，與控制組對比。當(dāng)發(fā)現(xiàn)這些變化時，進入維度中觀看不同的水平，是哪種水平導(dǎo)致了這些變化。其實非常簡單，簡單到比培訓(xùn)什么同比、環(huán)比、均值、眾數(shù)、方差、高斯分布、ANOVA、非參數(shù)統(tǒng)計、因子扭矩還帶個旋 轉(zhuǎn)、貝葉斯分布等等等等簡單的多。
一定要目標(biāo)導(dǎo)向，而不是工具導(dǎo)向。后者很可怕，我曾經(jīng)遇到過一位同學(xué)，他很happy的告訴我他要用 SAS，我問為啥，答案是可以編程。我說好吧，心想真有米，要多么復(fù)雜的模型啊，實際上這復(fù)雜的模型就是描述統(tǒng)計量的計算。忘記工具、忘記模型，用目標(biāo)來指引工作，假設(shè)要轉(zhuǎn)化的知識是給的哪些用戶，他們的業(yè)務(wù)場景假設(shè)是什么，是需要看數(shù)據(jù)來評估績效，還是需要數(shù)據(jù)來改進工作等等。然后把知識告訴他，這就完 了。如果說真要讓我推薦個什么工具，我說SQLpythonRSPSSExcel隨便挑一個都行，如果不行，隨時來找我。
這么來總結(jié)吧：數(shù)據(jù)分析，就是將數(shù)據(jù)轉(zhuǎn)化成知識的產(chǎn)品。所以，不應(yīng)該有數(shù)據(jù)分析師這個角色，而是產(chǎn)品經(jīng)理這個角色。
網(wǎng)友點評
精彩導(dǎo)讀
科技快報
品牌展示