数据分析与挖掘的企业应用路在何方
【摘要】数据分析与挖掘的企业应用路在何方近期有不少朋友感言数据分析和挖掘应用的商业价值问题,一是说数据分析和挖掘在企业,如果只有知识发现,
数据分析与挖掘的企业应用路在何方
近期有不少朋友感言数据分析和挖掘应用的商业价值问题,一是说数据分析和挖掘在企业,如果只有知识发现,知识应用没有搞起来,企业还是没有体会到数据的价值;二是说数据分析和挖掘,是否看在多么牛的互联网巨头工作的背景,还是要有扎实的数据变现能力?
第一个问题,还得从第三方数据分析服务,与企业内部数据分析分开来说,否则没有意义。第二个问题,就看是谁在主导找数据分析的人,到底是HR或没想清楚如何用数据的高层,还是对数据分析和挖掘已经有了明确目标的高层,这才是关键!!像某些公司组织团队,唯互联网巨头背景论,或者唯某种技术论,都很难对企业有实质的帮助,只是满足他们的个人愿望罢了,而实际情况早已证明了这点。
个人很欣赏对数据分析有明确目标和需要的领导者,如果资深专业的数据分析和挖掘人士服务于这样的业务领导者,为他们的团队服务,将会擦出耀眼的火花,必将是大家一起与业务、与公司一起成长,突出市场重围。
-----两种数据应用的区别-----
第三方数据分析服务,个人以为属于技术派,说技术派并非他们不需要懂业务,而是他们的价值更突出在数据挖掘和分析技术上,而非对业务的深入解析。所以每当有人问我某数据服务或广告公司找数据总监是否合适人选介绍,我回答是,像我这样的可以上,但这并非我们最强项,最好找科班数据挖掘出身的,他们的核心价值是在技术,而非技术与业务的综合。
企业内部的数据分析和挖掘,个人以为属于商业价值导向派,或者叫业务派。如果把商业逻辑前因后果梳理不清楚,没有熟悉运营的细节,那么他的挖掘技术发挥得价值,恐怕还不如普通数据展现。
有朋友会问,什么是商业价值导向,是不是我把商业问题暴露出来,就OK了?显然是不够的,这样容易出现,你暴露的问题是“公开的秘密”,业务部门需要的是解决问题的办法,而不是仅仅暴露问题!那如何做到数据的商业价值最大化呢?那就是把问题彻底解决!辅助(一个或多个)业务部门,把问题都解决了。
-------如何做到解决问题?------
有朋友说,解决问题容易啊,BI作为IT工具,业务部门自己看着数据解决啊!我每次都说,非也,如果这样就OK,那么业务部门提需求,BI做分析开发,应该是完美的模式,但为啥这样做的公司,数据都应用很初级?原因需要细细道来。
就拿大家都常举例的转换率问题来说,务实的公司会先从零售指标销售收入、利润、库存来向下推转换率,但我们就按很多电商领导关注的转换率来谈吧。
假设某周转换率明显下降,需要怎样的分析才好呢,业务部门提需求,拿一些数据能搞定么?我们假设订单转换率由3%下降到1.5%,那么从业务角度,会有哪些可能性?
1。导流出了问题,新的流量来源僵尸用户多?(用户访问习惯性行为判断)
2。推广出了问题,很多用户误点广告(由退出率判断)?
3。网站是否改版,降低了客户体验?(用户行为路径判断)?
4。网站其他问题,例如某些功能比较难用,网站变慢等(用户行为访问节点分析判断)?
5。是否商品突然没有了吸引力,例如商品之前还是大量5-6折的商品引流,现在变成8折为引流了?(通过商品访问深度、商品访问比较分析)
如何有效解决问题?如果我们对KPI异常的判断不客观,那么就无法准确定位问题,更无法帮助业务部门解决问题!同时说等业务部门提需求,由BI来分析的朋友,请问转换率问题,上述几种常见原因的不同分析需求,业务部门谁能提出全面的需求?
如果没有全面的需求,那就得有全面的分析,和解决方案出来,协助业务部门彻底解决问题。例如广告误点导致转换率低,但如果总体订单不变的情况下,是否广告投入偏高,如果广告投入偏高,则需建议推广部门和广告公司重谈商务,降低费用,或者另找推广途径,来提高广告ROI。这就是与业务部门一起共进退的案例之一,如果网站、商品问题,同理!
-----企业内部需要什么样的分析挖掘人才?----
当然需要分析技术和挖掘算法人才,但要想专人才发挥足够的作用,必须有能理清楚整体业务,包括战略战术、运营,有熟悉分析技术和挖掘算法的人,来带领数据商业价值最大化,因为刚才我分析过,靠业务部门提需求的模式,是搞不定数据价值问题的。
我和一位数据界朋友交流的时候说,假如你每次想让你的分析都落地,产生商业价值,最好的办法就是熟悉业务运营,熟悉业务部门的运作方式。例如你发现近期销售降低的因素之一,是商品访问平均深度环比降低了20%,这对很多数据分析师来说,已经做的很不错了。且慢,这对于业务部门来说,还是很“虚”的说法。
像这个案例,你是给网站商品管理的同事说的,他们看到这个数据,最大的可能性就是陷入沉思,因为他们可能找不到突破口,来如何布局商品,才能提高访问深度。假如你理解他们的工作是组织新老品,组织引流、要利润、高利润不同商品组合,商品组合折扣等等运营工作,那么你的分析就会更贴近他们的实际应用。
那么解决这个问题,就是要发现商品部门能解决的原因,到底是商品布局层次出了问题,还是不同分类的品类组合出了问题,当这些问题表述清楚后,商品运营人员自然知道原因出在哪里,如何解决!!
--------总结-------
不同公司的价值导向不同,他们需要人才会不同,需要的价值展现形式也不同。第三方服务公司需要的技术、算法为主导,有一定行业业务知识为辅,有技术核心竞争力。但如果对行业业务有更深入理解,就会分析出更有参考和咨询价值的数据,体现出第三方公司更高的价值。 企业内部需要的熟悉业务和运作的人,但同时也要熟悉技术和算法,当业务推动不是问题,技术和算法就很重要,当技术和算法有储备,那么能熟悉业务并能用好技术算法就很重要。简单化数据分析
就业培训申请领取
环球青藤
官方QQ群扫描上方二维码或点击一键加群,免费领取大礼包,加群暗号:青藤。 一键加群
数据分析师相关文章推荐
|数据分析师最新文章推荐
刷题看课 APP下载
免费直播 一键购课
代报名等人工服务
- 1 传统数据和大数据的区别
- 2 数据分析的8种方法都是哪些?
- 3 3大常用的数据分析工具是什么?
- 4 数据分析的具体流程是什么?
- 5 excel中的运算符
- 6 数据分析的作用有哪些?
- 7 电子商务需要分析哪些数据?
- 8 数据分析包括哪些内容?
- 9 rdd是什么?
- 10 数据分析的基本步骤