转载:本文嚟自微信公众号“穆宁Talk”(ID:muningtalk),作者:穆宁爱喝vodka,转载经授权发布。
在竞争残酷嘅数字时代,提出正确嘅数据分析问题嘅重要性,甚至可以决定企业嘅整体成功。收集所有现有信息不仅好重要,考虑准备数据并以适当嘅方式加以利用,已成为制定成功嘅业务战略中不可或缺嘅价值。
话虽咁,但大多数企业目前正处于数据分析嘅危机中。虽然组织在使用各种数据分析工具收集同分析数据上花费数百万 ,但似乎大多数人都难以以可行嘅、可盈利嘅方式实际使用该数据。
提出正确嘅问题比数据分析本身更重要
但是事实是,无论IT基础架构多么先进,你嘅数据都唔会为您提供现成嘅解决方案,除非你询问有关数据分析嘅特定问题。
为帮助将数据转换为业务决策,您应该甚至在开始数据收集过程之前就开始准备要深入认识嘅痛点。根据公司嘅策略,目标,预算同目标客户,应该准备一系列问题,呢啲问题将使您顺利地进行数据分析并帮助您获得相关嘅见解。
例如,您需要制定销售策略并增加收入。通过提出正确嘅问题,利用可以使您挖掘,利用同管理大量数据嘅销售分析软件,将更容易获得见解。普通嘅业务用户同跨部门嘅沟通将提高其有效性,减少做出可行决策嘅时间,从而提供一种经济高效嘅解决方案。
在开始任何企业工作之前,需要采取最关键嘅步骤:为任何类型嘅分析诉求,认真分析准备数据。咁样,您公司中嘅人员将拥有清晰嘅系统资源库,最终可以将其转换为可行嘅见解。
这可以包括多个过程,例如数据概要分析,数据质量管理或数据清理,但是我哋将重点分析提示同问题,以便在分析数据时获得最有效嘅解决方案以实现有效嘅业务策略。
而家,大数据同业务中断有关。组织不仅为成功而战,而且为生存而战。如果您想生存,噉就该采取行动嘎啦。喺这入面,我哋将睇一下数据分析问题嘅示例,并详细解释每个示例。
在考虑您所在嘅行业以及您嘅企业试图超越竞争对手时,应明确定义数据问题。识别不充分会导致错误嘅解释,从而直接影响业务效率,总体结果并引起问题。
确保您唔会陷入徒劳嘅“事后”数据处理陷阱,并帮助您以正确嘅心态开始以适当嘅数据驱动决策过程,同时获得可行嘅业务见解。
1 你到底想通过数据分析,找出乜嘢?
最好先评估您嘅业务状况。喺全公司范围内,同意同您嘅业务最相关嘅KPI以及佢哋点样发展。研究不同嘅KPI示例,然后同您自己嘅示例进行比较。想想您希望佢哋以乜嘢方式进一步发展。您能影响呢一发展吗?
确定可以在边入面进行更改。如果乜嘢都唔可以改变,就无分析数据嘅意义。但是,如果您发现发展机会,并且睇到可以显住改善您嘅业务绩效,噉么KPI仪表板软件可能是一项明智嘅投资,但系以监视您嘅关键绩效指标并提供公司数据嘅透明概览。
下一步是考虑您嘅目标是乜嘢,以及佢将促进边啲决策。从分析中得出乜嘢结果,您认为会成功?呢啲介绍性嘅数据分析问题对于指导您完成成个过程并帮助您专注于关键见解是必不可少嘅。
您可以通过集体讨论并起草有关要发现嘅数据嘅特定问题嘅准则嚟开始广泛嘅工作,但系以帮助您更深入地认识您想要获得嘅更具体嘅见解。
等我哋通过一个示例嚟睇睇呢一点,并通过一啲富有想象力嘅练习嚟获得乐趣。
假设您可以接触到一个可以认识未嚟嘅全能商业精灵。呢个“阿拉丁神灯”通过佢嘅魔力体现一个完美嘅数据分析平台嘅想法。
而家,使用Data Dan,您只会问佢三个问题。唔好问我哋点解-我哋没有制定规则!鉴于您将获得对每个人嘅正确答案,您将要问乜嘢?等我哋嚟睇睇。
您: 丹!见到你好高兴,我嘅朋友。不知道你是真实嘅。
丹: 恩,我实际上唔系。无论点样–您嘅第一个数据分析问题是乜嘢?您: 好吧,我希望您能讲畀我点样在我哋嘅业务中增加收入。丹:这是一个相当棘手嘅问题,但我谂我会回答。点样能你提高收入?您可以同一啲关键影响者建立合作伙伴关系,但系以创建一啲销售激励措施,仲要可以尝试为大多数现有客户提供附加服务。您可以做好多事。好嘅,就是咁样。您仲有两个问题。
您:嗯,我嘅意思是–您回答得不好!您只是畀我一啲假设!丹: 我完全回答你嘅问题。都许你应该问更好嘅。您:如果我将我嘅问题浪费在魔术般嘅商业精灵上,我嘅老板将会生我嘅气。只剩两个,只剩两个……好吧,我知道!精灵–为使我嘅业务最成功,我应该问您乜嘢 ?丹: 好嘅,您仍然不擅长此事,但是我会好好嘅,因为您只剩下一个数据分析问题。听好哥哋–我只说一次。
提出良好数据分析问题嘅关键。
数据丹: 首先,您希望您嘅问题非常具体。佢越具体,答案就越有价值(同更具实用性)。
因此,您应该问: “我哋应该重点关注边啲渠道,以便在不增加成本嘅情况下增加收入,而又能提高利润率?”而唔系问 “我点样增加收入 ?”。 甚至更好: “本季度我进行嘅边项营销活动都获得最佳嘅投资回报率,我该点样复制其成功?”
分析数据时要问嘅呢啲关键问题可以定义您发展公司嘅下一个策略。我哋已经使用营销示例,但是每个部门同行业都可以从适当嘅数据准备过程中受益。通过使用多元分析,但系以涵盖不同方面,并定义特定嘅检索方式。
2 边啲评估指标,但系以帮助你?
你可以以咁样嘅方式思考:使用商业智能嘅目标是清楚地睇到现实,以便做出有利可图嘅决策嚟帮助公司蓬勃发展。分析数据时要问嘅问题是框架,但系以等您专注于业务现实嘅特定方面。
遇到数据分析问题后,您需要具有一啲可用嚟衡量佢哋嘅评估指标。例如,假设您想查睇上个季度中边个PPC广告系列效果最好。正如Data Dan提醒我哋嘅那样,“尽力而为”嘅含义太含糊,无办法使用。最好根据乜嘢做?增加收入?推动利润?提供最大嘅投资回报率?提供最便宜嘅电子邮件订阅者?
所有呢啲评估指标都可以是有效嘅选择。您剩系要要首先选择合适嘅产品,并在成个公司范围内(或至少在您嘅部门内)达成协议即可。
等我哋通过一个简单嘅示例嚟认识呢一点。
您是一家零售公司,想知道您嘅销售产品,销售地点同时间–记住分析数据嘅具体问题吗?在上面嘅示例度,好明显,喺设定嘅时间段内执行嘅销售量讲畀您需求嘅上升或下降嘅时间–您可以得到特定嘅KPI答案。
然后,您可以更深入地认识问题并建立第啲销售机会,并找出影响产品总体销售嘅效果不佳嘅领域。
而家,等我哋继续探讨最重要嘅数据问题之一-数据源。
3 你嘅数据,从边入面嚟?
到目前为止,您已经选择一啲数据分析问题,并且揾到可以衡量佢哋嘅评估指标。我哋嘅下一步是确定需要挖掘所有数据嘅数据源,选择需要嘅字段,为将嚟可能需要嘅数据留出一啲空间,并将所有信息收集到一个位置。喺此步骤度,对数据源持开放态度–公司中嘅所有部门,销售,财务,IT等都有潜力提供见解。
如果您觉得大量嘅数据源使事睇起嚟好复杂,请唔好担心。我哋嘅下一步是“编辑”呢啲源,并确保佢哋嘅数据质量达到标准,这将摆脱其中一啲有用嘅选择。
不过,而家,我哋只是在创建草稿。您可以使用CRM数据,Facebook同Google Analytics(分析)之类嘅数据,公司嘅财务数据-等您嘅想象力变得扑朔迷离。利用商业智能软件都好有意义,尤其系由于近年嚟数据集嘅数量咁之大,以致电子表格无办法再提供获取更高质量数据所需嘅快速智能解决方案。
边啲比例适用于您嘅不同数据集?
警告:这是“数据专家”部分。如果您钟意或对您而言没有太大意义,则可以跳过此部分。您需要注意不同变量嘅度量水平,因为这会影响您可以在分析中应用嘅统计技术。
衡量指标基本上有4种类型:
名讲:您将数据组织在无办法量化或无办法排名或比较嘅非数字类别中。
示例:–不同颜色嘅衬衫–不同类型嘅水果–不同类型嘅音乐
数值– GraphPad畀出数据嘅说明:
“您可能会要求患者以1到10嘅等级嚟表达佢哋所感觉到嘅疼痛程度。7分意味住比5分更多嘅痛苦,而3分则更大。但是,两者之间嘅区别是7同5可能同5同3之间嘅值不同。呢啲值仅表示顺序。另一个例子是电影分级,从0到5星。”
间隔–数据按顺序分类,并且呢啲类别之间嘅距离相等。
直接比较是可以嘅,但系以加减,但是唔可以对变量进行乘或除。示例:温度额定值。华氏温度同摄氏温度均使用间隔刻度。GraphPad再次提供一个现成嘅解释:“ 100度同90度之间嘅温度差同90度同80度之间嘅温度差相同。”
比率–具有所有三个早期量表嘅功能。
像标称刻度一样,佢为每个物料都提供一个类别,物料按顺序刻度进行排序,并且物料之间嘅距离(间隔)相等,并且含义相同。
使用比例尺,您可以加,减,除,乘……所有您需要用嚟创建平均值并获得一啲有用数据嘅有趣嘅嘢。例如:身高,体重,收入数字,潜在客户,客户会议。
4 点样确保数据质量?
如前所述,信息嚟自各种来源,佢哋可能是好事都可能是坏事。企业中嘅所有来源都具有提供数据嘅动机,因此,确定要使用嘅信息以及信息嘅来源应该是有关数据分析嘅首要问题之一。
请记住:您嘅数据分析问题旨在使您对现实情况有一个清晰嘅认识,因为这关系到您嘅企业更有利可图。如果您嘅数据不正确,您将睇到对现实嘅扭曲睇法。
噉就是点解下一步是“清理”数据集以丢弃错误或过时嘅信息嘅原因。这都是向数据添加更多字段以使其更完整同有用嘅适当时间。这可以由数据科学家完成,都可以单独完成,具体取决于公司嘅规模。
举一个非常生动嘅例子,一项针对数据科学家嘅有趣嘅调查发现:
- 60%嘅时间用于组织同清除数据。
- 19%嘅时间用于收集数据集。
- 9%嘅时间用于挖掘数据以绘制图案。
- 3%嘅时间用于训练数据集。
- 4%嘅时间用于完善算法。
- 5%嘅时间花在第啲任务上。
其中有57%嘅人认为数据清理过程是最无聊,最不愉快嘅任务。如果您是小型企业主,则可能不需要数据科学家,但是您将需要清理数据并确保适当嘅信息标准。是嘅,这好烦人,但是生活中好多非常重要嘅事都是咁。
完成以上工作以确保数据质量时,您将自己建立有用嘅资产,呢啲资产可以通过统计方法进行转换,合并同度量,呢啲数据集准确无误。
5 应用边种统计分析技术?
您可以使用多种统计分析技术。但是,根据我哋嘅经验,这三种统计技术最广泛地用于业务分析:
回归分析 –统计过程,用于估计变量之间嘅关系同相关性。
更具体噉讲,回归分析可以帮助人哋理解,当任何一个自变量发生变化而第啲自变量保持固定时,因变量嘅典型值将点样变化。
通过呢种方式,回归分析显示自变量中边啲同因变量相关,并探讨呢啲关系嘅形式。通常,回归分析是基于过去嘅数据,使您可以从过去中学到嘢,以便对未嚟做出更好嘅决策。
同类群组分析–佢使您可以轻松比较不同组或同类 客户嘅行为随时间变化嘅情况。
例如,您可以根据客户首次购买嘅日期创建一组客户。随后,您可以研究不同时间段嘅同类群组嘅支出趋势,以确定平均获得嘅客户嘅质量是随住时间嘅推移而增加定系减少,等您快速清晰地认识客户保留趋势同业务前景。
预测性同规范性分析–简而言之,佢基于分析家阵时同历史数据集以预测未嚟可能性,包括替代方案同风险评估。
而家,诸如人工神经网络(ANN)同自回归综合移动平均值(ARIMA),时间序列,季节性朴素方法同数据挖掘等方法在数据分析中得到广泛嘅应用。我哋已经对佢哋进行认识释,并将其视为2021年最大嘅商业智能趋势之一。您选择嘅方法应取决于您收集嘅数据类型,团队嘅技能同资源。
6 谁是你最终分析结果嘅用户?
您嘅数据分析问题中嘅另一个重要问题是我哋分析嘅最终用户。佢哋是谁?佢哋将点样应用您嘅报告?您必须认识最终用户,包括:
- 佢哋希望从数据中学到乜嘢
- 佢哋嘅需求是乜嘢
- 佢哋嘅技术能力
- 佢哋可以花几多时间分析数据?
认识答案将有助于您确定数据报告嘅详细程度以及应关注嘅数据。请记住,内部同外部用户都有不同嘅需求。
如果呢啲报告是为您自己嘅公司设计嘅,则您或多或少都知道边啲洞察力将对您嘅员工有用,以及佢哋可以克服嘅数据复杂性水平。
但是,如果您嘅报告都将由外部各方使用,请记住要坚持您嘅公司身份。您提供畀佢哋嘅视觉报告应该易于使用且可行。您嘅最终用户应该能够独立阅读同理解佢哋,而无需任何IT支持。
另外:考虑最终用户嘅状态。佢哋是工作人员嘅初级成员定系理事机构嘅一部分?每种类型嘅用户都有不同嘅需求同期望。
7 应该选择边种数据可视化方式?
计算已完成,但尚未完成。您可能拥有世界上最有价值嘅见解,但是如果佢哋嘅介绍不佳,您嘅目标受众将唔会收到您期望嘅影响。
而且,我哋唔会生活在一个世界,仅拥有正确嘅数据就是一切。您必须说服公司中嘅第啲决策者此数据是:
- 正确嘅
- 重要嘅
- 急于采取行动
在所有呢啲领域度,有效嘅演示工具都可以提供帮助。有数十种数据图表可供选择,您可以通过选择错误嘅数据可视化嚟阻止所有数据处理工作(例如在饼图上显示时间变化),或者通过选择正确嘅数据可视化类型嚟进一步提升数据处理能力。
有好多在线数据可视化工具可以为您完成呢啲艰苦嘅工作。呢啲工具可以有效地准备数据并解释结果。佢哋嘅易用性同自助服务在测试理论,分析消费者购买行为嘅变化,喺没有分析师或IT专业人员协助嘅情况下利用数据进行分析嘅目嘅已成为当今数据管理实践中嘅宝贵资源。
通过足够灵活地针对最终用户个性化其功能并适应您准备分析数据嘅问题,呢啲工具可以进行大量分析,从而可以帮助您避免忽略任何重要嘅问题或成个业务战略。
呢啲工具中实现嘅人工智能可对发生嘅任何异常做出反应,并立即发送数据警报。获取呢啲警报仲可以激发您提出有关数据嘅第啲问题。
8.应该选择边种数据可视化方式?
继续我哋上面说嘅,您可以使用一啲基本同高级工具。如果您更钟意传统嘅静态方法,则电子表格可以为您提供帮助,但是如果您需要自己修改数据,定期执行基本同高级分析,并具有实时洞察力同自动报告,则可以采用现代同专业工具是必经之路。
随住商业智能解决方案嘅扩展,要提出嘅数据分析问题从未咁简单。强大嘅功能(如基础同高级分析,无数图表类型,快速简便嘅数据源连接以及出现问题时同数据进行交互嘅无限可能性)使用户可以简化经常复杂嘅过程。
无论您需要执行边种分析类型,指定嘅软件都将喺使您嘅数据保持生命力同“可说能力”方面发挥至关重要嘅作用。
此外,现代软件将不需要连续手动更新数据,而是会自动提供实时见解,以帮助您回答关键问题,并为进行良好分析提供稳定嘅基础同前提。
9 我仲系要要知道乜嘢?
在结束工作之前,有关数据分析嘅关键问题之一系点样验证结果。请记住,就算唔系以呢种方式报告统计信息,都总是不确定嘅。考虑边啲信息丢失以及如果有嘅话点样使用更多信息可能是需要考虑嘅一点。
咁样,您可以识别可能有助于您做出更好决策嘅潜在信息。仲请记住,通过使用简单嘅要点或电子表格,您可以忽略已经建立在业务策略中嘅有价值嘅信息。
始终回到最初嘅目标,并确保以整体嘅方式睇待您嘅结果。您将要确保最终结果是准确嘅,并且在此过程中没有犯任何错误。喺此步骤度,应重点分析数据嘅重要问题:
- 从总体上讲,这有意义吗?
- 我所睇到嘅衡量标准系咪同我对业务嘅认识一致?
最终结果同您嘅流程同样重要。您需要确定结果系咪准确,验证数据并确保没有大嘅错误空间。喺呢种情况下,有一啲数据分析类型嘅问题,例如上面提到嘅问题。呢啲类型嘅问题使您可以查睇分析工作嘅整体情况,并确定需要更多调整或第啲细节才能进行嘅工作。
您仲可以对照手动计算嚟测试分析环境并比较结果。如果存在极端差异,则显然存在某啲错误,但是如果结果变得准确,则说明您已经建立健康嘅数据环境。
进行咁样嘅全扫描检查绝对唔系一件容易嘅事,但是从长远嚟睇,佢只会带嚟积极嘅结果。此外,如果您从不停止质疑数据嘅完整性,从长远嚟睇,您嘅分析审核将更加健康有序。
10 点样创造一种数据驱动嘅文化?
“脏”数据使您不堪重负。
无论您是小型企业定系大型企业,数据都可以说明问题,并且您应该能够聆听。准备有关数据分析嘅问题将提供宝贵嘅资源同改进业务战略嘅路线图。佢仲将使员工能够做出更好嘅部门决策,从而创建可帮助您嘅公司发展嘅具有成本效益嘅业务环境。仪表板是一种建立呢种文化嘅好方法,例如下面嘅示例:
为真正地采用呢种数据驱动嘅方法嚟运行业务,组织中嘅所有个人,无论佢喺边个部门工作,都需要知道点样开始提出正确嘅数据分析问题。
佢哋需要认识点解首先进行数据分析好重要。但是,仅希望并希望第啲人将进行数据分析是注定要失败嘅策略。坦白说,要求佢哋使用数据分析(不先向佢哋展示收益)都不太可能成功。
相反,以身作则。向您嘅内部用户表明,定期进行数据分析嘅习惯对于优化您嘅业务绩效是无价嘅帮助。尝试 在公司中创建有益嘅仪表板文化。
数据分析唔系一种训练您嘅员工并确定谁对失败负责嘅方法,而是赋予佢哋改进绩效同自我完善嘅能力。
11 总结
我哋只是概述一个10步嘅过程,您可以通过使用正确嘅数据分析问题嚟建立自己嘅公司以取得成功。
借助呢啲信息,您可以概述可帮助您做出重要业务决策嘅问题,然后建立基础结构(同文化)以通过准确嘅数据洞察力一致地解决呢啲问题。
呢啲不仅是查睇数据集时要问嘅好问题,因为如果您整体上使用佢哋,则可以开发出良好而完整嘅数据策略。此外,如果您依赖数据,噉么从长远嚟睇,您就能从中受益,并成为数据驱动嘅个人同公司。
总结一下,这入面是最重要嘅数据问题:
- 您到底想找出乜嘢?
- 您将使用边啲标准KPI可以帮助您?
- 您嘅数据将从何而嚟?
- 您点样确保数据质量?
- 您想应用边啲统计分析技术?
- 谁是您嘅分析结果嘅最终用户?
- 您应该选择边种数据可视化?
- 乜嘢样嘅软件会有所帮助?
- 我仲系要要知道乜嘢?
- 您点样创建数据驱动嘅文化?
cantonese.live 足跡 粵字翻譯
2021-03-18 14:35:21
请登录之后再进行评论