DataAnalysis：数据分析基础流程

什么是数据分析

只要基于量化的信息提升生产力，就是数据分析
·取数是数据分析、做表是数据分析、搭看板、写报告是、做挖掘、建模型也是
·就算是基于⼀个简单的数字做出再⼩不过的⼀个业务判断，也是
·它们都是⼀名合格的现代商业⼈才所必须掌握的⽣产技能
·更是我们所有⼈客观认知世界、改造世界所必须掌握的武器

数据分析的优势

1.能够反复读取和使用
·极大提高了信息利用率。
·可以摆脱时空限制记录各种事实
2.客观
·不像各种模糊的口头描述，基于数字的数据绝对客观
·一就是一，二就是二，数据本身有绝对的说服力
·可以使企业的各种协作都能基于量化的数字定目标，并基于量化的反馈，分享问题调整策略
·极大提升了企业的协同效率
3.量化
·数字化的数据能进行各种计算
·可以通过数学手段，基于已知的数据推导出未知的信息
·使得在投入资源前就能验证现有的业务模式是否能盈利，如果不盈利也能知道如何基于数据进行改善
·极大地降低了因为盲目尝试而产生的成本
4.机器可处理
·对数据进行的各种读取、存储、处理和计算，都能借助计算机完成
·只要基于数据进行的生产可以通过机器实习自动化，可以极大提高了基于数据的生产效率，解放了人类的生产力

成熟的数据分析流程

业务

数据专员:
·取数做数提供数据支持
·下载汇总处理数据为业务提供支持
数据运营:
·基于业务需求找数据验证
·严格客观地根据数据做业务调整
商业/数据分析师:
·为业务和数据运营提供系统的数据监控
·针对重要的业务问题提供系统的分析报告
·基于数据为业务出谋划策

开发

数据产品经理:
·根据业务需求设计数据产品
·给算法工程师提需求并设计流程
数据工程师:
·负责数据仓库的开发和底层库表的维护

算法

算法科学家：
·研发各类模型和优化算法
算法优化师:
·调用现有模型调参优化
算法工程师:
·将模型部署应用到业务中

数据分析在业务中的运用

1.是什么?
·本质都是用数据区量化企业当前的经营现状或者业务事实
·就是把业务细节都转换成具体的数据，然后通过图表来呈现业务到底发生了什么
·是通过数据解决后面几类问题的基础
·大家平时用的数据库，做的图表，搭的看板，基本都是为这个问题服务
2.为什么?
·日常业务中，我们会发现各种数据上的差距和异常
·为了达成既定的业务目标，我们就需要探究这些差距和异常背后的成因
·通过各种分析方法拆解问题，找出可能影响结果的原因
3.怎么做?
·往往要老板亲自设计商业模式，然后产品和运营一起努力才能给出完善的解决方案
·而分析师在这个过程中，主要负责的是外部信息的整合梳理以及方案的评估
·投入产出比、预计的未来成本、现金流能支撑这个模式到什么时候、可能产生的问题都要全面考虑
·不仅如此，深入业务的分析师，还要负责设计数据实验去验证策略的可行性
4.做多少?
·具体的有业务目标、绩效方案、业务模型等一系列的测算
·目的是计算出使当前策略投入产出比最高的过程参数
·也就是决定具体执行时，每个环节用多少人、花多少钱、最终投入多少资源
·需要注意的是，这类问题技术难度不高，但是涉及利益分配

是什么?为什么?

思考问题

1.确认问题、描述问题:
·**”因为”+背景**: 因为5月1日的营业额突然下滑了10%,而历史从未出现过类似的跌幅
·**”我想”+目的**: 我想知道本次下滑的原因以此避免再出现这样的异常情况
·**”现在”+思路**: 现在能想到的原因是节假日和产品环节转化异常
·**”最后”+感谢**: 想请你帮我取数分析一下，万分感谢!

2.拆解问题
·正确的答案往往就隐藏在某一特定的角度里
·成熟的分析师会搭建起自己的分析矩阵，对问题进行全方位地拆解，以此更加高效地找到答案

3.量化问题
·将拆解的元素转化为数据，进行量化分析
·将想到的数据，一个个转化为具体的表格格式
·结合分析的目的和实际的业务场景确定每一个指标的统计口径