数据分析的关键是制定聪明的决策,并记住基本原则是不变的——万变不离其宗

转载:http://spss-market.r.blog.163.com/blog/static/731422682011681147704/

有一句经典语录:“我的广告费有一半浪费掉了,但我不知道是哪一半。”,来自于John Wanamaker,1900年代早期的一位美国百货商店商人。(译者注:约翰·沃纳梅克,John Wanamaker,1838年7月11日-1922年12月12日, 是一名美国商人,被认为是百货商店之父。——维基百科
        数据分析可以找出到底哪一半投资是浪费掉的,让您可以最大化顶线(即增加营收)或最小化底线(即降低成本),从而优化您的投入产出比。数据分析可以帮助制定聪明的决策——它是把数据转化为信息的过程,分析信息以得到见解,并制定可以影响商业绩效的策略和行动计划。
      过去,我们常抱怨没有足够的数据——搜集数据和信息用作分析是非常困难的,需要大量的时间和金钱等成本;现在,跟踪和搜集信息已经变得非常容易了,而且所需成本也大大减少。然而,我们仍然在像一个世纪前一样努力解决哪一半广告费被浪费掉的问题——因为可用作分析的数据和信息实在是太多了。
        我们需要换个角度来思考数据分析。首先,数据不再是一个障碍;其次,我们应该关注整个流程和商业成果。不过,谈到数据分析时,目前仍然有很多误解。简单地聘用数据分析负责人或购买顶级的数据分析软件,并不代表您的公司已经拥有数据分析的能力。因此,首先理解数据分析的基本知识,是非常重要的。
基本知识
数据分析并不是IT,也不是报告。对这一点的误解,是我见到过的最常见的误解之一。

当谈到数据分析时,很多人仍然相信这应该是IT的事情,因为它与技术有关。数据分析的第一步是把数据转化为信息,在这里,技术只是工具,报告只是产出。我们需要技术来进行数据分析,但这并不意味着数据分析就应该由IT的人来驱动。与此类似,财务管理也需要软件来生成财务报告,但是它并没有被划归到IT,因为它涉及到财务审核和规划。此外,很多人仍然不清楚数据分析和报告的概念之间的区别。在我看来,如果报告中没有任何信息被翻译为可以影响商业产出的见解,那么这就不是数据分析,仅仅是报告而已。
第二个误解是关于见解(insight)的。
       见解是很重要的,很多公司抱怨说报告没有见解。首先,我认为不应该期望从报告中得到见解,因为报告仅仅是提供一些数字来告诉您发生了什么;同时,您仍然需要找出为什么以及需要做什么。
找出见解是一个探索和学习的过程。它必须由彻底理解业务的人来发起,问正确的问题,分析相关信息之间的联系,找出能引向可能行动的见解。找出见解的过程不能外包给对您的业务并不太懂的第三方。
       数据分析也是一个人和数据之间交互和协作的过程;因此,技术在这里对改善业务工作效率而言扮演者重要的角色。报告仅仅提供静态的信息,但我们需要快速而动态地获取来自多个数据源的相关数据来回答突发的商业问题并找出见解。没有技术,从无数静态报告中获取见解将会占用大量时间,非常困难。
最后一个我想要说明的要点是关于制定聪明决策的过程。
      我知道很多公司都把处理数据分析的职责交给内部人员或外包给第三方的服务提供商。然而,这些内部人员或服务提供商并没有权威、影响力或权力去参与战略和决策制定。
结果,数据分析带来的增值并不能转化为能够带来想要的商业成果的行动。
    在数据分析、战略制定和决策制定的流程之间,需要有很好的整合和协作。竖井式组织架构和孤立的决策制定流程往往是实现数据分析的价值的重大障碍。
结论
      很显然,这些年来信息技术的迅速发展,影响了我们商业流程、战略制定和数据分析的方式。随着社交媒体 / Web 2.0成为主流,以及开放数据运动,网络上可用数据的数量正在呈指数级增长,也为数据分析带来了很多新的挑战。
       无论这些挑战如何,我们都应该始终关注数据分析的基本概念。正如我们总是在任何业务中考虑人员、流程和技术,数据分析中也应如此。我们应该理解技术只是工具——它让人们能够获取正确的数据和信息以找到相关的见解,而这些见解会在决策制定流程中被翻译为战略。
因此,数据分析的关键是制定聪明的决策,并记住基本原则是不变的——万变不离其宗。

时间: 2024-08-26 07:10:23

数据分析的关键是制定聪明的决策,并记住基本原则是不变的——万变不离其宗的相关文章

数据分析变革 大数据时代精准决策之道——互动出版网

这篇是计算机类的优质预售推荐>>>><数据分析变革 大数据时代精准决策之道> 畅销书<驾驭大数据>作者.Teradata公司的首席分析官Bill Franks力作 内容简介 能够快速适应不断变化的市场环境的能力是获得成功的关键.本书旨在将数据分析嵌入运营流程,帮助读者将从数据(包括大数据和小数据)分析中获得的业务洞察与日常运营紧密集成在一起. 本书确切地讲述了使分析运营化到底意味着哪些变革,并告诉读者如何建立团队.创建文化.升级分析方法论并利用技术,使企业向

4星|《行为设计学:掌控关键决策》:影响决策质量的四大思维陷阱及WRAP应对法

行为设计学:掌控关键决策 两位作者认为,有四大思维陷阱让人做出错误的决策:思维狭隘.证实倾向.短期情绪.过度自信.两位作者提出WRAP决策流程来应对:Widen your options(拓宽选择空间):Reality-test your assumptions(把假设放到现实中检验):Attain distance before deciding (在做出决策前, 留出思考的距离):Prepare to be wrong(做好出错的准备). 下面用我的语言解释一下这四个陷阱:思维狭隘:没想到其

数据分析经典图书推荐

一.基础知识:我们都该学点统计学? 统计学是一门以概率论为基础的方法论学科,主要通过收集数据,进行量化的分析.总结,并进而进行推断和预测,为相关决策提供依据和参考.它在几乎所有学科领域里面都具有重要的应用,从物理.社会科学到人文科学,甚至被用来工商业及政府的情报决策之上. 往近了说,想要成为一名数据分析师或已是数据分析师需要提高的,必须掌握最基本的统计基础知识.统计思想:下面给推荐的,是目前市面上有关统计学原理写的相当不错的一些图书,供大家学习参考!! 1.<深入浅出统计学> 购买地址:京东 

数据分析概率及统计学基础

一.数据分析概述 1. 数据分析的概念 数据分析就是分析数据,从一大堆数据中提取你想要的信息.比较专业的回答:数据分析是有针对性的收集.加工.整理数据,并采用统计.挖掘技术分析和解释数据的科学与艺术.比较客观的回答:从行业的角度看,数据分析是基于某种行业目的,有目的地对数据进行收集.整理.加工和分析,提炼有价值信息的过程. 理解数据分析的三个方面:目标.方法.结果. 2. 数据挖掘的概念 数据挖掘是从大量的.不完全的.有噪声的.模糊的.随机的数据集中识别有效的.新颖的.潜在有用的,以及最终可理解

太聪明的人往往是失败的

(太聪明的人往往是失败的) 我们常以智商来决定一个人聪明与否,但再聪明的人也有其短,再笨的人也有一长.但实际上,凡事都是学习而来的,只要肯花功夫学,一定能在某一领域有所发挥. 有傻瓜的地方才会发生奇迹 印度有一位知名的哲学家,气质高雅,因此成为很多女人的偶像.某天,一个女子来拜访他,她表达了爱慕之情后说:"错过我,你将再也找不到比我更爱你的女人了!" 哲学家虽然也很中意她,但仍习惯性地回答说:"容我再考虑考虑!"事后,哲学家用他一贯研究学问的精神,将结婚和不结婚的好

BI数据分析系统的价值

商业智能的概念最远可以追溯到50年前,几经时代变换,添加了新的理念与解读,但万变不离其宗,商务智能本质,从三个方面去掌握其核心——价值.可视化.数据中心,便可加深对BI数据分析系统的理解与认识.本文将从三个切要角度为大家解读商务智能本质. ?       BI数据分析系统的存在意义及价值? 很多人初步认识商务智能,以为是数据管理工具.其实不然,BI数据分析系统是数据整理.信息管理到决策支持多方位服务.在企业发展中,企业的规模越来越庞大.组织越来越复杂,市场更加多变.竞争更加激烈,如何做出正确.明

总是在起头可是能怎么办呢 Python数据分析

目录 前言1 第1章准备工作5 本书主要内容5 为什么要使用Python进行数据分析6 重要的Python库7 安装和设置10 社区和研讨会16 使用本书16 致谢18 第2章引言20 来自bit.ly的1.usa.gov数据21 MovieLens1M数据集29 1880—2010年间全美婴儿姓名35 小结及展望47 第3章IPython:一种交互式计算和开发环境48 IPython基础49 内省51 使用命令历史60 与操作系统交互63 软件开发工具66 IPythonHTMLNoteboo

“大数据分析高级工程师”培训

“大数据分析高级工程师”培训 课程背景: 随着云时代的来临,大数据技术将具有越来越重要的战略意义.大数据已经渗透到每一个行业和业务职能领域,逐渐成为重要的生产要素,人们对于海量数据的运用将预示着新一轮生产率增长和消费者盈余浪潮的到来.大数据分析技术将帮助企业用户在合理时间内攫取.管理.处理.整理海量数据,为企业经营决策提供积极的帮助.大数据分析作为数据存储和挖掘分析的前沿技术,广泛应用于物联网.云计算.移动互联网等战略性新兴产业.虽然大数据目前在国内还处于初级阶段,但是其商业价值已经显现出来.为

Python在金融,数据分析,和人工智能中的应用

Python在金融,数据分析,和人工智能中的应用 Python最近取得这样的成功,而且未来似乎还会继续下去,这有许多原因.其中包括它的语法.Python开发人员可用的科学生态系统和数据分析库.易于和几乎所有其它技术集成,以及其开源地位. 自 从1991它出现在编程场景中,比于其他编程语言,Python取得了少有的地位.面向对象,容易学习,使用语法,以及由此产生的低维护成本,是 Python持续获得好评的一部分原因.开源是一个很明显的优势,跨平台的有效性,多目标,垃圾回收(自动的),代码的简洁性,