数极客首页

实战数据分析决策的3个理念

t实战数据分析决策的3个理念

t在过去工作经历里,外企给人最深的印象是“数据导向”,理性和数据是跨越文化隔阂,进行平等沟通的桥梁;而在国内企业,“经验导向”是主流,数据的作用主要是“辅助证明经验得到的想法”。

t两者的优劣本文不展开讨论,但有一点是很显著的,在培养新人团队方面,理性和数据的方法更容易操作。而经验论,是所谓的“外师造化,中得心源”,模糊点拨,自己领悟,用这种“散养”方式培养艺术家是可以的,但是用来培养具备数据意识的互联网产品运营团队,显然是不靠谱的。

t可能读到这里,有人会说:

t刚毕业的新手理论头头是道,但不能独立运用,缺了什么呢?

t学校的运筹/决策学的知识,都基于一个假设:信息是相对充分和正确的。如果不太充分、不太正确呢?只能吐槽么?

t本文认为,信息充分的情况下如何数据化决策应该是“极端特例”,“信息不充分情况下如何数据化决策”才是常态。

t我们知道,经济学的基础假设是,资源是“稀缺”的,经济学就是在资源不够的情况下如何“do more with less”。能够真正用于实战的数据分析决策,也应该立足于承认和正视“信息不是充分的”。

t第一个理念:尝试量化“不充分”

t常见的问题例如,由于埋点问题,数据不全,那么究竟“不全”到什么地步,是否可以量化,是否有其他数据可以互相佐证,在这些基础上,利用已有数据已经可以做很多事情。

t第二个理念:尝试“容纳误导”

t隔壁部门/合作方不愿意分享充足的信息,导致预测和实际数据结果差异很大?这也是非常常见的情况。抱怨是没有任何意义的,影响数据的还有大量天灾,相比这些来说,其实隔壁部门提供的数据,有多少偏差还更容易预知一些,毕竟那是有“目的”的,而天灾是无“目的”的。

t绝大部分“有目的偏差”的数据,例如活动作弊,刷优惠,客观情况就位于“目的”两级的中间(比如说俄罗斯和土耳其双方的新闻,往中间归纳就比较接近真相)。

t预测时就容纳黑天鹅,将异常因素纳入考虑,数据预测也和程序一样,有所谓“健壮性”,能够一定程度上容纳意外情况,而“留余地”程度的多少是可以通过对比测试,不断逼近合理值的。

t第三个理念:不要找借口不思考

t为什么数据分析周全的方案一再被上级否决,常见的心灵鸡汤会说,因为上级看到更多的信息,因此“信息更多的一方决策比信息更少的一方要科学”,这是典型的“找借口”说法,不仅相当消极,而且容易引导人惰于思考,渐渐远离理性,投身于追逐权力。

t之前我们提过,现实生活里根本就没有信息充分的情况,更可能的是,执行层拥有更多的信息(解释了为什么“权力下放”的互联网企业胜算更大),况且即使是最高层,也无法预测新的竞争对手和行业政策巨变。数据分析如果切入面独特,逻辑完整,而且留有健壮容错性,完全有“一沙看穿一世界”的可能,这也是玩数据在精神上最过瘾的地方。

t小结

t本文是随手一口气打完,没有太多雕琢,初衷是,如果以后想教小朋友用数据分析来解释世界,不希望说类似“如果实际情况不满足假设,那就随机应变吧”,感觉这样真的是世界上最失败的老爸了。。。。。。。

t分享干货我们是认真的,更多干货尽在

给大家推荐我国新一代大数据用户行为分析与数据智能平台:数极客(https://www.shujike.com),是支持无埋点、前端埋点、后端埋点、API导入四种混合数据采集方式,整合分析用户行为数据和业务数据,可以自动监测网站、APP、小程序等多种渠道推广效果分析,是增长黑客们必备的互联网数据分析软件。数极客支持实时多维分析、漏斗分析、留存分析、路径分析等十大数据分析方法以及APP数据分析网站统计网站分析小程序数据统计用户画像等应用场景,业内首创了六种提升转化率的数据分析模型,是用户行为分析领域首款应用定量分析与定性分析方法的数据分析产品

发表评论

评论已关闭。

相关文章