《数据思维》：从数据分析到商业价值

图片发自App

推荐阅读时间五分钟：

问题一：什么是数据思维

首先你要问自己：我们为什么要做数据分析？
唯一的目的：解决业务目的，创造商业价值。
“数据思维”这四个字是一套方法论：数据怎么变成商业价值。

数据和价值之间的关系 ：

凡是可以被电子化记录的才叫数据
数据带时代特征：千年前文字也不能算数据，现在技术上来之后，音频也可以成为数据。

数据如何变成价值

回归分析：定义数据可分析的问题
与企业的不断打磨寻找X与Y

我们想改变什么，这个应变量叫做X；
这个X被哪些因素所影响，这些因素叫Y

通过分析数据，找到关联然后产生动作。

数据分析的产品化

作者认为产品不只是物理上的，或者是软件，即便是流程：任何东西，被实施而产生价值的都是产品。

而问统计学老师：so what？十个能问垮9.9个，就是因为产品化的难。

这个时候就需要结合管理的智慧，举个例子：公车耗油

我们都知道公共汽车耗油很大，但是主要在哪些方面呢？首先是在进出车站的时候这点无法避免，其次的一次就是在每一次起步的时候。

但是你去跟每个司机师傅说“起步的时候慢一点”，通常司机师傅是不会打理你的。但是可以在公司里面举行一个比赛制度，每个月排名最后几名油耗大的都要有所惩罚。

这个时候，被惩罚的人就会过来，问你为什么我是排在最后的？你在跟他说起步的时候要慢，这个时候他就会听进去了，这就叫结合管理的智慧。

这样就把一个数据分析的结果，变成了可操作的事情了，这是一个很好的事情。

第二个案例：机票价格预测

有一个数据分析的大牛，他做了一个预测分析，能够使乘客平均购买机票的价格“平均”下降20%。

问题来了。因为是平均自然是有人挣到了更多的利益也有人因此而亏的。获利的人，他们会认为理所当然。而那些因此亏钱的人，他们会在各个社群角落发生来抵制诋毁这个产品。

价格预测，通过产品上商业模式上的改变，更好的体现了价值。怎么做呢？

你给我¥9.99我给你出一个主，意赚了钱呢，你留着如果亏了我给你赔偿差价。这就把一个产品从少数人可以享受，就推广到了所有人。

作者认为：在数据产品商业化的这个过程当中，最核心要思考的，不是“精度无限度的提高”，因为精度提升是由上线的，预测不准是常态。

我们要思考的，是怎么在预测不准，但是有改进的情况下，如何通过产品和商业模式上的创新， 让更多的人能够体会到他的美好。

大数据不等于不抽样

很多人都认为“大数据”和以前传统的统计相比，以前统计是抽50、100个样品；大数据是不抽样，它全部都在这，其实这是一个很大的误解。

统计学的核心问题是：对数据的分析、建模和采集的过程

第二：数据有局限：腾讯的数据是腾讯的、阿里的数据是阿里的，不能包含一个更宽泛的人群。

第三：节省计算量：越是大数据，抽样越重要。

相关关系和因果关系

大数据分析当中绝大多数都是相关关系，但并不代表能够替代掉因果关系。就比如我们都知道鸡叫了太阳就会起来，但是如果你想要改变太阳升起来你去把鸡给杀了，那显然也是没有用的。

比如我要提升一个文章的阅读和转发量，我们就要输入各种关键词，我们会怀疑每个关键词对文章的转发量是否有着提升作用，然后我们会进行大量的重复尝试，直到这种确认这个关键词能够对，文章的，阅读量有帮助。

什么是回归分析

在道层面上理解：就是迅速把业务问题，分解成数据可分析问题。

我们对数据的理解，首先我们要理解，我们分析的这个目的是什么？
变量是什么？变量带来的，那个改变的目标又是什么？

数据思维，大概有这么三个方面：我们首先需要找到可以量化的数据，再找到我们需要去改变的因变量。再去寻找，这个x和y之间的联系，接着后半段，我们去把它交给一个技术人员，做一个模型，然后我们再把它产品化。

本书总结：

能够被电子记录的才能叫做数据，然后通过它能够形成具体的行为，产品化，才能够创造价值。所谓的数据思维就是了解从数据到价值的这个过程。

把我们这个业务当中的因变量，就是你希望改变的那个Y找到。对他产生影响的这些因素，x都有哪些？然后把它们找出来找给专业人员分析，最后产生动作，创造价值。

图片发自App

图片发自App

恭喜你又读完了一本书。