《数据思维》:从数据分析到商业价值

《数据思维》:从数据分析到商业价值_第1张图片
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。

《数据思维》:从数据分析到商业价值_第2张图片
图片发自App
《数据思维》:从数据分析到商业价值_第3张图片
图片发自App

恭喜你又读完了一本书。

你可能感兴趣的:(《数据思维》:从数据分析到商业价值)