中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

什么樣的思維才是數(shù)據(jù)分析工作者應(yīng)該具備的入門思維？文章為你解析。

隨著企業(yè)中的大數(shù)據(jù)采集技術(shù)、存儲技術(shù)的日益增強(qiáng)，沉淀下來的大數(shù)據(jù)急需喚醒潛在的價值，從傳統(tǒng)BI（Business Intelligence）到現(xiàn)在的大數(shù)據(jù)分析，企業(yè)對數(shù)據(jù)分析人才的需求也從單純的數(shù)據(jù)交叉多維度分析，配置可視化報表提升到了另外一個階段。

那么，數(shù)據(jù)分析工作者在人工智能時代該具備怎樣的思維才算真正的入門了呢？本文會帶給大家一個全新的角度闡釋什么樣的思維才是數(shù)據(jù)分析工作者應(yīng)該具備的入門思維。無論你的職責(zé)是分析企業(yè)內(nèi)部數(shù)據(jù)的分析師，還是設(shè)計(jì)大數(shù)據(jù)分析產(chǎn)品的產(chǎn)品經(jīng)理希望本文對你有所啟發(fā)。

數(shù)據(jù)分析的四種模式

首先我們回顧一下被普遍接受的數(shù)據(jù)分析的四個模式：

• 第一個方式：描述性分析（Descriptive Analytics），即將已經(jīng)發(fā)生事實(shí)用數(shù)據(jù)表述出來。
• 第二個方式：診斷性分析（Diagnostic Analytics），即回答為什么會發(fā)生，通常使用數(shù)據(jù)鉆取的手段就可實(shí)現(xiàn)。
• 第三個方式： 預(yù)測性分析（Predictive Analytics），即通過歷史數(shù)據(jù)對未來的趨勢進(jìn)行預(yù)測。這個階段會引入一些高級算法。
• 第四個方式：決策建議性分析（Prescriptive Analytics），即通過分析可能影響行為結(jié)果的動態(tài)指標(biāo)（或行為）并將指標(biāo)和結(jié)果的關(guān)聯(lián)關(guān)系進(jìn)行量化，從而給出對結(jié)果產(chǎn)生最重要影響的指標(biāo)，以及對應(yīng)每個指標(biāo)對結(jié)果產(chǎn)生不同影響程度的描述。有了以上這些分析，決策者可以將數(shù)據(jù)驅(qū)動決策真正落地。

盡管很多文章將這四個模式分為四個階段逐層深入，筆者認(rèn)為在很多場景中的數(shù)據(jù)分析并不應(yīng)該將這四種方式按分析的深入程度區(qū)分，或者說它們不應(yīng)該被賦予不同的價值標(biāo)簽。

例如在很多場景中，描述性分析就完全可以以最低的成本快速解決用戶的需求，并不需要引入復(fù)雜的算法，用戶就可以得出結(jié)論或指導(dǎo)他的決策了。

相反，如果引入了高級算法，進(jìn)行了預(yù)測性分析或決策建議性分析往往在投入和匯報比方面對于終端用戶來講會很低，畢竟，任何一種數(shù)據(jù)分析絕不是分析而已，不要忽略了從數(shù)據(jù)采集、清洗、存儲，必要時候還要進(jìn)入高級算法建立模型這些不同階段消耗的是企業(yè)的人力和財力。因此我們要放平心態(tài)，用效率最高的方式解決問題即可，切不可盲目追求低投入產(chǎn)出比的方案。

什么是“Back & Forth”思維模式

之所以稱為思維模式，是相比于分析模式更抽象一層的思考邏輯?！癇ack & Forth”正是基于四種分析模式的一種大數(shù)據(jù)產(chǎn)品設(shè)計(jì)、規(guī)劃以及分析的思維方式，如果將四種分析模式比喻成工具，那么“Back & Forth””就是一種可以將工具發(fā)揮到極致的思維邏輯。畢竟，有了工具還不夠，還要學(xué)會怎么使用，在什么情況下使用才能將數(shù)據(jù)分析方法論應(yīng)用到各種不同場景中。

其實(shí)這種思維模式在很早以前就存在，只不過被廣泛引用在書面報告、年終總結(jié)中，被視為一種“討人喜歡”的語言和信息的組織和表達(dá)方式，“Back & Forth”思維模式通常具有兩大特征：

• 一、Back，即倒退一步總結(jié)，不要停留在事情的表面，從感性認(rèn)知上升到規(guī)律性的總結(jié)，總結(jié)經(jīng)驗(yàn)和方法論。
• 二、Forth往前多邁一步，給出行動指南或具體方案。

這種語言和信息的組織表達(dá)方式即使不應(yīng)用在數(shù)據(jù)分析方面，用在和領(lǐng)導(dǎo)的匯報和年終總結(jié)上，也一樣會讓你脫穎而出，讓領(lǐng)導(dǎo)印象深刻。因?yàn)锽ack意味著補(bǔ)充新的知識、總結(jié)新的經(jīng)驗(yàn)、提供新的視角、揭示新的問題，往往這樣的信息帶給人的是一種禮物，甚至是驚喜，是一種信息加工后的結(jié)果。而Forth就更容易理解了，領(lǐng)導(dǎo)希望看到的是你給出行動建議，而不是提出問題，給別人挑毛病不難，但是給出行動建議才是對方真正需要的。

舉個使用到“Back”的例子，在寫年終總結(jié)的時候：

未使用“Back & Forth”思維

使用了“Back & Forth”思維

顯然如果你是領(lǐng)導(dǎo)，你更喜歡聽到的是后者的匯報，前面的匯報更像是講述一個流水賬而已。

再舉一個使用到“Forth”的例子，同樣是年終總結(jié)：

未使用“Back & Forth”思維

使用了“Back & Forth”思維

“Back & Forth”思維模式如何應(yīng)用在大數(shù)據(jù)分析中

說到這，你應(yīng)該對這種思維模式有了基本的了解，接下來就分享下怎么在大數(shù)據(jù)分析或數(shù)據(jù)分析類產(chǎn)品設(shè)計(jì)中使用這種思維了，應(yīng)用在教育行業(yè)中舉例：

分析某學(xué)校的學(xué)術(shù)能力時，傳統(tǒng)的BI思維會這樣設(shè)計(jì)分析主題：

用戶看到這些BI圖表的分析后應(yīng)該是下面這種狀態(tài)：

原因很顯然，傳統(tǒng)BI思維，顯然沒有為用戶說明。

1. 發(fā)生了什么，是否有規(guī)律可循，這些數(shù)據(jù)如果都是重點(diǎn)，我到底關(guān)注哪些數(shù)據(jù)？
2. 給我看這些的目的是什么？我需要怎么改變現(xiàn)狀來提高我學(xué)校的學(xué)術(shù)能力？

而通過應(yīng)用”Back & Forth”思維，可以為用戶這樣設(shè)計(jì)大數(shù)據(jù)產(chǎn)品：

Back，即倒退一步總結(jié)，不要停留在事情的表面，從感性認(rèn)知上升到規(guī)律性的總結(jié)，總結(jié)經(jīng)驗(yàn)和方法論。我們可以這樣設(shè)計(jì)：

1、提供科研經(jīng)費(fèi)使用和論文和專著成果物數(shù)量的雙折線圖：

價值凸顯：那些科研經(jīng)費(fèi)花費(fèi)高，但是科學(xué)成果卻很少的學(xué)科團(tuán)隊(duì)。也可以幫助用戶找到每年不同學(xué)科科研經(jīng)費(fèi)的投入產(chǎn)出效率。指導(dǎo)來年的不同學(xué)科科研經(jīng)費(fèi)投入分配比例。

2、通過分析近三年學(xué)校論文發(fā)表數(shù)量趨勢并和同類院校進(jìn)行比對

價值凸顯：學(xué)校的學(xué)術(shù)能力跟競爭院校比是有縮窄差距的趨勢還是拉大差距的趨勢，通過該圖凸顯最近幾年的學(xué)術(shù)活躍度規(guī)律和競爭走勢。

Forth, 往前多邁一步，給出行動指南或具體方案。

1、一針見血的告知用戶：通過近些年的歷史數(shù)據(jù)分析，預(yù)測明年的學(xué)術(shù)地位可能上升或者可能下降，預(yù)測明年的論文發(fā)表趨勢。

2、通過多維數(shù)據(jù)的引入（內(nèi)部數(shù)據(jù)、外部數(shù)據(jù)），分析近三年學(xué)校在業(yè)界的學(xué)術(shù)及影響力排名走勢，總結(jié)出影響排名走勢的最重要因素（提供下面答案中的某一個）：資金投入，外部知名教授引入，國家重點(diǎn)實(shí)驗(yàn)室的建設(shè)，教育科研人員的增多，并將不同的因素可能帶來的影響力進(jìn)行排序，即告知用戶在不同因素上的投入可能會帶來效果程度上的不同。

價值凸顯：幫助學(xué)校找到影響學(xué)校學(xué)術(shù)地位的最重要因素。進(jìn)而進(jìn)行重點(diǎn)關(guān)注和資源投入。

這里給出的例子只是設(shè)計(jì)方案中的一種，只要沿著這種思路繼續(xù)剖析不同場景下的客戶需求，你總會找出用戶最關(guān)注的點(diǎn)，從而給出產(chǎn)品設(shè)計(jì)上或者分析方向上的解決方案。

在數(shù)據(jù)分析中常見的一些業(yè)務(wù)模型：

由于“Back & Forth” 思維模式是注定要為客戶解決復(fù)雜問題而產(chǎn)生的，景下是需要搭配業(yè)務(wù)分析模型使用的，因此我在這里舉了四種常用的業(yè)務(wù)模型供大家參考：

最后，無論你是產(chǎn)品經(jīng)理，咨詢顧問，數(shù)據(jù)分析師還是任何一個跟產(chǎn)品設(shè)計(jì)和數(shù)據(jù)分析有關(guān)的職業(yè)，在應(yīng)用“Back & Forth”思維之前要首先梳理用戶的關(guān)鍵業(yè)務(wù)，了解用戶的關(guān)鍵業(yè)務(wù)痛點(diǎn)，關(guān)鍵業(yè)務(wù)對用戶的影響以及關(guān)鍵業(yè)務(wù)的行業(yè)及歷史背景，因?yàn)檫@些是一切數(shù)據(jù)分析和產(chǎn)品設(shè)計(jì)的前提，脫離了行業(yè)背景和用戶需求，憑空捏造出的任何假設(shè)都是不成立的。

其實(shí)數(shù)據(jù)分析和寫年終總結(jié)給領(lǐng)導(dǎo)匯報是一個道理，沒有領(lǐng)導(dǎo)希望聽到的是“假大空”、流水賬、心靈雞湯，只有經(jīng)過了充分的需求分析，了解用戶想要什么樣的分析結(jié)果，才能做出好的產(chǎn)品。

作者：特里，頭條號：“人工智能產(chǎn)品設(shè)計(jì)”。畢業(yè)于University of Melbourne，人工智能領(lǐng)域產(chǎn)品經(jīng)理，專注于AI產(chǎn)品設(shè)計(jì)、大數(shù)據(jù)分析、AI技術(shù)商用化研究和實(shí)踐。

本文由 @特里 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自PEXELS，基于CC0協(xié)議