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

與十年前不同，當今令數據分析師迷茫的，可能不再是數據很少，而是數據很多;今天不是不知道玩好數據的重要性，而是不知道玩錯數據的危害性，即所謂甜蜜的煩惱。一個數據分析師，如果能體會到，當下數據存在的核心問題，并且能清楚解決辦法，就可以精益求精了。

這次想跟大家講的是一個由受、想、行、識四個部份所組成生生不息的圈(Feedback Loop)，彼此互相推進。

聽起來有些玄乎，不過結合例子說就可能有意思了。

一、受

“受”，即是對周圍世界的感受

當前，作為一個電商，去感受公司經營狀況的方式越來越依賴于數據，但是，今天來說很少有電商敢肯定的說自己有較完整的數據去掌握公司的狀況，這里面主要有二個原因：

首先是“堵”，當許多電商開始收集數據時，發現數據分布在不同的地方。舉個簡單例子，有的平臺不知道投訴的數量積攢到什么程度了，因為投訴渠道有電話、郵件、微博等，沒有統一的口徑，沒有去收集整理，或者即使有數據，只掌握在具體運營人員的手中，不能及時到達管理者的手中，如果一個公司的數據只有少數人才能看到，不能及時的上傳下達，可想而知數據的驅動力有多小。相信堵的狀況在電商中間很普遍，如果團隊允許的話，當然要整理，不然就像閉著眼睛在打架。

其次是“散”，電商缺乏數據運營的經驗，只知道要數據，卻不知道需要何種的數據，或者空有數據卻無從下手。正好前幾天周末，有個電商和我說了自己公司數據的運營現狀，他是一個傳統的企業，收集了一堆很“散”的數據，不知如何是好。我給的建議就是在一堆散亂的數據中，從自己擅長的領域切入，比如傳統品牌電商對供應鏈數據非常熟悉，就可以從最熟悉的供應鏈數據去與其它數據關聯互動起來看，比如一款產品賣出了10000單，但有沒有想到去關聯到把多少人看了卻沒有買的數據也收集起來，交易數據和前臺瀏覽數據聯動起去可以發現更多新的問題。

二、想

“想”，即是對事物的認識與辨別

數據害死人，這是部分電商的看法。最直接的原因就是他們的數據雖然是對的，但客觀的數據受到主觀太多的影響，而導致實際造成中數據失靈，反而給電商指錯了方向。比如沒有去掉數據中的噪音，比如來源就不對，或者是主觀上就想找不客觀的數據，比如做產品經理的人，正在開發一款收費較高的新產品，這個產品經理會不斷說服自己，拼命在數據中找一些你認為價值高的用戶，最后越來越偏離客觀實際情況。當分析人員遭遇“主觀”的問題，錯誤的判斷也就在所難免了。

明白了這一點，也就可以理解同樣的數據在不同的人眼中為什么會呈現出截然不同的圖像，因此看數據，需要大家從多個角色進行思考，而在這時，又會遇到“離”的問題：

大家說的數據不是統一標準，就那轉化率來說，每個部分的分子和分母都不一樣，市場部門說一個渠道轉化率，網站運營說一個頁面轉化率，交流起來大家都不知道彼此說的轉化率是什么，自然是離題萬里。更有甚者，數據人員和管理人員對數據口徑的定義南轅北轍，管理人員拿到的數據與他本意相差甚遠，而他卻用此數據去進行決策，可以想見效果如何。由此可見，如果一個公司的數據標準是模糊的，可以料見數據運營是多么的難以實現，說不定會被數據弄得暈頭轉向。

三、行

“行”，即是對事物的深入思考與分析

前面的例子還比較好理解，這就好出海航行，海圖信息不準或方向不明，自然也就很難到達目的地。但是在數據分析中，還經常出現的問題是“澀”：方向明確、海圖精準，但在具體航行過程中運轉不靈，由于對業務的理解不夠深刻，導致在分析中產生迷惘和混亂，數據運用的方式失當，最終管理者無法依靠數據分析進行決策。

舉個實際操作中經常會遇到的例子：重復購買率降低了。按照前文提到，數據分析師腦子第一點要問的是：這個重復購買率的定義是什么，分母是什么，分子是什么，是在什么時間維度的定義看重復購買率的。但是如此看完之后，依然可能出現錯誤，因為就是沒有考慮到商業之中的復雜因素。比如當天一個客戶同時間下了兩個單子，是算重復購買，還是算一個單子？新增客戶最近是不是增長很多？新渠道的百分比有沒有變化？最近是不是很長時間沒有促銷活動？是不是調整了頁面布局？

所以，是實際的行動當中，需要把多重影響指標納入坐標系里面，并且把數據的關聯性建好了，就不會盲目為重復購買率下降而擔心了。到了“行”這個階段，必須懂商業，不然前功盡棄。

四、識

“識”，即是對事物根本的歸納，對事物認識的沉淀

受、想、行、識的最后一環是識，這里開始涉及到了數據分析的一大問題：“遺”，分析的成果和方法如何不能及時的被歸納和沉淀，電商就只能隨分析師一起，不停追逐、探究新的分析視角，卻可能對實際的運營決策并無益處。就今天的趨勢來說，分析師的資源越來越寶貴，電商需要思考合適的機制和工具，可以把成功分析的結果、經驗進行積累，應用于公司的日常管理中，及時將知識轉變為“money”。

從數據中積累和沉定知識，最好是要用建立系統。也許許多電商認為建立系統非常麻煩，但實際上操作并不繁瑣，只是要構建思路難想清楚。十幾個人三個月的時間，可以把公司運營的核心數據放在系統里面，把數據分析的理念放在系統里面，讓公司所有人都能看懂并運用。這其中有三個關鍵點：一是做好數據安全，讓不同職位的人看到不同的數據；二是說清楚不同部門的數據標準，比如市場部的轉化率用的是指下單的客戶數量除以客戶進來的總數量，財務部門的轉化率是指下單成功的客戶數量除以客戶進來的總數量；三是讓不同部門的數據可以關聯起來看(如果電商有團隊可以這么做的話)，這樣可以把數據運用擴散至數據部門之外。

這里只是我個人的一點小體會，從受、想、行、識四個部分組成的圓來幫助我理清數據分析中的四個環節，并且數據分析經常需要反復跑數據，每一次反復利用，得到的收獲更多。如果要說得深，還要分別說下去。這個過程，我也是處在摸索中，歡迎大家分享出自己的方法和思考。

源地址：http://blog.sina.com.cn/s……0100xo6l.html