「专访」云幕后创始人王武佳:能对决策产生影响的数据分析才是有意义的数据分析

作者 CDA 数据分析师

『写在前面』

“每个人都需要具备数据分析能力”当被问及对数据分析的理解时,王武佳老师这样说到。

『人物介绍』

云幕后创始人

王武佳

2005年毕业于上海财经大学统计学,从事产品经理运营十多年。最早在51.com做个人站点,任职51.com产品副总裁,是国内最早一批产品经理,在此期间积累了大量数据分析实战能力。2011年创办“视频达人秀”(腾讯开放平台上最大非游戏应用)。2014年APP“女神计划”。2015年创办网络大电影运营孵化平台“云幕后”( 【云幕后】帮助各类互联网产品进行通过新媒体影视节目进行植入推广)。7月29日,他还将出席由CDA数据分析师主办的CDAS 2017中国数据分析师行业峰会,以《精益创业中的数据分析实践》为主题,根据自己创业实践给大家带来创业数据分析实战分享,绝对不容错过!

『金句集锦』

1、对于产品运营中的数据分析的用到的数学知识90%的情况下小学水平就够了,更多的是对运营的了解和逻辑思维的能力。

2、能对决策产生影响的数据分析才是有意义的数据分析。

3、针对很多运营和数据分析小白,首先要破除迷信,数据分析≠数学。

4、没有一种数据分析能离开业务的背景知识去谈数据分析。

5、社会中的每个人都需要具备数据分析能力。

6、数据分析主要分为两个层面,第一个是方法论层面,第二个是业务知识,两者是缺一不可的。

『采访纪实』

一、什么样的数据分析是有意义的?

第一要破除迷信,即数据分析不是数学,对于产品运营的数据分析,可能小学水平的数学就够了,更多的是对运营的了解和逻辑思维的能力。

数据分析分两个层面:一是方法论层面,即数据分析的基础知识和能力;二是业务知识层面,即对自己个人公司和业务的了解,二者是缺一不可的。没有一种数据分析能离开业务的背景知识去谈数据分析。不熟悉你自己的业务,是没有办法做纯粹的数据分析的。而数据分析的目的也不是为了分析,而是为了能够得出能够指导实践的结论,这才是真正意义的数据分析的产出。公司的任何一个岗位都是为了有产出,产品经理的目的是为了提高用户的留存率,提高产品的收录等,而不是为了产品改版而改版那么而数据分析也是,不是为了分析而分析,并不是因为得到报表而进行的数据分析,而是报表到底能够驱动产品和业务的能力,即我们要了解What、Why、How之间的关系,最终我们要生成的是How。最终我们分析的这些数据究竟会产出什么,能生成什么,能做些什么事情,这才是真正的数据分析的目的,这可能也是一些数据分析界的小白走入的误区,做了很复杂的数据分析,但是最终没有产生驱动运营动作的结论。

二、数据分析的基础方法论:拆与比

数据分析最基础的方法论,其实就两个东西,一个就是拆,另外一个比较对比的比。可以说所有方法最基础的业务层面的分析都是从这两个字开始的,衍生对这两个字一定都是离不开业务知识的。

拆应该怎么拆,比如说我们要分析一个产品的流失率是多少,你老板跟你说我们最近网站的流失率很高,你要帮我分析一下流失率高的原因。其实会有很多很多原因造成流失率高,有可能是产品设计不好、有可能产品出bug。以化妆品店来讲,可能最近雾霾天大所以女生都不出门了,自然也不用化妆了。还有可能各种各样的原因,所有这些原因你都要做分拆,而这些东西肯定是要跟你的业务知识相关的。假如你是只做美妆的数据分析师,如果不了解消费者的行为习惯日常,就拓宽数据层面来说,产品业绩的波动其实跟数据分析是没有关系的。没有一定的背景知识,你是很难去做这样的拆分。

另外说数据分析对比的层面,对比首先涉及到跟谁做对比的问题,对比的参照物是什么,比如说我们说产品的留存率高或者低,其中会涉及到参照物,所谓的高低都是相对的,比如说我个子不高,但是要看跟谁比,可能跟姚明比我个子不高,但是跟一个小朋友比我个子就高了,所以说你的分析取决于你的参照物是什么。所以说你不同的基准值以及你跟基准值之间不同的差距决定了已有的业务策略是怎样的,而所有的这些东西离不开你的业务背景知识。

三、如何正确理解大数据、数据分析和数学

首先,我觉得这这几个名词的辨析是很重要的,首先数据分析≠数学,我刚才已经破除这个迷信,不是说完全用不到数学,而是说小学初中的数学水平可能已经够了,而相反我们需要的是方法论以及业务背景知识。第二个就是数据分析,跟大数据的关系是什么,其实大部分数据分析跟大数据没有关系。数据分析从理论上来说,我说夸张一点,不是说我们作为一个产品运营,实际上是在现代社会生存的每一个人都需要具备的一种能力。最核心的比如说产品运营,再往外围,可能你是个开个小店的店主,再往外围说,甚至你都没有任何的创业,或者说你有什么事业,你就是一个普通人,你在这个时代也需要数据分析?这种人肯定跟大数据其实并没有太大关系。

举个例子,为什么说需要数据分析能力?比如说我们今天突然看到一篇报道,这报道里面分析说,从2011年到2017年中国福布斯富豪排行榜中非正常死亡的人数有15个人,那说明富豪的日子不好过?这种文章报道如果你出现在今日头条,很多人就看过也就看过,然后不会对文章中进行太多仔细分析,然后就会得出一个结论,只不过他的重点则会侧重结论:富豪日子确实不好过。但是我们有数据分析经验的人来说,任何东西好不好过都是相对的,11年到17年福布斯排行榜一共有多少人,首先得到分母,假设分母是1000人,其中12个人死亡,那这个数高还是低呢?这其实不好说。其实就是实验组和对照组进行的对比和比较,如果说我们普通人群中非正常的比例,比如说去年的非占比例,比如说10/1000,这是20是有可能的,那说明其实有些人非但不是日子不好过,他其实过得比普通人好多了。所以说试验组和对照组的概念,其实就是数据分析的一种方法论,这用不到很高深的数学,但是对大部分来说,这其实需要去训练的一种思维方式。

从大局来说,我觉得首先是大数据这样的一个东西,任何一个大,首先,首先我觉得无论如何你都逃不开一个真相,就是数据要大,数据大了你才能称为大数据,即数据库。市面上95%的公司用户规模和客户规模都达不到那样的一个层面,就算很多公司能达到这样的一个层面,它的数据采集能力也达不到这样一个层面。

数据的价值跟大小其实也没有直接的相关关系,有可能数据很大但是没有价值,是垃圾数据。举个例子,什么是高价值的数据,什么是没有价值的数据?跟现实生活跟交易结合越紧密的数据就是越有价值的数据,比如说大数据来说什么公司数据量最大,中国最大不是腾讯不是阿里巴巴,而是中国移动。因为不管腾讯阿里巴巴,它最终的数据都要是经过移动去传输。但是中国移动的数据可能没有太大的价值,因为他们离应用层面的东西太远了,就而且离商业化的东西太远了,因此就没有价值。

四、从运营角度和数据分析师该如何破除对数据的迷信

要破除这个迷信,首先还是要增强自己。增强自己两方面的能力,一个是方法论层面,一个是数据分析的业务背景知识。

(1)专业数据分析人员来说

对于专业的数据分析人员来说,需要增加的是业务本身的背景知识,在自己创业过程中包括自己的朋友中,遇到的很多专业的数据分析师,传统的数据分析行业从业人员中,很多人缺乏业务知识的背景,离开业务知识的纯方法论其实是没有意义的。这让我想起前几天逻辑思维中讲到一期,批判性思维。很多人都认为逻辑性思维即如何分析一件事情是不是正确,以及事情的结论等,更贴近于方法论层面。但是所有方法论层面都不是孤立的存在,都是和一些事实型知识捆绑在一起的,而业务知识就是事实型知识。在那期中讲到反日,针对一些走到大街上反日想要去砸别人的车的人,对这些人来讲,首先他动机和结论不论,也不是说他没有批判性思维,而是出于无知。在现在世界全球化的程度来讲,任何一个国家都是没有办法脱离整个国际贸易而独立存在。除非你真的不用任何东西,比如智能手机,任何一部智能手机,电脑都会有日本生产的原件,所以想要彻底的反日,那首先你要把自己的手机砸掉。

同理,数据分析也是,如果没有事实性分析作为基础,任何数据分析都是空中楼阁。

(2)对于运营人员来说

首先要认识到我们这个职业是很特殊的一个职业,包括运营、数据分析、产品,其实不应该分这么细,三者是相通的,他跟技术是不一样的,技术是可以分得很细,做前端可以不懂后端。但是我根本无法想象一个运营如果不懂产品,怎样做好运营。本质上所有这些人做的一件事情都是企业家做的事情,都是一个项目。一些真正意义上产品经理在做的事情,所谓的产品其实也是CEO,做得都是CEO做的事情。站在整个宏观的商业角度去理解去认识这件事情,那这样才能把这个事情做好。

第二个建议就是要加入一个合适的社群,找到一群合适的人。你要明白,知识其实是由两个组成部分,一个是内隐的知识,一个是外显的知识,所谓内隐知识就是人脑中的知识,而外显知识则是从书中获得的知识。而理工男做数据分析的人大多崇尚外显知识,而忽略的内隐知识。书本中获得知识固然重要,但是最重要的知识是存储在人脑中的。所以说要加入一个合适的社群,真正的越是前沿的知识,越是边缘的知识越是不可能显示在用文本的方式显示出来,越是用非成形的方式写出来。而你想接触这些前沿知识,最好的方式就是去接近他们,跟他们做朋友,这样你才能获得第一手的知识。包括数据也是,所谓大数据有的随处可得,数据有可能很大,但是未必是有价值的数据。我刚才讲的有些小数据,可能就一张纸,但他对你来说价值连城。

原文发布于微信公众号 - CDA数据分析师(cdacdacda)

原文发表时间:2017-06-26

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据文摘

跨界,圈外人该如何闯入数据科学家的世界?

1936
来自专栏Android 研究

PMI-ACP 敏捷项目管理11——理解团队绩效

最流行的解决方案之一是软件估算模型,称为COCOMO。COCOMO Ⅱ模型有7个输入变量的加权因子,其中一个就是"人员因素",还有一个是"工具与流程因素"。经过...

2492
来自专栏PPV课数据科学社区

推荐 :如何才能获得一份数据科学家的职位

作者Alec Smith是数据科学领域中资深HR,之所以写这篇文章是因为经常被问到一个问题:“如何才能获得一份数据科学家的职位?” 不仅这个问题经常被问引起了注...

3485
来自专栏BestSDK

小米Mi VR宣布支持Oculus Mobile SDK

CES上,Oculus宣布与小米合作在中国推出Oculus Go中国版(即小米Mi VR),现在小米Mi VR也将支持Oculus移动开发工具包Oculus M...

3924
来自专栏AI科技评论

Facebook事件背后:AI本应是人类的助力,但这次它玩弄人类于股掌之间

AI 科技评论按:近期 Facebook 泄露海量用户数据,而且这些数据还被利用来针对性地影响 Facebook 用户的事情已经闹得沸沸扬扬。除了用户隐私保护这...

3645
来自专栏前沿技墅

当产品经理遇见数据思维

1807
来自专栏携程技术中心

沙龙报名 | 云海机器学习Meetup,5月6日上海

1193
来自专栏SAP最佳业务实践

从SAP最佳业务实践看企业管理(3)-CRM

那我们就废话少说,先从CRM开始。 CRM软件最早是Oracle(美国的一家软件巨头)公司的几个工程师出来创办的Siebel公司开发的软件产品,据说当年Orac...

3024
来自专栏企鹅号快讯

不止抢工作 人工智能还有了“小情绪”

新的一年即将到来,人们也充满希望,不过,如今要预测未来几个月将会出现什么新技术,还为时过早。在这个飞速发展的时代,我们要学会如何忽略关于专家所认为的或将成为来年...

1919
来自专栏PPV课数据科学社区

数据科学家的自我修炼

PPV课原创文章 转载请注明出处 未来是一个大数据的时代,从企业实践来看,建立大数据的存储和数据管道首先需要技术,但是怎么通过数据去做分析?这就需要...

2955

扫码关注云+社区

领取腾讯云代金券