专栏首页机器学习AI算法工程【推荐】如何使你手里的数据变成现金?

【推荐】如何使你手里的数据变成现金?

最近数据挖掘与分析讨论比较热的话题是“数据变现”,也就是所谓的数据挖掘在业务中进行了应用,并确实给业务带来更大的业务绩效收益。很多朋友都知道,有技术、熟悉业务是前提,但有了前提,也常常困惑于各种迷惑,数据到底被业务用了么,业务用了效果不好的话,问题出在哪里?

本文打算通过一些经验之谈,阐述“数据变现”基本准则(个人推荐),希望抛砖引玉,能引起更多人思考、讨论。

数据变现前提准备

数据变现首先得有清洗、整理、及时、准确的数据,以及科学的数据分析方法和手段;然后得有业务的熟悉程度,包括业务流程、业务运作方法和运营难点、业务解决方案等等。有了前提,再说如何把数据变现为价值。

数据的准备、分析方法自不用多说,大家已经讨论N多遍了。这里主要讨论对业务的熟悉程度,我们常常提到的业务熟悉,往往只是停留在业务流程、业务数据流的熟悉。例如订单流程,数据流到某个状态才转ERP让物流拣货。直到现在,很多数据分析人还是认为这样的就叫熟悉业务了。

我曾经做过的大促分析,经过当天每小时流量、订单、库存,结合商品分布、用户分布,准确诊断大促不足的地方、大促高价值的地方,然后再一次促销中,将数据洞察转换为行动方案。这是因为我熟知业务部门要行动,他们需要了解到底哪些地方要如何改进,改进多少?例如商品部门,你说准备库存结构不合理,那你告诉我到底各SKU准备多少,为什么这样准备?客户部门,你说老客户活跃度激活不够,你告诉我如何做的更好,凭什么说这样才能更好?这些大家觉得仅仅熟悉流程,能给答案推动数据变现么?

充分地洞察和分析

数据要能说话,前提它要能成为说话的“证据”,例如销售增速同比下滑50%,你凭什么说是老客户维护是主要问题,而不是网站产品或者价格问题?

我个人以为这是一个数据分析、洞察融入业务逻辑的推理过程,写出来的分析报告逻辑严密,才能让业务部门信服、使用数据结论和建议。 上一个博文提到的:假设订单转换率由3%下降到1.5%,那么从业务角度,会有哪些可能性?

1、导流出了问题,新的流量来源僵尸用户多?(用户访问习惯性行为判断)

2、推广出了问题,很多用户误点广告(由退出率判断)?

3、网站是否改版,降低了客户体验?(用户行为路径判断)?

4、网站其他问题,例如某些功能比较难用,网站变慢等(用户行为访问节点分析判断)?

5、是否商品突然没有了吸引力,例如商品之前还是大量5-6折的商品引流,现在变成8折为引流了?(通过商品访问深度、商品访问比较分析)

我们每一种可能,都要有“对应”的数据来说明,让业务部门关注或者不关注这个因素,而不是看来数据就算了。你说通过某广告来源来的流量,马上就退出的情况,这不是点错广告,是什么呢?这就是逻辑推理!

和业务充分沟通

这点很重要,也有挑战性,不同公司的企业文化,决定了你沟通的技巧需要有对应,所以你在某企业有沉淀,有人脉了,才更容易沟通,更容易交心。

根据原则,就是首先你的数据分析是来帮助他们的,而不是让他们帮你做数据试验;其次你的业务逻辑非常清晰,让业务觉得和你交流有共同语言,值得交流;最后你确实有成功案例,让业务有动力与你倾力合作。

推动数据驱动执行

交心的沟通后,业务部门甚至可能让你参与业务会议、请你帮忙提业务运作建议。但如果你还没与业务部门达成如此默契,就需要主动看执行结果,如果不够理想,请主动思考什么原因,与业务部门咨询是否有什么困难,缺乏什么条件。

总结

数据驱动失败,可能业务用户执行不到位,但也可能是数据分析漏了什么业务因素,或者数据挖掘算法不够合理,所以BI部门需要多审视自己,而且即便是业务执行不到位所致,请多关注对方是否有不得已的原因,而不是埋怨业务部门不给力,在未来合作中,数据才能更主动发挥价值。

本文分享自微信公众号 - 大数据挖掘DT数据分析(datadw),作者:36大数据

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2014-07-23

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。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 写给刚入门的数据分析师的几点建议

    1.数据是有立场的,立场决定解读 数据对于业务来讲,是KPI的衡量标杆,也是行动指南。但一旦涉及到立场和方向性的东西,必然有利益触发点的问题。比如同样的一次活动...

    机器学习AI算法工程
  • 面对数据工程师,你有7个问题可以问

    运用数据进行管理不是什么新鲜事,但是大数据还是个新概念, 有相关的风险、挑战和机会。高级管理者需要具备一定的认识,以备他们的数据专家提出新观点时,自己有所准备...

    机器学习AI算法工程
  • 大数据的关键思考 -- 数据化营运三诀窍

    当谈到阿里巴巴的数据化营运时,我第一个想到的就是「人」,我们花太多时间讨论我们应该要做什么,却很少会反过来想,如果要落实数据化营运首先要从人做起,因此...

    机器学习AI算法工程
  • 认清真相,脱离菜鸟!中级数据分析师,该有什么样的能力?

    “到底咋样算进阶?”是很多做数据的新人同学很疑虑的问题。网上的文章铺天盖地的都是“如何入门”,“如何快速入门”一类。可真正做上数据分析以后才发现:根本学的就是个...

    接地气的陈老师
  • 新业务可行性,如何做数据分析?(趣味教学版)

    临近年底,很多同学在做2020的规划,其中有一项很让人挠头的任务:分析新业务可行性。因为过往每次做,不是数据太少压根没法分析,就是做实验被质疑:“有没有代表性?...

    接地气的陈老师
  • 实用篇:如何建立落地型数据分析or数据挖掘流程?

    数据工作者最长也是有效的一种工作方式是带项目,无论是数据分析还是专项挖掘,项目制能使数据尽量贴近业务并且有效理解业务和数据的各个维度。那么如何建立面向业务落地的...

    CDA数据分析师
  • 【技术】实用篇:如何建立落地型数据分析or数据挖掘流程?

    数据工作者最长也是有效的一种工作方式是带项目,无论是数据分析还是专项挖掘,项目制能使数据尽量贴近业务并且有效理解业务和数据的各个维度。那么如何建立面...

    小莹莹
  • 数据分析体系是什么?该怎么搭建?

    有同学问:经常听到“搭建运营分析体系、搭建业绩监控体系、搭建商品分析体系”等等要求。可到底数据分析体系是什么?似乎经常看到的,只有AARRR五个字母,又语焉不详...

    接地气的陈老师
  • 数据分析体系是什么?该怎么搭建?

    有同学问:经常听到“搭建运营分析体系、搭建业绩监控体系、搭建商品分析体系”等等要求。可到底数据分析体系是什么?似乎经常看到的,只有AARRR五个字母,又语焉不详...

    龙哥
  • 数据分析体系是什么?该怎么搭建?

    有同学问:经常听到“搭建运营分析体系、搭建业绩监控体系、搭建商品分析体系”等等要求。可到底数据分析体系是什么?似乎经常看到的,只有AARRR五个字母,又语焉不详...

    机器视觉CV

扫码关注云+社区

领取腾讯云代金券