小議未來最有“錢”途之行業——數據分析
這年頭數據分析、數據應用似乎成了營銷界的“寵兒”，穿梭于各種營銷大咖交流會之間，盡管目前對于各類數據的應用尚屬“冰山一角”，但不少企業已經嘗到了數據應用的甜頭，并且玩得不亦樂乎。目前各行各業已經積累起來大量的數據分析需求，但市場上具備使用、分析和讓數據說話能力的人才供不應求。麥肯錫的一項研究指出到2018年大數據分析人才的缺口將達到140,000-190,000之間。筆者不是什么數據高手，也不會很多分析算法，只是作為一個不折不扣的數據分析愛好者想分享下對于數據分析的看法，以期能夠拋磚引玉，共同進步。
數據分析是基于商業目的對數據進行收集、整理、加工和分析后提煉出有價值的信息的一個過程。其過程概括起來主要包括明確分析目的與框架、數據收集、數據處理、數據分析、數據展現和撰寫報告這6個階段：
1、明確分析目的與框架
對于一個分析項目，你必須搞清數據對象是誰？商業目的是什么？要解決什么業務問題？基于商業的理解，整理分析框架和分析思路。
2、數據收集
數據收集是按照確定的數據分析和框架內容,有目的的收集、整合相關數據的一個過程，它是數據分析的一個基礎。
3、數據處理
數據處理的基本目的是從大量的、難以理解的、甚至是雜亂無章的數據中抽取并推導出對于特定的人有價值、有意義的數據。這是整個數據分析過程中最占據時間的，在一定程度上取決于數據倉庫的搭建和數據質量的保證。
4、數據分析
數據分析是指用適當的統計分析方法對收集來的大量數據進行分析，提取有用信息和形成結論，并對數據加以詳細研究和概括總結的過程。推薦幾個常用的數據分析軟件：Segment.io、Google Analytics、Localytics、Clicky等。
5、數據展現
一般情況下，數據分析的結果都是通過圖、表的方式來呈現，俗話說：字不如表，表不如圖。借助數據展現手段，能更直觀的讓數據分析師表述想要呈現的信息、觀點和建議。
常用的圖表包括餅圖、折線圖、柱形圖/條形圖、散點圖、雷達圖等、金字塔圖、矩陣圖、漏斗圖、帕雷托圖等。
6、撰寫報告
最后階段，就是撰寫數據分析報告，這是對整個數據分析成果的一個呈現。通過分析報告，把數據分析的目的、過程、結果及方案完整呈現出來，以供商業目的提供參考。
雖然筆者還只是一個菜鳥，但通過這段時間的研究分析、實踐，自己也略總結了一些經驗感受：
1、做數據分析一定要確保獲得數據的可靠性。數據分析的基礎是對可靠、真實的數據進行分析，只有基于可靠數據分析出來的結果才有價值，否則就是竹籃打水一場空。
2、獲取數據之后便需要建立統計，這時候，需要想想，建立什么樣的統計信息才能更好地分析產品及用戶的特性。很多時候單一特征已經很難去描述，需要綜合很多地方來看。
3、生成同一個數據，可以有不同的統計方法，但如果選擇錯誤的話，結論往往會大相徑庭。例如想分析網站對搜索引擎的依賴性，究竟應該用PV，用Session，還是用UV做統計？如果一個用戶一天訪問多次，某些是來自搜索引擎，某些是主動訪問，該如何計算？這里面還是有很深的學問。
最后，根據自己的經驗提兩點建議，希望對大家有所幫助：
首先，培養向上思維的方式。在看完數據之后，要站在更高的角度，從更長遠的觀點，從全局來看這些數據，從組織、公司的角度來看，從更長的時間段（年、季度、月、周）來看 ,你會怎樣理解這些意義？也許向上思維能讓你更明白方向。 該思維方法的關鍵是：建立長遠目標、全局觀念、整體概念、完整地分析數據，不做井底之蛙。
其次，換位思考來研究和分析人性。數據來源于用戶，更多時候需要對人性進行研究和分析。就像擺在頁面不同位置的廣告，CTR一般能達到多少？同樣位置，擺廣告好還是擺用戶產品好？要做某個新產品，CTR能到多少？做互聯網的大多是高端用戶，很多東西自己是不會用不會點的，但正因為這樣才需要對用戶有非常強的代入感，去換位思考，去分析人性，只有把自己擺在用戶的角度來分析問題才能更好的做出分析。
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）