數據化思維一
- 2020 年 3 月 6 日
- 筆記
最近在做項目時經常反思,我應該如何基於運營數據的應用,為大家的工作賦能,比如提高效率、或降低成本,或提升決策準確度,或多個優化組合。這過程中,我發現自己目前仍主要以工具自動化的資訊化建設思維解決問題,這種自動化的解決方案其實是經驗導向,從數字化角度看,企業將面臨的複雜性與不確定性將越來越嚴峻,經驗導向的工作或決策方式將越來越不可靠,這就需要培養以數據思維來思考並解決問題的能力,簡單來講就是基於「數據+演算法」的量化思維模式,用客觀數據作驗證、預測、推薦,減少「我覺得,我想,我估計」等經驗思維模式。
以下摘一些國際頂級數據分析師達文波特所著《成為數據分析師》書中關於數據思維的一些有趣的內容。
1、關於數據思維的6個環節
數據分析有定量分析與定性分析,定量分析是通過統計學、數學等方法進行系統性研究,定性分析是判斷性的分析。舉個分析工作效率分析的例子:定性分析得到的結果是:張三工作效率很高,定量分析得到的結果是:張三本月完成20個IT需求,處理需求數量在同級別的工程師中排名第3。這個數據分析例子中,分析張三的工作效率的問題看,定量分析更可靠,事實上通常定性分析可以作為數據分析的初級探索階段,所以下面提到的數據思維也是針對數據思維。
按達文波特的歸納,定量分析的數據思維,可以分為6個步驟:識別問題、回顧之前發現、建立模型、收集數據、數據分析、傳達結果並執行,其中識別問題與回顧之前發現屬於數據思維的構建問題階段,建模、收集數據、分析數據屬於解決問題階段,傳達結果並執行屬於最後一階段。
1)構建問題階段,目的是確定分析系統需要回答什麼問題,解決什麼難題。其中識別問題主要是讓你清楚你接下來的數據分析要實現什麼目的,誰是決定要解決什麼問題的關鍵人物,這個目的是哪一種數據分析類型。由於很多時候你解決的問題可能己有人解決過,或己有相關的經驗積累,或你在識別問題過程中已積累了相關知識,所以在完成識別問題後先不要馬上進入解決問題階段,而是先進行回顧之前發現。
2)解決問題階段,這個階段是定量數據分析的核心,是一項更結構化且定義明確的活動,這個階段如果我們缺少相關數學與統計學知識,尋求具備這類能力的人來處理這一階段建立模型、收集數據、數據分析可能是一個更好的辦法。我理解的建立模型,重點是基於經驗、演算法來選擇決定數據分析的關鍵數據變數,關鍵的數據變數最好要精、准。收集數據相比好理解,即根據模型尋找數據(不過兩本書對於數據的來源都重點強調了外部數據:「不是更多的數據,而是有別於到目前為止用來解決問題的數據」,由於缺少數據分析經驗,對於企業外的數據來源的價值還不太明白。)數據分析是根據模型與數據進行分析處理。
3)傳達結果並執行階段,這個階段經常被人忽略,比方說某個數據分析目的是為了支援管理層的決策,採用了豐富的可視化的方式來提供決策支援,但實際上管理層可能希望直接採用簡潔的數據提示的方式,如果不重視這個傳達結果與執行的階段,極可能導致失敗。所以數據分析的結果需要足夠清楚,且滿足用戶需求,才更可能促成決策與行動,這次數據分析才有意義。
2、數據分析價值的選擇方向可以圍繞以下4點:降低成本、縮減時間、內部決策、研發產品與服務。這4個方向中,數據分析的引入可以快速帶來降低成本、縮減時間的效果,尤其是基於大數據技術的引入;研發產品與服務是一個最有潛力,也是最能激發數據分析師激情的方向;內容決策作為以前BI商業智慧階段最重要的輸出,在進入大數據階段,需要更加關注活數據的實時決策,或數據即決策。關於數據即決策可以從數據分析的目的進一步解釋,從數據分析的目的看,又可以分為描述性、預測性、規範性分析,描述性分析可以認為根據歷史數據做描述的總結,比如報告;預測性分析是指根據歷史數據進行預測性分析,規範性分析是指根據模型決策行動,這個規範性分析的方式就類似數據即決策,比如滴滴對汽車的調度,導航對路線的規劃、京東對商品的推薦等等。
3、數據科學家的特徵:
1)黑客:能夠編碼,了解大數據技術架構
2)科學家:基於證據做決策,即興創作,急躁和行動導向型
3)可信的顧問:良好的溝通和人際關係技能,能夠制定決策並了解決策過程
4)定量分析師:統計分析,可視化分析、機器學習、非結構數據分析
5)業務專家:了解業務運作,對數據分析與大數據應用有良好的判斷力
當然,大部分人都不是一開始就具備上述能力,通常是從一到兩個能力出發不斷完善。
4、DELTA
數據科學家是針對個人角度,DELTA是針對組織分析能力,即數據、企業、領導力、目標以及數據分析師。數據就是指數據,在大數據時代重點指非結構化數據,企業是指企業的大數據定位,領導是指自上而下對於數據分析的支援程度,目標可以從前面提到的降低成本、縮減時間、內部決策、研發產品與服務四點出發,數據分析師是指人。
書中還提到另一個force模型,這個模型的主張是:
-基於事實決策制定
-設想和分析模型不斷審核,調整
-加強分析決策和測試學習的文化氛圍
-在主要業務流程中嵌入分析學
其中最後一個關於在流程中嵌入分析學的思路很適合在企業運營、決策流程中的數據分析整合,可以作為工作中數據思維落地的一個切入點。
註:【書名】《數據化轉型》、《成為數據分析師》


【作者】作者達文波特在數據分析領域久賦成名,「先後在哈佛商學院、芝加哥大學和波士頓大學任教,還擔任過埃森哲戰略變革研究院主任……」,「曾3次預見商業範式轉型的大拐點」,可以認為「今時今日大數據時代當之無愧的數據分析之父」。
【注】這兩本書不能作為數據分析的參考書,也不是一本給想了解數據分析打雞血的書,作者甚至還不時的潑一些冷水,整體上看這兩本書主要從思維角度對數據分析進行解讀,適合希望了解數據化思維的同學翻閱。