数据分析”湿” 的道 (二)

2016-02-20

数据分析”湿” 的道 (二)

印象中BI这个词是在96年跟Gartner 有关的，第一次提出这个词是在Gartner的一份报告中，因为这家公司经常创新一些词，跟BI有关的一个人叫howard dresner，此人在92年加入gartner 05年加入了海波龙随着07年被并购，悄然离去去做独立行业分析以及策略咨询了;那时候 Howard dresser 把bi 定义为一类有数据仓库或数据集市查询报表、数据挖掘、数据备份恢复等组成的，以帮助企业决策为目的的技术以及应用; Olap 是97年 codd 提出的.期初被命名为主管信息系统、羽化到后来的商业智能前叫dss 决策支持系统;

国内的从02年开始BI在传统企业疯涨开花的年代;06年项目数据分析师逐渐的被得到认可，相关的岗位出现在大家的视野，08年中国商业联合回数据分析专业委员会成立简称中商联数据分析委 ;

随着互联网的规模、数据量的快速膨胀与多样化到海量数据到大数据的逐渐膨胀，数据分析师这个岗位越来变的更加重要;各企业直接或间接开始配置相关数据岗位，但是内很多分析师擅长的是数据处理，对业务敏感性也比较弱，而且对公司里面核心产品使用的程度也比较浅，甚至不喜欢公司的产品。

　在对外沟通上都是被动方式，俩亲身经历：

　　其一某天竞争对手出来了一个好产品让自己业务受到很大压力，要求做威胁评估，A呢是数据分析流，一周的时间四处挖数据、找材料各种参考，死去活来的写了一份评估报表;B呢是八卦流，请对方的一个哥们吃了顿饭，各种八卦把内部数据全部搞定;

其二公司周会上会看各种关键指标数据，上周数据忽然大降，抖动的跟正玄曲线般，没多久呢又恢复了，那一周业务方、数据分析师各种手忙搅乱，让数据分析师一周时间内出结果，拆分渠道、多维度去分析，各种数据模型同比环比看年度趋势才找到了一个勉强的理由，虽说不能让人信服的但是也找不到更加合理的解释。隔了两周后与一个不太熟悉的同事吃饭聊起这个事情了，说某某数据判别模块上了一个策略，后来又做了调整，才恍然大悟;

大家觉得这是什么问题?

　　数据人就要考虑在当前的业务状态中，该如何考虑对业务做到帮助与支持，或者是做数据的的人必须深入到业务中，如何深入呢，或者说是消息一定要灵通;

1、要与各种boss 1vs1 了解他们的想法。

　　2、参与到管理层的会议中，可以不用发言，但是要一定了解公司的管理层的理念、思路与战略、甚至是feature 的发布;

3、多的时数据人应该与运营在一起、一些活动、一些运营数据分析师也要参与进去也要尝试去一起做一下;

4、参与到公司的日常产品设计中去，在产品的立项阶段就去尝试获取信息;基本的数据跟踪和日常的数据感养成，绝不是可以忽略和无视的。人脉情报可以成为数据解读重要的信息来源，但是绝不能喧宾夺主，替代基本的数据分析工作。

　　大家知道用数据的往往不知道数据的口径与来源，加工数据的不知道业务含义，不同部门口径又是不一样，有的从交易来、有的从账务来;

这里数据使用与数据加工上就出现了”断层”,断层是数据所面临的一个很严重的问题，比如在“数据分析师的道一中”提到加工数据的人根本不知道用这些数据人要干嘛一样;

同样在层级与功能部门前边也可能存在一个断层，对数据价值的内在衡量是不一样的，角色不一样，对于数据价值的的看法也就不同，所以在衡量价值时要考虑到受众和给予者两种角色对立面的不同看法;否则很容易出现沟通无效、鸡同鸭讲、不在一个频道的无力感;

每个数据分析师或多或少都有自己的小情节，经常沉静在自我的世界中，通过复杂的算法、模型把本该很简单的东西搞的很复杂;产出了一些高深的、解释的不太明白的数据，业务拿过来都不知道如何使用;数据分析让业务更清晰、让决策更高效。

完谢谢观看

上一篇: 回归系列（一）| 怎样正确地理解线性 ... 下一篇: 2020美国总统竞选大戏开锣，川普当选 ...

数据分析数据集市商业智能数据挖掘数据仓库大数据