13161216443

您所在位置: 首頁> 學習課程> 大數據培訓 | 大數據前景怎么樣?大數據重要嗎?

大數據培訓 | 大數據前景怎么樣?大數據重要嗎?

發布百知教育 來源:學習課程 2019-11-13

作者從12年開始接觸數據分析,到現在差不多八年了,這八年也一直負責公司大數據與AI相關業務。早期也親身參與了數據分析業務的需求開發,雖然這幾年沒有親自參與一線數據開發工作,但是一直在跟團隊伙伴一起參與數據分析需求的討論、落地。我自己和團隊在做數據分析過程中也走了很多彎路,對數據分析業務有一定的感悟,特別是數據怎么產生價值。

目前很多互聯網公司都有數據分析崗位,但是真正讓數據分析產生業務價值的公司少之又少。因此,本文結合作者自己多年數據分析的經驗和理解,來談談數據分析的價值,希望給從事數據分析工作或者對數據分析感興趣的讀者提供一個思考數據分析價值的框架,更好地幫助大家利用好數據分析這個強有力的工具,最終讓數據分析產生業務價值,利用數據來驅動業務發展。



數據分析為什么如此重要


對于toC類產品,由于覆蓋的用戶范圍廣、用戶基數大,用戶千差萬別,背景各異。我們又很難對用戶進行透徹的了解(問卷調查也只能覆蓋一部分用戶,并且問卷調查得出的結論可能不一定真實反映整體用戶情況),因此產品怎么更好地服務于用戶、真正對用戶產生價值是每個提供toC產品與服務的公司非常頭痛的問題。幸好,數據分析為我們了解用戶打開了一扇窗,用戶在產品上的操作行為為我們了解用戶提供了“蛛絲馬跡”,用戶的操作行為也是用戶最真實意圖的反饋,通過分析用戶行為,我們可以對用戶進行更加細致的了解,最終指導我們更好地迭代產品為用戶提供更好的服務體驗,通過用戶行為分析獲得的認知,也可以指導我們更好地運營內容及用戶。通過更好地服務用戶,借助合適的變現手段,最終產生商業價值。


深刻地理解和認識數據分析的價值,可以更好地幫助我們發展業務。而數據分析的價值,可以從多個維度來理解,下面我們在第二、第三小節分別從數據分析本身及業務維度來講解數據分析的價值。



從數據分析本身的維度來思考數據分析的價值


所謂數據分析,就是利用一些數據分析工具、手段、方法或者思維,從海量和異構的數據中發現規律,從而揭示出數據背后的真相,為我們提供決策的依據,指導業務發展。從數據分析本身的方法和形式來看,數據分析的價值體現在如下6個層面。


2.1
展示
通過將一些重要的日常關鍵指標,比如每日新增用戶數、DAU(Daily Active User)、會員用戶活躍度、會員購買率等,通過數據可視化的方式展現出來,可以讓公司老板或者業務負責人對整體核心數據有一個整體的了解,能夠把握大的趨勢。這類數據分析的產出一般通過數據報表、DashBoard等方式呈現出來。阿里雙十一大屏實時展示總成交量(GMV)就屬于這類價值產出形式(見下圖)。

大數據培訓班

不同公司由于業務屬性不一樣,需要展示的數據指標也會差別較大,甚至同一公司在不同發展階段,需要了解的數據也都不一樣。對于初創公司,可能會比較關注新增、日活、渠道發展與留存等,對于成熟階段的公司,可能會更多關注商業變現相關的指標,如會員發展、會員留存、客單價、廣告庫存等。

不管怎樣,對于處在某個發展階段的某個公司,作為數據分析師和數據產品經理,一定要提煉出最具價值的核心指標供公司管理層用于決策(很多核心指標就直接來源于管理層的需要),并且具備從不同維度來分解展示數據指標的能力(數據下鉆)。核心指標展示也會為下面其他維度的數據價值體現提供線索和依據。

2.2
解釋

通過數據分析,我們可以對產品或者用戶行為中的一些現象或者數據變化進行解釋,讓我們知道現象發生或者數據波動的原因。比如某個版本發布后發現APP打開的crash率提升了,通過數據分析不同硬件設備的crash率,發現在某個型號的硬件設備上crash率非常高,比之前版本高很多,那么可能就是這款設備上的兼容性測試存在問題,導致APP更容易crash。

數據分析的解釋價值,更多是比較簡單的情況導致的問題或者異常,也就是原因是單方面的,這種問題往往容易發現,通過簡單數據分析就可以搞定,而下面的歸因分析可能就是更加復雜的情況了。

2.3
歸因

歸因不像上面的解釋,可能引起的原因是多方面的,復雜的,歸因分析需要找到引起問題的主要原因,通過解決主要矛盾來避免問題惡化或者提升數據指標,比如找出用戶流失率高的原因。這些分析原因的過程及總結可以沉淀為對產品和用戶的深刻洞察。

不管是解釋還是歸因,都需要進行多維度的分析比較,將核心指標層層拆解,從中發現問題的蛛絲馬跡。并且需要豐富的業務知識和數據分析技巧,才能從紛繁無渣的現象中發現問題的本質。

2.4
預測

預測是對產品未來趨勢的判斷,有了精準的判斷可以指導經營活動。比如,如果我們可以相對精準地預測廣告庫存,就可以指導我們更好地進行廣告的銷售與投放。預測DAU、銷量、訂單量等等都是常用的形式。

不同行業也會對需要預測的指標不一樣,電商行業可能對每日訂單量、GMV等數據比較關注,視頻行業對每日播放量會比較關注(播放量的多少直接決定了有多少廣告貼片CPM)。有些需要實時動態預測,比如滴滴會預測在將來某個時刻的客戶訂單量,有些可能只做T+1預測就可以了,比如視頻行業的貼片廣告庫存量,一般不需要實時預測。

數據指標的預測需要構建數學模型(比如時間序列模型),我們通過歷史數據和提取的重要特征來構建模型,具體選擇什么維度作為特征,需要行業經驗及對相關預測問題有深刻的理解,因此對數據分析師有一定的要求,不只是簡單的數據分析,需要懂機器學習或者熟悉業務特征。

2.5
預防

預防是有針對性的防御措施,是提前思考產品迭代或者運營推廣可能會產生的(負面)影響,針對每類影響確定可能帶來的后果及可行的應對策略。比如產品在首次開啟廣告商業化嘗試時,預估到廣告可能會對用戶體驗的傷害,我們需要從多個維度定義一些統計數據和指標,對廣告投放前后的指標進行比較分析,有針對性地提供一些在出現不利某些情況下(比如用戶留存率下降、投訴增多等)的應對方案。再比如,通過預測雙十一可能產生的流量高峰,事先對服務器進行擴容,避免大流量沖擊對業務造成影響。


預防是一種事前防御策略,數據分析在其中的作用可以是對將要發生的事件的預判(如上面的預測雙十一的流量高峰),也可以對數據指標的監控,根據指標的變化實時對業務進行動態調整。


2.6
決策


決策是數據分析的終極價值體現形式,是通過各種維度數據對比、交叉分析、趨勢分析,形成產品迭代、運營的最終解決方案,期望通過該方案的落地執行,提升產品的用戶體驗與創造商業價值。所有數據分析的最終目的是指導運營與決策。


比如,通過數據分析發現某個頁面用戶體驗很差,進而提出優化該頁面的方案,這就是一種決策過程。又例如,通過渠道分析,對比各個渠道新用戶的留存,再結合各個渠道的推廣費用,挖掘出優質的、性價比高的渠道,從而加大在該渠道上的推廣。這些都是利用數據分析進行決策的例子。


數據分析與挖掘主要的價值體現是上面的6大類,其中(1)、(2)、(3)是對數據的事后探索分析,即對已經發生的事件進行分析、形成結論,(4)、(5)、(6)是事先的決策,在事件發生之前,形成應對方案、解決方案,提前規劃。后面的預測、預防、決策也依賴于前面(1)、(2)、(3)的各種探索與分析。


數據分析的價值要想很好體現出來,需要利用探索分析最終形成指導產品迭代優化與運營的最終決策方案。可以說事先決策是比事后探索分析更高級更有難度的價值體現形式,作為數據分析師一定要有從事后探索分析進化到事先決策的意識,這樣才能有更大的成長,也更能發揮數據分析的價值。


從業務價值維度來思考數據分析的價值


任何公司經營的最重要的目標是獲取商業價值,而商業價值的獲得依賴于用戶,特別是對提供toC類產品的公司。如果營收是會員變現,那么收益直接來源于用戶(比如愛奇藝的視頻會員)。即使是廣告,看起來收益是來源于廣告主(廣告主通過直接或者借助于第三方廣告代理商支付廣告費在你的平臺上投放廣告),實際上廣告主之所以愿意在你這個平臺投放廣告,看上的是你的用戶,投放廣告的價值就是通過廣告被用戶觀看、點擊、購買等形式體現出來的(廣告主的目標要么是讓用戶記住品牌,要么是讓用戶直接購買某中產品或者服務),這么說來,廣告變現的價值也是完全依賴于用戶。對于游戲或者增值業務,收益也是直接來源于用戶??梢院敛豢鋸埖卣f,互聯網toC產品一切經營收益直接或者間接來源于用戶。


簡單來說,toC互聯網產品的總收益等于活躍用戶數 ??轉化率 ??客單價(真實的收益計算比這個復雜得多,這個公式只是一個最初略的簡化模型),因此,是否有海量的活躍用戶是公司能否獲得較大商業利潤的前提。


而想要從用戶身上掙錢,你首先必須為用戶提供某種服務,該服務能夠滿足用戶的某種需求(電商產品滿足用戶購物的需求,視頻類產品滿足用戶娛樂休閑的需求)。只有服務好用戶,用戶才會舍得為你的產品或者服務買單,服務好用戶是前提,變現是服務好用戶后的副產品,這個邏輯關系不能顛倒,這一定是公司經營發展的最基本的哲學,所有違反這一邏輯的經營都將無法長久生存。

因此,良好的公司經營就一定要提升用戶體驗,為用戶創造價值,通過發展用戶、提升活躍用戶規模、提升客單價,通過廣告、會員等各種商業化形式來獲得商業利潤。

那么,基于業務價值維度來考慮,數據分析就應該從上面提到的幾點來著手,通過挖掘數據的價值,服務好用戶,最終為公司運營獲得更多的商業利潤。具體來說,數據分析的商業價值主要體現在如下3個維度。


3.1
用戶發展
toC類產品就是靠規模效應來實現業務增長及變現的,因此發展用戶是首要的,特別是對于初創公司,發展用戶更是重中之重,否則公司就無法生存下去(里德霍夫曼在《閃電式擴張》這本書中強調了快速發展用戶的重要性)。所謂用戶發展,就是產品怎么吸引更多的用戶使用產品,讓用戶在產品上停留更長時間,讓用戶活躍起來。這時我們需要關注用戶增長、留存、活躍等常用關鍵指標以及流失率等反指標,不光是展示這些指標,更應該對這些指標進行拆解分析,從中發現問題,找到突破口,最終通過產品迭代或者運營手段提升這些指標。toC產品是建立在規模用戶之上的一種生意,只有有效地發展用戶,并讓用戶留下來,產品才能最終產生商業價值。數據分析可以為用戶發展提供數據層面的指導與決策。  
      

3.2
用戶體驗
要想讓用戶愛上你的產品,經常使用你的產品,產品必須為用戶提供滿足用戶某種需求的價值。對于視頻行業來說,用戶能夠看到喜歡的視頻就是平臺給用戶提供的價值。而要讓用戶更好地看視頻,產品必須提供足夠多的、好的、熱門的新視頻,產品必須做好用戶體驗,讓用戶可以快速啟動你的產品,保持各種操作相對流暢,也需要讓用戶可以方便獲取內容(搜索得到、編輯人工推薦、內容編排、推薦算法主動推薦等),并盡量減少對用戶的打擾。其他類型的產品,都有類似的用戶體驗訴求。
用戶體驗決定了用戶是否會使用你的產品,使用多長時間,并且是否會最終留存下來。所有用戶體驗相關的指標(如人均播放時長、人均瀏覽次數、搜索轉化率、跳出率、crash率、播放成功率、緩沖次數和緩沖時長等)都可以利用數據來量化,通過不斷優化產品交互來提升用戶體驗指標。同時通過進行用戶運營、活動運營、內容運營等運營手段來更多地跟用戶互動,讓用戶更有參與感,讓用戶跟平臺的互動更有趣味性,更易于獲取有價值的內容與服務,最終提升用戶體驗,讓用戶留下來。


3
商業變現

公司的目標是通過服務用戶的同時,最終從用戶身上掙取商業利潤。因此,數據驅動最終的目標也是更好地幫公司做商業化。
拿視頻行業來說,最主流的商業模式是會員與廣告,對于會員我們需要關注會員數、客單價、會員活躍度、會員人均使用時長、會員留存等指標。對于廣告,我們需要關注APP打開次數、視頻播放量(視頻行業主要是開屏廣告、貼片廣告,因此APP每日打開次數、每日播放視頻總量決定了可以投放廣告次數的上限)等是核心指標。對于其他行業,思考的邏輯也類似。
對于上面提到的核心指標,我們需要形成數據報表,進行監控,時刻關注指標的變動,通過分析拆解指標,發現問題,尋找原因,甚至是找到提升這些指標的突破口。通過數據分析、挖掘、構建用戶畫像,進行精準的用戶運營也是一種非常有效的提升變現能力的手段,同時,多維度的數據分析也可以更好地幫助業務方進行廣告、會員的日常運營決策。


總結

對數據分析從業者來說,除了有很好的數據分析專業素養,是否有業務高度,是否能夠將數據分析跟公司的業務結合起來,特別是跟商業價值結合起來,通過數據分析來驅動業務發展,是核心所在。一個好的、對公司有價值的數據分析師,一定是一個商業分析師,他時刻會將提升用戶體驗、通過數據驅動公司業務發展、通過數據為公司產生商業價值作為衡量數據分析價值的最終標準。


對領導或者公司管理層來說,不能只靠拍腦袋來做決策,除非你覺得自己像喬布斯一樣牛,能夠洞察需求的本質,甚至創造用戶需求,否則需要形成利用數據做決策的思維意識,至少要利用數據去支撐你的觀點。要善用一切數據來獲得對用戶和產品的洞察,最終用數據說話,否則數據分析崗位形同虛設,數據分析也將流于形式。


隨著大數據技術的發展與成熟,大數據行業應用的不斷深入。用戶行為甚至是跨域、多維度的數據分析越來越受到重視,有數據驅動意識、能夠很好地從數據中發現規律并充分利用這些規律的公司才能夠在激烈的市場競爭中更好地生存下來,是否能夠利用數據來驅動業務發展已經成為公司的核心競爭力。



大數據培訓班:http://www.akpsimsu.com/bigdata2019






上一篇:大數據培訓 | 最常見的大數據誤區,你進入了嗎?

下一篇:應屆生去公司找個Java程序員的職位需要什么技能?

相關推薦

www.akpsimsu.com

有位老師想和您聊一聊

關閉

立即申請