在线报名在线咨询
主页 > 新闻动态 > 媒体关注 >

三问数据业务化:是什么、为什么、如何做？

时间:2022-09-05 14:59来源:未知 作者:中博IT教育

对于每一个数据分析师来说，业务实践数据的分析都是重中之重，这已经大家默认的共识了。但是，怎样将业务实践带入到数据分析中呢？这个问题却没有得到大多数人的共识。 其中，
对于每一个数据分析师来说，业务实践数据的分析都是重中之重，这已经大家默认的共识了。但是，怎样将业务实践带入到数据分析中呢？这个问题却没有得到大多数人的共识。
 
其中，有一种看法是说，参加数据建模比赛可以实现数据业务化。当然，参加数据建模比赛，是很多数据爱好者共同追捧的赛事。其中，比赛时会给到参赛者很多真实的业务数据，能在很大程度上，帮助数据分析师们提升自身的数据分析技能。
 
然而，这并不是数据业务化处理模式。下面，就来为大家简单介绍一下数据业务化的定义及建模等内容。
 
数据业务化
 
所谓的数据业务化，就是在实际业务环境中，给已有数据赋值，从而提升产品的商业价值。简单来说，就是通过已有的运营数据，找出数据中的规律，总结出改进方向，从而指导产品的销售、包装等各个方面的策略，从而提升产品的商业价值。
 
这里所谓的找出数据中的规律，总结改进方向，可以从两个层面来理解：一是数据智能化，二是数据创新化。前者主要利用大数据技术，持续提升产品的用户体验，如推荐系统、信用评级等。而后者主要在于有效积累数据，用于新业务的开展。
 
从这个角度看，数据业务化至少包括3个关键环节，包括数据业务定义、数据分析与建模、数据业务实施。
 
（1）数据业务的定义
 
在现实生活中，数据可能不是大家主要关注的对象，大家真正关心的其实是业务。因为，只有业务满足了公司的基础需求，企业才能存活。
 
然而，不可忽视的一点是，只要有业务产生，就会有与之匹配的各类数据产生。如果不分析这些产生的数据，只埋头做业务，在体量较小的情况下，是能维持正常的业绩的。但若一个企业寻求发展，那么，势必需要数据分析。因为，人的经验很多情况下是不准确的。因此，数据分析是助力企业核心业务发展的重要因素。
 
在这个前提下，一个数据分析师到一家新的企业后，很少有人能告诉你该分析什么数据，更不会有人告诉你如何从企业老旧的数据系统中得到有用的数据。因为，他们只会告诉你他们关心什么业务，希望提升多少业务指标。
 
由此，你也能得出一个结论，那就是你需要把业务问题定义为数据可分析问题。
 
（2）数据分析与建模问题
 
先来给大家分享一个小故事，然后我们再来进入主题。
 
例：一个做外卖的平台的朋友，提出这样一个问题：他们一个客户非常认可他们的数据价值，希望通过外卖平台的数据，帮助店铺提升餐品的好评率，从而促进成单率。
 
这就是一个很典型的业务问题了。但是，这个问题怎么用数据分析的方式来处理呢？
 
首先我们要做的，就是将它通过数据对业务需求进行清晰定义。比如，餐品原来的好评率是80%，将它提升至90%，这样就会好处理很多。
 
可事实上，我们要得出80%这个结论，其实是很难的。因为，一个餐品的品质怎么叫“好”，怎么叫“坏”?因此，我们需要一个清晰定义的标准，并为之得出一个业务认可的因变量Y。
 
然而，无论你如何定义Y，都不可避免地会介入主观认知。因此，在这类复杂业务场景中，是没有唯一正确答案，即便是任何数据建模比赛，也无法模拟出结论。
 
那么，在这种情况下，难道我们就真的无法做出数据分析了吗？
 
事实上，并不是这样的。一旦业务问题被定义为数据可分析问题，它的核心业务诉求就会变得清晰，就可以构成了因变量Y。此外，相关的业务知识被头脑风暴，就构成了解释性变量X。从Y、X出发，我们可以通过各种回归分析模型、机器学习模型来做对应的分析。
 
各类回归模型，或其他机器学习中的算法模型甄选出合适的数据分析模型，从而拟出适用于前业务需求的精准化模型，为业务数据智能化提供更好的有效预测。
 
（3）数据业务实施
 
在数据分析和建模流程处理完成后，接下来，我们就要把这些结论转化成现实环境下可以被实施的产品中。然而，这一步是比较困难的。在现实的业务场景中，即使模型做得很好，但是最后如何同业务结合，变成可执行的产品，仍然是极具挑战的事情。
 
因为，这里面涉及了很多企业资源、法律法规、政策制度、生活传统等问题。
 
例：国外的很多搬运工人都是按照既定的量给货车装卸货物的。即，企业核算了任务量和交货日期后，就会计算每个工人每天的工作量（件数）等，按照当地的劳动标准，给工人任务量。因此，工人基本不会提早完成任务。
 
而在国内，我们更习惯“早点做完早点休息”，因此，很少有企业会告诉工人每天的工作数量，也不会因为工人提前完成任务而少付工资。
 
由此，我们不难看出，这里面主要困难就是数据业务的合理实施。所以，前面我们说，这么复杂的事情，不是任何数据建模比赛可以模拟的。
 
归纳总结
 
简单总结一下，数据业务化的核心是让数据产生价值。为此，需要三个环节：
 
1）将业务问题定义为数据可分析问题；
 
2）对数据可分析问题做分析建模；
 
3）对最后的分析结果和模型进行业务实施。
 
另外，参加数据建模比赛能够对2）提供很大的帮助；但是对1）和3）帮助甚微。而最具挑战、最有价值的，恰恰是1）和3）。
(责任编辑：中博IT教育)
栏目列表
中心简介
ACCP软件工程师课程
  • 开班信息
  • 讲座试听
时　间:周日上午10：00
主　题:专业技术讲座
主讲人:北大青鸟资深讲师
电　话:051685628888
说　明:限30人 电话订座

推荐内容
热点内容

苏公网安备 32030302000649号