1700433380
1700433381
例如，想象一下，一个公司正在探索客户浏览网站的行为，并做一个鉴别在网站上浏览商品是否会增加客户购买或者不购买可能性的分析。由于网站数据总在更新，解析网站数据以及把网站数据与其他的顾客数据结合起来的工作量非常大。那么，开始阶段的也许是类似于关联分析的简单分析，这样做的直接结果就是，不需要建立一个特定的模型和流程。如果发现了浏览商品与销售之间的强烈关联，那么这家公司将针对那些只想浏览商品而不购买的顾客指定更适合的营销策略。或许以后他们会想更加精确地量化它们之间的关系，但是短期内，他们会自信地相信自己已经找到了一种可以从中获益的模式，所以他们会使用它。
1700433382
1700433383
高级分析方法是企业整体分析策略中的一个重要部分，有助于一个机构达到一个更高水平。高级分析方法包括非常复杂的SQL，或连同建模、预测、数据挖掘及类似原理的数据操作，然而，企业中并没有那么多能做高级分析的人，那些人可以提供强有力的洞察。
1700433384
1700433386
7.4 坚持你的分析
1700433387
1700433388
优质分析必须被严格地执行。需要留意的一个常见陷阱是随意选取分析工作的成果，通常企业内都会有一些已经工作了很长时间的经理，当没有选择而只能依靠直觉做决定时，他（她）们就会出现，而他们的猜测通常被证明效果不错。在企业里很难找到直觉总是正确的高水平人才，由于他们很善于做出正确的选择，所以他们在企业内如鱼得水。分析的目的并不是完全替代这些经理的经验与想法，而是要根据实践来完善分析。
1700433389
1700433390
有些企业会坚持使用数字和数据指导他们要做的事情，有许多这方面的成功案例。有些高级管理人员会要求做个分析来看数据是否支持他正在考虑的行动。当分析结果支持这个行动时，分析通常被用来进一步证明这个决定，并显示这个决定是有数据支持的，完成这项分析工作的专家将会受到极大的称赞。听起来这是一个很棒的结果，难道不是吗？
1700433391
1700433392
当分析专家建议说，或许经理们的计划没有看起来那么好时，问题就出现了。如果一个企业的首席执行官承诺会进行分析，并基于事实做出决定，那么他们有必要重新考虑这个计划。然而，经常发生的情况是，分析结果被藏到了桌子底下，反正建议也提过了。在解释决定的原因时，高管们没有提到这项分析，只提及了公司应该执行该计划的其他原因。
1700433393
1700433394
前面的例子就是“随意选取分析成果”，即只有结果对原定目标有帮助时才使用分析。如果你打算使用一种分析方法，你必须通过董事会的批准并坚持使用。随意选取，或者只有当结果支持既定方案时才使用该分析结果，这些做法无论如何都无法改善你的业务。它只是做了你一定要做的事情，你只是在分析结果支持你的情况下，使用分析结果作为一个额外理由。实际上，没有任何决策会因为分析结果而发生改变，因此这种分析没有任何价值，是没有意义的分析。
1700433395
1700433396
不要随意选取！
1700433397
1700433398
最严重的滥用分析的行为是随意选取分析结果。当分析结果对既定方案有用时，选取支持方案的分析结果。但是，当分析结果与原有计划冲突时，它们会忽视这些分析结果。当随意选取分析的现象在企业内屡见不鲜时，而企业还声称它们是使用分析来做出决定的，这完全是一种不诚实的行为。因为在这种情况下，没有任何变化或改善，很多额外时间和金钱都花在了不能产生任何变化的分析工作上。
1700433399
1700433401
7.5 正确地分析问题
1700433402
1700433403
为了得到一个优质分析，需要提出正确的问题，收集正确的数据，设计能够解答这个问题的正确的分析方案。也许优质分析和劣质分析最重要的差别就是能否预先正确地分析问题，其次的差别是在开始阶段是否建立了正确的问题分析框架，而这些都发生在分析流程开始之前。
1700433404
1700433405
建立正确的问题分析框架，意味着已经提出了重要的问题，并定义好了关键的假设。例如，获得更多收入或利润是一项新倡议的目标吗？不同的答案会给随后的分析过程与执行方案带来巨大的影响。我们可以拿到分析所需的所有数据吗？或者有必要收集更多的数据吗？在设计分析方案时，考虑过备选方案吗？如果没有对这些问题的深刻理解，所有的分析工作都将是无用的。这会导致一种典型的场景，即输入无用数据，从而导致输出无用结果。
1700433406
1700433407
以一个为某企业构建客户分类模型的咨询团队为例，该企业有B2B和B2C两大业务板块，咨询师们知道该企业有B2B业务，但其业务规模相对较小，且在该项目的任何会议中都从来没有提及过B2B的业务。
1700433408
1700433409
咨询师们开始分析企业的客户数据并产生了困惑，因为某些客户的行为非常极端。当咨询师看到无法解释的奇怪模式时，咨询师会告诉企业发现了一些不寻常的事情。企业立即回应，“这是我们的企业级客户，即B2B业务。”该企业认为本次分析只需覆盖个人客户，但它们提供的客户数据则包含了全部企业客户与个人客户。
1700433410
1700433411
分析框架非常重要
1700433412
1700433413
建立问题分析框架和设计分析方法比后续进行的一切工作都更加重要。如果没有很好地分析问题，设计了一个糟糕的分析框架，那么这项分析工作将是不精确的且没有任何价值。我们需要适当地强调分析框架的建立和设计的过程，以确保分析框架是正确的，否则将不可能得到一个优质分析。
1700433414
1700433415
这件事情说明了，在分析流程中引入对业务的理解是非常重要的。最初咨询师没有建立针对企业客户的适当分析框架，而这些客户会干扰分析模型。最后，咨询师决定构建两个客户模型：一个用于企业客户，一个用于个人客户。把两类客户分隔开是有必要的，因为他们有完全不同的行为模式。为了正确地分析这个问题，有必要每次只专注于一类客户，或者为每类客户建立不同的分析模型。
1700433416
1700433417
优质分析来自于正确的问题分析框架，这包括正确地评估数据，制订详细的分析计划，并考虑各种技术和可能出现的各种问题。可以说，构建问题分析框架是做出优质分析的关键步骤，如果这一步没有做好，随后的工作也将很难做好。
1700433418
1700433420
7.6 统计显著性与业务重要程度
1700433421
1700433422
分析专家通常很关注统计显著性，这并不是坏事。关键是，统计显著性只是优质分析的一部分。统计显著性的测试需要一组假设，并评估在假设正确的前提下产生某种结果的可能性有多大。
1700433423
1700433424
例如，如果人们假设一枚硬币是均匀的，那么它正面着地或反面着地的可能性各是50％，而一枚硬币连续10次反面朝上的几率非常小。如果看到10次硬币反面朝上，这只有两种可能：第一种可能是撞大运了，这种情况在1024次尝试中只会发生一次；第二种可能是硬币可能不均匀。通过10次反面朝上的统计显著性计算，你可以有99.9％的自信认为该硬币是不均匀的。这是因为一枚均匀硬币产生这一现象的可能性只有0.1％。这种计算就是统计显著性所关注的。
1700433425
1700433426
有必要区分统计显著性和业务重要程度，这两者是不同的，让我们来看看为什么。
1700433427
1700433429
7.6.1 统计显著性
[
上一页 ]
[ :1.70043338e+09 ]
[
下一页 ]