1700502586
数据挖掘与数据化运营实战：思路、方法、技巧与应用 第15章 换位思考
1700502587
1700502588
见秋毫之末者，不自见其睫，举千钧之重者，不自举其身。犹学者明于责人，昧于恕己者，不少异也。
1700502589
1700502590
——《禅林宝训》宋代 妙喜禅师
1700502591
1700502592
15.1 为什么要换位思考
1700502593
1700502594
15.2 从业务方的角度换位思考数据分析与挖掘
1700502595
1700502596
15.3 从同行的角度换位思考数据分析挖掘的经验教训
1700502597
1700502598
数据化运营是开放合作式的运营，是跨专业、跨团队、跨部门的整合运营，其所具有的开放、协同的特点要求数据分析师不能仅仅局限于自己眼前的“一亩三分地”，而应该经常在自身以外进行参考、反思和学习，也就是要经常换位思考。
1700502599
1700502600
换位思考主要是指一方面应从业务方的角度思考数据分析和数据挖掘的价值和应用，另一方面要从同行的优秀实践和案例中思考数据分析和数据挖掘的创新应用或者经验教训。“他山之石，可以攻玉”，在互联网时代，数据分析师如果没有养成换位思考的习惯和态度，那与“开放、合作、协同”的互联网精神将会是背道而驰的，因此也注定很难融入数据化运营的主流实践中。
1700502601
1700502602
本章主要介绍如何从业务方和从同行先进实践的角度来进行换位思考，帮助数据分析师和相关管理层有意识地培养换位思考的习惯，更好地适应数据化运营实践开放、协同和整合的需要。
1700502603
1700502604
1700502605
1700502606
1700502608
数据挖掘与数据化运营实战：思路、方法、技巧与应用 15.1 为什么要换位思考
1700502609
1700502610
佛眼谓高庵曰：见秋毫之末者，不自见其睫，举千钧之重者，不自举其身。犹学者明于责人，昧于恕己者，不少异也。这段话出自宋代的《禅林宝训》，翻译成白话文就是佛眼禅师对高庵禅师说：“有的人目光敏锐，能看到秋天鸟兽身上新长的细毛，但是却看不到自己眼睛上的睫毛；也有的人身强力壮，能举起千钧的重物，但是却无法举起自己的身体。这就好比有些学者指责别人的过失时很明确，但是对自己的过错却装作不知而自我宽恕。这与上面所说的不自见睫、不自举身的道理，并没有区别呀！”
1700502611
1700502612
“不自见睫，不自举身”所阐述的道理跟“丈八烛台，只照他人不照自己”一样，都指出了人性普遍的弱点——只看到别人身上的缺点，却看不到自己的不足。如果人们不设法改正，那将永远也不会进步。那如何才能克服这个弱点呢？换位思考就是个有效的手段和方法。
1700502613
1700502614
换位思考跟一个人的情商有关。从古至今，生活的智慧里都在强调换位思考的重要性。“将心比心”是东方的人生智慧，“Put Your Foot on Their Shoes”是西方的人生智慧，殊途同归。想要生活少点烦恼，想要人生多些洒脱，离不开换位思考。
1700502615
1700502616
回到数据挖掘和数据化运营实践中，所有的参与者同样也需要换位思考。对于数据分析师来说，之所以需要经常换位思考，站在业务方的角度思考，在同行的经验教训中进行思考，主要的原因有以下几点：
1700502617
1700502618
❑更客观地评价自己的项目价值和工作价值。在企业的数据化运营实践中，常常会碰到这样的情况，一方面数据分析师总是觉得自己的价值很大，所做的分析成果、挖掘模型对于业务方的工作起到了重要的甚至是决定性的作用；但是另一方面，业务方对数据分析师的工作评价不高，觉得分析成果或者模型不能很好地满足业务需求。双方这种认识上的差别，实际上就是对于数据分析挖掘落地应用期望和认识的差别。如果数据分析师不能站在业务方的角度进行换位思考，不但会使项目无法成功地落地应用，还会让自己永远也不会发现自己的缺点和不足之处。如果分析师能站在业务方的角度“换位思考分析成果和模型的业务价值”，通常会有新的收获，比如发现业务应用流程中一些固有的环节会使模型的价值受到限制，或者说如果在设计模型时不考虑这些限制，那么在业务应用中模型的价值将会大打折扣。了解了这些业务方面的因素，数据分析师自然会主动投入应用实践中，不断修正和完善模型及结论。反过来说，如果数据分析师不愿意站在业务方的角度进行深入思考，只愿意对自己的分析课题就事论事，就分析论分析，不肯深入业务应用中，一旦模型搭建完毕或者分析报告完成，就全盘交给业务方，万事大吉，不再过问后续的落地应用情况，这种类似“甩手掌柜”的不变方案永远也不可能对业务实践产生真正的推动和价值。
1700502619
1700502620
❑更全面地掌握数据化运营中的复合型技能。如果数据分析师不能站在业务方的角度进行换位思考，是无法熟悉、了解、掌握业务和运营技能的，也就无法将分析技能和业务场景有效结合起来。不难想象，如果不能把不同领域的技能有效融合，那么数据化运营的实践是很难取得好的效果的。
1700502621
1700502622
❑更有效地改进和提升项目和分析师的商业价值。从以上两个方面可以看出，站在业务方的角度思考的确可以有效改进和提升项目的商业价值和分析师的价值；同样的道理，站在数据分析师的角度来思考经验教训，也可以有效改进和提高项目的商业价值和分析师的个人能力水平。
1700502623
1700502624
❑更好地促进和提高数据化运营的效益。如果上述3方面都能满足，数据化运营的效果提升就是水到渠成的事情了。
1700502625
1700502626
1700502627
1700502628
1700502630
数据挖掘与数据化运营实战：思路、方法、技巧与应用 15.2 从业务方的角度换位思考数据分析与挖掘
1700502631
1700502632
前面提到了从业务方的角度思考可以有效提升数据分析应用的效果和数据分析师的能力。那具体要从哪些角度来进行换位思考呢？可以从以下几个方面来采取措施：
1700502633
1700502634
❑如何确保落地应用的效果良好？在落地应用中，为了确保数据分析挖掘的结果的商业价值最大化，数据分析师必然要熟悉、了解业务场景中与落地应用最相关、最核心的因素，或者说对落地应用效果影响最大的因素。这样才能在分析结论或模型中根据这些核心的业务场景做必要的调整，才可以有效地实现落地应用的商业价值；单纯的分析结论或模型在很多时候是无法直接落地应用的。举例来说，客户流失模型完成了，通过新的时间窗口进行数据验证时也非常稳定，但是仅仅使用模型圈定相应的高危用户还远远不能满足业务方落地应用的需要。对于这些高危流失用户，要通过哪些运营通道传递运营活动才更有效？如果预算有限、资源有限，哪些细分客户群体最值得倾斜运营资源呢？业务方临时的资源变动，需要重新考虑运营的节奏，应该如何调整等，诸如此类的问题是落地应用中司空见惯的问题，如果不能站在业务方的角度及时有效地发现和解决，单纯的分析结论和模型可以说一点业务价值都没有。数据分析师只有与业务方一起面对这些应用中的具体场景，因地制宜，见招拆招，才可能化解矛盾，让分析结论和模型实现价值。
1700502635
[
上一页 ]
[ :1.700502586e+09 ]
[
下一页 ]