1700502797
1700502798
❑商业意识决定数据分析（挖掘模型）的分析思路。我们知道以业务为核心，以思路为重点，以分析技术为辅佐的数据分析实践应用宝典中思路的重要性，其实在分析思路形成的过程中，商业意识起着非常重要的作用。任何有意义的分析思路都必须来源于业务，应用于业务，如何正确理解业务，如何把业务问题准确转化成分析专题，如何从业务场景中发现问题等，所有这些决定着分析思路的关键问题其实都是跟商业意识密切相关的。缺乏商业意识的人，也就是无法深入理解业务的人；缺乏商业意识，就不可能梳理出优秀的商业分析思路。
1700502799
1700502800
❑具有商业意识可以显著提升数据分析（挖掘模型）中的数据质量。数据质量对于数据分析和挖掘模型的重要性是不言而喻的。一方面，对于数据分析（挖掘模型）来说，数据是基础，没有数据的分析和模型就是无本之木，无源之水；另一方面，数据质量的好坏，直接影响数据分析（挖掘模型）的效果。数据质量不好，分析过程就是垃圾进，垃圾出，即垃圾数据进来，垃圾结论出去（Garbage In,Garbage Out）。而关于数据质量，有一个很重要的部分，就是衍生变量，所谓衍生变量，其实就是指数据分析师在分析（建模）过程中无中生有、人为增添的一些新变量，这些新变量产生之后，可以明显提升模型的效果，或者可以有效提炼出有价值的分析结论。举例来说，两个人买了同样的商品房，获得了银行同样的贷款，每个月需要还同样的金额。如何衡量两人的还贷压力呢？有经验的数据分析师会人为地创造出一个衍生变量，即还贷金额占家庭月收入的比例，简称还贷收入比，有了这个衍生指标，就很容易看出上述两个人中谁的还贷压力大，谁的还贷压力小了。可以说，一个好的衍生变量，100%是来源于优秀、敏捷的商业意识。在本书6.6节的案例中有具体的关于衍生变量的实战案例分享。
1700502801
1700502802
❑商业意识对数据分析（挖掘模型）产出物的优化影响显著。正如本书第7章所分析的那样，数据分析和挖掘模型都是可以不断优化、持续完善的。不过，如何才能有效地优化？一个重要的方向就是业务思路上优化，也就是从商业思路上优化。有兴趣的读者可以参考本书7.2.1节的具体案例分享。
1700502803
1700502804
❑商业意识决定了数据分析（挖掘模型）的落地应用方案和效果。数据分析和数据模型是为商业实践应用服务的，也必须经过业务和商业实践的检验。如果没有商业意识，是谈不上分析结论（数据模型）的商业应用的；如果商业意识不强，也是不可能实现有效的分析结论（数据模型）的商业应用的。
1700502805
1700502806
1700502807
1700502808
1700502810
数据挖掘与数据化运营实战：思路、方法、技巧与应用 16.2.2 如何培养商业意识
1700502811
1700502812
商业意识对于市场经济中的数据分析师来说是如此核心、如此重要，那么我们应该如何去培养、提升自己的商业意识呢？
1700502813
1700502814
对于商业意识，一部分是先天所具有的，但更多的部分是需要后天培养的。华人首富李嘉诚是举世公认的商业传奇人物，他是这样总结自己的：“我12岁就开始做学徒，还不到15岁就挑起了一家人的生活担子，再没有受到过正规的教育。当时自己非常清楚，只有努力工作和求取知识，才是我唯一的出路。有一点钱我都去买书，把书的内容记在脑子里面了，才去换另外一本。直到今天，每一个晚上，在睡觉之前，我还是一定得看书。知识并不能决定你一生是否有财富增加，但是你的机会肯定会更多，创造机会才是最好的途径。”
1700502815
1700502816
“闻思修”是修学佛法的三大次第。闻，听闻佛法，阅读佛经的意思；恩，在闻的基础上去思索佛法的道理；修，在思索、思考佛法的基础上进行身体力行的修行。这三大次第就是学佛时重要而基础的方法，也就是学习、思考、实践的方法。
1700502817
1700502818
“闻思修”是成佛作祖的方法，是出世的大法门；同时也是入世的方法，是做人做事的法门，当然也是可以指导我们工作和生活的，包括有关商业意识的培养和提升。
1700502819
1700502820
多学习，多思考，多实践，所谓勤能补拙是良训，一分辛苦一分才。这些话说起来容易，真正培养商业意识时似乎没这么简单，因为还应具备另外一个条件，那就是兴趣和爱好。如果自己对于商业分析的兴趣、对于商业应用的兴趣不大，那么无论多么努力，效果也不会好到哪里，不是有这么一句俚语，“强扭的瓜不甜”。这正如学佛的人，如果没有信，即信仰、笃信佛教，纵然“闻思修”也是无能为力的。也就是说，只有发自内心地爱好商业分析和商业应用，才可能培养出浓厚的商业意识。具有浓厚的商业意识是数据分析师的核心竞争力之一。
1700502821
1700502822
前面说了这么多，那么作为数据分析师，在学习的过程中有没有一些基本的、公认的思维模式和分析方法呢？
1700502823
1700502824
答案是有。从下一节开始，将针对基本的、重要的分析思维模式和分析方法进行讲解和总结。
1700502825
1700502826
1700502827
1700502828
1700502830
数据挖掘与数据化运营实战：思路、方法、技巧与应用 16.3 一个基本的方法论
1700502831
1700502832
下面要介绍的这个基本的方法论虽然看上去很简单，但是要转化成分析师自己习惯性的思考方式却并不是件容易的事情，很多分析师在工作中会不自觉地犯很多错误，其实就是违背了本方法论中的一两个具体环节。这个基本的数据分析方法论就是：做假设、定标准、做比较、看趋势、观全局、辨真伪、下结论。
1700502833
1700502834
上述方法论是有先后次序的，而且是逐步递进的。
1700502835
1700502836
在数据分析商业实践中，很多分析需求都是可以通过上述方法论的引导来有效完成的，尤其是对于数据分析的初学者和入门者来说，更是要有意识地遵照上述方法论来学习，在实践中养成良好的思维习惯。
1700502837
1700502838
下面将对上述方法论的各环节做具体阐述：
1700502839
1700502840
❑做假设。所谓做假设，就是搞清楚分析的目的是什么。任何一个数据分析一定是有明确目的的，或者验证某个判断，或者找出有效区分的阀值，或者给出一个效果总结等，不管怎样，都应该有明确的目的。但是很多分析师在分析过程中，会迷失方向，忘记初衷，如果是这样，分析结论的质量就可想而知了。所以，优秀的分析师一定要自始至终明确分析目的，坚持分析目的，并毫不动摇。
1700502841
1700502842
❑定标准。所谓定标准，就是指在分析中要统一数据口径，明确对比的有效性和可比性。数据口径不统一，就没有分析的基础。定标准，就是要求数据分析师在分析之前要想清楚，如何才能保证比较的合理性。比如说，淡季和旺季的销量，本来就没有可比性。如果拿其中一个销量来作为标准，肯定是不太合理的。
1700502843
1700502844
❑做比较。世界上的万事万物都是相互依存的，任何判断和结论也都是相对的、可比较的。没有比较，就没有结论。通常在数据分析商业实践中的比较包括：跟目标（KPI）的比较、跟时间的比较（同比、环比等）、跟不同部门（竞争对手）的比较、跟活动前后的比较、产品使用与否的比较等，不一而足。
1700502845
1700502846
❑看趋势。看趋势是一个有效的通用总结点，也是一个重要的思考方向。通过以往数据的分布和趋势图，可以发现事物的发展走向，而这个走向将会是一个很重要的分析结论。
[
上一页 ]
[ :1.700502797e+09 ]
[
下一页 ]