1700502923
1700502924
❑数据分析师对于分析的目标和分析的产出物应该有自己主观上的预判，并且优秀的数据分析师所做的这些主观上的预判通常都会被后期的事实所验证（证明是正确的）。这种主观其实就是数据分析师经验和能力的体现，即所谓的胸有成竹。这种预判上的主观可以有效提升具体商业实战中的分析效率，能更好地支持商业需求。当然，这里的主观也绝对不是自以为是的主观，这里的主观也是要经过后期的商业实践检验的。当数据分析师的主观预判一而再、再而三地被商业实战证明是正确的，你能说这种能力不是数据分析师的核心竞争力吗？对于一个分析需求是否合理，如何更合理地修正分析需求，分析中会出现什么具体的数据方面的难题，基于现实的数据质量如何，模型大致可以达到怎样的预测精度范围等，诸如此类的商业分析问题，一名优秀的数据分析师是可以很快给出其主观判断的，并且这些主观判断通常会在后期的商业实践中得到检验。
1700502925
1700502926
❑数据分析师面对决策层、面对分析需求方的时候，要有灵活的主观性，要站在管理层的角度，站在需求方的角度，去思考、提炼和总结。也就是说，在数据分析总结的过程中，只是将客观的数据结果冷冰冰原封不动地传递给决策层，传递给分析需求方并不是最有效、最可取的方法；有时候，虽然数据结论证明需求方所坚持的假设是错误的，虽然数据结论证明需求方的运营是没有明显效果提升的，但是数据中是否还揭示了其他一些值得肯定的做法，一些值得努力的方向呢？如果把这些发现一并总结起来，对于决策层以及需求方来说不是更加有意义吗？不是更加容易接受分析结论吗？数据分析挖掘的实战应用是依赖于业务方参与的，没有业务方的理解和支持，就不可能有数据分析挖掘的成功应用。而要得到业务方的理解和支持，要得到管理层的理解和支持，优秀的数据分析师必须具有灵活的主观性。主观是建立在客观基础上的，主观是为了更好地聚焦核心，主观是为了更好地落地应用、客观地分析结论，为了更好地推进数据化运营的效果和效率。
1700502927
1700502928
什么样的主观是合理的，什么样的主观是盲目的，用文字来定义常常容易引起歧义，正如世界上很多事情都只可意会，难以准确言传一样，关于主观的分寸把握还是要依赖于具体的数据分析师的经验和情商。对于优秀的、具有丰富的数据化运营商业实战经验的数据分析师来说，应该是“如人饮水，冷暖自知”。
1700502929
1700502930
当你能够熟练地穿越于客观与主观之间，当你的主观与客观能有效地在数据化运营商业实践中得到检验和回报时，恭喜你，你已经是个当之无愧的高级数据分析师了。
1700502931
1700502932
1700502933
1700502934
1700502936
数据挖掘与数据化运营实战：思路、方法、技巧与应用 第17章 条条大道通罗马
1700502937
1700502938
天下同归而殊途，一致而百虑。
1700502939
1700502940
——《周易·系辞》（下）
1700502941
1700502942
17.1 为什么会条条大道通罗马
1700502943
1700502944
17.2 条条大道有侧重
1700502945
1700502946
17.3 自觉服从和积极响应
1700502947
1700502948
17.4 具体示例
1700502949
1700502950
对于数据分析师来说，数据分析和挖掘工作不仅仅是一个赖以生存的行业，它还是美和智慧的化身。
1700502951
1700502952
说它美，是因为它一半是科学，一半是艺术。对于优秀的数据分析师而言，面对一个分析课题，对思路的权衡，对算法的取舍，如何妙笔生花地创造出有效的衍生变量，如何无中生有地从杂乱无章的海量数据中提炼出珍贵的商业规律和应用方案等，所有这些跟艺术家的艺术创作没有任何本质上的区别。
1700502953
1700502954
说它智慧，是因为它浓缩了人生与社会中的诸多真理。且不说数据分析师应该具备的信念、信心、热情、敬畏、感恩也是人生成功的核心品质，且不说“没有最好，只有更好”的模型优化宗旨也是人生不断上进的方向，单看条条大道通罗马，就可以给人无限的启迪和想象。在此条条大道通罗马是指任何具体的分析专题、分析需求，都至少有两种以上的不同思路和技术方案可以加以有效地解决。本章将围绕数据分析（挖掘）工作中条条大道通罗马的有趣现象，进行深入分析，以帮助大家选择最合适的大道、最具性价比地去实现分析目的。
1700502955
1700502956
1700502957
1700502958
1700502960
数据挖掘与数据化运营实战：思路、方法、技巧与应用 17.1 为什么会条条大道通罗马
1700502961
1700502962
之所以会出现条条大道通罗马的现象，主要是因为事物是普遍联系的，具体包括以下内容：
1700502963
1700502964
❑不同的思路之间是普遍联系的。以用户行为特征专题分析为例，既然分析目标是找出用户的行为特征，那么不论是什么思路，其最终目的一定是围绕分析目标的。你可以从用户历史行为数据之间的分布中看出明显的区别，也可以从用户调研中发现典型特征，还可以把用户细分成不同的群体（从商业应用的角度来细分），然后看不同群体间的特征、区别等。不同的人有不同的思路，优秀的数据分析师常常有多个思路。同样的目标，可以横看成岭侧成峰，所有这些思路上的普遍联系使得数据分析中的条条大道通罗马不仅是可能的，更是必然的。
1700502965
1700502966
❑不同的算法之间是普遍联系的。还是以用户行为特征专题分析为例，不管你用什么算法（聚类算法，或者是决策树算法、假设检验算法、逻辑回归算法），不同的算法虽然看起来技术不同，但是在应用到这个具体的用户行为特征专题时，都是在努力区分哪些是与其他字段（行为）有最明显区别的核心字段。在聚类算法中，这些核心字段是用来有效区分用户与非用户的；而在决策树算法中，这些核心字段是为了让满足这些字段要求的群体尽量纯，尽量排除非用户，或者大幅减低非用户在这些群体中的比例；在假设检验算法中，这些核心字段就是用于找出用户与非用户最有显著意义的特征区别的；在逻辑回归的算法中，则是尽量发现哪些字段可以最有效地区分用户与非用户。所以，算法的不同只是实现结果的方式不同，但是其目的都是一样的，这就是所谓的殊途同归、条条大道通罗马。
1700502967
1700502968
❑数据本身是普遍联系的。无论是海量的互联网数据，还是积累不多的传统行业数据，甚至是每个人自身的生理指标数据，都不是孤立的，而是普遍联系的。你的身高、体重，仅是两个最简单的指标，就可以在很大程度上通过你是否超重来判断你患高血压的可能性，而舒张压和收缩压的指标也可以判断出你患高血压的可能性，你不觉得身高、体重与舒张压、收缩压之间有密切的联系吗？正因为数据本身是普遍联系的，才使得我们在分析数据的时候，虽然考虑的思路不一样、抽取的数据不太一致，但是最后完全有可能得到相同的答案。
1700502969
1700502970
1700502971
1700502972
[
上一页 ]
[ :1.700502923e+09 ]
[
下一页 ]