1700499248
数据挖掘与数据化运营实战：思路、方法、技巧与应用 第5章 分析师常见的错误观念和对治的管理策略
1700499249
1700499250
错误的观念和思想，决定了错误的方向；错误的方向，必然导致失败的结果。
1700499251
1700499252
5.1 轻视业务论
1700499253
1700499254
5.2 技术万能论
1700499255
1700499256
5.3 技术尖端论
1700499257
1700499258
5.4 建模与应用两段论
1700499259
1700499260
5.5 机器万能论
1700499261
1700499262
5.6 幸福的家庭都是相似的，不幸的家庭各有各的不幸
1700499263
1700499264
市面上关于数据分析挖掘方面的书籍不少，关于如何做好数据挖掘的方法总结也很多，但是绝大多数都是站在纯技术、纯算法的角度进行阐述与总结的。其实，影响数据挖掘模型和数据分析成果、价值的因素很多，除了技术方面的因素（包括算法、数据质量、企业硬件设施等）之外，还应该包括数据分析师本人对于数据分析的思想观念、对于数据和数据分析的态度，以及数据分析师所具有的商业意识及商业敏感度，更包括企业层面的数据化运营的意识和氛围，从某种意义上来说，后面的几个因素对数据分析成果和价值的影响要远远超过纯技术层面的因素的影响。
1700499265
1700499266
关于企业层面的数据化运营的意识和氛围，第1章已经做了比较深入的阐述和分析，在此我们不再重复。
1700499267
1700499268
关于数据分析师本人对于数据分析错误的思想观念以及可能对数据分析和应用造成的危害，是本章的重点，我们将把企业数据化运营实践中数据分析师所表现出来的一些有代表性的错误观念做一下总结和归纳，并且提出实践中应对这些错误观念的比较行之有效的管理制度和措施。
1700499269
1700499270
除了本章即将要具体展开说明的种种错误观念之外，还有一个同样严重的、直接造成分析师的分析成果和分析价值缺乏商业应用价值的核心因素——数据分析师应该具备但是却常常不具备的“商业意识”或“商业敏感”。鉴于这种“商业意识”或“商业敏感”并非属于思想观念的范畴，与本章的主题（思想、观念）有明显的差异，故我们将在本书第16章进行深入探讨。
1700499271
1700499272
另外，分析师“对于数据和数据分析的态度”也是同样可以直接决定分析师分析（挖掘）价值的。这里的错误观念、商业意识和数据态度都属于“形而上”的范畴，都是可以对数据分析师的分析成果产生方向性的重大影响，所以在这里我们把这三大因素放在一起进行讲解，希望能引起读者的重视和引发读者思考。关于“分析师对于数据和数据分析的态度”的具体内容，我们将在本书第16章做深入探讨。
1700499273
1700499274
现在，正式开始本章以分析师的错误观念为主题的探索之旅。
1700499275
1700499276
在数据分析（挖掘）项目中，很多时候技术层面的差异所带来的分析结论的差异并不是十分明显，但是错误的观念和思想将会造成数据分析（挖掘）的最终结果南辕北辙。由于国内的绝大部分数据分析专业人员都是计算机、统计、数学等专业领域的人才，对于分析应用相关业务领域的背景和专业知识（如果不是有意识有目的地去了解和学习）并不是十分了解的；或者过分聚焦于数据分析专业的技术层面而忽视业务领域的相关技能和知识，导致他们在工作中与业务背景缺乏起码的融合，严重削弱了数据分析工作的价值和应用效果。
1700499277
1700499278
举一个企业实践中司空见惯的现象为例，很多数据分析师与业务部门的关系总是存在或多或少的芥蒂。一方面数据分析师总是觉得自己的工作很努力，分析结论和项目成果都充满技术含量，都很不错，另一方面业务部门总是觉得有些数据分析师的工作对他们的支持力度不强，对业务的价值不大。这种双方观点和看法的不匹配必然会严重影响数据化运营的效果和效率，其中对于数据分析师来说，最大的问题就是他很可能没有真正深入业务、了解业务，这其实很可能就是数据分析师自身轻视业务论所造成的。
1700499279
1700499280
鉴于此，本章专门归纳总结了数据分析师常见的一些错误的思想和观念，并针对这些错误观念会严重削弱数据分析或数据挖掘应用效果的主要原因进行了阐述，同时还给出了从管理制度和管理策略上加以限制和预防的行之有效的一系列方法、措施。思想观念矫正了，就从源头上保障了数据分析方向的正确性，方向正确了，才有可能带来好的结果——项目成果、业务落地应用成功。
1700499281
1700499282
1700499283
1700499284
1700499286
数据挖掘与数据化运营实战：思路、方法、技巧与应用 5.1 轻视业务论
1700499287
1700499288
轻视业务论最常见的两种类型就是数据分析师瞧不起业务部门的工作，总是觉得数据分析工作优越于业务工作，因而不愿意学习业务逻辑、业务背景和业务知识；或者，数据分析师不懂业务部门的业务逻辑、商业逻辑，也没有意识到自己不懂，更没有想到要主动去学习和掌握。轻视业务论最直接的后果就是数据分析师对业务逻辑、业务背景和业务知识缺乏起码的认识和了解，这样又怎么能指望做出来的分析结果、解决方案跟业务应用有很深的联系呢？
1700499289
1700499290
典型的轻视业务论产生的数据分析报告（模型）是什么样呢？一个刚刚毕业的统计专业的本科生或硕士生（没有起码的了解企业和产品的背景知识），针对企业的业务现状做出的一份数据分析报告，很可能就是一个典型的“轻视业务论”特点的分析报告。报告的内容和组成可以是非常华丽、花哨、复杂、冗长的图表，甚至是方程式、模型等，但是最遗憾的是这么多的内容里很难有具体针对业务需求与业务应用的对接点，套用两个经典的成语就是纸上谈兵和华而不实。
1700499291
1700499292
轻视业务论在工作中最常见的表现形式就是：分析师没有掌握相关的业务知识，分析师提交的分析报告或解决方案并不能真正回答业务方所希望回答的问题。这类分析报告从统计的角度来看，似乎非常完美，使用了能想得到的各种分析维度、分析技术、表格、图表，文章洋洋洒洒。但是，这些报告都只是数据的罗列和堆积，至于具体每个表格、每个关键数据对于业务方有什么意义，有什么建议，该如何落地应用则很少有建设性的提醒和帮助；对于业务方来说，看到这么多的数据、表格、图，他们还是无法知道到底要如何跟自己的业务应用直接挂上钩，或者说仅凭借这些分析报告里的表格、图、结论根本无法与具体的业务应用挂上钩。这不仅是业务方的悲哀，更是数据分析师的悲哀。
1700499293
1700499294
数据挖掘的本质是来源于业务需求、服务于业务需求，如果轻视业务，脱离业务，那数据挖掘和数据分析也就没有存在的价值和意义了。道理看上去是不是非常简单直白？但是不少数据分析师在工作中还是有意无意地表现出了轻视业务的态度，人性的弱点，在生活中亦如在数据挖掘中。
1700499295
1700499296
轻视业务论的主要责任在于数据分析师本身，他是主要矛盾，是决定性根源和因素。不过，从管理的角度看，也有一些方法和制度来促进分析师转变这个错误的轻视业务论的思想观念，尽管这些制度总的来说是被动的、间接的。常见的一些相关的管理制度和措施如下。
[
上一页 ]
[ :1.700499247e+09 ]
[
下一页 ]