數(shù)據(jù)分析，拆開來看其實(shí)是幾個(gè)方面：工具、理論、業(yè)務(wù)

工具，指的是我們從事數(shù)據(jù)分析所使用的具體工具，如 SQL、Excel、Python、R、SAS等；

理論，指的是我們從事數(shù)據(jù)分析時(shí)所依賴的理論基礎(chǔ)，如概率論、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)及相關(guān)的建模和分析框架；

業(yè)務(wù)，指的是數(shù)據(jù)分析落地的具體場(chǎng)景，輸入和輸出以及要解決的具體問題。

工具和理論都是比較容易速成的，這也是為什么各類網(wǎng)課主要集中在這些領(lǐng)域。

業(yè)務(wù)是依賴于在行業(yè)的經(jīng)驗(yàn)，因此，轉(zhuǎn)行最好先在同行業(yè)里面轉(zhuǎn)，可以借用之前對(duì)于行業(yè)的業(yè)務(wù)理解，快速上手。

以上三個(gè)方面固然重要，但并不是數(shù)據(jù)分析的全部。還需再加一個(gè)維度，就是思維模式。

也就是，我們除了數(shù)據(jù)分析的工具、理論以及業(yè)務(wù)知識(shí)，還需要具備數(shù)據(jù)分析的思維。

那么什么叫做數(shù)據(jù)分析思維呢？

我認(rèn)為可以分為三個(gè)方面：

01 定量思維

迪斯尼通過草坪規(guī)劃道路的故事大家也許都聽過：

在迪斯尼樂園提前開放的半年里，草地被踩出許多小道，這些踩出的小道有寬有窄，優(yōu)雅自然。第二年，格羅培斯讓人按這些踩出的痕跡鋪設(shè)了人行道。1971年在倫敦國際園林建筑藝術(shù)研討會(huì)上，迪斯尼樂園的路徑設(shè)計(jì)被評(píng)為世界最佳設(shè)計(jì)。

后來，迪斯尼還推出了 MagicBand，這個(gè)手環(huán)可以在園內(nèi)支付，可作為酒店房卡，可以用來當(dāng) FastPass，可以用來停車等等，通過這些環(huán)節(jié)收集的數(shù)據(jù)，就可以知道哪幾個(gè)項(xiàng)目最熱門，哪幾個(gè)項(xiàng)目不太熱門，什么位置餐廳人滿為患，說明還需要增加配置，什么地方餐廳無人問津，可能要做優(yōu)化……

等等，時(shí)間一長(zhǎng)，積累的數(shù)據(jù)就有了各種價(jià)值，看起來無法測(cè)量的東西，通過巧妙的收集數(shù)據(jù)，都可以測(cè)量。

這就是數(shù)據(jù)思維第一條，萬物皆可測(cè)。

02 相關(guān)思維

大數(shù)據(jù)時(shí)代，隨著算力的不斷加強(qiáng)，原來小樣本的計(jì)算已經(jīng)可以升級(jí)為全樣本計(jì)算，并且可以發(fā)現(xiàn)變量間的相關(guān)關(guān)系，用來代替原來小樣本中推導(dǎo)出的因果關(guān)系。

最經(jīng)典的例子就是08年的 Google Flu：

Google流感趨勢(shì)（Google Flu Trends，GFT）是Google于2008年推出的一款預(yù)測(cè)流感的產(chǎn)品。Google認(rèn)為，某些搜索字詞有助于了解流感疫情。Google流感趨勢(shì)會(huì)根據(jù)匯總的Google搜索數(shù)據(jù)，近乎實(shí)時(shí)地對(duì)全球當(dāng)前的流感疫情進(jìn)行估測(cè)

一個(gè)搜索行為，和一個(gè)疾病的發(fā)生，看似不相關(guān)的兩件事情，存在強(qiáng)相關(guān)，這在原來是不可想象的。

不過，盡信數(shù)據(jù)不如無數(shù)據(jù)，一定要找到業(yè)務(wù)含義。

就拿 Google Flu 來說，在研究成果公布以后，研究人員發(fā)現(xiàn)結(jié)果不再準(zhǔn)確了。經(jīng)過反復(fù)確認(rèn)和調(diào)研，發(fā)現(xiàn)因?yàn)楹芏嗳说弥诉@項(xiàng)成果，抱著好奇的心態(tài)嘗試搜索關(guān)鍵字——盡管他們周圍并未出現(xiàn)相關(guān)病例，導(dǎo)致預(yù)測(cè)結(jié)果不再準(zhǔn)確。

當(dāng)你觀測(cè)的對(duì)象知道你在觀測(cè)他的時(shí)候，觀測(cè)結(jié)果就不再準(zhǔn)確了。

03 實(shí)驗(yàn)思維

告別拍腦袋決策，告別依賴個(gè)人審美決策，告別依賴個(gè)人經(jīng)驗(yàn)決策，通過實(shí)際的數(shù)據(jù)表現(xiàn)來決策。同時(shí)，根據(jù)實(shí)驗(yàn)結(jié)果不斷的迭代和優(yōu)化模型。

當(dāng)然，實(shí)驗(yàn)的前提是測(cè)量，必須先將所有實(shí)驗(yàn)的數(shù)據(jù)采集下來，才能根據(jù)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行決策，同時(shí)，根據(jù)數(shù)據(jù)分析的結(jié)果，可能某些人群針對(duì)某個(gè)方案更加有效，這又會(huì)用到相關(guān)思維，即某些要素的相關(guān)性決定了最后的數(shù)據(jù)表現(xiàn)。

通過以上三個(gè)思維模式，我們可以將實(shí)際中的業(yè)務(wù)問題進(jìn)行拆解，轉(zhuǎn)化為數(shù)據(jù)分析問題。

這么說可能還是比較抽象，具體來看看如何應(yīng)用。

在廣告營銷領(lǐng)域，有一個(gè)著名的說法

這是相當(dāng)長(zhǎng)的一段時(shí)間，廣告營銷行業(yè)最大的痛點(diǎn)，蒙著眼睛放廣告，來了客戶也不知道是廣告帶來的，還是自己找上門來的，或者其他渠道推薦來的。

那么，用上數(shù)據(jù)分析思維的廣告營銷，會(huì)變成什么樣子呢？

運(yùn)用定量思維，那就是營銷效果要可以度量。一個(gè)廣告投出去，我需要知道到底帶來了多少轉(zhuǎn)化，每個(gè)渠道的轉(zhuǎn)化率怎樣，以及這些客戶的后續(xù)活躍程度如何，是不是假量？是不是羊毛黨？是不是僵尸戶？等等。

那么如何度量呢？我們自然可以想到，要檢測(cè)轉(zhuǎn)化率，那就要對(duì)每個(gè)渠道進(jìn)來的客戶打標(biāo)簽，定期出報(bào)表，監(jiān)控每個(gè)標(biāo)簽下客戶的活躍情況等等，自然的就形成了客戶分群經(jīng)營，分群營銷，分群活動(dòng)投放等等策略。

運(yùn)用相關(guān)思維，那就是通過相關(guān)性分析，使得廣告的投放更加精準(zhǔn)。減少無效的廣告投放，在更相關(guān)的人群上投放他們感興趣的廣告，提升轉(zhuǎn)化率，節(jié)省營銷費(fèi)用。

那么如何進(jìn)行相關(guān)性分析呢？通過前期采集的數(shù)據(jù)，使用 Apriori 、Collaborative Filtering 等算法，找出用戶特征、用戶行為及其最終購買之前的相關(guān)關(guān)系，從而優(yōu)化投放及推薦模型。

運(yùn)用實(shí)驗(yàn)思維，那就是通過實(shí)驗(yàn)，判斷哪個(gè)投放模型更優(yōu)，哪個(gè)投放渠道更優(yōu)，同時(shí)根據(jù)反饋不斷迭代和優(yōu)化模型。

那么如何進(jìn)行實(shí)驗(yàn)?zāi)兀孔匀皇峭ㄟ^ A/B Test 方法，隨機(jī)均分流量到不同的投放模型上，同時(shí)采集客戶的反饋，不斷的根據(jù)反饋迭代和優(yōu)化模型。

總的來說，做好數(shù)據(jù)分析，除了掌握工具、理論和業(yè)務(wù)，還需要具備數(shù)據(jù)分析的思維，有了數(shù)據(jù)分析的思維框架，更容易將業(yè)務(wù)、理論和工具貫通，形成自己的數(shù)據(jù)分析框架，更好、更有效的進(jìn)行數(shù)據(jù)分析工作。