敏捷数据分析方法论革命来袭_数据分析师考试

想必大家都听说过敏捷开发，敏捷开发是以用户的需求进化为核心，采用迭代、循序渐进的方法进行软件开发。随着敏捷概念的深入人心，数据分析方法论也发生了革新，敏捷数据分析逐渐进入主流视野。本文将简要介绍到底何为敏捷数据分析。

　　传统VS敏捷

　　我们先来看一下传统的数据分析流程：

　　解读业务战略目标–>确定目标分解的量化KPI–>确定KPI的计算公式和所需字段–>确定所需字段来自于哪些数据库的哪些表–>数据建模–>预先汇总成二次表和Cube–>结果展示。

　　由于需要建模和打CUBE，这一流程通常需数月才能完成。

　　现在，取代传统数据分析流程的，是快速迭代式分析。敏捷数据分析不必在开始时花很长的时间构思大而全的分析指标体系，而是低成本快速迭代，几分钟就做好一个当前想要分析的结果，通过敏捷数据分析工具实现动态切换视角，灵活展示数据，日积月累，指标自然越来越丰富，计算公式也越来越符合业务逻辑，这时再体系化。下面的演示视频将帮助大家了解如何通过敏捷数据分析工具在几分钟时间内实现自己的分析需求。

　　为什么传统数据分析无法实现快速迭代分析的高效？因为在过去这么多年以来，我们对于大数据海量数据的计算能力达不到比较理想的要求，所以我们才需要IT人员用通过建模等方式提前把数据计算汇总好，随着现在大数据的技术相对来讲都日趋成熟和完善，分布式计算，内存计算、列存储等比较成熟的技术架构，采用这种新的办法去处理数据的性能，已经比以前提升了几十倍甚至更高。

　　符合迭代思维

　　快速迭代式的敏捷数据分析有什么好处？首先，这种分析方法十分符合互联网思维中的迭代思维。企业的分析指标不可能一开始想得非常全面，本身就是迭代逐步形成的。以电商行业为例，电子商务的数据可分为两类：前端行为数据和后端商业数据。前端行为数据指访问量、浏览量、点击流及站内搜索等反应用户行为的数据;而后端数据更侧重商业数据，比如交易量、投资回报率，以及全生命周期管理等。

　　在最初期，电商行业最关注的是那些核心指标：UV、转化率、客单价、毛利率、推广ROI、重复购买率，人们在核心指标的基础上逐步对媒体、用户、商品、营销等对象做详细分析;同时在客服、商品、仓储物流等内部运营绩效方面进行监控。这些数据现在又可以被归纳发展为4个方面，基础访问数据、商品销售数据、营销推广数据、用户数据，其中基础数据中包括网站的访问数据、网页链接点击、来源跳出等等。商品销售数据关系到品类、销售多少、影响因素等。营销数据包括投入产出的投资回报率，更多地是跟其他几方面的数据进行混合分析。用户数据包括分析用户区域、购买频率、客户构成、忠诚度、偏好等等。

　　适应变化需求

　　另一方面，企业的数据分析需求可能是随时变化的，快速迭代的敏捷数据分析能够满足业务人员不断变化的分析需求。在最初期，业务人员无法全部确定自己的数据分析需求。因此做数据分析必须先了解业务。只有知道业务问题在哪里，才能知道需要分析什么数据，而不是从数据表象来猜测业务，这是因果倒置。而且每个公司在不同阶段的数据分析的切面是变化的。比如京东当年与当当大战的时候，刘强东每天要了解图书品类的数据。但是现在他可能就不需要这样。

　　敏捷的快速迭代式数据分析能够解决企业绝大部分的分析需求，同时节省了时间成本和金钱。最重要的是，敏捷数据分析通过对大数据进行高速捕获和实时的分析，帮助企业获取核心业务和战略决策所需的关键信息，提升企业经营管理和战略决策水平，创造商业价值，这也许是对大数据价值的最好诠释。