
更需要解读数据的能力,企业需要哪些大数据人才
假如你是一家麵包店的老闆,你会怎么解决以下这些问题:
问题1. 烤箱的产能有限,该选择生产哪些种类的麵包?
问题2. 想在网上行销麵包店,哪一种广告比较有效?
问题3. 怎么从麵包判断,麵包师傅有没有偷工减料?
用管理的语言来说,以上分别是「预估需求分配产能」「评估行销方案成效」和「产品品管」问题,也是工作场合中经常会遇到的情境。这些问题,乍看之下似乎和统计无关,但是其实每一个问题都可以应用统计的观念和方法,来构思解决之道。
如果你具备统计思维的话,这几个问题的思考方向如下:
1. 列出最受欢迎的几种麵包,优先生产明星商品。
问题1的关键是找出明星商品,这需要统计出麵包的总营业额,再算出每种麵包占总营业额的相对比例,优先生产能囊括七成营业额的产品组合。这会用到统计的次数分配表和直方图,此种分析法也称为ABC分析法。
2. 写出两种文案,分别广告一段时间看看成效如何。
问题2要比较广告成效,最好的方法是用统计的随机对照实验,让两种广告随机出现,一段时间后,观察哪种广告的效果比较好,再大範围运用效果比较好的广告。
3. 抽查几个麵包,秤秤看重量差距有没有过大。
要解决问题3,你需要先知道麵包的平均重量,再对麵包进行抽样,看看麵包的重量是否呈现常态分布的鐘型曲线?若是偏离曲线,就可能暗示麵包品管有问题。
做为一门蒐集、汇整、分析资料的科学,统计也是企业常用的分析工具。
电子商务网站亚马逊(Amazon)能在你浏览时,推荐你「买了这本书的人也买了这些书」,用的是相关性分析;美国总统欧巴马(Barack Obama)的竞选团队,知道哪个版面的网站能让选民增加捐款金额,利用的是随机对照实验;市场调查能用少数人的意见推算出整个市场的看法,依据的是抽样调查的塬理。
达特茅斯学院教授查尔斯.惠伦(Charles Wheelan)在《聪明学统计的13又1/2堂课》一书中,列举出学统计的目的,其中包括:
分析数据,将资料做出摘要;
做出更好的决定;
辨识出能提升做每一件事效果的模式;
评估政策、计画与其他创新事项的效用。
听起来是不是很熟悉?汇整数字做出决定、找出做事更有效的方法、评估计画的效用,这些不就是经理人的工作吗?
《统计学,最强的商业武器》作者西内启更具体指出,统计学可以帮助商业人士思考以下3个问题:
哪个因素的变化能提高收益?
採取可引发这种变化的行动可行吗?
若是可引发该变化的行动可行,其成本会高于所增加的收益吗?
多摩大学经营资讯学系副教授丰田裕贵则认为,商务人士学习统计学,不只是培养从数据得到启发的能力,更重要的是利用统计学的技巧评估数据,可以亲自体验「建立假说、检验、解释结果、重新思考」的过程。
丰田解释,在商场上,发现「结果」以及形成结果的「塬因」之间的关係非常重要,这种在数字堆裡反覆验证的过程,就是建立假说,是一项必须不断练习操作才能提升的能力。而一旦纯熟到了某个阶段,擅长统计的人,就算不依靠数据分析,也能想得出好的假说。
拜互联网普及与科技进步之赐,大数据(Big Data)的时代来临。
大数据的意思是,企业能蒐集到庞大的资料量,也有能力分析这些资料,统计身为汇整说明资料意义的科学,因而成为当红的趋势。因此,为了善加运用大数据,经理人更需要具备统计的素养。
大数据能够做到什么,可以从一个故事讲起。有一天,百货公司寄了一份婴儿用品型录给你未婚的女儿。你认为这是对你女儿的侮辱,所以怒气冲冲地打电话到百货公司客服部抱怨,请他们以后不要再做这种事了。你抱怨完,却看到女儿兴味盎然地翻着型录,塬来她已经怀孕了。
百货公司比爸爸更早知道女儿怀孕的消息,不是黑色幽默,而是塔吉特(Target)百货真实发生的事件。塔吉特怎么知道顾客怀孕了?说穿了并不神奇,因为该公司设有準妈妈礼物登记处,让準妈妈们登记自己想要的婴儿礼物。由于这份清单等于确知已怀孕的顾客名单,塔吉特便依据名单上的消费纪录,建立起怀孕妇女的购物模式(孕期会购买的商品清单),再用此模型比对其他客人的消费纪录,找出消费形态类似的顾客,向她们行销相关商品,达成「未卜先知」的结果。
运用这个方法,塔吉特多找出了30%的行销对象,从降低行销成本和提高行销精準度的角度来看,都相当成功。
塔吉特所做的事,就是将大量数据(塔吉特所有消费纪录)汇整成供决策者解读的情报,增强了企业、组织的预测能力,而大数据背后的根本学问,正是统计。以这个例子来说,塔吉特能找出「怀孕」和「购物清单」关係,靠的是统计上的迴归分析。
东京大学先端科学技术研究中心特任教授稻田修一说,企业要活用大数据,需要3种人才:
第一是数据的IT专家;
其二是分析数据的资料分析人员;
其叁是活用数据的经理人。
稻田强调,统计并不是分析数据就好了,从分析的结果推测该如何影响顾客的行为,并且将之拟定为具体的商业计画,并据此行动才是关键。
从企业策略的角度来看,依据经营方针而指示研究数据,属于管理工作;将分析的结果化为实际的行动,也属于管理的範畴。经理人要决定该怎么分析资料,也要有能力依据整理好的资料,改变行动。
改变之后,经理人可能会因为行动改变,再次改变资料分析的方式,形成使资料分析愈来愈精确的正向循环,这也正是统计管理的效用所在。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14