京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据的传统角色是幕后支持,但互联网时代给了数据现在前台第一线的机会,现在的站内推荐,个性化落地页,站外智能投放只是一个缩影,此时这些业务直接由数据智慧主导,效果如何立竿见影。我相信数据会在更多场景下从幕后走到前台,辅助支持是其次,主导驱动才是关键!
其实做这篇文章来源于我在微博上的一个讨论,原意是感慨现在大多数分析师的落脚点都无法与公司核心挂钩,所以数据价值无法实现。(大家有兴趣可以去看下我的微博,这个的讨论的确有启发意义)言归正传,这篇文章的核心是讨论数据价值如何定位的问题,即怎么做,做什么会让数据价值最大化。看到我博客的同学估计大多数是做网站分析的,一部分是做sem的,小部分是做纯数据分析的。我想问关于第一类和第三类的同学——你们做的数据有价值吗?价值大嘛?如何衡量?
讨论一 关于是否有价值的问题
数据当然有价值,但你做的确实有价值吗?可以打个比方,如果公司或者部门缺少了你,他们是否能正常运行?业务运行质量是否会下降?如果你回答是,那么恭喜你,你的数据已经影响到业务并且有价值,如果你不能确定,或者直白点说业务没有你照样运作并且几乎不受影响,那么你的工作就是没有价值。
在实际情况下,估计大多数情况属于第二种。我常对别人开玩笑说,一个公司有两类人是可有可无的(最起码在公司初创,为了节省成本可以去掉的角色):一是产品经理,二是数据分析师。大家可以想象,没有产品经理业务直接对技术也可以,没有数据分析师业务照样开展工作,传统企业就是这么走过来的,照样很多公司上市。
我在这里并不是危言耸听,只是觉得如果某个职能部门可有可无,那他一定不会被重视!
那怎样才能产生价值?下面几条原则会明确我们的价值。
1.不做别人懒得做的工作。通常很多数据分析师正在做的是倒数,数据清洗和汇总,这些都是业务懒得去做的,我们只是这些低价值外包工作的承接者。当然要拒绝。
2.不要迷信所谓的权限把控,该放权时就放权。你的公司是否假权限甚至权利控制的名义,让你把控数据权限?这样一来你是在把控,但更多是给他们提供数据。
3.关联到你公司的核心数据上,否则你就游离在可有可无的边缘。很好理解,不与公司的核心利益挂钩,销售公司你不做利润,平台企业不做佣金,其他的都太次要了。
做到以上两点,我们的工作最起码是有价值的,并且能与公司的核心利益挂钩。
讨论二 关于价值大小的问题
当然在讨论这个问题之前,你所在的业务部门或中心决定了你的定位,网站分析大多在偏营销或前端的中心,定位可能是让你要做好本部门或本中心的数据支持。但这并不意味着你不能拓展你的视野,你需要在做好本部门本中心的前提下,把数据伸展到数据链条的上下游,这是谁都不能拘束的。
现在回过头来看看你所做的数据工作价值大小的问题。
情景一 如果你每天做的是取数,那么可以说,你被替代的可能性太高了。当然面对几百甚至上千张数据仓库中的库表,很好的理解业务需求并用最优化的查询提取数据是一个技能,但提高空间有限。换个人,只要他了解SQL,只要他有数据字典,取数不是一个困难的工作。另外,对数据分析师而言,自己可以从数据库中自由提取数据是一项基本技能。
情景二 如果你每天做的是各种汇总,包括所谓的日,周,月,季,年报,那你的价值也不大。日常报告很重要,我常对我的数据分析师说,日常类的报告是一个次要过程,日常数据报告可以发展规律,进行预警,甚至可以做效果的预测。如果日常报告都做不好,就不要提各种专项和项目类工作了。
但问题在于,很多IDEA通常日常报告无法展开,你总不能写一篇20页的日报。日报的作用在于日常检测和关键数据的异常分析,是对单点的分析,言简意赅的定义问题,说明问题以及下一步方向是关键。
情景三 如果你在做一些专项的报告,可能是业务特殊关注点,或者是某个业务专题,通常花几天甚至是一两周出来了一个报告无论是面向总裁办的市场分析还是面向业务的专项,报告出来以后你通常会如何开展下一步工作?
一种方式是报告发给相关领导同事。嗯,不错,但我要告诉你,你的报告可能都没被你的报告对象看到,很可能已经埋没在无尽的邮件中。这时候你该知道,报告都没有被看到,谈什么价值?当然,主动一点的会告知一下你的对象,这种情况下,充其量是别人看到了。但你有想过吗?他们看懂了吗?里面有哪些点是对业务有用的,哪些是可以进一步促进业务优化的?所以,只是发报告价值不大。
第二种方式(也是我建议并且认为应该去做的)是主动邀请你的业务对象进行会议沟通。当然沟通的形式可以是会议,讨论都行,关键是你要和你的业务面对面的沟通。通过沟通,你会知道你的分析哪些是主观臆断,哪些是无法落地,甚至哪些是由于业务问题导致数据的异常。沟通后不仅对业务有促进作用,同时也会提高我们自身对业务的了解。
当然,我们写报告的价值不是单纯为了沟通,有部分的价值是提高业务数据意识和数据能力,同时能把你的数据发展的特殊点告知业务,如果沟通完以后,业务有一种恍然大悟的感觉,那么恭喜你,这部分价值已经体现。
写报告的第二种价值是一定要有业务落地点,根据数据分析定义问题的好坏,并分析原因并尽可能找到答案。这里有一个误区:我们分析的过程是尽可能还原业务场景,然后找到问题根源。但这并不意味着我们所有问题都要从数据中寻找答案,很多时候,业务的一句话就能解答数据的异常原因。所以数据分析师一定要多与业务沟通,这种沟通在需求确认,分析思路,数据抽取,报告撰写,会议沟通整合过程都需要。如果能做到报告有落地,有明确的下一步动作,那么恭喜,你的报告比较有价值,你已经在驱动业务了。
报告不是数据分析的终点,驱动业务动作或者最起码是意识的提高才是根本。
讨论三 关于如何提高数据价值的问题
以上三种形态解释了不同情况下数据价值的大小,那我们讨论下如何提高数据价值的问题。
要提高数据价值首先明确定位,这里需要区分独立的大数据中心(独立数据集中中心)和分业务中心,在上文已经阐述了分业务中心分析师的职责和价值所在,这里主要谈数据中心。
1. 独立数据集中中心
独立数据中心的定位是为全公司提供数据支持,包括底层数据收集,数据清洗,数据存储,数据挖掘,报表体系,商业智能和宏观视野等,另外还可能包括智能推荐,智能现在投放等。
独立数据中心既然要承接全公司数据需求,最终展现出来的类可视化或产品化的东西需要有数据平台(含数据收集,处理,打通挖掘,报表,基本数据需求满足等),这是最基础的价值存在。通过这个平台,业务或分中心数据分析师和业务人员能获取定义问题,分析问题,解决问题方向的数据。当然集成BI相关模块后还可以做预警,预测类的前瞻性,计划性,预测性的数据价值。(CDA数据分析师培训)
其次作为全公司的支持中心,很多业务需求是临时的,通过数据平台无法直接提供解决方案,此时需要进行人工支持,其中可能包括挖掘项目。注意,千万不要被可怜的权限控制,成为一个取数工具,以把控权限为由的取数更多是浪费工作价值的自欺欺人之举。
第三作为公司级别的支持中心,数据的价值除了BI和对业务中心外,在越来越个性话,多元化的当下,数据的应用范围越发广泛,很多都已经成为标配,如个性化推荐(个性化广告,商品,资源位等),甚至在DSP,RTB等精细化广告运营的今日,大数据也会发生强大的作用。除此以外配合网站用户体验的A/B测试等数据功能也都是大数据中心的价值所在,并且这种价值才是真正直接体现数据价值的应用场景。我们的价值发挥不仅可以辅助业务决策,并且能够直接驱动业务,直接智能化的指导业务操作,这才是高价值的体现!
2. 为什么这种形式价值最大?
我们之前所提到的报告,平台,BI都是为业务服务,而真正要产生价值需要业务配合,注意这里用的是配合,但最后价值有无或大小都要看业务的理解能力,配合能力,心情,排期等,这样一来数据的价值是间接通过业务产生的。间接意味着每个环节都会有价值传递的削减,最后能有多少价值?
数据的传统角色是幕后支持,但互联网时代给了数据现在前台第一线的机会,现在的站内推荐,个性化落地页,站外智能投放只是一个缩影,此时这些业务直接由数据智慧主导,效果如何立竿见影。我相信数据会在更多场景下从幕后走到前台,辅助支持是其次,主导驱动才是关键!
大数据时代给了我们更多可以应用数据的机会,与此同时我也看到现实的挑战,大数据或数据智能要发挥价值,离不开运维,技术开发,可以说一个公司的技术水平就决定了数据的水平。巧妇难为无米之炊,在数据智能的各个阶段,我们都需要技术和IT支持。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07