数据分析:指标体系VS指标

时间:2022-07-10 18:48:28 其他 我要投稿
  • 相关推荐

数据分析:指标体系VS指标

对业务部门来说,数据分析部门的人。应该是数据挖掘、建立模型,这才是数据分析师价值的体现。例如:通过建模型,来预测未来的趋势。通过聚类,告诉业务部门的客户有几类、每类有什么特征、客户的忠诚度如何。

但是这是不是存在一个共性,好像只有在解决某个主题的时候,而这个主题只有通过模型的时候业务方才会想到数据分析师,数据分析人员的作用才体现出来。当然,很多公司数据分析人员还承担着从数据库存提取数据的,进行简单统计、计算的过程这是不是就是数据分析人员的全部价值。

常听到这样后句话,通过数据分析来辅助商业决策(对于商业决策不同的人也不同理解,小到日常运营、大到战略制定其实我的理解都说商业决策。)。辅助商业决策如何现呢?光看几个指标就可以了吗?指标之间有关系如何?针对某个具体决策应该看哪些指标?如何解读这些指标体现出来的值?

例如:对业务人员来说,往往会关注某个指标(一般是他的KPI)。比如,最近我的运营成果如何?我的市场营销活动如何?一般会问,带来多少新会员?增加了多少交易量。许多时候,运营人员只会要这些一些简单的数据。请注意,这些数据是事实已经发生情况下得到的。

看完某个指标,有人的就得出结论,运营效果不好,因为没有达到预期设定的值。有的也许会进一步问,为什么失败?下一次可以改进在哪些地方?

但是为什么在进行这些事情的过程中,不进行监测呢?(事中进行。)便于及时作出反应,便于你从数据中发现问题,及时做出调整或者其它方面的决策,从而不断持续优化这次活动效果。

当然最好的是,(事前)这很多时候会体现在市场调研,当然内部数据一样可以提供给你很多信息,便于你事前进行更好的决策,降低决策风险。(学过信息学,你知道,未来都是有风险的,而你能做出最好的决策,就是站在决策点上你拥有完全可以用的信息。

如何去持续的优化你的策略性的东西,回答这些问题的根本是在于构建相应的指标体系?

第一:指标的针对性;

第二:指标的准确性;

第三:指标的完整性;

第四:指标的时效性;

第五:指标的层次性;

指标你能想到的也许是仪表盘,什么是仪表盘,就像你驾驶汽车的油表一样,他能及时告诉你,是不是需要加油。但是油表不能告诉你,你的油是怎么消耗,消耗在哪?你的这种类型的油这次跑了几公里?你上次另外一个类型的油你跑了几公里?你走过怎么样的路?如果你走什么类型的路,你应该加什么类型的油最好,结果是最省的?

这通过构建指标体系你完全可能得到答案,记得医生看病的例子吗?

病人:医生我感冒了。

医生:看一下病人的一些特征。然后叫其去做各种化验。

如何去构建一个相对来比较符合上述标准的体系的呢?yes we can! But how we can?Now ,it’s the answer!

1、明确你的指标体系为谁构建?以后谁会去看这些指标?他们分别看指标体系的哪些部门(这个问题可以放在后面。)

2、他们关注什么问题。千万不要想当然,去和你之前的对象沟通。建议你沟通二次以上,第一次:了解他们的需求,也许他们也不很清楚。在完成后,你要把他们的需求转化为对应数据指标,可以反应他们的需求,并给出相应指标的大概定义,也许这时候你不一定要放入时间维。第二次:把你的结果反馈给他们,让你指标服务的对象来检验、确证是否是他们现在想要的。如果当场不能决策,再修改吧。这一定是一个迭代过程,你要做到最优,就迭代吧?运筹学的解决方法之一。

3、明确每个指标的具体定义,统计口径,要反应的问题。请记住永远围绕业务目标来进行了。

4、发布指标了,你可以自己写SQL,有些指标你可以要通过模型跑出来,但是大多数是指标是不需要。应该和数据仓库去讨论,相应指标的开发了。

5、指标上线了。有指标了,很多人都可以当医生。

【数据分析:指标体系VS指标】相关文章:

绩效测评指标体系的构建及实施建议分析04-23

电子商务中的数据分析指标05-24

销售数据的分析方法07-25

数据分析报告07-28

大数据分析07-20

大数据分析07-25

多维数据分析方法04-07

数据分析简历模板02-17

数据分析工作职责07-28

数据分析常用方法07-26