對數(shù)據(jù)分析老師的一些建議和想法，分享給初學者數(shù)據(jù)分析老師，和有經(jīng)驗的數(shù)據(jù)分析老師討論。1.數(shù)據(jù)有位置，位置決定數(shù)據(jù)的解讀。對于業(yè)務(wù)來說，它是KPI的基準和行動指南。但涉及到立場和方向，必然會有一個利益觸發(fā)點的問題。比如同一活動的網(wǎng)站轉(zhuǎn)化率是1.2%。是好是壞？這是要做的第一步數(shù)據(jù)分析，也就是我們所說的妄下結(jié)論。

我們知道，比較分析法包括環(huán)比、比例、定基比、橫向比、縱向比等。比如環(huán)比，可以對比昨天，上周的今天，上月的今天等等。，而且不同時間比較的結(jié)果肯定不一樣，甚至完全不一樣。面對這種情況，除了分析師的經(jīng)驗，如何在符合統(tǒng)計規(guī)律的前提下判斷活動的效果？第一步的結(jié)果終于出來了。那么假設(shè)結(jié)果是好的(不考慮對比的時間)，真的好嗎？

最常見的問題就是自己分析的數(shù)據(jù)不準確，導(dǎo)致辛苦半天，分析出來的結(jié)果沒有參考價值，甚至是錯誤的。我有個同事是a 數(shù)據(jù)分析老師。當然，我們公司目前這方面的工作才剛剛起步，還很不成熟。所有相關(guān)數(shù)據(jù)庫尚未建立，正處于建立階段。收集數(shù)據(jù)的方式也在摸索中。所以收集的數(shù)據(jù)很可能是不準確的。有一次，領(lǐng)導(dǎo)讓我朋友對從市場數(shù)據(jù)分析收集的市場目標群體的消費習慣和愛好進行調(diào)查，找出規(guī)律。

文件夾本身就有幾十兆大小，可想而知這些數(shù)據(jù)有多大。經(jīng)過幾天幾夜的不懈努力，我們終于取得了初步成果，對這些數(shù)據(jù)進行了系統(tǒng)的整理和分類。但是在分類的過程中，發(fā)現(xiàn)一些關(guān)于市場活動的數(shù)據(jù)是相互矛盾的。參加活動的人數(shù)與實際轉(zhuǎn)化的人數(shù)不符，有時現(xiàn)場轉(zhuǎn)化的人數(shù)比實際參加活動的人數(shù)還多。這顯然是有問題的。于是他找到相關(guān)部門的相關(guān)人員了解情況。

最大的問題有兩個:1。算法的起源是外來的。因為所有算法都離不開數(shù)學，其背后更深層次的數(shù)學原理不是中國人開發(fā)的。最大的一個問題是，同樣的算法，被不同的人理解后會產(chǎn)生不同的結(jié)果，但我不知道為什么。舉個簡單的例子，聚類分析出現(xiàn)在上個世紀，但是同樣的數(shù)據(jù)經(jīng)過SPSS、R、Python等軟件計算后，或多或少都有不同。

1，數(shù)據(jù)分析需要大量的投入如今，似乎每一項新技術(shù)的投入都要經(jīng)過嚴格的財務(wù)支出篩選過程。“要多少錢？”這是IT和業(yè)務(wù)經(jīng)理在提議啟動項目或部署新工具時需要考慮的首要問題之一。有人認為數(shù)據(jù)分析本質(zhì)上是一個昂貴的工作，所以僅限于預(yù)算大或者內(nèi)部資源大的企業(yè)。但事實并非如此?，F(xiàn)在市場上有許多開源工具和其他工具可以幫助展示數(shù)據(jù)分析的價值。而基于云系統(tǒng)的大數(shù)據(jù)架構(gòu)會比傳統(tǒng)的數(shù)據(jù)倉庫便宜很多。