進(jìn)行有效的數(shù)據(jù)分析

如何進(jìn)行有效的數(shù)據(jù)分析網(wǎng)站參謀部金雪Aug.2008,人=吃飯+睡覺(jué)+上班+玩豬=吃飯+睡覺(jué),代入:人=豬+上班+玩,即:人-玩=豬+上班.結(jié)論:不懂玩的人=會(huì)上班的豬,男人=吃飯+睡覺(jué)+掙錢(qián)豬=吃飯+睡覺(jué)男人=豬+掙錢(qián)豬=男人-掙錢(qián)結(jié)論：男人不掙錢(qián)等于豬。,女人=吃飯+睡覺(jué)+花錢(qián)。豬=吃飯+睡覺(jué)。代入上式得：女人=豬+花錢(qián)。移項(xiàng)得：女人-花錢(qián)=豬。結(jié)論：女人不花錢(qián)的都是豬。,男人+女人=2吃飯+2睡覺(jué)+掙錢(qián)+花錢(qián)=2(吃飯+睡覺(jué))=2豬結(jié)論：男人+女人就是兩頭豬,思考：?jiǎn)栴}出在哪里？,提綱,什么是數(shù)據(jù)分析數(shù)據(jù)分析可以幫你作什么如何作有效的數(shù)據(jù)分析一些數(shù)據(jù)分析的常用方法如何有效地Present分析結(jié)果案例分享,什么是數(shù)據(jù)分析,請(qǐng)牢記：所有的分析要從“結(jié)果”出發(fā)，沒(méi)有結(jié)論的數(shù)字羅列并不是分析；“結(jié)果”：發(fā)現(xiàn)問(wèn)題和解決問(wèn)題。,什么是數(shù)據(jù)分析,我的一些感受：數(shù)據(jù)分析不是一門(mén)復(fù)雜的科學(xué)；而是一些簡(jiǎn)單的“commonsense”；復(fù)雜的運(yùn)算通常只是令分析結(jié)果更差而不是更好；絕大多數(shù)是簡(jiǎn)單的想法和簡(jiǎn)單的溝通數(shù)據(jù)分析有時(shí)候是一門(mén)藝術(shù)同樣的數(shù)據(jù)會(huì)有不同的解讀優(yōu)秀和平庸的差異，有時(shí)候差在一種靈感,提綱,什么是數(shù)據(jù)分析數(shù)據(jù)分析可以幫你作什么如何作有效的數(shù)據(jù)分析一些數(shù)據(jù)分析的常用方法如何有效地Present分析結(jié)果案例分享,數(shù)據(jù)分析可以幫你作什么？,企業(yè)運(yùn)用和實(shí)施營(yíng)運(yùn)規(guī)劃績(jī)效分析投資與決策分析與檢驗(yàn),數(shù)據(jù)分析在營(yíng)運(yùn)規(guī)劃中的作用,尋找未來(lái)企業(yè)的“成長(zhǎng)引擎”確定企業(yè)發(fā)展的助力和阻力為長(zhǎng)期規(guī)劃和短期規(guī)劃制定“growingmap-發(fā)展線(xiàn)路圖”,GrowingMap,2008年的阿里巴巴,2012年的阿里巴巴,從數(shù)據(jù)中了解和發(fā)現(xiàn)客戶(hù)：他們的類(lèi)型，需求，行蹤，習(xí)慣，趨勢(shì)等等，為開(kāi)發(fā)有價(jià)值的產(chǎn)品和服務(wù)提供源泉讓數(shù)據(jù)來(lái)衡量產(chǎn)品和運(yùn)營(yíng)的效果，找到改進(jìn)和完善的方案數(shù)據(jù)分析為戰(zhàn)略決策提供支持和建議,好的決策以數(shù)據(jù)為本，而不是靠拍腦袋和閉門(mén)造車(chē),數(shù)據(jù)分析在營(yíng)運(yùn)規(guī)劃中的作用,績(jī)效分析與績(jī)效管理,什么才是有效的績(jī)效管理量化的KPI報(bào)表管理和設(shè)計(jì)單一的KPI管理vs全面的KPI管理(BSC)靜態(tài)的vs動(dòng)態(tài)的只考慮成果的vs綜合考慮成果和成本的無(wú)計(jì)劃/預(yù)測(cè)/控制的管理和有計(jì)劃/預(yù)測(cè)/控制的管理無(wú)預(yù)警機(jī)制的管理和有預(yù)警機(jī)制的管理,遞進(jìn)的過(guò)程,投資和決策分析,舉例：Marketing上的運(yùn)用：新產(chǎn)品，新生產(chǎn)線(xiàn)的盈利預(yù)測(cè)廣告的成本效益的分析，盈虧平衡點(diǎn)的分析Operation:提高勞動(dòng)生產(chǎn)率的敏感度分析其他買(mǎi)還是租,提綱,什么是數(shù)據(jù)分析數(shù)據(jù)分析可以幫你作什么如何作有效的數(shù)據(jù)分析一些數(shù)據(jù)分析的常用方法如何有效地Present分析結(jié)果案例分享,問(wèn)有效的問(wèn)題,對(duì)業(yè)務(wù)的理解是前提！,Page5,如何進(jìn)行有效的數(shù)據(jù)分析,建立一些假設(shè),尋找正確的數(shù)據(jù),分解手中數(shù)據(jù)的關(guān)系,KISS,驗(yàn)證假設(shè)和結(jié)果的關(guān)系,Step1:問(wèn)有效的問(wèn)題,問(wèn)題是否真的有效的3個(gè)檢驗(yàn)檢驗(yàn)1-復(fù)雜性檢驗(yàn)問(wèn)題是否直接并相關(guān)檢驗(yàn)2-有用性檢驗(yàn)這個(gè)問(wèn)題的答案是否對(duì)分析有幫助檢驗(yàn)3-可行性性檢驗(yàn)我收集的數(shù)據(jù)是否真的能幫助我解答問(wèn)題,問(wèn)有效的問(wèn)題-復(fù)雜性檢驗(yàn),如何量化PV增加的各種因素的影響，如廣告,經(jīng)濟(jì)，新的主頁(yè)？,失敗案例,太過(guò)復(fù)雜，N多種問(wèn)題被合并成一個(gè)無(wú)法知道每種因素和瀏覽量增加的相關(guān)性，所以無(wú)法量化,失敗原因,成功案例,哪些因素導(dǎo)致最近一周PV急劇上升？,問(wèn)有效的問(wèn)題-有用性檢驗(yàn),中國(guó)供應(yīng)商自身產(chǎn)品的質(zhì)量和價(jià)格是否是影響其成交的重要因素？是否可以通過(guò)提高中國(guó)供應(yīng)商的產(chǎn)品質(zhì)量提高他的成交，繼而提高續(xù)簽率？,失敗案例,產(chǎn)品質(zhì)量當(dāng)然是成交的重要因素，了解了這個(gè)答案并無(wú)法幫助我們提高續(xù)簽率，因?yàn)榭蛻?hù)產(chǎn)品是我們不可控的。,失敗原因,成功案例,有效反饋數(shù)量多少是否是影響中國(guó)供應(yīng)商續(xù)簽率的重要因素？,問(wèn)有效的問(wèn)題-可行性檢驗(yàn)的,美國(guó)次貸危機(jī)在短期和長(zhǎng)期內(nèi)對(duì)阿里巴巴營(yíng)收有何影響？,失敗案例,有太多的因素你不可控制：美國(guó)次貸危機(jī)將持續(xù)的時(shí)間；美國(guó)次貸危機(jī)對(duì)中國(guó)外貿(mào)企業(yè)的具體影響；美國(guó)政府和中國(guó)政府的應(yīng)對(duì)策略;.,失敗原因,成功案例,美國(guó)次貸危機(jī)爆發(fā)前后，來(lái)自美國(guó)的活躍買(mǎi)家和買(mǎi)家詢(xún)盤(pán)數(shù)量是否有影響？,Step2:建立一些假設(shè),假設(shè)為什么重要復(fù)雜的問(wèn)題通常有很多潛在的答案沒(méi)有強(qiáng)有力的假設(shè)，你會(huì)浪費(fèi)很多時(shí)間并沒(méi)有證明任何東西正確的假設(shè)決定你收集怎樣的數(shù)據(jù)并如何看待他們,建立一些假設(shè)案例,問(wèn)題：影響中供反饋數(shù)量的因素有哪些？,可能的假設(shè),需要的數(shù)據(jù),自身活躍度阿里巴巴分配資源同類(lèi)產(chǎn)品的競(jìng)爭(zhēng)程度廣告投入,-登錄次數(shù)；ATM使用時(shí)長(zhǎng)-發(fā)布產(chǎn)品數(shù)量；Repostoffer數(shù)量-主動(dòng)發(fā)送報(bào)價(jià)數(shù)量-產(chǎn)品曝光次數(shù)-中供MinisitePV和Session-產(chǎn)品總數(shù)在該行業(yè)的排名-產(chǎn)品曝光次數(shù)在該行業(yè)的排名-購(gòu)買(mǎi)廣告（關(guān)搜和黃展）的次數(shù)-購(gòu)買(mǎi)廣告（關(guān)搜和黃展）的金額,一致性免費(fèi)會(huì)員曝光數(shù)據(jù)只有從08年7月開(kāi)始有，無(wú)法分析08年4月產(chǎn)品默認(rèn)搜索實(shí)現(xiàn)后對(duì)中供、ITP和免費(fèi)會(huì)員曝光資源分配的影響Analysiswasaflop-MMsdidnotusethesamestandards精確度數(shù)據(jù)不能準(zhǔn)確量化：例如銷(xiāo)售人員的銷(xiāo)售技巧數(shù)據(jù)的取得很困難：例如客戶(hù)的數(shù)據(jù)如成交時(shí)效性聯(lián)合國(guó)關(guān)于各國(guó)經(jīng)濟(jì)和中小企業(yè)數(shù)據(jù)基本是2年前的,清楚各項(xiàng)數(shù)據(jù)的最合適來(lái)源明白各項(xiàng)數(shù)據(jù)的局限性和可能潛在的錯(cuò)誤,Step3:取得有效的數(shù)據(jù),常見(jiàn)的問(wèn)題,Step4:分解原因,為何要分解原因？一個(gè)問(wèn)題往往有潛在的多個(gè)答案，如果不將多種因素分解，單獨(dú)分析，無(wú)法了解哪個(gè)才是真正的直接相關(guān)因素。分解的原則：直接不交集直接因素：因素和結(jié)果之間沒(méi)有其他可能的間接關(guān)系例如：最近的周末都下雨最近的雨天我們的PV就下降所以雨天是PV下降的原因案例失敗的原因：雨天和PV之間有周末這個(gè)因素，而周末是PV下降的原因。,分解原因的建議,分解原因的一些建議問(wèn)一問(wèn)：每個(gè)原因是否已經(jīng)互不相交？問(wèn)一問(wèn)：每個(gè)原因是否是直接的，是否是其他原因的衍生產(chǎn)物？如何分析被分解的原因(KISS原則)孤立一個(gè)因素，將有無(wú)此因素的兩個(gè)結(jié)果進(jìn)行比較例如：將某段到期中供中，按其是否在該段期間內(nèi)有無(wú)購(gòu)買(mǎi)廣告分群，再按這兩群人體的續(xù)簽率進(jìn)行對(duì)比，可大致了解廣告對(duì)中供續(xù)簽率的影響。,Step5:KISS原則-KeepItSimpleandStupid,分析被分解的原因的兩個(gè)KISS工具：“開(kāi)關(guān)”工具影響前vs影響后有影響vs無(wú)影響“XY”工具X影響因素Y產(chǎn)生結(jié)果,“開(kāi)關(guān)”工具案例,問(wèn)題:哪些是影響續(xù)簽率的重要因素？假設(shè):訂閱TradeAlert能增加買(mǎi)家機(jī)會(huì)，從而可能會(huì)影響效果和續(xù)簽率簡(jiǎn)單的分析方法：“有/無(wú)”訂閱群體的續(xù)簽率是否存在差異,續(xù)簽合同續(xù)簽率,新簽合同續(xù)簽率,N無(wú)訂閱Y有訂閱,問(wèn)題:哪些是影響中供獲得曝光機(jī)會(huì)的主要原因?假設(shè):產(chǎn)品覆蓋面廣應(yīng)該是影響曝光的重要因素簡(jiǎn)單的分析方法：帶來(lái)曝光的買(mǎi)家搜過(guò)關(guān)鍵詞數(shù)（代表產(chǎn)品覆蓋面）與產(chǎn)品曝光次數(shù)的“XY”分析,“XY”工具案例,Step6:驗(yàn)證假設(shè)和結(jié)果的關(guān)系,反復(fù)問(wèn)自己幾個(gè)問(wèn)題：分析結(jié)果在邏輯上是否合理？是否有明顯的邏輯錯(cuò)誤？征詢(xún)前線(xiàn)同事的直接感受是否與分析結(jié)果相符？一些違反直覺(jué)的結(jié)果往往代表一定有什么東西你沒(méi)有考慮到。什么東西是你的老板肯定會(huì)問(wèn)的？假設(shè)他的問(wèn)題并準(zhǔn)備好你的答案這就是為什么有些人就是與眾不同。,提綱,什么是數(shù)據(jù)分析數(shù)據(jù)分析可以幫你作什么如何作有效的數(shù)據(jù)分析一些數(shù)據(jù)分析的常用方法如何有效地Present分析結(jié)果案例分享,數(shù)據(jù)分析一些技術(shù)方法,比較分析對(duì)比參照數(shù)據(jù)，追蹤差異原因；預(yù)測(cè)；去年同期；上期都可以是參照數(shù)據(jù)。趨勢(shì)分析最常用的報(bào)表手段因素分析中供反饋數(shù)與哪些因素相關(guān)？自身活躍度？排名？廣告？產(chǎn)品數(shù)量？某些工具：相關(guān)系數(shù)等。比率分析常用的財(cái)務(wù)上的比率分析有：資產(chǎn)負(fù)債率；人力資源管理上經(jīng)常用的是：人員周轉(zhuǎn)率，人員離職率等在網(wǎng)站分析上：粘度（PV/Session）FeedbackRate(Feebacks/接收人數(shù)),數(shù)據(jù)分析一些技術(shù)方法,組成分析法將某一數(shù)據(jù)拆分，研究其組成，如：國(guó)家組成分析行業(yè)組成分析內(nèi)部數(shù)據(jù)和外部數(shù)據(jù)的比較分析中供與競(jìng)爭(zhēng)對(duì)手付費(fèi)產(chǎn)品性?xún)r(jià)比分析層層篩選法適用于選擇目標(biāo)市場(chǎng)和目標(biāo)群體對(duì)多種影響因素按其重要程度進(jìn)行一定組合，先按第一組合選擇出較大范圍目標(biāo)對(duì)象，再按第二組合對(duì)第一組合篩選出來(lái)的對(duì)象進(jìn)一步縮小范圍，以此類(lèi)推，得出最終目標(biāo)對(duì)象,較為復(fù)雜的分析方法,數(shù)據(jù)挖掘方法（DataMining）定義：從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程。優(yōu)勢(shì)：可處理海量數(shù)據(jù)可分析N種影響因素對(duì)結(jié)果的影響程度可根據(jù)歷史來(lái)預(yù)測(cè)未來(lái),分析方法舉例1,在這張圖中可以看到：比較分析趨勢(shì)分析3)組成分析,分析方法舉例2,-層層篩選法,PotentialBuyerMarketSelection,Top23PotentialBuyerMarkets,4.DailyB2BUV,Source:UNComtrade,Source:WorldBank,Source:Economist,Source:Alexa,Step1,Top15PotentialBuyerMarkets,Step2,分析方法舉例3,-數(shù)據(jù)挖掘神經(jīng)網(wǎng)絡(luò)分析法,1.模型Clementine流截圖,ITPLeads新簽概率模型,2.神經(jīng)網(wǎng)絡(luò)關(guān)鍵字段,ITPLeads新簽概率模型,分析方法舉例3,-數(shù)據(jù)挖掘神經(jīng)網(wǎng)絡(luò)模型,影響因素,重要程度,提綱,什么是數(shù)據(jù)分析數(shù)據(jù)分析可以幫你作什么如何作有效的數(shù)據(jù)分析一些數(shù)據(jù)分析的常用方法如何有效地Present分析結(jié)果案例分享,有效的分析必須匹配完美的演示,了解你的聽(tīng)眾談?wù)勊麄兏信d趣的東西假象他們的問(wèn)題，并準(zhǔn)備你的答案一張圖表勝過(guò)千言萬(wàn)語(yǔ)為每一張演示