大数据分析,到底分析了啥?
“大数据”仨字已经被喊烂了,“大数据分析”也经常被人提起。可到底咋完全是“大数据分析”?为啥大家喊得很多,平时工作中很少感受得到?今天系统讲解一下。
01
普通人理解的“大数据”
普通人理解的大数据可谓千奇百怪,比如:
1、一个excel文件 200M,多大的数据呀!
2、我国人口14亿,这个数据好大呀!
3、卧槽,我刚看了车,就有4S店推广电话,肯定收集了我的大数据
……
这些千奇百怪的理解,都是来自对“数据”本身不够了解导致的。想整明白“大数据”真正的含义,得从数据是从哪里来的讲起。
02
先理解“小数据”,再谈“大数据”
最原始的数据采集方式就是:问卷。由专门的调查人员,借助一张张调查问卷,通过现场询问、测量等方式获得数据。这种方法已经沿用了400多年,经典的统计学、管理学理论都是建立在此之上的(如下图)。
小数据有没用?有用!非常有用!
能采集到某个地区的数据,代表着政府对这个地区有统治力。
能采集到越多的数据,中央就能掌握地方情况,从而加强管理。
数据是如此重要,以至于历史上很长一段时间,统计任务归属于政府、军队、情报机关。我国的第一家调查公司还是在90年代初,在宝洁强烈要求下成立的。
但是,调研做法有三个明显的问题:
1、非常耗费人力。访问员、督导、审核、录入、数据处理……都是人
2、非常耗费时间。设计问卷、填写、回收、都是时间
3、准确度低。现场测量的数据会相对准,但口头问回来的大部分都不准
这些问题,导致了问卷时代的数据采集,只能有抽样式的,不能是全量采集。也因此衍生出了专门的抽样理论和方法。但无论数据方法怎么改进,在业务上,抽样,始终是一个难以逾越的梗阻。决策者总会觉得:
1、是不是样本量太少
2、是不是代表性不够
3、没有覆盖的样本是不是真的一致
只要是抽样数据,就一定会被质疑,就总是充满怀疑。这也是最初“小数据”的说法来源,后续所有“大数据”其实都是围绕“小数据”问题而来。
▌数据变大第一步:系统采集
数据从小变大的第一步,从系统采集开始。比如企业扩大规模,要在各地建连锁店,第一步做得就是装POS机,把交易数据采集进来,替代纸质订货单/出货单。此时想了解销售数据,是可以基于POS机收集的数据全量查看的(如下图)。
从抽样数据到全量数据,是一个质的变化。基于全量数据,可以直接管理到各个终端门店,直接基于数据作出经营决策。因此大部分企业的销售分析、经营分析、业务分析体系,都是在此基础之上建立起来的(如下图)。
但是这个阶段的局限也是很明显的:POS机只能记录交易结果,对过程一概不知。谁在买,买了多少,为啥买,通通不清楚。
这个阶段的分析,是典型的知其然,不知其所以然的分析,大部分分析只能通过成交结果去猜。如果只有这个阶段的数据,想做深入分析,还是得依靠调研。比如传统企业想了解门店成交流程,会做门店调查,研究消费者在门店的动线,询问消费者体验。
▌数据变大第二步:主动采集
有了系统采集以后,大家自然地会想:除了交易数据,其他数据也能通过系统化采集。比如最简单的形式:让用户自己交身份证,通过图像识别录入。这样既能采集到用户数据,又能避免手动填写的错误。
但是问题来了:凭啥要交身份证给你呀!于是传统采集,只有银行、航空、通讯等有国家背景+法律规范要求的地方,才能相对准确的采集这些真实数据。
不过这些困难并没有阻挡住企业采集信息的热情。常见的手段,比如:勾引用户办会员卡,给生日礼遇让用户填写生日。用户完成信息给积分奖励之类。更激进的,甚至有常识在门店装人脸识别、装眼动仪跟踪设备来采集数据(当然,成本很高)。
为什么企业会孜孜不倦追求这些数据,因为这些数据真的有用。至少能把数据具体到一个人的身上,能识别出谁是高端用户,谁是沉睡用户,从而精细化运作(如下图)
真正低成本的、解决采集消费者行为数据的问题,还得靠互联网产品。
▌数据变大第三步:行为加入
互联网产品的最大优势,在于App/小程序/H5本身就是数字化产品。此时不但有条件记录到用户的点击、登录等行为数据,而且能将用户ID、手机号等信息整合成统一ID,效率比依赖线下纸质单张申请的流程强无数倍。
还能将视频、图片、文章等内容打标签,通过用户点击、转发次数,浏览时长,反推用户需求。对于经历过传统企业数据的人来说,互联网产品的数据简直就是鸟枪换炮。
相较之传统的会员基础信息、消费流水数据,用户行为数据量特别、特别的大,大家想想自己在淘宝逛多久才买一件东西就知道了。可能之前几百次点击浏览,最后才有一单交易。
因此,需要专门的大数据架构来支持这些数据的存储和计算。狭义上的大数据技术,特指对大量的用户行为数据、非结构化数据的存储和计算。
有了这些数据,才有现在我们流行的互联网分析方法,比如漏斗分析法(如下图)。
基于这些基础数据采集,还能延伸出更多数据应用,比如:
1、模型类:行为预测、推荐算法
2、测试类:产品ABtest
3、画像类:用户画像
虽然这些方法,基于交易数据也能做,但是数据量多寡,直接决定了结果准确度。从而影响到业务端使用。在传统时代,只有银行、运营商、航空公司独享的分析方法,成为现在互联网公司的标配。
然而即使这样,既然有一些问题不能解决
● 用户数据分散在若干平台,导致单一平台数据不足
● 用户心理无法直接反应为数据,冲动型行为会干扰正常数据判断
● 信息安全法规要求越发严格,对数据采集/使用限制在增多
因此,如何合法合规、持续利用大数据资源,依然是今天一个重要议题。
03
上不了台面的“变大”方法
当然,还有一些灰色/黑色的方法,让数据变大
1、直接从“有数据”的人手上,买数据!
2、爬虫、撞库,硬捞用户数据
3、通过设备,默默收集用户数据
这就是各种骚扰电话、垃圾短信的源头。当然,随着国家对信息安全保护要求越来越严格,这些玩意生存空间也是逐步被压缩,所以不谈也罢。
04
“大数据有啥用”的终极答案
纵观数据从小到大的整个过程可以看出:数据从来都有用。即使最简单、最不准的数据,也能反应管理上的问题。因此决策者们对于数据的追求,永远是孜孜不倦的,永远是不满足的。(如下图)
那么,为什么还有这么多人在问“大数据有啥用”呢?
因为并非所有人都理解“数据”的用途,别说大数据了,小数据丫也照样不会用。
截止到2021年,依然有人是拍脑袋决策,拍胸脯保证;依然有人沉迷于“老夫从业十年,我说的就是对的”;依然有人觉得大数据包治百病,代码一敲,钞票从电脑屏幕里喷薄而出;依然有人迷信“底层逻辑”“核心思维”,苦练内功心法。
总之,想用好数据,就得深入业务流程,具体了解数据采集方式,这样才能读懂数据背后的业务含义,才能把自己面临的具体问题转化为数据问题,才能解出正确答案。
采集和计算数据,是一门科学
应用数据产生价值,是一种艺术
差别大致如此。
原创精选:
大合集!数据分析9大基础方法汇总
四个步骤,数据分析报告制作指南
运营数据分析,怎么做才有深度
懂业务,才能像陈老师一样,和业务部门过几招,做成功用户画像项目,学习陈老师的《业务知识一站通》视频课程,可以帮到你。学习课程可以加入学员群,添加陈老师本人微信,和陈老师一对一沟通你的项目哦。
《业务知识一站通》
长按扫描二维码
了解陈老师的视频课程
还可加入学员群
享受陈老师一对一咨询服务
点击“阅读原文”试听视频课程
大数据分析,到底分析了啥?相关推荐
- 【2017.11.29 周三 转载之李航博士的文章:大数据分析到底需要多少种工具?】...
原文地址:http://blog.sina.com.cn/s/blog_7ad48fee0102vb9c.html 摘要 JMLR杂志上最近有一篇论文,作者比较了179种不同的分类学习方法(分类学习算 ...
- 大数据分析四大分析要素
任何数据分析过程都包括四大要素:场景+数据+工具+方法,数据分析起点必须来源于某个场景下的需求,根据需求目标(场景),搭建分析框架(方法),提取需要的数据指标(数据),用适合的工具实现,最后提炼结论, ...
- 大数据处理与分析方向主要干什么_大数据分析_方向_方法与工具
001 论 欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟欟 坛 ● 曾忠禄 ( 澳门理工学院 , 澳门 ) 大数据分析 : 方向 . 方法与工具 摘 要 ...
- 为什么大数据分析很重要
大数据分析带来的新好处是速度和效率.几年前,一家企业可以收集信息,运行分析和挖掘出可用于将来决策的信息,而如今,企业可依据可视化数据立即做出决策,更快地反应以保持敏捷的能力为企业提供了前所未有的竞争优 ...
- 基于大数据分析的葡萄酒品质鉴别系统设计与实现
温馨提示:文末有 CSDN 平台官方提供的学长 Wechat / QQ 名片 :) 1. 项目背景 葡萄酒品鉴既是一门科学,也是一门艺术.品鉴葡萄酒,首先当然要能鉴别酸.甜.苦.咸.鲜五种基本味道,它 ...
- 目前大数据分析领域,主要面临的四大瓶颈
1.数据分析之数据准备瓶颈:OLAP 我们知道从上个世纪90年代,甚包括80年代末,OLAP就已经被很好地使用了.但是我们知道企业的数据和运营的过程,是 个持续动态变化的过程,它需要在第 时间交给业务 ...
- 浅谈 大数据分析:市场分析、运营分析、用户行为分析
大数据,这个被炒烂了的概念,现如今已被人工智能替代.我们先不讨论人工智能,就大数据而言,我们都是在强调他的技术,例如网络热词:hadoop+spark,data mining.而我们在用大数据时候,经 ...
- 九大数据分析方法:漏斗分析法
大家好,我是爱学习的小xiong熊妹. 今天继续跟大家分享的是九大数据分析方法系列.今天介绍的是漏斗分析法,漏斗分析法是一种基础的,处理多个指标分析问题的方法,有很多应用场景. 一.为什么叫" ...
- 命名管道 win7未响应_大数据分析Python建立分析数据管道
如果您曾经想通过流数据或快速变化的数据在线学习Python,那么您可能会熟悉数据管道的概念.数据管道允许您通过一系列步骤将数据从一种表示形式转换为另一种表示形式.数据管道是数据工程的关键部分,我们将在 ...
最新文章
- thinkbook14 2021款的一些坑
- Datagridview 在基于文本的单元格中启用换行,自动调整行高列宽
- BD云20MB/s不限速,随时下架!
- 输入一个字母,转大小写
- protractor端到端测试简介
- php raabitmq中间件_rabbitMQ消息中间件环境配置及原理了解
- 《零基础》MySQL 数据类型(八)
- mysql pk_mysql_1
- CCF201609-4 交通规划(100分)
- 单行文本溢出隐藏显示省略号
- 云计算,大数据,人工智能本质和概念
- 中国大学moocpython答案查询_中国大学MOOC(慕课)_Python编程基础_mooc题库答案查询...
- 大数据识别“爱”的羊毛党,拒绝那些它“恨”的羊毛党
- 各位单身狗的福音:表白爱心魔改版
- HTML小游戏16 —— 消除游戏《魔法石》源码(附完整源码)
- 爬壁机器人外文文献_自动化专业外文翻译--Alicia3爬壁机器人的粘着控制
- 一名阿里安全一线AI算法工程师的“三观”
- 网盘生意不好做,论坛也类似
- 记一次lpk劫持样本分析
- 计算机组成原理包健百度云,计算机组成原理包健版的答案解析.doc