大數(shù)據(jù)分析,到底在分析什么?

8 評(píng)論 12649 瀏覽 46 收藏 13 分鐘

編輯導(dǎo)語:“大數(shù)據(jù)”一詞相信大家已經(jīng)耳熟能詳,然而,你真的了解什么是大數(shù)據(jù)、什么是大數(shù)據(jù)分析嗎?若想了解什么是大數(shù)據(jù)分析,你需要深入業(yè)務(wù)流程,對(duì)數(shù)據(jù)如何采集有所了解。本篇文章里,作者對(duì)大數(shù)據(jù)分析一事做了解讀,一起來看一下。

“大數(shù)據(jù)”仨字已經(jīng)被喊爛了,“大數(shù)據(jù)分析”也經(jīng)常被人提起。可到底咋完全是“大數(shù)據(jù)分析”?為啥大家喊得很多,平時(shí)工作中很少感受得到?今天系統(tǒng)講解一下。

一、普通人理解的“大數(shù)據(jù)”

普通人理解的大數(shù)據(jù)可謂千奇百怪,比如:

  1. 一個(gè)excel文件 200M,多大的數(shù)據(jù)呀!
  2. 我國人口14億,這個(gè)數(shù)據(jù)好大呀!
  3. 臥槽,我剛看了車,就有4S店推廣電話,肯定收集了我的大數(shù)據(jù)。
  4. ……

這些千奇百怪的理解,都是來自對(duì)“數(shù)據(jù)”本身不夠了解導(dǎo)致的。想整明白“大數(shù)據(jù)”真正的含義,得從數(shù)據(jù)是從哪里來的講起。

二、先理解“小數(shù)據(jù)”,再談“大數(shù)據(jù)”

最原始的數(shù)據(jù)采集方式就是:問卷。由專門的調(diào)查人員,借助一張張調(diào)查問卷,通過現(xiàn)場詢問、測量等方式獲得數(shù)據(jù)。這種方法已經(jīng)沿用了400多年,經(jīng)典的統(tǒng)計(jì)學(xué)、管理學(xué)理論都是建立在此之上的(如下圖)。

大數(shù)據(jù)分析,到底分析了啥?

小數(shù)據(jù)有沒用?有用!非常有用!

能采集到某個(gè)地區(qū)的數(shù)據(jù),代表著政府對(duì)這個(gè)地區(qū)有統(tǒng)治力。能采集到越多的數(shù)據(jù),中央就能掌握地方情況,從而加強(qiáng)管理。數(shù)據(jù)是如此重要,以至于歷史上很長一段時(shí)間,統(tǒng)計(jì)任務(wù)歸屬于政府、軍隊(duì)、情報(bào)機(jī)關(guān)。我國的第一家調(diào)查公司還是在90年代初,在寶潔強(qiáng)烈要求下成立的。

但是,調(diào)研做法有三個(gè)明顯的問題:

  1. 非常耗費(fèi)人力。訪問員、督導(dǎo)、審核、錄入、數(shù)據(jù)處理……都是人。
  2. 非常耗費(fèi)時(shí)間。設(shè)計(jì)問卷、填寫、回收、都是時(shí)間。
  3. 準(zhǔn)確度低。現(xiàn)場測量的數(shù)據(jù)會(huì)相對(duì)準(zhǔn),但口頭問回來的大部分都不準(zhǔn)。

大數(shù)據(jù)分析,到底分析了啥?

這些問題,導(dǎo)致了問卷時(shí)代的數(shù)據(jù)采集,只能有抽樣式的,不能是全量采集。也因此衍生出了專門的抽樣理論和方法。但無論數(shù)據(jù)方法怎么改進(jìn),在業(yè)務(wù)上,抽樣,始終是一個(gè)難以逾越的梗阻。決策者總會(huì)覺得:

  1. 是不是樣本量太少;
  2. 是不是代表性不夠;
  3. 沒有覆蓋的樣本是不是真的一致。

只要是抽樣數(shù)據(jù),就一定會(huì)被質(zhì)疑,就總是充滿懷疑。這也是最初“小數(shù)據(jù)”的說法來源,后續(xù)所有“大數(shù)據(jù)”其實(shí)都是圍繞“小數(shù)據(jù)”問題而來。

1. 數(shù)據(jù)變大第一步:系統(tǒng)采集

數(shù)據(jù)從小變大的第一步,從系統(tǒng)采集開始。比如企業(yè)擴(kuò)大規(guī)模,要在各地建連鎖店,第一步做得就是裝POS機(jī),把交易數(shù)據(jù)采集進(jìn)來,替代紙質(zhì)訂貨單/出貨單。此時(shí)想了解銷售數(shù)據(jù),是可以基于POS機(jī)收集的數(shù)據(jù)全量查看的(如下圖)。

大數(shù)據(jù)分析,到底分析了啥?

從抽樣數(shù)據(jù)到全量數(shù)據(jù),是一個(gè)質(zhì)的變化。基于全量數(shù)據(jù),可以直接管理到各個(gè)終端門店,直接基于數(shù)據(jù)作出經(jīng)營決策。因此大部分企業(yè)的銷售分析、經(jīng)營分析、業(yè)務(wù)分析體系,都是在此基礎(chǔ)之上建立起來的(如下圖)。

大數(shù)據(jù)分析,到底分析了啥?

但是這個(gè)階段的局限也是很明顯的:POS機(jī)只能記錄交易結(jié)果,對(duì)過程一概不知。誰在買,買了多少,為啥買,通通不清楚。

這個(gè)階段的分析,是典型的知其然,不知其所以然的分析,大部分分析只能通過成交結(jié)果去猜。如果只有這個(gè)階段的數(shù)據(jù),想做深入分析,還是得依靠調(diào)研。比如傳統(tǒng)企業(yè)想了解門店成交流程,會(huì)做門店調(diào)查,研究消費(fèi)者在門店的動(dòng)線,詢問消費(fèi)者體驗(yàn)。

2. 數(shù)據(jù)變大第二步:主動(dòng)采集

有了系統(tǒng)采集以后,大家自然地會(huì)想:除了交易數(shù)據(jù),其他數(shù)據(jù)也能通過系統(tǒng)化采集。比如最簡單的形式:讓用戶自己交身份證,通過圖像識(shí)別錄入。這樣既能采集到用戶數(shù)據(jù),又能避免手動(dòng)填寫的錯(cuò)誤。

但是問題來了:憑啥要交身份證給你呀!于是傳統(tǒng)采集,只有銀行、航空、通訊等有國家背景+法律規(guī)范要求的地方,才能相對(duì)準(zhǔn)確地采集這些真實(shí)數(shù)據(jù)。

大數(shù)據(jù)分析,到底分析了啥?

不過這些困難并沒有阻擋住企業(yè)采集信息的熱情。常見的手段,比如:勾引用戶辦會(huì)員卡,給生日禮遇讓用戶填寫生日。用戶完成信息給積分獎(jiǎng)勵(lì)之類。更激進(jìn)的,甚至有常識(shí)在門店裝人臉識(shí)別、裝眼動(dòng)儀跟蹤設(shè)備來采集數(shù)據(jù)(當(dāng)然,成本很高)。

為什么企業(yè)會(huì)孜孜不倦追求這些數(shù)據(jù),因?yàn)檫@些數(shù)據(jù)真的有用。至少能把數(shù)據(jù)具體到一個(gè)人的身上,能識(shí)別出誰是高端用戶,誰是沉睡用戶,從而精細(xì)化運(yùn)作(如下圖)。

大數(shù)據(jù)分析,到底分析了啥?

真正低成本的、解決采集消費(fèi)者行為數(shù)據(jù)的問題,還得靠互聯(lián)網(wǎng)產(chǎn)品。

3. 數(shù)據(jù)變大第三步:行為加入

互聯(lián)網(wǎng)產(chǎn)品的最大優(yōu)勢,在于App/小程序/H5本身就是數(shù)字化產(chǎn)品。此時(shí)不但有條件記錄到用戶的點(diǎn)擊、登錄等行為數(shù)據(jù),而且能將用戶ID、手機(jī)號(hào)等信息整合成統(tǒng)一ID,效率比依賴線下紙質(zhì)單張申請(qǐng)的流程強(qiáng)無數(shù)倍。

還能將視頻、圖片、文章等內(nèi)容打標(biāo)簽,通過用戶點(diǎn)擊、轉(zhuǎn)發(fā)次數(shù),瀏覽時(shí)長,反推用戶需求。對(duì)于經(jīng)歷過傳統(tǒng)企業(yè)數(shù)據(jù)的人來說,互聯(lián)網(wǎng)產(chǎn)品的數(shù)據(jù)簡直就是鳥槍換炮。

相較之傳統(tǒng)的會(huì)員基礎(chǔ)信息、消費(fèi)流水?dāng)?shù)據(jù),用戶行為數(shù)據(jù)量特別、特別的大,大家想想自己在淘寶逛多久才買一件東西就知道了??赡苤皫装俅吸c(diǎn)擊瀏覽,最后才有一單交易。

因此,需要專門的大數(shù)據(jù)架構(gòu)來支持這些數(shù)據(jù)的存儲(chǔ)和計(jì)算。狹義上的大數(shù)據(jù)技術(shù),特指對(duì)大量的用戶行為數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)的存儲(chǔ)和計(jì)算。

有了這些數(shù)據(jù),才有現(xiàn)在我們流行的互聯(lián)網(wǎng)分析方法,比如漏斗分析法(如下圖)。

大數(shù)據(jù)分析,到底分析了啥?

基于這些基礎(chǔ)數(shù)據(jù)采集,還能延伸出更多數(shù)據(jù)應(yīng)用,比如:

  1. 模型類:行為預(yù)測、推薦算法;
  2. 測試類:產(chǎn)品ABtest;
  3. 畫像類:用戶畫像。

大數(shù)據(jù)分析,到底分析了啥?

雖然這些方法,基于交易數(shù)據(jù)也能做,但是數(shù)據(jù)量多寡,直接決定了結(jié)果準(zhǔn)確度。從而影響到業(yè)務(wù)端使用。在傳統(tǒng)時(shí)代,只有銀行、運(yùn)營商、航空公司獨(dú)享的分析方法,成為現(xiàn)在互聯(lián)網(wǎng)公司的標(biāo)配。

然而即使這樣,既然有一些問題不能解決:

  • 用戶數(shù)據(jù)分散在若干平臺(tái),導(dǎo)致單一平臺(tái)數(shù)據(jù)不足;
  • 用戶心理無法直接反應(yīng)為數(shù)據(jù),沖動(dòng)型行為會(huì)干擾正常數(shù)據(jù)判斷;
  • 信息安全法規(guī)要求越發(fā)嚴(yán)格,對(duì)數(shù)據(jù)采集/使用限制在增多因此,如何合法合規(guī)、持續(xù)利用大數(shù)據(jù)資源,依然是今天一個(gè)重要議題。

三、上不了臺(tái)面的“變大”方法

當(dāng)然,還有一些灰色/黑色的方法,讓數(shù)據(jù)變大

  1. 直接從“有數(shù)據(jù)”的人手上,買數(shù)據(jù)!
  2. 爬蟲、撞庫,硬撈用戶數(shù)據(jù)。
  3. 通過設(shè)備,默默收集用戶數(shù)據(jù)。

這就是各種騷擾電話、垃圾短信的源頭。當(dāng)然,隨著國家對(duì)信息安全保護(hù)要求越來越嚴(yán)格,這些玩意生存空間也是逐步被壓縮,所以不談也罷。

四、“大數(shù)據(jù)有啥用”的終極答案

縱觀數(shù)據(jù)從小到大的整個(gè)過程可以看出:數(shù)據(jù)從來都有用。即使最簡單、最不準(zhǔn)的數(shù)據(jù),也能反應(yīng)管理上的問題。因此決策者們對(duì)于數(shù)據(jù)的追求,永遠(yuǎn)是孜孜不倦的,永遠(yuǎn)是不滿足的(如下圖)。

大數(shù)據(jù)分析,到底分析了啥?

那么,為什么還有這么多人在問“大數(shù)據(jù)有啥用”呢?

因?yàn)椴⒎撬腥硕祭斫狻皵?shù)據(jù)”的用途,別說大數(shù)據(jù)了,小數(shù)據(jù)丫也照樣不會(huì)用。

截止到2021年,依然有人是拍腦袋決策,拍胸脯保證;依然有人沉迷于“老夫從業(yè)十年,我說的就是對(duì)的”;依然有人覺得大數(shù)據(jù)包治百病,代碼一敲,鈔票從電腦屏幕里噴薄而出;依然有人迷信“底層邏輯”“核心思維”,苦練內(nèi)功心法。

總之,想用好數(shù)據(jù),就得深入業(yè)務(wù)流程,具體了解數(shù)據(jù)采集方式,這樣才能讀懂?dāng)?shù)據(jù)背后的業(yè)務(wù)含義,才能把自己面臨的具體問題轉(zhuǎn)化為數(shù)據(jù)問題,才能解出正確答案。

大數(shù)據(jù)分析,到底分析了啥?

采集和計(jì)算數(shù)據(jù),是一門科學(xué)。

應(yīng)用數(shù)據(jù)產(chǎn)生價(jià)值,是一種藝術(shù)。

差別大致如此。

#專欄作家#

接地氣的陳老師,微信公眾號(hào):接地氣學(xué)堂,人人都是產(chǎn)品經(jīng)理專欄作家。資深咨詢顧問,在互聯(lián)網(wǎng),金融,快消,零售,耐用,美容等15個(gè)行業(yè)有豐富數(shù)據(jù)相關(guān)經(jīng)驗(yàn)。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載

題圖來自Unsplash,基于CC0協(xié)議。

更多精彩內(nèi)容,請(qǐng)關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號(hào)或下載App
評(píng)論
評(píng)論請(qǐng)登錄
  1. 有了極低的數(shù)據(jù)采集成本才有了后面的一切,要采集種田的行為數(shù)據(jù)和農(nóng)作物的成長數(shù)據(jù)、采集挖礦的行為數(shù)據(jù)和礦山的安全數(shù)據(jù)都要比互聯(lián)網(wǎng)采集數(shù)據(jù)難得多,所以傳統(tǒng)行業(yè)數(shù)字化首先要考慮數(shù)據(jù)采集成本,要平衡數(shù)據(jù)能產(chǎn)生的價(jià)值和采集成本,而不像互聯(lián)網(wǎng)只要考慮如何用好數(shù)據(jù)。

    來自北京 回復(fù)
  2. 好文章。發(fā)個(gè)評(píng)論記錄一下看過的。

    回復(fù)
  3. 老師為我們梳理了大數(shù)據(jù)到底在做啥,很接地氣哈哈哈哈哈哈

    來自陜西 回復(fù)
  4. 結(jié)果分析,過程分析,需求分析

    回復(fù)
  5. 那些“上不了臺(tái)面”讓數(shù)據(jù)變大的手段太惡心人了。果然是互聯(lián)網(wǎng)時(shí)代無隱私。

    來自四川 回復(fù)
  6. 看懂?dāng)?shù)據(jù)背后的邏輯很重要,如何讓數(shù)據(jù)產(chǎn)生價(jià)值也很重要。

    來自四川 回復(fù)
  7. 雖然但是,那些非法收集用戶數(shù)據(jù)的應(yīng)用真的就很無語。

    來自廣東 回復(fù)
  8. 讀了這篇文章,算是對(duì)“大數(shù)據(jù)分析”這一概念有了系統(tǒng)地了解哈哈。

    來自江蘇 回復(fù)