微信扫码登录
手机号码登录
企业推动数据分析的六个方向
来源： / 时间：2019-12-16
企业根据所处的阶段不同对于数据分析的需求是不同的。但无论如何，数据分析对于企业长远的发展意义重大。那么企业如果想推动数据分析，当前基础又相对薄弱的话，应该怎么做呢？今天深蓝君就用一篇短文来分享一下个人观点。
由于数据分析的本质在于通过数据知道已经发生了什么？为什么会发生？将来会发生什么？因此我们可以把数据分析按照阶段不同分成不同模块并和数据分析的目标相对应。
如下图所示，可以将数据分析分成数据收集、数据质量、数据报表、数据可视化、预测模型和数据驱动战略决策六个模块。深蓝君建议在公司内部要同时对这六个模块进行资源配置，根据各模块现状的评估和业务需求不同可以有不同的侧重和排序。
这张图的斜率也表示了虽然越多的模块需要越高的投资，但是所产生的回报价值也是迅速上升的。那是因为当数据分析结果越贴近业务和战略决策，其价值就越高。
数据收集：需要通过各种途径来获取和打通部门内部数据、公司跨团队数据和公司外部数据的获取渠道，确保能定期、稳定、方便地获取不同渠道的数据资源。收集的数据在企业中集中存储的地方通常被成为数据仓库。
数据质量：对于获取到的数据，对其准确性和格式标准化进行检验，确保可以通过日常核查找出数据问题后进行必要的修正，并反馈到数据源头负责人，通过持续改进逐步提升数据源头的质量。同时我们可以通过工具将所有的数据成标准的格式便于将来的分析。
数据报表：在数据报表这块主要是结合业务需求来了解到关键的管理指标，这些指标有可能是传统的KPI，也有可能是OKR, 总之没有衡量就无法管理，我们要找到这些为管理而服务的衡量点，利用现有的数据将不同的衡量点通过报表展示出来。
数据可视化：随着业务的复杂化和数据量的增大，传统数据表也会变得越来越复杂。于是我们可能就需要通过数据可视化借助计算机技术将传统的数据报表用多维图形、动画等方式更好地展现出来。数据可视化是能够更清晰有效地传达与沟通信息的途径。通常在企业中数据驾驶舱就是这样的应用，比较好的数据可视化还可以是交互的，可以按照某个特定层次或条件（例如：地区-城市-区县等）进行数据细分呈现，层层深入以便更详细地查看数据。
预测模型：以足够大量和正确的数据为基础，我们就可以通过利用数学算法、建模工具等来建立计算机数学分析模型并通过过往的结果数据分析来达到预测将来的目的。在这块我们通常需要基于业务的需求，与算法工程师进行配合将数据进行更进一步的机器学习处理。由于预测本身存在着不确定性，因此如何来验证和利用预测结果也是需要业务专家和算法工程师紧密配合合作讨论的地方。
数据驱动战略决策：有了前五个模块的积累和应用，我们才有可能做到将数据分析嵌入到重大的战略决策中去，因此数据分析也是一个循序渐进的过程，只有之前的工作做到位了我们才能有相对准确和有价值的分析结果并取得公司管理层的认同。有了管理层的信任，相应的数据分析结果才能更好地被管理层使用到决策中去。
如果企业基于业务实际需求和当前各模块的成熟度，相应分配适当资源在六个模块上并相互配合的话，相信整个团队就能够相辅相成，共同向着数据化管理和决策的方向持续迈进。