作數據你須要點商業感受

這是一句說出來你們都認同的話，但對於全部從事數據分析的人來講，這又是一句沒用的話，由於根本不知道章法在哪裏。

有些大道理提及來其實都很很輕鬆，你作起來就不是那麼回事了，咱們在作數據這行時，習慣從戰術角度快速尋找到辦法解決問題，這自己沒什麼不對，不過，一旦到了本身的問題，該解決不了，仍是解決不了。剩下的辦法看似只有看書，本身練習，和別人交流，把戰術向方法論轉移過分。

其實，在我的看來，咱們去用數據做分析時，忽略了前面還有商業二字，而商業意味着人，場景，問題，解決方案，反饋等等吧，算法，技術細節很重要，但未必是最重要的事情。每每咱們在進行數據的使用和分析時，缺乏的是一套數據分析思惟，而不是技能和工具掌控能力。

數據是用來解決問題的，首先你要學會的是分解明確問題。當咱們確認一個需求時，每每對問題的定位和需求梳理，實際上是不明確的，問題自己的提出者可能沒法特別清晰的描述本身的痛點和須要解決的問題。這是個很現實的狀況，有時候可能就是一句話，有時候又會限定的特別死。而做爲一個用數據來解決問題的專家或者團隊，你須要明確的用相似於prd同樣的嗅覺和方式，去不斷明確要解決的問題，從一個大範圍向小範圍縮窄，直到你的定位和問題提出者的訴求達到最小一致性爲準。若是在一開始你沒法去取得一個問題理解的一致性，那後面的事情都是沒法開始進行的。咱們知道通常的問題提出要麼極其具象，要麼極其模糊和含混不清。只是個大概的範疇。用數據來解決的問題，最終都是要有目標管理，就是怎麼量化是否解決的好。

因此，你要花一些時間去不斷詢問問題，定位問題和痛點。而若是問題提出者不夠清晰，更多時候，你要站在業務交付去嘗試的理順和幫助問題提出者明確的關鍵信息，進而爲本身的接下來工做打下基礎，此外，這也是在初期與問題提出者協商一致的重要因素。這裏面有個工具仍是很不錯的，叫作OGSM:

對於大多數人在一開始要去用數據解決問題時，都要從文字上準確描述目的是什麼？這也是若是清晰定義商業問題，要達到什麼樣子的預期效果。此後做爲數據專家，則須要設計相對應的指標或者數據來進行目標的管理和確認，由於最終對於問題的解決好壞，直接反饋在目標數據的管理層面。 第三步則就是，你該如何針對前面梳理的內容，制定具體的執行方法，而這一步每每是怎麼用你的專業知識解決商業問題。最終還要去設計一個監測和量化的標準體系，用於對目標數據的反饋。

OGSM的框架看似簡單，但實際上是一套對於商業數據分析開展工做的有效機制。直白的講，當你要開始一個新問題的解決時，你須要有一封郵件或者一張紙，從以上四個部分，快速的造成對於一個項目或者問題的準備。此後，就是依託於制定的這套方針開始執行。

策略是以商業場景做爲考慮的，作數據時請先定框架。當你有了清晰的問題定義和目標後，接下來你仍是要從問題自己出發，提出一套解決問題的框架，固然這個思惟框架是解決實際的應用問題，注意不單純是考慮使用什麼算法和模型的問題，而是問題該結合應用場景，該怎麼展開階段式的突破。這一點是最須要和商業問題自己結合處理的。咱們多數人由於沒有商業問題應用的感受，咱們是以線性的思惟在考慮是否能夠到到純粹的目標結果，而忽略結果自己也許偏離了應用的軌道。好比結果準確度提供0.1%，並無在業務上顯現出巨大的提高。那麼這種純粹的追求準確度，絲絕不解決業務問題。商業問題在遇到數據，有時候須要循環迭代和測試，是須要一些妥協的。生硬的結果不表明應用能力有極高的提高和更好的效果。

商業的感受最直接的源於就是在策略的制定階段，你要從全局問題考慮，而不是局部最優。由於你的局部解決再好，對於你要解決問題的全局其實幫助的做用不是那麼大，咱們不少作數據分析的人，其實不懂得必定的妥協，這致使你的分析和結果，難以高效的服務於商業。好比你能100%命中一我的，跟你80%命中100我的，在實際業務中，你收到的業務人員的反饋是徹底不一樣的。由於數據首先服務於商業，要力求效益最大化。

作數據請考慮人的因素。數據工做自己就是一個和人打交道的工做，商業感受的一個重要方面時，你的問題解決方案在過程是要保持和問題提出者的互動和通俗的講解遠理和效果。而不是隔離開純粹的搗鼓一個準確率。脫離了問題提出者的過程建議，也許最終結果即便知足了你的需求，但問題提出者不必定買單。這是在商業環境很現實的狀況。咱們要避免過程問題提出者在應用成果時是單純的吐槽好壞，而沒有建設性的建議，包括僅就單次結果進行評論。數據的工做把自己就是在不斷優化和提高，接受好的效果，也能接受很差的效果，總之這都是效果。

而咱們沒有理解商業問題自己訴求，只是純粹抱怨業務人員的反饋，其實接下來什麼也作不了。溝通和協商是必須有的。

數據不是萬能的，商業問題有他本源的面貌。數據的生命力是須要通過人的處理和不斷破譯纔會發揮價值，數據自己不會說話，另外數據多數狀況下，可以被使用的，也是人們選擇性的採集和加工的。必定程度上，是帶有商業選擇和目的性的，也就是說你看到的和能夠獲取的自己就是帶有偏見的數據。因此，你的分析，對於數據的理解，是須要考慮商業和場景的。數據能夠告訴你不少的信息，可是這些信息是被遴選出來的。咱們須要從數據中去獲得一些見識，可是同時，也要去看到數據的侷限性。而要想去突破侷限，更多的要考慮如何經過不斷的循環迭代和不斷的數據優化，破解商業問題。這是從商業出發，逆向反饋到數據的源頭，幫助不斷豐富數據，不斷基於商業考慮，去挖掘不少數據，再完善和解決商業問題。