歡迎光臨
每天分享高質量文章

為什麼你的資料分析成果總是難以落地?

為什麼你的資料分析成果總是難以落地?資料分析的價值總是遠遠低於預期?相信看完這篇文章,每個人都能找到一個屬於自己的答案。以下為從事電力、軍工、金融等行業擔任資料分析師從業者的多年行業經驗,希望能對大家有所幫助。

01 遵循資料分析標準流程

資料分析遵循一定的流程,不僅可以保證資料分析每一個階段的工作內容有章可循,而且還可以讓分析最終的結果更加準確,更加有說服力。一般情況下,資料分析分為以下幾個步驟:

1)業務理解,確定標的、明確分析需求;


2)資料理解,收集原始資料、描述資料、探索資料、檢驗資料質量;


3)資料準備,選擇資料、清洗資料、構造資料、整合資料、格式化資料;


4)建立模型,選擇建模技術、引數調優、生成測試計劃、構建模型;


5)評估模型,對模型進行較為全面的評價,評價結果、重審過程;


6)成果部署,分析結果應用。

02 明確資料分析標的

在資料分析前期,要做到充分溝通、理解業務規則、關註業務痛點、瞭解使用者需求、換位思考,明確為什麼要做資料分析,要達到一個什麼標的。

03 業務與資料結合確定分析主題

以解決業務問題為標的,以資料現狀為基礎,確定分析主題。前期要做好充分的準備,以業務問題為導向,以業務梳理為重點,進行多輪討論,分析主題避免過大,針對業務痛點,實現知現狀、明原因、可預測、有價值。

04 多種分析方法結合

分析過程中儘量運用多種分析方法,以提高分析的準確性和可靠性。例如,運用定性定量相結合的分析方法對於資料進行分析;融合互動式自助BI、資料挖掘、自然語言處理等多種分析方法;高階分析和視覺化分析相結合等。

05 選擇合適的分析工具

工欲善其事,必先利其器,資料分析過程中要選擇合適的分析工具做分析。SPSS、Rapidminer、R、Python等這幾種工具都是業界比較認可的資料分析產品。

它們各有其優勢,SPSS 較早進入國內市場,發展已經相對成熟,有大量參考書可供參考,操作上容易上手,簡單易學。Rapidminer 易用性和使用者體驗做得很好,並且內建了很多案例使用者可直接替換資料源去使用。R 是開源免費的,具有良好的擴充套件性和豐富的資源,涵蓋了多種行業中資料分析的幾乎所有方法,分析資料更靈活。Python,有各種各樣功能強大的庫,做資料處理很方便。

06 分析結論儘量圖表化

經過嚴謹推導得出的結論,首先要精簡明確,3-5條即可。其次要與業務問題結合,給出解決方案或建議方案。第三儘量圖表化,要增強其可讀性。

某企業KPI分析報告

資料分析過程中,除了以上六條原則,還要避免以下3種情況:

1)時間安排不合理

在開始分析工作之前,一定要做一個明確的進度計劃,時間分配的原則是:資料收集、整理及建模佔70%,資料視覺化展現及分析報告佔25%,其他佔5%。

2)資料源選擇不合理

一般企業中的資料來源有很多,SAP、TMS、CRM及各部門業務系統,每個渠道的資料各有特點。這時,應該慎重考慮從哪個渠道獲取資料更加快捷有效。資料源選擇不合理,不僅影響結論的可靠性,而且有返工的風險。

3)溝通不充分

無論是分析人員內部的溝通還是與外部相關人員的溝通,都是至關重要的。與外部人員溝通效不順暢,可能造成前期需求不清,中間業務邏輯混亂,最終導致資料分析結果差強人意。與內部人員溝通效率低,可能造成分析進度滯後,分析工作開展不暢等諸多問題,直接影響分析效果。

對於資料分析師,分析經驗的積累與專業知識的提升同樣重要,因為有些問題不是隻用專業知識就能解決的,所以在平時的工作中要有意識的去學習業務知識、掌握先進的分析工具,做一個有心人!

來源:MeritData

精彩活動

福利 · 閱讀 | 免費申請讀大資料新書 第23期

推薦閱讀

2017年資料視覺化的七大趨勢! 

全球100款大資料工具彙總(前50款) 

論大資料的十大侷限

大資料時代的10個重大變革

大資料七大趨勢 第一個趨勢是物聯網

Q: 資料分析如何落地?

歡迎留言與大家分享

請把這篇文章分享給你的朋友

轉載 / 投稿請聯絡:hzzy@hzbook.com

更多精彩文章,請在公眾號後臺點選“歷史文章”檢視

贊(0)

分享創造快樂