做數據分析時基本原則不能變

作為數據分析師，每天需要面臨著海量的數據收集，并從中獲取有效的數據，從中得到自己想要的答案，如果出現一些小的原則性的錯誤，那將會對前面所付出的努力付之東流。所以，在做數據分析時基本的原則是不能變的。

有一句經典語錄：“我的廣告費有一半浪費掉了，但我不知道是哪一半?！?/span>數據分析可以找出到底哪一半投資是浪費掉的，讓您可以最大化頂線（即增加營收）或最小化底線（即降低成本），從而優化您的投入產出比。數據分析可以幫助制 定聰明的決策——它是把數據轉化為信息的過程，分析信息以得到見解，并制定可以影響商業績效的策略和行動計劃。
      過去，我們常抱怨沒有足夠的數據——搜集數據和信息用作分析是非常困難的，需要大量的時間和金錢等成本；現在，跟蹤和搜集信息已經變得非常容易了，而且所 需成本也大大減少。然而，我們仍然在像一個世紀前一樣努力解決哪一半廣告費被浪費掉的問題——因為可用作分析的數據和信息實在是太多了。
        我們需要換個角度來思考數據分析。首先，數據不再是一個障礙；其次，我們應該關注整個流程和商業成果。不過，談到數據分析時，目前仍然有很多誤解。簡單地 聘用數據分析負責人或購買頂級的數據分析軟件，并不代表您的公司已經擁有數據分析的能力。因此，首先理解數據分析的基本知識，是非常重要的。
        數據分析的基本知識
        數據分析并不是IT，也不是報告。對這一點的誤解，是我見到過的最常見的誤解之一。
       當談到數據分析時，很多人仍然相信這應該是IT的事情，因為它與技術有關。數據分析的第一步是把數據轉化為信息，在這里，技術只是工具，報告只是產出。我們 需要技術來進行數據分析，但這并不意味著數據分析就應該由IT的人來驅動。與此類似，財務管理也需要軟件來生成財務報告，但是它并沒有被劃歸到IT，因為 它涉及到財務審核和規劃。此外，很多人仍然不清楚數據分析和報告的概念之間的區別。在我看來，如果報告中沒有任何信息被翻譯為可以影響商業產出的見解，那 么這就不是數據分析，僅僅是報告而已。
      第二個誤解是關于見解（insight）的。
       見解是很重要的，很多公司抱怨說報告沒有見解。首先，我認為不應該期望從報告中得到見解，因為報告僅僅是提供一些數字來告訴您發生了什么；同時，您仍然需要找出為什么以及需要做什么。
找出見解是一個探索和學習的過程。它必須由徹底理解業務的人來發起，問正確的問題，分析相關信息之間的聯系，找出能引向可能行動的見解。找出見解的過程不能外包給對您的業務并不太懂的第三方。
       數據分析也是一個人和數據之間交互和協作的過程；因此，技術在這里對改善業務工作效率而言扮演者重要的角色。報告僅僅提供靜態的信息，但我們需要快速而動 態地獲取來自多個數據源的相關數據來回答突發的商業問題并找出見解。沒有技術，從無數靜態報告中獲取見解將會占用大量時間，非常困難。
     最后一個我想要說明的要點是關于制定聰明決策的過程。
      我知道很多公司都把處理數據分析的職責交給內部人員或外包給第三方的服務提供商。然而，這些內部人員或服務提供商并沒有權威、影響力或權力去參與戰略和決策制定。
結果，數據分析帶來的增值并不能轉化為能夠帶來想要的商業成果的行動。
    在數據分析、戰略制定和決策制定的流程之間，需要有很好的整合和協作。豎井式組織架構和孤立的決策制定流程往往是實現數據分析的價值的重大障礙。
結論
      很顯然，這些年來信息技術的迅速發展，影響了我們商業流程、戰略制定和數據分析的方式。隨著社交媒體 / Web 2.0成為主流，以及開放數據運動，網絡上可用數據的數量正在呈指數級增長，也為數據分析帶來了很多新的挑戰。
       無論這些挑戰如何，我們都應該始終關注數據分析的基本概念。正如我們總是在任何業務中考慮人員、流程和技術，數據分析中也應如此。我們應該理解技術只是工具——它讓人們能夠獲取正確的數據和信息以找到相關的見解，而這些見解會在決策制定流程中被翻譯為戰略。
因此，數據分析的關鍵是制定聰明的決策，并記住基本原則是不變的——萬變不離其宗。