業務實踐，數據分析應從細節入手_數據分析師

John Lucker是德勤咨詢公司顧問，他20多年來都沒有申請過一張新的信用卡。但是在過去的三年里，他卻收到了超過300份來自銀行，連鎖酒店，各種無奇不有的團體的邀請。這是一個或被稱為廣撒網式營銷的戰術，他認為這也是“非常古老的戰術 ”。

如果公司對他廣撒網時候分析了他過去和現在的行為，比如他多長時間申請一次信用卡或者他與他們的各項業務有怎樣的交集，那他們應該能夠預料到他的反應然后把他們的祈禱留給下一個更可能的客戶。 Lucker的個人經歷使他確信，像這樣的基本做法還需完善。 首席信息官們，是時候幫助你的營銷部門來進行更好的分析了。

但是，通過使用預測分析法來實現更好的分析可不是個普通的任務， Lucker說。它需要先進的工具和技術，以及數據科學家的特質-革新和創造力。他們共同指引企業去回答“細碎”的問題 – 這是他給“關于你可能面臨的最棘手業務問題的實際并且具體的問題”設定的標簽。

細碎問題與戰略目標相一致，與關鍵績效指標（KPIs ）相關 ，被設定為可操作性與信息性并重，有先見之明，而不是做事后諸葛亮。舉個例子？ Lucker建議道：

你的司的網絡口碑怎么樣，這將怎樣影響未來的銷售或產品？

你即將失去的1000個客戶是誰，為什么？

影響客戶忠誠度最強烈的因素是什么，為什么？你能做些什么來提高忠誠度？

你能否列出一個不好的客戶體驗帶來的惡果而你又可以做些什么呢？

雖然列出問題清單只是個起點?！澳銘搶⑺鼈儦w類到相應的分組，整理觀點和并使之聚焦在你的整體企業和客戶策略，以及所期待的關鍵績效指標上?！彼f。

可視化可以幫助人們掌握復雜的數據，但構建有易于消化這一特性的可視化可能會非常棘手。在The Data Warehousing Institute的網絡研討會上，獨立分析公司WiseAnalytics的總裁和創始人Lyndsay Wise概括出了能有所幫助的五條最佳操作。

1、簡化表示層。 “給一個人過量的信息并不能使它變得更容易被接收?！盬ise說?！白远x可視化建立在受眾基礎上。例如，數據科學家相對一般用戶，有能力，而且而很有可能已經訪問了不同類型的數據。此外，要讓指標和任何動作項能夠被很容易的找到。

2、為每一臺設備進行設計。移動設備必須被分解為自助式商業智能（BI ）應用和可視化兩部分，Wise說。對于IT部門來說，這意味著要追隨客戶。 “商務解決方案[應該]反映外部和工作之余使用的技術類型?！彼f。

3、突出顯示重要數據。弄清楚為什么需要對數據進行可視化，這可以用以幫助確定如何去表現它。揭示隨時間而動之變化的數據點，對畫面而言重中之重，它可以幫助用戶識別趨勢和機會。

4、專注于一貫的設計。 “設定一個內部設計風格，以反映組織的品牌形象和你希望通過分析實現的東西。 ”Wise說。它對可能從一個可視化跳轉到另一個的用戶更為容易，但它也更容易按照需求維護和向外擴展。另外，你可以一次培訓整個組織，她說。

5、不要忘了治理。數據可視化可以幫助打開整個企業的數據。將隱私和安全功能融入到設計中是至關重要的，并且需要提前規劃?！斑@些數據因素非常重要，它可能影響定價，開發成本以及數據如何在部門間被使用?！盬ise說。