表象層，就像汽車儀表盤，實時告訴你發生了什么，并適時做個警報提示等等，是what。分析師要做的事情就是搭建指標體系，進行各種維度的統計分析。


      本質層，像診斷儀，不再停留在觀察肉眼可見的表面癥狀，而是去檢測身體內部的問題，這個層面要揭露現象背后的動因，找到規律，是why。主要做的事情就是進行個案分析獲得需求動機層面的認知，然后對個體進行聚類獲得全面的洞察。


      抽象層，是特殊到一般的過程，對業務問題進行抽象，用模型去刻畫業務問題，是how。這個層面做的事情就是把問題映射到模型，然后再用模型去做預測，減少不確定性。其產出主要是分類（標簽）和排序（評分）。


      現實層，是一般到特殊的過程，將抽象的模型套用到現實中來，告訴大家如何去行動，是when、where、who and whom。就像航標，要時刻為業務保駕護航，指導業務的行動。其產出主要是規則和短名單。


      在明確數據分析的層次后，要想從洞察到行動，需要做到四個層次的穿透和每個層次的深入。首先，分析要能夠穿透各個層次，只有上下貫通，數據分析的價值才能立竿見影。其次，在分析的每個層次上要做的深入。


一、在表象層，看數據要深入。主要體現在兩個方面：

1. 從“點“到”線面體“，從看一個點的數據，到看線，看面，看體。

      一般來講，想看數據的人潛意識里是要成“體”的數據的，只是溝通過程中變成了“點”的需求，因為“點”簡單容易講明白，但是，這次給不了“體”的數據，下次還會圍繞“體”的數據提各種“點”的需求，這個時候我們需要延伸一下，提前想需求方之所想，就不用來回往復了。


2. 關注數據之間的邏輯關系

       這方面最值得借鑒的就是平衡計分卡了，平衡計分卡從數據指標的角度去看，就是一套帶有因果關系的指標體系。

       平衡計分卡通過Strategy Map把策略說清楚講明白，通過KPI進行有效的衡量，被評價為“透視營運因果關系的績效驅動器”（政大會計系教授 吳安妮），“將策略化為具體行動的翻譯機”（臺大會計系教授 杜榮瑞）。


       平衡計分卡對我們的啟發是，人人可以梳理出一套和自己業務相關的有邏輯關系的數據指標體系，通過它實現聚焦和協同。


二、在本質層，深入理解業務模式，并跳出既有的思維模式，建立新的心智模型。

      比如我們看淘寶，淘寶業務的本質是什么呢？其中一個答案是復雜系統。

      大家都知道，淘寶是一個生態系統，淘寶是一個典型的由買家、賣家、ISV、淘女郎等各種物種構成的復雜系統，阿里巴巴是一個更大的復雜系統。


      復雜系統對我們的啟發是，關注個體（系統內部買家賣家等參與者）的同時，注意分析個體在群體中位置和角色，分析群體的發展潛力、演化規律、競爭度、成熟度等，分析群體和群體之間關系。同時，對應的抽象層建模的方法也要與之適配。


三、在抽象層，微觀上構建更加抽象的特征，宏觀上構建更加抽象的模型。

1. 在既有的分析和挖掘框架下，構建更加抽象的特征（也可以理解成維度、指標）。

      這個可以類比現在最火的Deep Learning技術，如果對一個圖片進行識別，即使你獲取的是像素信息，深度學習可以自動學習出像素背后的形狀、物體的特征等中間知識，越上層的特征越接近真相。

 1、對我們的啟示就是，在交易筆數交易金額這種“像素級別”特征（指標）的基礎上，可以考慮是否交易筆數連續上升、營銷活動交易占比等帶有業務含義，更加抽象同時接近業務的特征（指標）。用抽象的特征去建?？梢蕴嵘Ｐ偷男Ч?，用抽象的指標去分析可以更貼近業務需求。


2.宏觀方面，可以用更加抽象的方式對業務進行建模

      在前面提到淘寶是復雜系統，我們也可以對復雜系統進行建模。做些適當的簡化，對淘寶做一個高度抽象，那就是一個字“網”。節點是買家、賣家等物種，邊就是購買、收藏、喜歡等行為產生的關系。整個淘寶就是一張大網。

 圖注： 不同的顏色表示不同的細分互動市場，點代表的是店鋪或者會員，連線表示會員是店鋪的熟客，點的大小對店鋪而言代表店鋪的熟客數，對會員而言代表常購買的店鋪數，越接近圖的中心越表示大眾化的需求，越接近圖的邊緣越體現需求的個性化。


      建立這張大網之后，我們就可以做深入的分析，比如市場細分，個性化推薦等等。


四、在現實層，要深入到業務中去，不斷提升對相關業務的認知能力。

      心態上不要自我設限，分析無邊界，分析師要主動參與到業務模式、產品形態的規劃和設計去。要了解業務，在此基礎上靈活運用模型的產出，比如：一個風險控制策 略，假如已經有一個風險事件打分模型對風險事件打分排序，分析師可以根據業務需求靈活設計模型的使用策略，例如，對于風險得分最高的時間，機器自動隔離， 風險得分偏高的，用機器+人工審核的半自動方式進行隔離。模型是死的，活用靠人。

數據分析師