商業分析、數據分析、算法模型三者有什麼關係?(另贈送教程資料

2019-07-27     一枚丶程序媛呀

我們常說,辦事情要「名正言順」,而數據領域的名字則是格外的多,商業分析、數據分析、數據挖掘、算法模型……經常把大家繞暈,今天系統科普一下。

商業分析VS 數據分析

廣義上的數據分析,指的是「利用數據對XX問題進行分析」。包括了數據採集、數據存儲、數據清洗、數據計算、結論輸出、數據可視化等部分。大家注意到了,這裡是有個空白的XX沒有填的。實際上,廣義上的數據分析是一個基礎技能,可以利用到很多很多領域。空白處可以填學術、理論、科學、醫療、教育、情感、心理……等等名詞。是滴,這個空白處也可以填「商業問題」。如果是:利用數據分析方法進行商業問題的分析,那就是商業分析了。商業分析是廣義的數據分析方法的一個具體應用場景。

狹義上的數據分析, 應該叫「對企業內部系統採集的數據進行分析」。實際上,我們在招聘時看到的要求懂sql,hive,python,R等軟體操作的「數據分析崗位」,指的都是狹義的數據分析。這些分析工作基於企業網站、APP、訂單、售後、客服、物流、財務系統記錄的數據,進行計算、建模、報告等工作。

內部數據質量不行,是個永恆的問題,也常常成為分析的死穴。不懂數據的人往往想當然的認為:數據不是很多嗎,分析分析就好了呀。可真正做數據工作的都知道,急躁的業務領導、投機取巧的同事、薅羊毛的用戶、落後的IT建設,都會讓內部數據看似龐大,實則一塌糊塗。常見的內部數據的分類與問題,簡單歸納如下,大家感受一下:

商業分析不僅僅利用企業內部系統數據,還需要大量利用外部數據。它由四個構成部分:行業研究、定性訪談、定量調研、內部數據分析。因為影響企業經營狀況的因素,本身就包括了宏觀環境、競爭對手、內部組織、員工能力、消費者態度與意願等等方面。這些因素非常重要,但不一定都能通過系統採集到。因此就得靠多方面的信息採集來滿足需求。具體每個部分的採集方式、用途,如下表所示:

真正進行商業分析,需要有綜合性技能和多方面獲取數據的能力。很多企業拿著做內部數據分析的要求招商業分析師,結果招來的人只會跑數據,沒有解決真實問題的能力。寫代碼的小哥每天對著銷售曲線發獃,冥思苦想不得其解。其核心癥結就在這裡:本身商業分析就不是敲兩行代碼就能完事的。至少要有行業研究-市場調查-內部訪談-內部數據分析四部分相互配合,不是200行代碼就能讓阿爾法狗子開口說人話:貴公司的問題是XXXX。200萬行代碼都不行。

更何況,很多企業對數據的重視程度遠遠不夠。

  • 有新政策出台也不知會;
  • 外部信息系統採集、共享機制不存在;
  • 內部做事情的背景、現狀、目標啥都不交代;
  • 不給做分析的同學走訪一線,了解實際的機會;
  • 遇到問題就知道甩給分析:「你建個模型分析分析」
  • 私下裡搞小動作,做分析的同學甚至是最後一個知道企業發生什麼事的人

這就讓做分析的同學們無米下鍋了。就更難通過分析產出效益了。

商業分析VS 算法模型

拜Alpha Go所賜,現在人人都知道人工智慧很厲害。阿爾法狗子一聲汪汪,咬哭了柯潔,也讓人們產生了無數對人工智慧、算法模型的幻想。實際上算法模型最大、最成功、最多精力去做的內容,和數據分析沒啥關係。算法模型目前比較成熟應用的領域,在於圖像識別、語義識別、路線規劃等方面,具體應用在安防、風控、物流、駕駛等領域,是基礎的工業級應用。

在商業領域算法的用處相當有限。因為本身企業經營靠的就不一定是精細的計算,政策大勢、老闆的資源、員工創新、創意、創造能力,這些都很難用數據量化。換句話說:如果給定圍棋的規則讓算法去學習,算法可以打敗最一流的高手;但在商業領域不是下圍棋,有可能明年下棋的規則都變成在圍棋盤上擺車馬炮……別說阿爾法狗了,阿爾法噴火大恐龍都搞不掂。

因此,在商業領域算法往往應用在特定場景上。第一類常用的是直接針對用戶場景的算法。具體場景往往有以下特點:個人決策、封閉信息、一對一溝通、用戶決策容易被營銷策略影響、數據指標多需要壓縮、創意影響較少。比如常見的:風控。都是個人申請資料,金融機構審核。如果這個人信用不好,我們也沒必要幫助他好,拒絕他就是了。設計信用的指標很多,單靠一兩個指標很難判斷,因此可以建模(最常用的是邏輯回歸)來區分用戶風險等級。類似的如推薦算法或者大數據殺熟,往往在APP里應用多,欺負的就是一對一的封閉場景溝通。如果真在實體店搞這一套,估計早就被客人告到工商局,或者乾脆砸了招牌走人。

第二類常用的是預測算法,包括基於時間序列和因果關係預測兩類。商業分析很需要對未來發展趨勢做預測,因此需要算法輔助。常見的用法、優缺點如下表所示

第三類是用來降維的算法。包括因子-聚類分析、AHP、主成分分析等。往往是評估一個問題,考慮指標太多的時候,需要做降維處理,壓縮指標方便評分。常用於評估類問題,比如項目、新產品、品牌評估等等。

綜上,可以看到算法模型在商業分析中是非常有用的,可它本身不能替代商業分析,更不是一個問題思考不清楚了,就甩給做分析的同學:「人工智慧好厲害,快人工智慧分析一下為什麼我們業績做不起來」。業績是做出來的,不是算出來的。更多的商業問題是和人的主觀能動性有關,因此脫離人的因素去指望算法,最後就淪為數字遊戲。

以上就是商業分析、數據分析、算法模型的關係與區別。用一句話概括,可以說是:商業分析是數據分析方法在商業問題的具體應用,算法模型是一個有效解決特定商業分析問題的工具。

當然了,這些歸根結底都離不開Java python 大數據啦!所以小編把19年整理的乾貨拿出來給大家分享,祝大家早日拿高薪!資料很全哦 只有你想不到的、沒有你沒有哦!

重點是小編都免費分享哦了、不用你花一分錢 可以得到!

獲取方式:只需轉發關注,然後私信小編我「學習」即可統統帶走!

文章來源: https://twgreatdaily.com/zh-cn/E94gPWwB8g2yegNDbCEH.html