接上文。。。

我们先把各种AARRR、RFM、帕累托、四象限等抽象一层,就得到了业务分析模型,是用一个个固化的结构来解释数据表现;

我们把聚类、分类、预测等抽象一层,就得到了算法模型,是用一个个数学公式来实现数据的演化;

把对比、细分、结构、递进抽象一层,就是数据分析方法,是用一个个技巧发现数据表达的内在含义;

把数据地图、固定报表、多维分析报告、大屏、A/B Test抽象一层,就是数据分析工具,是用一个个系统提升我们分析的效率。

我们把业务分析模型算法模型、数据分析方法、数据分析工具等再抽象一层,是什么?

有同学瞬间就通透了:哇,这不就是数据分析思维吗?抱歉,我们不需要名字,抽象一层之后叫啥其实无所谓,叫数据分析思维、叫数据思维、叫干饭思维都无所谓;我们真正在意的是再抽象一层之后,这一层的核心意义是什么?

我思考的结果是:不管是用业务模型来解释数据表现、还是用数据公式实现数据的演化、还是用技巧发现数据表达的含义、抑或是用工具提升我们数据分析的效率,本质上都是在做同一件事:一刀劈开是非对错。

三、数据分析不是故弄玄虚,而是贴合用户认知的建模

很多数据分析高手都曾说:数据分析其实就是把定性的事情转变为定量,这样我们就能够更具象化、标准化,能横纵对比,能细化放大,能把复杂的事情简单化。

这很对,也是数据分析的核心价值所在。

但是!我们量化分析之后呢?做什么?还是得回到我们最终用户身上,告诉他,这样好,那样不好,为什么;这么对,那么不对,为什么。

很多数据分析师还总结一个原则:只描述事实,不做判断。其实我认为不太恰当。在量化阶段的确需要这样做,但是在往下落的时候你还是只描述事实,不做判断,这样是没信服力的,价值也有限。另外还有一个恶果,就是描述事实谁都会,业务/运营就会说:你把数据给我就好了,我自己看。

所以我们必须要有这惊天一刀,劈开混沌,分清是非对错、好坏善恶;数据领域本来就有这个词,这就是“建模”。

来想举几个例子,可是自己公司的例子不能举,别人公司的例子又拿不到,非常恼火,不过有个非常好的角度可以给大家剖析一下举例子一定要真实的吗?未必!我们既然是想证明“一个模型如何说服别人”,那么反面的例子也是OK的,对不?

比如最典型的沃尔玛“啤酒+尿布”的虚假案例(感兴趣自行查找),到现在仍然是大数据发现商机的典型案例;他们就是通过“啤酒+尿布”这个奇特的建模角度告诉大家这样的商品组合很好。

这一点我们确认之后,再往下演绎试一下;既然数据分析思维的核心是一刀劈开是非对错、好坏善恶,套用一个词就是“建模”。那数据分析思维往下细化应该有哪些呢?实我们想来想去无非还是那些,方法论、资源、流程、工具、原则等等。那再往下拆解呢?当然也能拆解出来很多内容了,比如:

四、总结

OK,回到最开始那位同学提到的那个判断:“数据分析思维又是一个很虚的东西…”

数据分析思维很虚吗?在我看来,非常的实!无比的扎实——数据分析通过量化,把大众认知中的定性思维转变为定量思维,从而让我们更容易理解数据、看懂数据、比较数据。但是我们千万不能站在量化的高台上俯瞰用户,这样用户会离你原来越远。

我们还需要加一步,对数据和业务进行建模,一刀劈开是非对错,好坏善恶,回归到用户的二元认知中;告诉他们这个好,那个不好,为什么,这样用户才会信服你,认可你,接纳你——我认为这才是数据分析思维的核心奥义。