大数据从业人员眼中大数据思维:相关关系大于因果关系

数据海洋
数据海洋
数据海洋
8
文章
0
评论
2020-04-1803:05:00 评论 118 1737字
摘要

这篇文章我们一起来谈谈,大数据思维的具体三个方面的构成。

第一块:大数据时代更多使用相关关系大于非因果关系

在传统数据分析中,我们更多是追求因素关系,例如:进行实验设计,通过控制某个变量的变化,来评估对相关结果的影响,以确定是不是这个影响产生的影响。

在企业里面当我们对某个现象或者问题不清楚的时候,更多会选择市场调研方式:通过设计问卷收集收集相关数据,或者通过邀请用户或者实地去访谈用户去了解原因,希望把问题原因搞的非常清楚。这种分析更多是追求因果关系 。

这是一个很规范,很严谨的方法,但是存在几个的"短板":

1、时间周期较长。

2、对研究总体更多是基于抽样的,无法针对每个个体

3、更多是事后的分析

在目前竞争环境激烈,需要快速决策的情况下,不过多的追求因果关系,更多是通过相关分析,找到事物之间的联系,根据这些联系快速做出判断和决策,是大数据思维中很重要一个方面。

第一,数据的时效性强,从问题提出到拿到相关数据可能只要几分钟。大大缩短的整个的时间周期。

第二,分析的对象是总体,同时又是可以针对总体中每个个体。

第三:分析是对象事前的一些行为特征。

也许这说的点抽象,我们以一个实际的案例场景来说明:

顾客流失是企业面临最大的问题之一,如果一个顾客花很大成本(互联网时代获客成本是非常高)吸引进来后,很快就流失了对企业是没有带来价值,企业都希望降低顾客的流失,尽量延长顾客生命周期。

要想避免顾客流失,首先想一定想分析顾客为什么流失,根据顾客流失的原因进行相应的策略的制定。传统的做法是通过调研&访谈,分析顾客的流失原因构成。进而你相应的修改业务的不足的地方,制定未来的优化策略。

如果使用目前的大数据可以直接通过顾客评论、退货、投诉等数据,很快的分析出顾客流失特征。但是这些分析很难明确回答一个顾客真正流失的原因,例如:一个流失顾客有过差评那是不是他就是因为对商品不满意而离开?可能不是,可能他离开是因为竞争对手搞了更吸引他的活动,或者竞争对手提供更好的物流体验。

但是我们通过大数据分析,我们可以分析得出有过差评的顾客流失可能性更高,这是流失顾客表现出来的一个特征,如果你对流失进行更深入分析,也许你会得出这样的特征:顾客客单价150元以上,只购买不超过2个商品,中间打过客服电话投诉物流太慢,这个顾客流失概率90%。但他为什么会流失?是不是因为物流,你很难下一个明确的结论,只能是猜测。但这不重要的,重要的是我通过这些相关指标,识别出了谁可能会流失?

这对商业来说相关的事前预警,这才是商业价值最大。因为商业目标是避免顾客流失,所以最好能事前就知道,他在发生这个动作之前就做了预防。如果当一个顾客流失后,你即使搞清楚他为什么流失【有时候很难搞清楚】,再做各类挽回策略,可能已经没有意义了,因为他已经走了。

但是这些事前相关分析,更多是显示一个信号一样,告诉你这些相关行为出现了,应该要及时做出相关预防【把精力放在行动上】。所以大数据时代,从数据服务商业角度来看,更多是追求相关关系,你不要过多的追求为什么?

但通过相样指标,需要做出相应判断决策,有时候很难,那就需要我们在上篇文章提到的:"相信数据",再补充一下:"相信数据,愿意依据和使用这些数据来采取行动。"

大数据时代,各企业竞争非常激烈,通过数据识别出机会点,哪怕没有搞清楚为什么,你也应该相应去行动起来。

记得去年淘宝公布过一个分析,"淘宝消费数据显示 女性胸围大小和消费能力成正比",说胸越大消费能力越高,其实对商业来说,分析背后的意义其实不大,更多是我知道,如果我要去找到高消费能力的人,可能选择这个指标就行了。

大数据从业人员眼中大数据思维:相关关系大于因果关系

经验总结:如果对一件事情,完全没有搞明白,就去做决定,总是会内心不安。所以使用迭代也许是一个不错的方法,也就是先开枪再瞄准,再开枪再瞄准。

以刚才案例来说,可以对有这种行为的顾客做相关的营销动作,收集回来看效果是怎么样的。如果效果好,全面推广,如果效果不好,我再通过数据分析,再做尝试,再看结果。

小结一下:

大数据时代,面对激烈的竞争环境,通过相关分析,而不是花时间追求因素关系,依据数据相关分析结果,快速做出决策,也许会是企业取得竞争优势基础。"天下武功唯快不破"!

End.

作者:数据海洋

本文为中国统计网原创文章,未经允许禁止转载,需要转载请微信联系授权(微信号:ishujiang)

  • 我的微信公众号
  • 微信扫一扫
  • weinxin
  • 我的微信公众号
  • 微信扫一扫
  • weinxin
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: