如何進(jìn)行有效的數(shù)據(jù)分析.ppt

如何進(jìn)行有效的數(shù)據(jù)分析 網(wǎng)站參謀部 金雪 Aug.2008,人= 吃飯 + 睡覺 + 上班 + 玩 豬= 吃飯 + 睡覺, 代入:人= 豬 + 上班 + 玩, 即:人 - 玩= 豬 + 上班. 結(jié)論:不懂玩的人=會(huì)上班的豬,男人= 吃飯 + 睡覺 + 掙錢 豬 = 吃飯 + 睡覺 男人= 豬 + 掙錢 豬= 男人 - 掙錢 結(jié)論：男人不掙錢等于豬。,女人= 吃飯 + 睡覺 + 花錢。 豬 = 吃飯 + 睡覺。代入上式得： 女人= 豬 + 花錢。移項(xiàng)得： 女人 - 花錢=豬 。 結(jié)論：女人不花錢的都是豬。,男人 + 女人=2吃飯 + 2睡覺 + 掙錢 + 花錢=2(吃飯 + 睡覺)=2豬 結(jié)論：男人 + 女人就是兩頭豬,思考：?jiǎn)栴}出在哪里？,提 綱,什么是數(shù)據(jù)分析 數(shù)據(jù)分析可以幫你作什么 如何作有效的數(shù)據(jù)分析 一些數(shù)據(jù)分析的常用方法 如何有效地Present 分析結(jié)果 案例分享,什么是數(shù)據(jù)分析,請(qǐng)牢記： 所有的分析要從“結(jié)果” 出發(fā)，沒有結(jié)論的數(shù)字羅列并不是分析； “結(jié)果”：發(fā)現(xiàn)問題和解決問題。,什么是數(shù)據(jù)分析,我的一些感受： 數(shù)據(jù)分析不是一門復(fù)雜的科學(xué)； 而是一些簡(jiǎn)單的“common sense”； 復(fù)雜的運(yùn)算通常只是令分析結(jié)果更差而不是更好； 絕大多數(shù)是簡(jiǎn)單的想法和簡(jiǎn)單的溝通 數(shù)據(jù)分析有時(shí)候是一門藝術(shù) 同樣的數(shù)據(jù)會(huì)有不同的解讀 優(yōu)秀和平庸的差異，有時(shí)候差在一種靈感,提 綱,什么是數(shù)據(jù)分析 數(shù)據(jù)分析可以幫你作什么 如何作有效的數(shù)據(jù)分析 一些數(shù)據(jù)分析的常用方法 如何有效地Present 分析結(jié)果 案例分享,數(shù)據(jù)分析可以幫你作什么？,企業(yè)運(yùn)用和實(shí)施 營(yíng)運(yùn)規(guī)劃 績(jī)效分析 投資與決策分析與檢驗(yàn),數(shù)據(jù)分析在營(yíng)運(yùn)規(guī)劃中的作用,尋找未來(lái)企業(yè)的“成長(zhǎng)引擎” 確定企業(yè)發(fā)展的助力和阻力 為長(zhǎng)期規(guī)劃和短期規(guī)劃制定“growing map - 發(fā)展線路圖”,Growing Map,2008年的阿里巴巴,2012年的阿里巴巴,從數(shù)據(jù)中了解和發(fā)現(xiàn)客戶：他們的類型，需求，行蹤，習(xí)慣，趨勢(shì)等等，為開發(fā)有價(jià)值的產(chǎn)品和服務(wù)提供源泉 讓數(shù)據(jù)來(lái)衡量產(chǎn)品和運(yùn)營(yíng)的效果，找到改進(jìn)和完善的方案 數(shù)據(jù)分析為戰(zhàn)略決策提供支持和建議,好的決策以數(shù)據(jù)為本，而不是靠拍腦袋和閉門造車,數(shù)據(jù)分析在營(yíng)運(yùn)規(guī)劃中的作用,績(jī)效分析與績(jī)效管理,什么才是有效的績(jī)效管理 量化的KPI 報(bào)表管理和設(shè)計(jì) 單一的KPI管理 vs 全面的KPI 管理 (BSC) 靜態(tài)的 vs 動(dòng)態(tài)的 只考慮成果的 vs 綜合考慮成果和成本的 無(wú)計(jì)劃/預(yù)測(cè)/控制的管理和有計(jì)劃/預(yù)測(cè)/控制的管理 無(wú)預(yù)警機(jī)制的管理和有預(yù)警機(jī)制的管理,遞進(jìn)的過(guò)程,投資和決策分析,舉例： Marketing 上的運(yùn)用： 新產(chǎn)品，新生產(chǎn)線的盈利預(yù)測(cè) 廣告的成本效益的分析，盈虧平衡點(diǎn)的分析 Operation: 提高勞動(dòng)生產(chǎn)率的敏感度分析 其他 買還是租,提 綱,什么是數(shù)據(jù)分析 數(shù)據(jù)分析可以幫你作什么 如何作有效的數(shù)據(jù)分析 一些數(shù)據(jù)分析的常用方法 如何有效地Present 分析結(jié)果 案例分享,問有效的問題,對(duì)業(yè)務(wù)的 理解是前提！,Page 5,如何進(jìn)行有效的數(shù)據(jù)分析,建立一些假設(shè),尋找正確的數(shù)據(jù),分解手中數(shù)據(jù)的關(guān)系,KISS,驗(yàn)證假設(shè)和結(jié)果的關(guān)系,Step1: 問有效的問題,問題是否真的有效的3 個(gè)檢驗(yàn) 檢驗(yàn)1- 復(fù)雜性檢驗(yàn) 問題是否直接并相關(guān) 檢驗(yàn)2- 有用性檢驗(yàn) 這個(gè)問題的答案是否對(duì)分析有幫助 檢驗(yàn)3- 可行性性檢驗(yàn) 我收集的數(shù)據(jù)是否真的能幫助我解答問題,問有效的問題-復(fù)雜性檢驗(yàn),如何量化PV增加的各種因素的影響，如廣告, 經(jīng)濟(jì)，新的主頁(yè)？,失敗案例,太過(guò)復(fù)雜，N多種問題被合并成一個(gè) 無(wú)法知道每種因素和瀏覽量增加的相關(guān)性，所以無(wú)法量化,失敗原因,成功案例,哪些因素導(dǎo)致最近一周PV急劇上升？,問有效的問題-有用性檢驗(yàn),中國(guó)供應(yīng)商自身產(chǎn)品的質(zhì)量和價(jià)格是否是影響其成交的重要因素？ 是否可以通過(guò)提高中國(guó)供應(yīng)商的產(chǎn)品質(zhì)量提高他的成交，繼而提高續(xù)簽率？,失敗案例,產(chǎn)品質(zhì)量當(dāng)然是成交的重要因素，了解了這個(gè)答案并無(wú)法幫助我們提高續(xù)簽率，因?yàn)榭蛻舢a(chǎn)品是我們不可控的。,失敗原因,成功案例,有效反饋數(shù)量多少是否是影響中國(guó)供應(yīng)商續(xù)簽率的重要因素？,問有效的問題-可行性檢驗(yàn)的,美國(guó)次貸危機(jī)在短期和長(zhǎng)期內(nèi)對(duì)阿里巴巴營(yíng)收有何影響？,失敗案例,有太多的因素你不可控制： 美國(guó)次貸危機(jī)將持續(xù)的時(shí)間； 美國(guó)次貸危機(jī)對(duì)中國(guó)外貿(mào)企業(yè)的具體影響； 美國(guó)政府和中國(guó)政府的應(yīng)對(duì)策略; .,失敗原因,成功案例,美國(guó)次貸危機(jī)爆發(fā)前后，來(lái)自美國(guó)的活躍買家和買家詢盤數(shù)量是否有影響？,Step2: 建立一些假設(shè),假設(shè)為什么重要 復(fù)雜的問題通常有很多潛在的答案 沒有強(qiáng)有力的假設(shè)，你會(huì)浪費(fèi)很多時(shí)間并沒有證明任何東西 正確的假設(shè)決定你收集怎樣的數(shù)據(jù)并如何看待他們,建立一些假設(shè)案例,問題：影響中供反饋數(shù)量的因素有哪些？,可能的假設(shè),需要的數(shù)據(jù),自身活躍度 阿里巴巴分配資源 同類產(chǎn)品的競(jìng)爭(zhēng)程度 廣告投入,-登錄次數(shù)；ATM使用時(shí)長(zhǎng) -發(fā)布產(chǎn)品數(shù)量；Repost offer數(shù)量 -主動(dòng)發(fā)送報(bào)價(jià)數(shù)量 -產(chǎn)品曝光次數(shù) -中供Minisite PV和Session -產(chǎn)品總數(shù)在該行業(yè)的排名 -產(chǎn)品曝光次數(shù)在該行業(yè)的排名 -購(gòu)買廣告（關(guān)搜和黃展）的次數(shù) -購(gòu)買廣告（關(guān)搜和黃展）的金額,一致性 免費(fèi)會(huì)員曝光數(shù)據(jù)只有從08年7月開始有，無(wú)法分析08年4月產(chǎn)品默認(rèn)搜索實(shí)現(xiàn)后對(duì)中供、ITP和免費(fèi)會(huì)員曝光資源分配的影響 Analysis was a flop - MMs did not use the same standards 精確度 數(shù)據(jù)不能準(zhǔn)確量化：例如銷售人員的銷售技巧 數(shù)據(jù)的取得很困難：例如客戶的數(shù)據(jù)如成交 時(shí)效性 聯(lián)合國(guó)關(guān)于各國(guó)經(jīng)濟(jì)和中小企業(yè)數(shù)據(jù)基本是2年前的,清楚各項(xiàng)數(shù)據(jù)的最合適來(lái)源 明白各項(xiàng)數(shù)據(jù)的局限性和可能潛在的錯(cuò)誤,Step3: 取得有效的數(shù)據(jù),常見的問題,Step4: 分解原因,為何要分解原因？ 一個(gè)問題往往有潛在的多個(gè)答案，如果不將多種因素分解，單獨(dú)分析，無(wú)法了解哪個(gè)才是真正的直接相關(guān)因素。 分解的原則：直接不交集 直接因素：因素和結(jié)果之間沒有其他可能的間接關(guān)系 例如：最近的周末都下雨 最近的雨天我們的PV 就下降 所以雨天是PV 下降的原因 案例失敗的原因：雨天和PV 之間有周末這個(gè)因素，而周末是PV 下降的原因。,分解原因的建議,分解原因的一些建議 問一問：每個(gè)原因是否已經(jīng)互不相交？ 問一問：每個(gè)原因是否是直接的，是否是其他原因的衍生產(chǎn)物？ 如何分析被分解的原因 (KISS原則) 孤立一個(gè)因素，將有無(wú)此因素的兩個(gè)結(jié)果進(jìn)行比較 例如：將某段到期中供中，按其是否在該段期間內(nèi)有無(wú)購(gòu)買廣告分群，再按這兩群人體的續(xù)簽率進(jìn)行對(duì)比，可大致了解廣告對(duì)中供續(xù)簽率的影響。,Step5: KISS 原則 -Keep It Simple and Stupid,分析被分解的原因的兩個(gè)KISS工具： “開關(guān)” 工具 影響前 vs 影響后 有影響 vs 無(wú)影響 “XY” 工具 X 影響因素 Y 產(chǎn)生結(jié)果,“開關(guān)”工具 案例,問題: 哪些是影響續(xù)簽率的重要因素？ 假設(shè): 訂閱Trade Alert能增加買家機(jī)會(huì)，從而可能會(huì)影響效果和續(xù)簽率 簡(jiǎn)單的分析方法： “有/無(wú)”訂閱群體的續(xù)簽率是否存在差異,續(xù)簽合同續(xù)簽率,新簽合同續(xù)簽率,N 無(wú)訂閱 Y 有訂閱,問題: 哪些是影響中供獲得曝光機(jī)會(huì)的主要原因? 假設(shè): 產(chǎn)品覆蓋面廣應(yīng)該是影響曝光的重要因素 簡(jiǎn)單的分析方法： 帶來(lái)曝光的買家搜過(guò)關(guān)鍵詞數(shù)（代表產(chǎn)品覆蓋面）與產(chǎn)品曝光次數(shù)的“XY”分析,“XY”工具 案例,Step 6: 驗(yàn)證假設(shè)和結(jié)果的關(guān)系,反復(fù)問自己幾個(gè)問題： 分析結(jié)果在邏輯上是否合理？ 是否有明顯的邏輯錯(cuò)誤？ 征詢前線同事的直接感受是否與分析結(jié)果相符？ 一些違反直覺的結(jié)果往往代表一定有什么東西你沒有考慮到。 什么東西是你的老板肯定會(huì)問的？ 假設(shè)他的問題 并準(zhǔn)備好你的答案 這就是為什么有些人就是與眾不同。,提 綱,什么是數(shù)據(jù)分析 數(shù)據(jù)分析可以幫你作什么 如何作有效的數(shù)據(jù)分析 一些數(shù)據(jù)分析的常用方法 如何有效地Present 分析結(jié)果 案例分享,數(shù)據(jù)分析一些技術(shù)方法,比較分析 對(duì)比參照數(shù)據(jù)，追蹤差異原因； 預(yù)測(cè)；去年同期；上期都可以是參照數(shù)據(jù)。 趨勢(shì)分析 最常用的報(bào)表手段 因素分析 中供反饋數(shù)與哪些因素相關(guān)？ 自身活躍度？排名？廣告？產(chǎn)品數(shù)量？ 某些工具：相關(guān)系數(shù)等。 比率分析 常用的財(cái)務(wù)上的比率分析有：資產(chǎn)負(fù)債率； 人力資源管理上經(jīng)常用的是：人員周轉(zhuǎn)率，人員離職率等 在網(wǎng)站分析上： 粘度（PV/Session） Feedback Rate (Feebacks/接收人數(shù)),數(shù)據(jù)分析一些技術(shù)方法,組成分析法 將某一數(shù)據(jù)拆分，研究其組成，如： 國(guó)家組成分析 行業(yè)組成分析 內(nèi)部數(shù)據(jù)和外部數(shù)據(jù)的比較分析 中供與競(jìng)爭(zhēng)對(duì)手付費(fèi)產(chǎn)品性價(jià)比分析 層層篩選法 適用于選擇目標(biāo)市場(chǎng)和目標(biāo)群體 對(duì)多種影響因素按其重要程度進(jìn)行一定組合，先按第一組合選擇出較大范圍目標(biāo)對(duì)象，再按第二組合對(duì)第一組合篩選出來(lái)的對(duì)象進(jìn)一步縮小范圍，以此類推，得出最終目標(biāo)對(duì)象,較為復(fù)雜的分析方法,數(shù)據(jù)挖掘方法（Data Mining） 定義： 從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程。 優(yōu)勢(shì)： 可處理海量數(shù)據(jù) 可分析N種影響因素對(duì)結(jié)果的影響程度 可根據(jù)歷史來(lái)預(yù)測(cè)未來(lái),分析方法舉例1,在這張圖中可以看到： 比較分析 趨勢(shì)分析 3) 組成分析,分析方法舉例2,-層層篩選法,Potential Buyer Market Selection,Top 23 Potential Buyer Markets,4. Daily B2B UV,Source: UN Comtrade,Source: World Bank,Source: Economist,Source: Alexa,Step 1,Top 15 Potential Buyer Markets,Step 2,分析方法舉例3,-數(shù)據(jù)挖掘神經(jīng)網(wǎng)絡(luò)分析法,1. 模型Clementine流截圖,ITP Leads新簽概率模型,2. 神經(jīng)網(wǎng)絡(luò)關(guān)鍵字段,ITP Leads新簽概率模型,分析方法舉例3,-數(shù)據(jù)挖掘神經(jīng)網(wǎng)絡(luò)模型,影響因素,重要程度,提 綱,什么是數(shù)據(jù)分析 數(shù)據(jù)分析可以幫你作什么 如何作有效的數(shù)據(jù)分析 一些數(shù)據(jù)分析的常用方法 如何有效地Present 分析結(jié)果 案例分享,有效的分析必須匹配完美的演示,了解你的聽眾 談?wù)勊麄兏信d趣的東西 假象他們的問題，并準(zhǔn)備你的答案 一張圖表勝過(guò)千言萬(wàn)語(yǔ) 為每一