如何進行有效的數據分析網站參謀部金雪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.結論:不懂玩的人=會上班的豬,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。移項得：女人-花錢=豬。結論：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豬結論：男人+女人就是兩頭豬,思考：問題出在哪里？,提綱,什么是數據分析數據分析可以幫你作什么如何作有效的數據分析一些數據分析的常用方法如何有效地Present分析結果案例分享,什么是數據分析,請牢記：所有的分析要從“結果”出發，沒有結論的數字羅列并不是分析；“結果”：發現問題和解決問題。,什么是數據分析,我的一些感受：數據分析不是一門復雜的科學；而是一些簡單的“commonsense”；復雜的運算通常只是令分析結果更差而不是更好；絕大多數是簡單的想法和簡單的溝通數據分析有時候是一門藝術同樣的數據會有不同的解讀優秀和平庸的差異，有時候差在一種靈感,提綱,什么是數據分析數據分析可以幫你作什么如何作有效的數據分析一些數據分析的常用方法如何有效地Present分析結果案例分享,數據分析可以幫你作什么？,企業運用和實施營運規劃績效分析投資與決策分析與檢驗,數據分析在營運規劃中的作用,尋找未來企業的“成長引擎”確定企業發展的助力和阻力為長期規劃和短期規劃制定“growingmap-發展線路圖”,GrowingMap,2008年的阿里巴巴,2012年的阿里巴巴,從數據中了解和發現客戶：他們的類型，需求，行蹤，習慣，趨勢等等，為開發有價值的產品和服務提供源泉讓數據來衡量產品和運營的效果，找到改進和完善的方案數據分析為戰略決策提供支持和建議,好的決策以數據為本，而不是靠拍腦袋和閉門造車,數據分析在營運規劃中的作用,績效分析與績效管理,什么才是有效的績效管理量化的KPI報表管理和設計單一的KPI管理vs全面的KPI管理(BSC)靜態的vs動態的只考慮成果的vs綜合考慮成果和成本的無計劃/預測/控制的管理和有計劃/預測/控制的管理無預警機制的管理和有預警機制的管理,遞進的過程,投資和決策分析,舉例：Marketing上的運用：新產品，新生產線的盈利預測廣告的成本效益的分析，盈虧平衡點的分析Operation:提高勞動生產率的敏感度分析其他買還是租,提綱,什么是數據分析數據分析可以幫你作什么如何作有效的數據分析一些數據分析的常用方法如何有效地Present分析結果案例分享,問有效的問題,對業務的理解是前提！,Page5,如何進行有效的數據分析,建立一些假設,尋找正確的數據,分解手中數據的關系,KISS,驗證假設和結果的關系,Step1:問有效的問題,問題是否真的有效的3個檢驗檢驗1-復雜性檢驗問題是否直接并相關檢驗2-有用性檢驗這個問題的答案是否對分析有幫助檢驗3-可行性性檢驗我收集的數據是否真的能幫助我解答問題,問有效的問題-復雜性檢驗,如何量化PV增加的各種因素的影響，如廣告,經濟，新的主頁？,失敗案例,太過復雜，N多種問題被合并成一個無法知道每種因素和瀏覽量增加的相關性，所以無法量化,失敗原因,成功案例,哪些因素導致最近一周PV急劇上升？,問有效的問題-有用性檢驗,中國供應商自身產品的質量和價格是否是影響其成交的重要因素？是否可以通過提高中國供應商的產品質量提高他的成交，繼而提高續簽率？,失敗案例,產品質量當然是成交的重要因素，了解了這個答案并無法幫助我們提高續簽率，因為客戶產品是我們不可控的。,失敗原因,成功案例,有效反饋數量多少是否是影響中國供應商續簽率的重要因素？,問有效的問題-可行性檢驗的,美國次貸危機在短期和長期內對阿里巴巴營收有何影響？,失敗案例,有太多的因素你不可控制：美國次貸危機將持續的時間；美國次貸危機對中國外貿企業的具體影響；美國政府和中國政府的應對策略;.,失敗原因,成功案例,美國次貸危機爆發前后，來自美國的活躍買家和買家詢盤數量是否有影響？,Step2:建立一些假設,假設為什么重要復雜的問題通常有很多潛在的答案沒有強有力的假設，你會浪費很多時間并沒有證明任何東西正確的假設決定你收集怎樣的數據并如何看待他們,建立一些假設案例,問題：影響中供反饋數量的因素有哪些？,可能的假設,需要的數據,自身活躍度阿里巴巴分配資源同類產品的競爭程度廣告投入,-登錄次數；ATM使用時長-發布產品數量；Repostoffer數量-主動發送報價數量-產品曝光次數-中供MinisitePV和Session-產品總數在該行業的排名-產品曝光次數在該行業的排名-購買廣告（關搜和黃展）的次數-購買廣告（關搜和黃展）的金額,一致性免費會員曝光數據只有從08年7月開始有，無法分析08年4月產品默認搜索實現后對中供、ITP和免費會員曝光資源分配的影響Analysiswasaflop-MMsdidnotusethesamestandards精確度數據不能準確量化：例如銷售人員的銷售技巧數據的取得很困難：例如客戶的數據如成交時效性聯合國關于各國經濟和中小企業數據基本是2年前的,清楚各項數據的最合適來源明白各項數據的局限性和可能潛在的錯誤,Step3:取得有效的數據,常見的問題,Step4:分解原因,為何要分解原因？一個問題往往有潛在的多個答案，如果不將多種因素分解，單獨分析，無法了解哪個才是真正的直接相關因素。分解的原則：直接不交集直接因素：因素和結果之間沒有其他可能的間接關系例如：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：每個原因是否已經互不相交？問一問：每個原因是否是直接的，是否是其他原因的衍生產物？如何分析被分解的原因(KISS原則)孤立一個因素，將有無此因素的兩個結果進行比較例如：將某段到期中供中，按其是否在該段期間內有無購買廣告分群，再按這兩群人體的續簽率進行對比，可大致了解廣告對中供續簽率的影響。,Step5:KISS原則-KeepItSimpleandStupid,分析被分解的原因的兩個KISS工具：“開關”工具影響前vs影響后有影響vs無影響“XY”工具X影響因素Y產生結果,“開關”工具案例,問題:哪些是影響續簽率的重要因素？假設:訂閱TradeAlert能增加買家機會，從而可能會影響效果和續簽率簡單的分析方法：“有/無”訂閱群體的續簽率是否存在差異,續簽合同續簽率,新簽合同續簽率,N無訂閱Y有訂閱,問題:哪些是影響中供獲得曝光機會的主要原因?假設:產品覆蓋面廣應該是影響曝光的重要因素簡單的分析方法：帶來曝光的買家搜過關鍵詞數（代表產品覆蓋面）與產品曝光次數的“XY”分析,“XY”工具案例,Step6:驗證假設和結果的關系,反復問自己幾個問題：分析結果在邏輯上是否合理？是否有明顯的邏輯錯誤？征詢前線同事的直接感受是否與分析結果相符？一些違反直覺的結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問的？假設他的問題并準備好你的答案這就是為什么有些人就是與眾不同。,提綱,什么是數據分析數據分析可以幫你作什么如何作有效的數據分析一些數據分析的常用方法如何有效地Present分析結果案例分享,數據分析一些技術方法,比較分析對比參照數據，追蹤差異原因；預測；去年同期；上期都可以是參照數據。趨勢分析最常用的報表手段因素分析中供反饋數與哪些因素相關？自身活躍度？排名？廣告？產品數量？某些工具：相關系數等。比率分析常用的財務上的比率分析有：資產負債率；人力資源管理上經常用的是：人員周轉率，人員離職率等在網站分析上：粘度（PV/Session）FeedbackRate(Feebacks/接收人數),數據分析一些技術方法,組成分析法將某一數據拆分，研究其組成，如：國家組成分析行業組成分析內部數據和外部數據的比較分析中供與競爭對手付費產品性價比分析層層篩選法適用于選擇目標市場和目標群體對多種影響因素按其重要程度進行一定組合，先按第一組合選擇出較大范圍目標對象，再按第二組合對第一組合篩選出來的對象進一步縮小范圍，以此類推，得出最終目標對象,較為復雜的分析方法,數據挖掘方法（DataMining）定義：從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數據中，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的過程。優勢：可處理海量數據可分析N種影響因素對結果的影響程度可根據歷史來預測未來,分析方法舉例1,在這張圖中可以看到：比較分析趨勢分析3)組成分析,分析方法舉例2,-層層篩選法,PotentialBuyerMarketSelection,Top23PotentialBuyerMarkets,4.DailyB2BUV,Source:UNComtrade,Source:WorldBank,Source:Economist,Source:Alexa,Step1,Top15PotentialBuyerMarkets,Step2,分析方法舉例3,-數據挖掘神經網絡分析法,1.模型Clementine流截圖,ITPLeads新簽概率模型,2.神經網絡關鍵字段,ITPLeads新簽概率模型,分析方法舉例3,-數據挖掘神經網絡模型,影響因素,重要程度,提綱,什么是數據分析數據分析可以幫你作什么如何作有效的數據分析一些數據分析的常用方法如何有效地Present分析結果案例分享,有效的分析必須匹配完美的演示,了解你的聽眾談談他們感興趣的東西假象他們的問題，并準備你的答案一張圖表勝過千言萬語為每一張演示