新闻资讯

过快、过量、过分:三类数据驱动型决议计划中的常见问题

公布日期:2016-11-30 10:34:10      作者:华腾信息
(作者:Elena Sigacheva 滥觞:网络大数据)

在大数据的时期,许多公司经由过程接纳数据驱动方法停止决议计划。在本文中我想谈一下我们在数据阐发历程中三种常见失误:过快–稳扎稳打、过量–图囵吞枣、过分–信息过载。

过快:稳扎稳打

还没找到实际问题就提出解决方案

不要担忧在定位成绩上破费太多工夫。关于越早开端动作,越能提早完成项目的实际不一定准确,假如未能充实了解枢纽成绩可能会华侈更多工夫。不管你是在考虑一个新的产物特性,对公司将来发展方向的战略决策,成立机械进修模子,仍是给你的同事写邮件,都要确保你有花工夫去理解项目的真正需求,而不是华侈了大量工夫和精神后才发明标的目的错了。

别忘了,你所要解决问题的范例决议了对应的解决办法。好比在数据科学范畴,成立模子前必需要理解该模子是为了增强挪用(你的模子在多大水平上能够反应特定数据),仍是增强准确性(在所有正向猜测中,有多少是精确的)。从最后开端定位项目目的有助于加强模子的准确性,低落漏报(针对挪用)及报错(针对准确性)发作的可能性。

《哈佛贸易批评》一篇相干文章推荐了以下办法协助你处理真正成绩>>>Are You Solving the Right Problem?

第一步:设定解决方案的需求

第二步:调解该需求

第三步:将成绩情境化处置

第四步:写下成绩陈说

另一个出名办法是MBA项目传授的“五问法”>>>MBA项目传授的“五问法” 一种由丰田集团开辟的问题解决本领,有助于经由过程反复拷问“为什么”来触及成绩的泉源。

过量:图囵吞枣

关于主要的和可有可无的目标不做辨别

糊口在大数据时期,我们能经由过程大量东西追踪各种用户活动,具有各类目标来界说每个用户的动作。但是有多少目标是真正有效的?你可以经由过程观察这些目标来得出可行的计划么?

主要的是质量而非数目。比起追踪局部的数据,不如试着找出那些真正可以权衡产物安康水平并加以改进的枢纽绩效目标(KPI)。按照商业模式,公司目的和产物生命周期,决议哪些KPI是你需求存眷的重点。
我推荐各人了解下Dave McClure的演讲,他将项目开辟的目标分红了五类:

用户获得

用户激活

用户保存

用户推荐

收益增长

Dave McClure的演讲>>>Customer Lifecycle: 5 Steps to success

另一个出名的极简办法是《精益数据阐发》(Lean Analytics)中提到找到“第一枢纽目标”>>>Video: Lean Analytics: One Metric That Matters (OMTM)

过分:信息过载

试图发明底子不存在的模式

由于我们的直觉其实不老是对的,而数据偶然使人惊奇,虽然我们不断在追求经由过程数据驱动停止决议计划,使用知识也很重要。要记着,模子世界其实不是世界自己。你的模子存在假定和局限性,偶然这些会将你引入歧途。不管模子报告你什么,无论是必定了你的猜测仍是报告你特别成果,你都要用本人的判断力,考虑猜测准确的概率以及旌旗灯号的激烈水平。

有时候被发明的其实不是“本相”。我们能够没有意识到,本人本人偶然在无意识的寻觅不存在的旌旗灯号。经由过程理解行业的更多方面,合作格式,宏观经济身分,周期性影响和其他身分有助于更精确的设定增加目的并根据数据得出科学的结论。比方,某些到场目标的降落不一定是悲观型号,能够只是周期性影响,客户投诉的增长能够是一个安康增加的迹象,由于它表现了用户基数的上升。

“相关性不一定是因果关系”在统计学中,这用来夸大两个变量之间的相关性其实不意味着一个身分会影响另一个。偶然人们浏览博客是为了优化他们的数据驱动决议计划,偶然工作就这么发作了。
奥门新葡亰娱乐场图片



联系地址:国外福建省泉州市丰泽区东海大街雅园3号楼24层  |  联系电话:0595-22501050  |     |    |