1. 数据分析网首页
  2. 大数据
  3. 数据分析

数据化运营系列:数据分析思维入门(4)——反馈

数据分析最难的,不是EXCEL技巧、不是SPSS和R语言、也不是SQL技术,而是思维!

数据分析最难的,不是EXCEL技巧、不是SPSS和R语言、也不是SQL技术,而是思维!

小编认为,优秀的数据分析师必须具有三个特质:

精于数据、擅长思维、理解商业;

什么是思维?怎样培养思维?

下面,小编精心准备了第四堂课,送给对俺不离不弃的小伙伴们。

全系列目录如下:

数据化运营系列:数据分析思维入门(4)——反馈

今天是本系列文章的最后一篇了——

Part4 反馈

[序 被丢弃的“后”数据]

对于大多数“理工男”学科的数据分析师而言,把数据报告做出来后,用outlook一发,便意味着这项分析工作的完成。

但是,我们辛辛苦苦做出来的数据,别人能接受吗?接受了50%,还是80%?看到数据后,有没有引起他们其他方面的联想和疑问?这些联想和疑问对下一次数据分析是否有修正作用?—-对于这样的反馈性数据,其实都是他们忽略(丢弃)的。

【正文】 Part4 反馈

这里的反馈,有两层意思。

一是要保持持续的数据跟踪;

二是要听取外部对数据报告的反馈,并修正;

前者是从数据层面的观察,比如店铺页面改版,我们要持续观察3天后、7天后、30天后的相关数据,才能得出较为客观的分析结论;

数据化运营系列:数据分析思维入门(4)——反馈

后者是从需求匹配层面的深层沟通,比如店铺页s面改版,我们观察3-7天后,从数据角度向业务部门提出参考意见,一起探讨修正意见,作出微调。然后再观察3-7天后,再重复沟通、修正,一直循环直至达到改版的预期效果。

数据化运营系列:数据分析思维入门(4)——反馈

这就是反馈,准确的说。

【反馈】的目的是为了“捡回”数据报告的“后数据”。

最后,良好的反馈可以帮助你快速获得外部的认可和信任。

反馈需要一点沟通能力与技巧,对于大多数数据分析师来说,这些技巧可能很难。但是,如果你要从优秀到卓越。那么,你一定要勇敢的“走出去,与外部沟通,获得外部的反馈”,

看完这一篇后,希望你能具备这种勇气!

好了,第4课的内容到这里就结束了。

后序:

数据分析有一大陷阱,一大批刚入门的分析师都认为:数据分析师都是从‘表哥’成长起来的。用表格把数据做好是数据分析师必备的技能之一。

这种认知,其实是非常不全面。因此会误导许多入门的新人。

因此,《数据分析思维入门》系列共四篇,都是小编从自己工作实践中体验和总结到的经验。希望传递给大家的是一种尽量完整,而且尽量准确的分析理念。

这些理论,可以总结如下:

1、数据分析不是脑筋急转弯。在开始分析之前,要学会提问,找准动机,确定目标;

2、数据分析不能满嘴跑火车。要切中要害,具备快速抓到核心问题的能力;

3、数据分析的结论是来指导运营的。分析方法其实很简单,三种足以:对比、分类、细分;

4、数据分析者不能丢弃分析“后”数据。语言和文字也是数据,要注重反馈,收集语言类数据;

回过头来看这四课。

【迂回】【反馈】是教我们如何处理语言类数据

【衡量】【分析】是教我们如何处理数字类数据

把四个课题串成一条线,便是整个数据分析完整的思考模型。

数据化运营 | 数据分析思维入门(1)——迂回

数据化运营 | 数据分析思维入门(2)——衡量

数据化运营 | 数据分析思维入门(3)——分析

数据化运营 | 数据分析思维入门(4)——反馈

来源:取真经电商大数据(本文已获得授权)

链接:http://www.quzhenjing.com/articles/hAQANNXQRMVgw8Sx5j0TUt2SLyY7TQcp8xvgg8fm9H4

本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流,内容版权归原作者所有,如涉作品、版权和其他问题请给「我们」留言处理。

发表评论

登录后才能评论

联系我们

如有建议:>>给我留言

QR code