数据分析场景探讨

未分类

总览

财务/市场分析

最常见的公司分析，EXCEL即可完成，重复度较高，图形化后有较大价值，是会议和汇报的主要表格和图形素材。
目的: 通过对财务/用户/市场等数据的分析，衡量公司的财务规划、计划实现、投资回报等。
流程: 收集数据（易） -> 数据清洗（易） -> 维度调整（透视表） -> 图表结论
应用行业: 所有
需求:

• 替代重复性操作
• 更深层的分析 （举例: 销量增加的原因更有可能来自广告投入还是产品迭代？）
• 多维度的交互对比 （举例：自动对比与其有关的其他数据，如得到本月利润率后，自动对比上月，去年同期等）
• 简单的线性预测 （举例：已知前6个月不同天气下门店销量情况，且已知未来7天天气。预测下周销量，提前备货）

商业数据分析

常规数据分析岗职责，一般具有明确的问题和目的。EXCEL较难完成任务，难度中等，重复度较低，结论有较大价值。通常使用传统分析软件如SAS、SPSS或编程语言如Python、R等完成。解决诸如分类（聚类）、预测等任务。

目的：在已有数据下，尽可能准确的得到某种结论，辅助商业决策。
流程：了解问题 -> 收集数据（中） -> 数据清洗（中） -> 模型制作（难） -> 结论
应用: 数据较为全面且有价值的公司；互联网行业；
需求:

• 数据清洗 （备注：本质上缺少一种操作复杂度高于EXCEL，低于编程语言的便捷性处理方式）
• 模型/参数的对比/选择 （举例：数据使用哪种模型/参数效果最佳）
• 对结论的二次处理 （举例：对结论的自动图表化）
• 运算中的过程和通知 （备注：类似tensorboard）

用户研究

涵盖用户分类和用户画像，在大量用户数据的情况下，分析用户背景、行为、心理，实现用户的分类和画像，并能通过模型对用户进行先验。EXCEL无法完成任务，重复度较低，是对问题的不断深入研究。
目的：支持营销或产品功能，增长其他数据价值。
流程：收集数据（易） -> 数据清洗（中） -> 模型制作（难） -> 结论
应用: 有能力收集多维度的用户数据，重视个人用户的公司。
需求:

• 数据处理 （备注: 处理的本质是尽可能建立更多有价值的feature，提升模型准确率）
• 模型/参数的对比/选择
• 可上线的模型

统计/制图

最基本的数据需求，常见于在三位以下的维度中对某项内容统计或制图。EXCEL即可完成，图形化后能直观了解数据。
目的: 通过对财务/用户/市场等数据的分析，衡量公司的财务规划、计划实现、投资回报等。
流程: 收集数据（易） -> 数据清洗（易） -> 维度调整（透视表） -> 图表结论
应用行业: 所有
需求:

• 快速制图
• 图表美观

数据挖掘

在海量数据中搜索分析有价值数据，一般有一定方向而非目的。EXCEL无法完成任务，难度较高，重复度较低，运算量较大。

目的：通过找出并分析有价值的数据，制作模型或分析以得出结论，以此推动业务的进步，提升公司整体效率。
流程：收集数据（中 ） -> 对比数据（难） -> 数据清洗（难） -> 模型制作（难） -> 模型/结论
应用: 数据价值大、数量多、形式条目驳杂的中大型公司。
需求:

• 运算速度 （举例: 可能随时面对数T的数据；备注: 可将问题降维到服务架构/运算成本/技术优化三者关联的问题）
• 模型/参数的对比/选择
• 对结论的二次处理 （备注：本质是对数据结论的论证能力）

文本分析（不涉及AI）

EXCEL无法完成任务，重复度较低，难度中等，复用性较强。常用于舆情监控和客服数据分析等。
目的：通过分词、情绪分析、关键字提取等NLP算法方式，量化文本，提取出有价值的数据，往往作为一种监督手段。
流程：收集数据（易） -> 数据清洗（难） -> 模型/脚本制作（中） -> 模型/结论
应用: 类似电商，客服等重视和用户交互的公司
需求:

• 实时运算
• 可上线的模型
• 对结论的二次处理

金融数据分析（不涉及量化金融）

EXCEL即可完成任务，难度中等，复用性中等。主要是N个算法和工具的累加整合，往往不追求深度。因为模型过时较快和难以验证效果等原因，探索要大于深入，重复度中等。
目的：通过对算法的累加整合，形成一系列技术分析的叠加，形成模型得到最优化的结论。
流程：收集数据（中） -> 数据清洗（中） -> 模型/脚本制作（易） -> 模型/结论
应用: 对投资有兴趣的个人
需求:

• 大量的金融专用算法
• 较快的运算速度