注册 登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

数据挖掘 营销应用

说出你的业务困惑, 看数据挖掘能否帮你解惑

 
 
 

日志

 
 

数据挖据实践应用(91,我遇到的互联网数据分析挖掘应用小瓶颈和小桎梏)  

2011-09-22 09:05:52|  分类: 数据挖掘的实践应 |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |
 

背景:不才跳入互联网行业两年了,一直从事面向消费者(用户)的支持数据化运营的数据分析挖掘工作,在工作中跟业务团队合作应用时碰到了一些大大小小的瓶颈和桎梏,就如下面列举的几点,其实,认真分析的话,这里的每个点都跟分析挖掘技术没有太大的关系,倒是反映了企业整体的数据化的意识和态度,有道是“擒贼擒王”,透过这些表面的瓶颈,让我们抽丝剥茧,拷问企业整体的数据化的意识和氛围吧。

一,“数据挖掘一定可以得到业务方需要的答案或者结论吗?”呵呵,这个世界唯一的“一定”就是“不一定”,数据挖掘也不能每次都圆满回答业务需求,因为很多时候业务需求的东西和假设本身就是伪命题。但是在企业实际的应用场景下,因为“一切向KPI看齐”,“一切以效益为中心”,面对销售部,营销部的需求,如果数据分析挖掘结论不能及时“迎合,满足”业务方的要求的话,会被业务团队评价为“不配合,不给力”。这在企业的不同部门之间本是最平常最司空见惯的“扯皮拉筋”,缺乏的是“换位思考”,但是总的来说,业务部门的数据意识和能力对其中的影响最大,当业务部门缺乏基本的数据意识和数据分析能力,不能正确评价自己的分析需求时,这个课题的价值,甚至这个课题的效果,很难得到客观正确的评价。

二,互联网行业的快速发展的特殊性,决定了用户使用行为模式的善变性,不固定性,这些善变直接导致了用户行为数据的不稳定性,进而直接影响了分析模型的固化效果以及优化迭代的频率。在传统行业,比如银行金融业,用户的行为模式在相当时间里基本上是比较稳定的,比如银行的储户他每个月的操作项目,操作频率,等等可能几年,甚至上十年都没有大的变动,所以在银行进行各种数据分析挖掘项目中,这些用户行为字段的输入可以考虑诸如6个月行为平均的方法确保预测模型的稳定性和相对持久性;而在互联网行业,我经手的这几个在线产品的用户行为字段,2个月以前的行为与本月的行为,都已经没有什么相关性了,当然这固然与特定的在线产品有关,但是这种多变性直接导致了针对这些在线产品的所有数据分析挖掘模型都缺乏持久的应用效果。目前,针对这个难题,我没有更好的办法,只能加强模型应用中的监控,提高模型优化修正的频率,缩短模型应用的周期,这个很累的,你懂的;

三,效率与规模的矛盾;互联网在线运营,如果单纯局限在“在线”手段上(如果没有传统的电销,传统的定向营销补充),相比传统的电销或者渠道而言就已经先天在力度上降低了许多;数据分析挖掘支持的在线运营效率固然高,但是其实际的有效覆盖面却经常缺乏规模,当KPI考量的是规模(付费数量,销售数量等等)而不是效率的时候,常常是达不到要求的。当然了,这里有个前提,就是产品的价值有个基本的保证,太差的产品再怎么运营也最多只能打鸡血,吃春药,是没有前途的。如何有效整合上述的“效率”与“规模”,在互联网的实际操作实践中,是目前值得关注的亮点和难点。

四,互联网企业的数据意识还基本上处于上世纪的“孤立的”观点,大家基本上事实上都是认为数据分析挖掘属于“数据分析部门的事情”,是一个“部门的职能”,而少有人能真正从企业的大战略和核心竞争力上真正认同“数据意识和水平是企业的核心竞争力,是企业全员的意识和能力,决不仅限于分析团队内部”。所以,数据分析团队和数据分析专家除了本职的分析工作外,还有个同样重要的工作,那就是对业务团队“传经布道”,持续地系列地有计划有不周地提升业务部门的数据分析的意识和能力。但是,现实中,如果数据分析团队的组织架构被至于业务部门之下,他是没有底气和资源去持续地推进业务团队的数据化意识能力改进这个过程的。这个问题非常严重,但是在中国市场几乎没有哪个互联网企业的决策层最高层意识到这些,不奇怪,因为他们不懂。不懂也不虚心听取建议和意见,所以我们可以看到在中国的所有知名互联网企业,数据分析团队和部门都是被置于一个中层甚至基层的组织构架下,“国外企业里司空见惯的企业VP挂帅分析团队”的阵容在中国企业里目前为止一次也没有出现过,这就是差距,意识的差距,眼界的差距,这是中国互联网的悲哀。

五,“屁股决定脑袋,为了形式而形式”。很多时候,数据分析挖掘工作已经有了明确有效的结论或模型,但是在投入应用中,业务方会基于自身的岗位定位和KPI提出一些无聊但是苛刻可笑的要求。比如,潜在付费用户模型和优质用户模型已经非常成功地锁定了近期最有可能付费的用户群,但是当这些解决方案拿到业务部门的手里时,如果这个业务部门只是负责“运营阶段”的操作而不最终负责“付费用户转化”的目标的话,这个业务部门会提出“为了能证明他们的工作效果,要从这个分析挖掘解决方案中找出一些中间层面的指标,显示该部门阶段性工作成果,具体量化该部门的贡献”。于是要人为地提炼几个运营相关(而不是跟付费有关)的行为字段,由该部门针对这些字段进行运营活动。这就是典型的“屁股决定脑袋,为了形式而形式”,很多时候,你要纠正类似肤浅的错误的认识,花费的时间比分析挖掘的时间都要长,都要费劲。(这里关键的误区在于,商业实践中,用户是否付费是由诸多因素的很复杂的非线性关系决定的,并不是某些业务部门想当然的“单个变量与是否付费的显著的线性关系”)。

“一个巴掌拍不响”,企业决策层管理层也好,业务部门也好,千错万错也一定有数据分析团队和分析专家的错,作为一个数据分析专家,他的“岗位要求”本来就不局限于数据分析技术的层面,他必然肩负沟通管理层和培养教化业务团队数据能力的责任,如果一个数据分析人员只认识到数据分析技术层面的工作需求,无视管理层的沟通和业务团队的培训提升的话,这个分析人员是不配称为一个“真正的数据分析专家”的;将心比心,企业的决策层,企业的业务方和分析团队分析人员,都是责任方,都有义务都必须投入企业的数据化运营的建设,但是,其中最决定性的因素,一定是来自企业的管理层决策层,因为只有这些管理层决策层才拥有企业的资源支配权,也只有他们才是真正要对企业的未来负责的最直接的责任人。
  评论这张
 
阅读(3540)| 评论(1)
推荐 转载

历史上的今天

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2017