当前课程知识点:商业数据思维与实战 > 第二章 数据思维 > 2.2 大数据时代的数据思维 > 2.2.3 数据思维的应用示例
好 这一讲我们一起来看看
数据思维在实际中的应用
我们通过三个例子来了解
第一个例子
是全球卫星定位系统的数据应用
全球卫星定位系统
也就是我们通常所说的GPS
它是最先应用于军事的
在上个世纪80年代
GPS数据开始向公众开放
并投入使用
也带动了一连串的生产
和生活服务创新
从城市服务 汽车导航
精准农业耕种到物流通信等等
GPS可以反映人群的移动轨迹
可以用于优化城市的交通设计
比如
通过采集驾驶员手机的GPS数据
就可以分析出
当前哪些道路正在堵车
哪些道路是畅通的
我们可以依据此
来及时的发布道路的交通提醒
通过采集汽车的GPS位置数据
就可以分析在城市的哪些区域
停车较多
这也代表了该区域
具有较为活跃的人群
这些分析数据可以提供给
广告投放商来盘活数据资产
近期
中国北斗卫星导航系统组网成功
受到了全世界的瞩目
开放是大数据得以存在和发展的
首要条件和本质特征
政府 企业 甚至个人
我们都需要克服封闭和保守的思想
树立数据开放 共享和共赢的意识
数据只有在不断的应用中才能增值
通过各方数据的协同创新
才能产生聚变效应
创造出社会经济价值
第二个例子
是传统零售业的数据应用
2004年
沃尔玛通过分析历史交易数据记录
发现每当季节性飓风来临前
不仅手电筒的销量增加了
而且蛋挞的销量也会增加
沃尔玛作为零售行业的巨头
他们的分析人员
会对每个阶段的销售记录
进行全面的分析
在无意中的这个发现
超市的蛋挞和抵御飓风的物品
竟然销售量会出现同时的增加
于是 他们利用这个关联性
做了一个销售的决策
就是将蛋挞的销售位置
移到了飓风物品
比如说像手电筒的销售区域旁边
来方便顾客进行采购
从而也增加了门店的销量
提高了营业额
第三个例子
是电子商务企业的大数据应用
很多的互联网公司
都成立了专门的大数据部门
比如像阿里巴巴集团
通过对用户的电商 社交 搜索
支付等行为数据的收集
来制定商业决策
并且通过数据来找到创新产品机会
我们以支付宝为例
最初
支付宝是为在线交易的买卖双方
提供信用和担保的一个工具
随着支付宝用户数据的积累和增多
通过分析淘宝用户的支付数据
建立芝麻信用
帮助降低借贷风险
逐渐的在支付宝平台上发展出了
移动支付 余额宝 芝麻信用
花呗等金融服务产品
又通过连接电信 娱乐 公交等
发展出充值服务 电影购票
公交地铁打车等服务
进一步通过连接城市服务
生活服务
医疗健康发展出了缴费 车主
社保 公积金 诊疗挂号等等服务
在满足自己内部决策需要的同时
也给其他的公司进行数据赋能
比如
蚂蚁金服的数据产品芝麻信用
不仅能够为蚂蚁金服内部的
各种经营产品提供信用审核依据
也开放给了很多的行业
比如像出行 金融
共享服务公司等等
极大的提高了
基于信用服务的门槛和便捷性
通过这个例子我们了解到
发挥数据外部性的作用
实现跨界连接和应用的重要性
当我们具备了数据思维后
我们看到的就是一个数据的世界
在这个世界中
一切通过数据衡量之后
就可以进一步的对这些数据的宝藏
进行挖掘
如何运用数据思维
来挖掘实际的价值
我们可以做一个数据思维的小练习
我们用一个小例子来描述一下
如何运用数据思维
以及如何培养自己的数据思维
假设你在某个电商平台的
3C品类部门工作
当你发现过去三个月中
某个品牌的笔记本电脑销量
在稳步的下滑
你该如何运用数据思维去分析
要解决销量下滑的问题
不是直接从解决方案入手
而是一定要先研究问题本身
找到销量下滑的影响因素
也就是症结所在
分析问题的起因
然后再制定解决的办法
训练数据思维 培养数据的敏感度
要从定位问题开始
我们首先进行问题的分解尝试
用公式来分解问题
会让一个复杂的问题变得简单化
所以 当遇到类似问题的时候
我们首先考虑能否将它拆解成公式
销量是等于用户的数量
乘以购买转化率的
如果销量出现了下滑
要么是该产品的用户数量减少了
要么是购买转化率下降了
如果购买转化率不变的情况下
我们就可以进一步分析用户的因素
这里用户是由新用户和老用户
构成的
所以要么是新用户减少了
要么可能是老用户流失了
经过数据比较
我们发现老用户数量
并没有明显的变化
应该是新用户的数量出现了减少
新用户的数量又来源于三个方面
搜索来的用户
推荐来的用户和直接访问过来用户
所以 新用户数量减少的原因
可能是搜索流量的减少
或者推荐流量的减少
或者是直接访问量的减少
接下来
我们就会继续沿着这条路径去分析
三个方面的数据
回到我们最初的问题
你发现在过去的三个月中
某品牌笔记本电脑的销量
出现了稳步的下滑
除了新用户数量减少
其中还有别的什么原因吗
其实 在这里还有两个关键词
一个是过去三个月
还有一个是稳步下滑
要追溯问题的根源
我们可以顺着这两个关键词
进行分析
如果你发现销量是在稳步下滑
而不是突然间的断崖式下滑
这个下滑的幅度需要引起思考
这可能意味着
问题应该不会是由产品的性能
或者是一些外部的负面新闻
导致的原因
因为在那种情况下
销量会出现突然的下滑
或者断崖式的下滑
而不是稳步的下滑
其次 为什么是过去三个月
这个数据周期也值得我们注意
将销量和三个月之前做对比
不一定是一个好的选择
因为笔记本的销量
每个月应该都是不固定的
它会随着一些外部因素变化而变化
通常 我们在做数据的对比时
考虑到一年之中
可能会出现像“双11”这一类的
大促的因素
所以我们往往和上一年的同一时期
来进行对比
以排除季节性的原因
同时 我们还要假设
该品牌销量下滑的背后
是否还会存在一些别的因素
比如
是否所有的其他品牌的笔记本销量
都出现了下滑
还是只有某个特定的品牌
另外 除了本平台
其他电商平台上
该品牌的笔记本销量
是否也遭遇了同样的问题
这时 我们可以用爬虫去获取竞品
或其他平台的公开数据
比如像销量 像用户的评价
这一类相关的数据都可以爬取过来
进行分析
如果其他品牌的笔记本销量
也出现了下滑
可能整个电商渠道都受到影响了
这在很大程度上
可能是源于一些外部的因素
而不是内部的特定原因
反过来
如果其他品牌没有出现销量的
明显下滑
则有可能是该品牌内部原因造成的
又比如
假如其他的电商平台
该品牌的笔记本销量
没有出现明显的变化
只是在本品牌上出现了销量的下滑
这样
我们就能把问题归结到
先前拆解的公式上了
销量是一个
关于用户和转化率的函数
如果销量下滑
说明要么是用户数量变化了
要么是转化率发生了变化
我们再来看看
哪些是我们能够控制的原因
刚才已经说到 新用户的数量减少
我们可以把用户按照来源
进行不同的划分
第一种 是在本平台上
进行内部搜索的用户
又叫内部的搜索流量
第二种是通过搜索引擎
进行外部搜索的用户
我们可以把它叫成外部的搜索流量
第三种是在平台上浏览
并找到目标商品类别的浏览用户
我们可以把它定义成浏览流量
第四种
是直接打开特定商品页面的用户
我们可以把它定义为直接流量
我们的解决思路是
在这些不同的用户类型当中
锁定那些用户数量或者转化率
出现了下滑的类型
比如
如果外部的搜索流量下滑了
那我们可以对
可能造成PR值下降的原因
进行调查
再比如
如果是内部搜索流量下滑了
那可能是因为系统的搜索功能
或购买流程出现了变化
影响了最终的销量
回顾刚才这个例子
我们抓住出现问题的关键词
进行横向和纵向的对比分析
排除外部因素
再对问题进行逐步的拆解
直到找到问题的原因
以上就是我们运用数据思维
来分析问题的基本步骤
大家也可以尝试
用身边的一些例子
独立地做一些练习
数据思维的具体的方法和实践
我们在后面的课程当中
会继续深入的学习
本讲的内容到此结束
-1.1 数字和数字的产生
--测验1
-1.2 信息、信息技术和信息经济
--测验2
-1.3 数字经济及其特征、发展趋势
--测验3
-1.4 数据伦理
--测验4
-单元测验
-2.1 数据与数据思维
--2.1测验
-2.2 大数据时代的数据思维
--2.2测验
-单元测验
-3.1 大数据时代的商业模式变革
--3.1 测试
-3.2商业数据思维案例分析
-单元测试
-4.1 大数据时代下的统计分析
--4.1 测试
-4.2 数据分析基础
-4.3 统计分析方法专题Ⅰ
--4.3 测试
-单元测试
-5.1 统计分析方法专题Ⅱ
--5.1 测试
-5.2 文本分析
--评论语料
--5.2 测试
-结合从网络中已爬取的商业数据,讨论如何对其中的文本数据进行分析?
-单元测试
-6.1 商业选题
--6.1 测试
-6.2 数据提取
--6.2 测试
-单元测试
-7.1 数据预处理
--7.1 测试
-7.2 数据分析与挖掘
--7.2 测试
-基于对研究数据的预处理结果,讨论如何对其进行进一步的分析与挖掘?
-单元测试
-8.1 数据可视化
--8.1 测试
-8.2 报告撰写
--8.2 测试
-基于对数据不同阶段的处理结果,讨论如何对其进行可视化展示?
-单元测试
-期末考试