大数据分析：建立联系业务与数据的桥梁

前面有篇文章谈到，数据分析工作应该分成两步走：第一步把业务需求转化成明确的数据分析问题，第二步进行数据分析。如果第一步做得好，第二步就是机械性的工作。最后能做到什么程度，与数据分析水平的关联度很小。对于业主公司来说，进行大笔投资之前，就可以大体预期成果；对于数据分析师来说，可以摆脱了一些不必要的责任。因时间关系，观点谈得不透。这里再补充一点。

如前所述，这样做的目的，是提高数据分析的工作效率、避免无效的探索。人们可能最怀疑的事情就是：这一点能做到吗？我认为能达到。能达到的依据，是不要过多地寄希望于那些需要很高明算法才能解决的问题。其实，大多数的实际问题，不需要特别特殊的算法来解决。我们常听人说所谓的“二八原则”。把这个经验用到这里就是：80%的问题可以用20%的时间来解决，剩下20%的问题需要用80%的时间来解决。从效率上看，我们的重点是抓住这80%容易解决的问题。而解决这80%的问题，关键是少犯低级的错误导致的无效劳动；而这些低级错误，往往是对业务和数据缺乏理解导致的。

大数据分析的目的是创造价值，手段是通过数据获得真实的结果。所以，所谓的低级错误就包括了两部分内容：第一部分是没有获得真实的结果，第二部分是即便获得了真实的结果，也无法创造价值。前面提到的第一步，就是确认这两件事情不存在——只要存在，就意味着有些活白干了、数据分析的效率低了。

先看第二部分，就是要判断：如果有了真实的结果，是否能够创造价值。要回答这个问题，必须明确创造价值的业务流程。业务流程不能是想象出来的、是深入调查研究的结果、要用户白纸黑字来确认的——记住：有些用户其实也不是那么明白，凡事多问几个为什么、多找几个不同部门的人问问总归是好的；要想真正放心，就要做到：知其然也知其所以然，明白用户为什么会提出这样的需求。这里常见的一种问题是：用户说，如果分析得好就是有用的——而这种分析得好，可能是永远无法实现的。所以，实现要调研清楚，分析结果要好到什么程度。

对于第一部分，就是要判断：分析的结果到底能精确到什么程度。分析结果为什么不精确？大体有几个原因：1、可以得到的数据有限；2、数据的质量不好；3、不稳定的结果（也就是说，数据体现的结果，受到多种因素的影响）。其中，第3个问题又会引起新的问题：影响因素有哪些？数字化条件如何。而这个问题进一步又会引发问题：如果影响因素很多，确定梳理影响因素的备选方法。问这些问题，其实就是获取领域知识。如果这些工作做得好，就把业务需求转化成了相对纯粹的数据分析问题。做起来的风险就小了。

按照我的理解，工程方法的特点往往是：思想和套路简单、工作内容巨大并复杂。但是，这些前期工作虽然复杂，但能避免后面的无效劳动。总体上的效率是会提高的。