业务与数据这第一个衔接点,处理好第一个衔接点,还有第二个。
互联网公司一直处于技术的前沿,技术大都不是问题。更多的可能是对技术的选择和技术人员精力的分配。
笔者以为互联网行业的数据分析需求可以大体上分为三类:
1.业务常规需求类,主要作用是辅助业务日常工作
2.指标监控与数据呈现类,主要是为管理和决策提供数据支持,也为后面的针对性的挖掘分析提数据供入口
3.有主题有针对性的挖掘分析类,为运营、产品的改善提供数据依据,具有一定的数据驱动价值
对于第1类和第2类需求,不同公司有不同的方案。有用开源报表的,有用商用报表的,有用BI工具的,有自己用echart集成开发的,也有的不少坚持用excel的。对于第3类需求,有用sas的,有用spss的,有用python和R语言的,甚至有用c++的。不同的方式方法有什么差别呢?哪一类技术或工具才是最好的呢?笔者相认为没有最好的方式方法,只有适合的方式方法。如何选择适合的方式方法则更为关键。结合不同的业务场景,有时是多种工具同时使用才是最佳的。如何才能做好这一点,笔者认为就是要有清晰的分析思路和熟练的分析技能。在较低的技术要求下,选择更为灵活便捷的工具来实现数据分析。这也就是做好第二个衔接点。
对于很多数据分析分析师来说,做到这第二点要比第一个衔接点容易的多。但做到的同时要考虑成本。分析手段的选择,不仅要考虑分析实现的可行性、技术难度,也要考虑分析成本,主要考虑的就是时间成本和人力成本。R语言现在被大量应用于互联网公司也是因为它提供大量的统计函数和算法,降低了数据分析成本。当然,少不了它开源的巨大优势。
同样,对于第1类和第2类需求选择实现方案也要考虑成本。相比较来说,这两类需求的实现难度更低,相信对于任何公司来说,也都是并非核心技术。有坚持用excel的,也有坚持码代码的。当然,具体怎样选择也要结合业务场景,但是综合起来看,如果有方法一天就实现,就尽量不要花两天时间去开发。一个好的报表BI工具(诸如finereport/水晶)相比于开源report或者echart来说,还是节约大量的时间成本的。节省下来的的程序员,还能安排打扫打扫卫生啊。
笔者也该去找一下老王了,问问他是不是解决了这三大类的数据分析需求,是不是按照我的建议:先审题,再思考解题方法,最后下笔解答。额,老王会不会又懵逼了。 来源:http://www.itongji.cn/cms/article/articledetails?articleid=4999
|