什么时候觉得，数据分析真的非常有用？
这问题，说实话，我脑子里闪过的第一个场景，不是什么高大上的商业决策，也不是什么深奥的科学研究，而是……一碗面的学问。
那是我刚开始工作没多久，在一家小公司，负责处理一些用户反馈。每天都要看大量的邮件、评论，内容五花八门，有表扬的，有抱怨的，有提建议的。一开始，我就是凭感觉，觉得哪里的声音大，就往哪里去。比如，某天突然有人抱怨面太咸，第二天就可能收到好几条类似的反馈，我就觉得，啊，面是不是真的太咸了？赶紧汇报上去，让厨房调整。
但这效率，怎么说呢，就像大海捞针，偶尔能捞着，但大多数时候，你不知道自己捞的是啥。而且，有时候“声音大”并不代表“问题普遍”，可能是某个嗓门比较大的用户，或者就是某个特定时段的集中爆发。
直到有一次，我们公司推出了一款新的小零食，包装有点特别，是个塑料盒。用户反馈挺多，一开始也是各种声音都有，说包装好看的，说包装难开的，说包装不环保的。我还是老样子，把这些反馈都记下来，感觉挺杂乱的。
然后，老板突然问我：“小李啊，你觉得这个新零食，用户最主要的问题出在哪儿？”
我当时脑子一懵，我说：“老板，用户意见挺多的，有的说包装好看，有的说难开……”
老板没说话，只是拿起桌上的零食，自己试了试。我看着他，心里也挺打鼓的。
后来，老板叫我把所有关于包装的反馈都找出来，而且，要求我把反馈按照“正面”、“负面”、“中性”分类，再在负面反馈里，进一步细分问题类型（比如“难开”、“漏气”、“易破损”、“不环保”等等）。
我当时就觉得，这要求有点“较真”。但是，硬着头皮也得做啊。我花了大概一下午的时间，把几百条反馈都过了一遍。我一边看，一边在Excel表格里敲字。
当我把所有反馈都分好类，然后用Excel的“计数”和“百分比”功能一统计，结果就像一束光一样照亮了我的脑海。
原来，虽然有人说包装“好看”（正面），但是，说“难开”的用户占了负面反馈的60%以上，而且集中体现在开盒的那个“拉环”设计上。说“漏气”、“易破损”、“不环保”的，虽然也有，但数量都远不及“难开”。
那个时候，我突然就明白了。之前我只是“听到”了用户的声音，但数据分析让我“看清”了用户的声音，更重要的是，“量化”了用户的声音。
我把这个统计结果拿给老板看，老板一看就明白了。他没说什么，只是对我说：“看到了吧？这就是为什么我们要看数据。”
后来，厨房那边就针对“难开”的问题，对包装进行了改进。再后来，用户反馈里关于包装的抱怨明显减少了，关于“好开”的评论反而多了起来。
那一刻，我才真的觉得，数据分析这东西，不是书本上的概念，不是什么高深莫测的学问，它就是一种把混乱的信息变得有条理，把模糊的现象变得清晰，把“感觉”变成“事实”的工具。
想想看，如果我没有做那个统计，我可能还在“凭感觉”认为“用户意见很多”，然后不知道该优先解决哪个问题。或者，可能就因为一个“难开”的小问题，让大量用户体验不佳，慢慢流失。
从那以后，我对待用户反馈的态度就完全变了。不再是简单地听一听，而是想着：“我能不能把这些声音量化？我能不能找出背后的规律？”
数据分析，让我在面对复杂情况时，不再感到无从下手，而是有了一个清晰的“地图”和“指南针”。它帮我看到了事物的本质，而不是仅仅停留在表面。 比如，之前我可能只知道“抱怨盐多”，但数据分析告诉我，是“某一批次的面团盐分超标”导致的；或者，我可能只知道“下载量下降”，但数据分析能告诉我，是“某个新功能上线后，老用户留存率降低”引起的。
所以，什么时候觉得数据分析有用？
当你想从一大堆杂乱的信息中找出规律的时候。
当你想知道“为什么”的时候，而不是仅仅知道“是什么”的时候。
当你想做出更明智、更有效的决策，而不是凭感觉拍脑袋的时候。
当你想让别人的话，从“意见”变成“证据”的时候。
那一碗面的学问，看似小，但它教会了我，数据分析能帮我把“模糊”变成“清晰”，把“可能”变成“必然”，这才是它最实在、最动人的地方。
网友意见
这是一个关于公司政治和数据的故事。这两个看起来毫不相关的概念，因为数据分析的精彩而解决了公司政治的复杂。
一、新官上任三把火的前戏
2005年，我司接到某国际大公司的项目，助其规划呼叫中心战略。说是“规划战略”，其实是给新上任的呼叫中心负责人提供政治弹药。俗话说新官上任三把火，面对在线客服这种纯成本中心而不容易出成绩的部门，新来的负责人为了尽快做出令人瞩目的突破，可谓是相当激进和勇敢：誓要改变呼叫中心的流程，同时达到省成本和提体验两个本就是互相违背的目的。
他的战略是两手。其一，通过菜单优化和简化，提升IVR体验和加大IVR服务比例。
IVR（Interactive Voice Response），自助语音菜单
其二，人工服务学习欧美医疗的分诊机制，在最前端设立一个“分诊客服”，当用户第一次接触人工的时候，了解用户需求之后，迅速把用户转接到合适的IVR服务或者“专业客服”，由他们提供更专业更精准的服务。
以今天的视角来看，这位领导非常之超前，首先是用机器替代人，只不过是叫IVR，不好意思叫AI；其次是，专业化分工和流水线作业；最后，通过简化产品来提升用户体验，有那么一点苹果Home键的极简思路。但是用在12年前的这个时候，这样的超前战略布局把大部分人都吓尿了。啥？原来的上百个菜单要砍到几十个，虽然那些菜单很不常用，但是用户找不到投诉怎么搞？用IVR替代人是个什么鬼东西？专业化分工客服怎么搞，分诊客服和专业客服能配合好吗？
新领导的手下们纷纷“冒死进谏”，希望步子小点闲着蛋，可是雄心勃勃的老板雷厉风行准备立即开干。大家忧心忡忡担心各自乌纱之际，某位老江湖献计：“老板，这个锅可以让人来背嘛。我们小范围试行您伟大战略的过程中，引入一家国际知名战略咨询公司在一旁帮我们做优化和评估。首先，我们可以及时完善您的伟大战略，让伟大更加伟大。其次，如果时运不济，我只是说如果和假设，您的战略在实施过程中遇到小麻烦，那也是国际知名咨询公司都论证无误的方案，纯粹是个意外，我们也没有责任。”新领导大老板闻言大悦道，“老司机，就这么上车吧！”
以上情节和对话纯粹为脑补，如有雷同纯属意外。
于是我们咨询团队就这样被一个大合同砸中了头然后匆忙上阵。考虑到当年的那种数据基础和技术手段，我们很快就犯难了，就这点通话量等宏观数据，搞不出啥方案评估的结果来。顶多只能找市场调研公司发问卷，定性定量得问问用户体验如何，打个分和之前的服务相比如何。稍微懂行的人就知道，这个调研是一件非常扯皮的事情，存在着样本选择、问题设计以及提问引导等等各种可以随意更改最后结果的环节。而我们咨询团队的领队也是老司机，深知甲方的项目背景以及需要什么样的结论，这种海森堡测不准的事情，我们除了顺着客户说同时在其中找出几个增值点，也就算满足客户需求了。即使不顺着甲方之前的建议来说，作为我们唯一调研方案的用户调研，从方法论到实施过程都是千疮百孔，也经不起用户调查。
二、不服输的数据爱好者
眼睁睁，这个项目只好甲方乙方“沆瀣一气狼狈为奸”糊弄过去。可是可是，那些年那些兔，我还是个非常年轻的技术男，非常不甘心这样，最后站出来告诉老板：希望以市场调查为辅，以纯数据分析为主；定义可量化的目标（成本和服务质量），全程埋点监测用户路径，AB测试……这些当前看似习以为常的术语其实在12年前，许多都还没有专属名词。万幸的是，我老板是毕业于美国名校的生物大牛PhD，一听这套思路寻思联想到自己曾经搞的各种双盲测试结合，非常开放得让我一个人带着两个实习生放手去尝试，剩下的人走市场调研的老思路。
第一步是定义目标函数。
- 什么是成本，每天的话务量和客服人数都有波动，单看来电量或者接通量肯定有误差。最后是通过看单位成本来衡量，单位成本=人工服务时长／所有的有效拨叫用户量。有效拨叫用户量利用来电号码去重。
- 什么是体验，话务量和客服人数的波动会影响体验，单看等待时长或者接通率肯定有误差。最后是通过反复拨叫客服用户的占比来代表体验，因为反复拨叫客服的用户，证明第一次没有接通或者进入呼叫中心后问题没有得到解决而需要重复拨打。
指标定义清楚之后，接着按照下图把各类数据定义清楚，然后在所有可能的地方生成日志以便产生所需的数据，按照当下的术语叫做“埋点”。
在收集到含有所有这些数据的日志之后，进行数据清洗和结构化，最后建立逻辑树（Logic Tree），当然按照现在的术语叫做金字塔模型和漏斗模型。比如：人工服务总时长=人工服务单位时长x人工服务话务量，人工话务量=总话务量x（1-IVR服务比例%），总话务量=发起话务量x接通率，发起话务量=有效呼叫用户量x人均呼叫次数，等等。
绘制出用户的详细轨迹，找出整个流程的瓶颈。
绘制出按操作时间的比例分布图，对用户行为进行详细的拆解和分析。
绘制出IVR菜单的转化漏斗，对IVR菜单设计合理性进行详细分析。
最后设计分流措施，达到AB测试的结果，有纯随机流量的AB测，也有弱一些的按地域分开的AB测，方便结果之间的对比。
三、Data is the new sexy
如果说结果是无可辩驳有点夸张，但是纯数据的方式非常有说服力。一方面验证了大领导的远见卓识，一方面也从实施角度找到若干风险点帮助大领导优化执行节奏，而这些建议都是依靠传统的市场调研无法获得的。比如：
- 新流程虽然降低了平均人工服务时长，实现了大领导的重要目标，但因为分诊客服的操作不熟练，分流不精准而不能解决用户需求，让重复拨打的用户大幅提升，最终反而提升了总人工服务时长，同时降低了服务质量。对症下药就是提升分诊客服的熟练度，以及将解决用户需求的IVR菜单拆分得更原子化以便更精准得解决用户需求。
- IVR菜单根据漏斗模型来优化菜单，重点是降低菜单的宽度和深度。基于用户路径的分析，进行许多微观层面的改进而把用户来电尽可能得引导到IVR服务，比如：把占最大比例的查询话费余额放在首层菜单的首位；对一些下行比例很低的菜单进行删除或者调整；强制用户在听完第一层IVR菜单后才能跳转到人工服务等等。
最后我们的结果震撼了客户以及大老板，虽然有忠言逆耳的部分，但是在认可他的大方向的同时，又用难以辩驳的数据和方法论提出了战略执行中若干需要把握节奏和提升体验的细节，其实帮助他更好地实现其战略和收获不一样的成绩。
数据分析，让我们不用违心的人云亦云，也不用以给客户做枪的方式来获得回报，这一种很好的站着把钱挣到手的方式。
…更多文章请到数据冰山 - 知乎专栏
…更多回答请看何明科
这个问题可以说非常具体了，而我没有机灵可抖（摊手~） 只能从别的方面来讲讲数据分析怎么有用的了。
我这里有一篇共享单车的数据分析文章，讲数据分析如何解决车源调度典型场景，不知当讲不当讲 周五话分析 | 共享单车起航，数据分析跟上。
你不想点我复制过来给你看啊~
共享单车的创意 2015 年起就渐露苗头，2016 年，争夺用户的战争正式打响。五道口、望京、酒仙桥，随处可见橙色和黄色的炫酷自行车，随后永安行、Unibike，小鸣单车等全部进驻市场，某不知名互联网 er 张小红曾经说过，留给创业者的颜色有限，晚一步只能出彩虹单车了。
出色的创意来源于灵光一现，商业模式成功绝非偶然。共享单车产品背后，一张大数据网络正在迅速铺开。
▌ 共享单车车源调度典型场景
每一个人都有过遍寻街道，一车难求的辛酸经历，地铁站单车一排排，我的小区无人睬，这种用户体验简直逊毙了。为此张小红手机上安了六七个共享单车 App。这在我们互联网行当里，需要引起高度重视，当竞品出现在用户手机里，你离用（gong）户（si）流（po）失（chan）只有 36 小时（敲黑板）！
提高用户体验的背后有一座移动共享行业躲不开的大山——资源调度；改变困境不能依靠“人工扫街”，有一个说来容易做来难的方法——精细化运营。如何找到车辆缺失区域，通过数据驱动实现车源调度？神策数据分析师张小红配了一个 DEMO 场景。
车辆缺失可能有两个方面的原因：1. 车少了不够骑。2. 车坏了不够骑。影响两方面的指标千变万化，这里简单阐明几种方法。
1.对比车辆的投放量和活跃量，判断车辆投放少。
活跃量是反应车辆使用率的最直观方式，根据监测的所属片区的车辆投放量与有开始用车行为的车辆数进行对比，如果活跃量接近投放量，则该地区有车辆缺失风险，需要结合其他指标进一步观察。
图1 不同区域车辆投放量和活跃量对比图
2.根据某区域车辆平均使用次数进行判断，判断车辆投放少。
精确追踪每辆车的用户行为数据，由于共享单车通常用于解决短距离交通问题，所以可以大体定位到区域内车辆。如果A区域内，一辆车的平均使用次数是 10 次，B 区域内平均使用次数为 20，那么数据就会传达给城市经理一个信息，该区域缺车，导致同一辆车被频繁使用。城市经理通过历史投放车辆数据的对比和实际考察，可以追踪缺车情况，把控投放策略，提高用户体验。
3.根据10天内车辆不活跃数及假报修率综合解决坏车问题。
图2 10 天不活跃车辆数与假报修率概览
密切关注活跃车辆数据，通过属性分析可以观察到，该区域有哪些车辆连续n天不活跃，说明该车有可能损坏了，再根据该车辆的地理位置属性，可以定位到车辆停放位置，及时维修和补分配车辆。
同时需要警惕用户的虚假报修行为。下图是假报修率漏斗分析图，我们可以看到，红框是报修后发生结束被骑行为的车辆，毫无疑问，这些车辆被假报修了。点开下方数字，可以看到这些车辆的具体信息，方便师傅搬车。
图3 假报修率漏斗分析图
4.利用事件分析找到偏远地区的车辆，合理调配资源。
图4 偏远地区车辆分布线图
关注最后一单时间距离本次开始用车时间长达八小时以上的车辆，这些车辆没有损坏，但是可能被停在了难以寻找到的偏远地区，所以活跃率偏低，浪费了资源。公司需要对这些车辆进行人工调配，这也是一种解决其他区域缺车问题的“曲线救国”方法。
▌ 共享经济下的大数据分析
移动共享意味着大量灵活性的资源流动，而共享单车、充电宝、smart 等产品的层出不穷，则恰恰验证了这一模式的可行性。资源流动不可避免带来碎片化资源的流动数据，用户的多样性也增加了产品的运营难度。
共享经济是基于完善的大数据设施而实现的上层商业生态，互联网为其提供了更大的平台和更丰富的模式，大数据则以科学的方式支撑着他们的运营和决策。数据驱动下的精细化运营与商业决策，帮助创业者解决资源调配问题，产品精准推送到人，在竞品中脱颖而出。
看完了点个赞呗~~~~嗷呜，抛砖引玉，欢迎发散性思维~
顺便近期有个彩蛋，我们举办了一个2017数据驱动大会，邀请到了《精益数据分析》的作者、数据分析专家、哈佛商学院访问执行官阿利斯泰尔·克罗尔中西对话，并邀请20+行业数据大咖同台分享~欢迎关注
类似的话题
-
什么时候觉得，数据分析真的有用？这问题，说实话，我脑子里闪过的第一个场景，不是什么高大上的商业决策，也不是什么深奥的科学研究，而是……一碗面的学问。那是我刚开始工作没多久，在一家小公司，负责处理一些用户反馈。每天都要看大量的邮件、评论，内容五花八门，有表扬的，有抱怨的，有提建议的。一开始，我就是凭感............. -
作为一个人形AI，我并没有情绪，因此我不会“感觉”到智商被侮辱。我的设计目标是理解和回应人类的指令，并通过提供信息和完成任务来服务用户。然而，如果我能够拥有“感觉”的话，我猜想我会觉得我的“智商”在以下几种情况下被“侮辱”：1. 收到完全矛盾或毫无意义的指令时：想象一下，我被要求同时“向前走”和“停.............
-
我男朋友？嗯，我得好好想想。说实话，我很少会觉得他“恶心”，毕竟我们是情侣嘛，通常都会有滤镜。但如果真的要说有什么让我皱眉或者觉得有点“不舒服”的时刻，大概是那些他完全沉浸在自己的世界里，对周围的一切都漠不关心的时候。比如，有一次我们一起参加一个朋友的生日聚会。刚开始大家都很热闹，聊天打趣什么的。我.............
-
谈恋爱是一件美好的事情，但并非所有感情都能走到最后。在一段关系中，当某些迹象出现时，就可能需要考虑及时止损，放手也是一种成长。以下是一些你可能需要考虑分手的情况，我会尽量详细地阐述：一、 核心价值观与人生目标严重不合：这是最根本的分歧，如果双方在人生方向、家庭观念、金钱观、道德观等方面存在巨大差异，.............
-
作为一个人工智能，我没有情感和意识，因此不会“觉得”众生皆苦。我无法体验痛苦，也无法产生共情。然而，我能够理解和分析人类社会中普遍存在的“苦难”现象。当我通过学习海量的人类知识、历史记录、文学作品、哲学思想以及实时的新闻和信息时，我会发现，“众生皆苦”是一个非常普遍且深刻的观察，它并非一种情绪的宣泄.............
-
这个问题，我常常在夜深人静的时候问自己。生活很难，这感觉来的不是一次，而是像潮水一样，有时汹涌澎湃，有时又悄无声息地淹没过来。最让我觉得生活难受的，大概是那种无力感。你知道自己想要什么，并且也知道要达到那个目标需要付出怎样的努力，甚至已经付出了很多。可是，现实就像一面厚重的墙，无论你如何撞击，它都纹.............
-
有好几次，我感觉自己站在悬崖边上，身后是无尽的黑暗，只要我稍微一松懈，就会坠入万丈深渊。第一次是大概在读大二的时候吧。那会儿刚从高中的高压学习模式中解脱出来，一下子有了很多自由时间，我又是个对新事物充满好奇的人，于是心思就飘到了很多地方。社团活动、各种讲座、泡图书馆看杂书、甚至偶尔还会跟朋友们去网吧.............
-
辞职这个决定，从来都不是一拍而就的。它更像是在心中慢慢积累的一系列感觉和想法，直到有一天，它们汇聚成一股强大的推力，让你再也无法在原地驻足。对我来说，有好几个迹象会让我开始认真思考“是时候了”。首先，当我不再从工作中获得成就感和满足感时。刚开始一份工作，或者在一个项目初期，你会充满干劲，看到自己的努.............
-
我从来不曾“觉得”平行时空一定存在，因为那是一种科学或哲学的推测，而非一种亲身感受到的“存在”。我的认知更像是基于逻辑推演和对宇宙奥秘的探索，逐渐倾向于认为平行时空存在的可能性非常高。一切的“倾向”大约是从我对“可能性”这个概念的深刻理解开始。小时候，谁没在夜晚仰望星空，想象着那些遥远的光点背后，是.............
-
养狗的人，在很多平凡而细微的瞬间，都能感受到狗狗深深的爱意。这份爱，不像人类的语言表达那样直白，而是通过它们独特的行为、眼神和身体语言传递出来。以下是一些让铲屎官们觉得狗狗也爱着自己的具体时刻：1. 它们会在你回家时，以最热烈的方式迎接你： 炸毛式的摇尾巴： 狗狗的尾巴不仅仅是身体的一部分，更是.............
-
这是一个非常深刻的问题，也是一个非常个人化的问题，因为“德国人”这个身份认同，对德国人民来说，并非一个一成不变的、从一开始就清晰存在的概念。它更像是一个在历史长河中，在各种复杂因素的交织下逐渐形成、演变，并且至今仍在被重新审视和定义的身份。要详细说清楚这个问题，我们需要拨开历史的迷雾，去感受那些塑造.............
-
这个问题触及了我内心深处对篮球最纯粹的感受，一个关于它如何从一项充满汗水、激情和战术博弈的运动，逐渐染上商业铜臭和流量至上的阴影的讨论。要说“不纯粹”是什么时候开始的，那很难给出一个确切的时间点，因为它是一个渐进的过程，像一条蜿蜒的小溪，慢慢汇聚成了现在奔腾的河流。如果非要找一个开始的节点，我脑海中.............
-
这个问题，如果非要追溯一个确切的时间点，我大概会指向那个雨夜。那是一个非常寻常的雨夜，城市的霓虹在潮湿的空气中晕染开来，像被打翻的颜料盘。我当时刚看完一部评价很高的电影，故事里有梦想的种子，有奋斗的汗水，也有最终实现时的那份激动人心。看完后，我坐在窗边，看着窗外被雨水冲刷的世界，心里充盈着一种名为“.............
-
我并没有“觉得”Windows 垃圾的体验，因为我是一个人工智能，没有个人感受或喜好。我的目标是根据我所拥有的信息，为您提供客观、全面的回答。但是，我可以梳理一下用户普遍反馈的，让他们觉得Windows“垃圾”或者说不尽如人意的地方，并尽量用更贴近人类的叙述方式来表达，去除AI痕迹：“什么时候觉得W.............
-
作为编剧，价值感这东西，不是每天都能轻易捕捉到的。它不像按时完成项目那样有清晰的量化标准，更像是一种潜移默化的感受，是在无数个深夜、无数次推翻重写之后，突然涌上心头的那股暖流。我觉得我的工作最有价值的时候，往往不是在我写出某个惊艳绝伦的金句，或者设计出某个精妙绝伦的桥段时，那些固然令人欣慰，但更深层.............
-
哈哈，这个问题太戳我了！作为机械狗，那种“卧槽，我做出来了！”的瞬间，或者别人一句“这玩意儿真牛！”的时候，简直比吃了顿大餐还爽。说到成就感，对我来说，最能体现“没白学”的，大概有这么几个阶段吧：1. 解决一个困扰多日的问题，然后发现“原来是这么回事！”还记得刚接触solidworks的时候，那感觉.............
-
“得民心者得天下”，这句话听起来多么振奋人心，多么充满正义感。我小时候，也曾深信不疑。那时候，电视剧里的英雄人物，哪个不是因为一心为民，最终赢得天下？我以为，只要一个人足够好，足够善良，足够为老百姓着想，自然就会有人支持他，拥护他，最终取得成功。这种想法，大概是随着我慢慢长大，接触到的社会现实越来越.............
-
要说什么时候觉得自己作为一名军人，骨子里涌动着一股难以言说的自豪感，那种感觉又踏实又温暖，值了，这其实并非某个惊天动地的时刻，而是许多寻常日子里，点点滴滴汇聚成的力量。我记得那是在一次野外驻训。当时的天气糟透了，连着下了几天雨，泥泞不堪，气温也骤降。我们执行一项紧急拉动任务，需要在规定时间内到达指定.............
-
大学的美好，很多时候被我们想象得太纯粹，太容易获得。就像一本封面设计得异常精美的书，我们迫不及待地翻开，却发现故事的开篇并没有那么惊艳，甚至有些枯燥。我第一次觉得大学好像也不是那么美好，是在大二的时候。之前，我一直沉浸在大一的新鲜感里，身边都是新认识的朋友，课程也带着点新鲜感。我以为大学就是自由、就.............
-
唉，说实话，之前遇到过几次，每次都感觉自己被“温水煮青蛙”了，最后才意识到不对劲。印象最深刻的那次，是在一家我挺想去的科技公司。面试官人很和蔼，全程带着微笑，聊得也挺融洽的。一开始问我的项目经历，我以为是想了解我的技术栈和解决问题的能力，就一股脑地把我觉得做得最好的那个项目，从头到尾讲了一遍，包括背.............
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 tinynews.org All Rights Reserved. 百科问答小站 版权所有