探索海量数据分析技术：从潜力到实践

过程和结果还比较难把握,因为整个行业存在一些较重大的问题。于是今年5月,我做过一些调研,带大家一起实战的。在谈如何把一个新站点的数据提取技术解决这些问题时,我一直认为探索海量数据分析技术,最核心的地方不是应用量论,而是运用量论的思维模型去挖掘数据。

在刚开始做数据分析的时候,我不清楚如何看待他们。当时我在部门的协助下,很清楚自己的分析方向,从腾讯、搜狐、百度、UC等等,总的目标就是要快速的挖掘海量数据分析的潜力。

我面试到的大厂公司的HR都听过我的课程。我的意思是不断在尝试,在实践。但是这些大厂的算法和策略远不止这家公司的算法。

想要在海量数据分析技术上突围,可能就需要先通过量化的方法。但是对于技术而言,虽然要快,但是也不是万不可量化的,必须要懂点数据分析的东西。你应该像鱼一样,在海洋里游过,才不会被沉没的海潮所淹没。

结合量化的背后,我提出了产品经理和运营经理的工作风格。产品经理需要掌握思维,知道什么是数据分析,什么是用户分析,什么是产品运营,如何提升活动效果等等。运营需要掌握数据,深入的理解规则,提高流程。二者相得益彰,才能真正做出优秀的产品。

这里我们先定义一下运营经理为什么需要做数据分析,从数据的角度看,我们可以把数据看成是一个筛选器。

数据分析的工作在后台、用户运营、活动运营、内容运营、数据监测一起来。这些工作是个系统有机结合的工作,所有的工具都需要依据数据的真实性和可行性来提出解决方案。可惜在量化需求层面上还远远不够。在我看来数据只是一个“锦上添花”的东西,还需要利用数据去说话。

我不喜欢用数据说:数据看了就可以做出一坨屎。先不说数据的真实性,真正做出来的数据往往都不如自己的主观能动性强。大家都是主观对数据进行主观的把控。

关于数据分析,有几个经典的公式可供参考,我们在这里便不再赘述:

(1)高门槛

上面的公式大家明白的都知道了,何谓门槛呢?是作为一个新人,想做数据分析需要看很多方法论、经验和数据。