毎年、年末になると、「1年間忙しくて、定例のデータ報告ばかりで、売れそうな企画すらない!」とため息をつく学生もいました。質の高いデータ分析プロジェクトのために何をしますか?
01. 高品質の数え方
この質問に答えるには、まず「高品質」プロジェクトとは何かを明確にする必要があります。本質的に、データ分析は補助的な立場であり、仕事の質は主に所属する部門によって決定されます。企業で働く場合は、主に経営・事業部門の評価意見に左右されます。面接中であれば、主に面接人事・採用担当者が評価します。重要なのは、相手のニーズを見つけ出し、相手の弱点を突くことです。、
一部の学生はよくここで混乱します: 線形回帰モデルを使用する (複雑なモデルはそうではありません) / 点滅するグラフを点滅させる / 数字の sql をチェックして 2000 行を書くことは「高品質」と見なされ、これらのことは無視されます。ビジネスであろうとなかろうと、結果は当然冗談です。数日前、同級生が「失客予測モデルを作った」と慌てて聞きに来たのですが、「何をしているの? 予測したのに使い方がわからない!」と運営に言われました。プロジェクトは黄ばみました... これは密室の典型的な結果です。
では、ビジネスの問題点を解決するにはどうすればよいでしょうか?
02. 核となるニーズを特定する
ビジネスにおいて、データ分析は「風と共に夜に忍び込み、静かに潤す」ことであり、見るべきデータがあるときはあまり強力ではないと考える人も多いが、読むべきデータがない場合は、不安になります。したがって、ビジネスの問題点を見つけたい場合は、無理に売り込まないことをお勧めします。「テスト済みで正確な人工知能アルファ大型犬モデルを持っているので、試してみませんか!」 、まず、他の部門が最も懸念している問題、最も欠落しているデータを調べます。
データが欠落する一般的なケースは 4 つあります。
基礎データがなく、データが見たい
データはあるが解釈がわからず焦っている
データと解釈で、アイデアをさらに検証したい
データを持っている、解釈を持っている、さらに予測したい
ビジネスサイドのニーズを受けるとき、本当のニーズは明確でなければなりません。例えば、「ユーザーの似顔絵」というのは、プロジェクトを立ち上げる際の単なる口癖かもしれませんが、ユーザーの現状がビジネスでよくわからないのか、似顔絵を基に何かをしたいのかを明確に理解する必要があります。プロジェクトの最初は明確ではなかったし、途中のプロセスが徐々に明確になるはずです.
03.レポート型プロジェクトのポイント
レポート型の案件が一番多いのですが、データアナリストにとって見落とされやすい案件で、技術的に複雑ではないことから、新人さんからは嫌われることが多いです。しかし実際には、レポート型のプロジェクトが最も成果を上げやすいので、重要なのは、リーダーが気にかけていること、リーダーが見ていることを実行することです。要求を受け取る際には、レポートのユーザーを区別し、リーダーのニーズを視覚化することを優先して、リーダーが直感的にデータを感じることができるようにします。
また、レポート型のプロジェクトを通じて、事業者の協力姿勢を効果的に把握することができます。ビジネス側の姿勢が良ければ、深く協力することができます。ビジネス モニタリング レポートが作成されたので、次のステップは異常なビジネス トレンドの分析です。最初に、業務以外のアクティブな行動によって引き起こされた異常点を記録し、次に詳細に分析します。
どの程度の変化が異常か
何が異常を引き起こすのか
データから異常を事前に検出する方法
これらの蓄積により、さらに自動異常リマインダー+トラブル診断を行うことができ、シンプルなデータ表示をワンランク上のレベルに引き上げると同時に、その後の詳細な分析のための強固な基盤を築くことができます。
04. 分析プロジェクトの要点
多くの人々の最初の印象では、データ分析は大量の数字を取得することであり、Mami Prajna は、ビジネスがさらに 180,000 を稼ぐことができるように、分析してビジネスに 3 つの文を伝えるように彼らを説得します。その結果、人々は分析プロジェクトに高い期待を寄せる傾向にあります。しかし実際には、分析プロジェクトは地雷を踏むのが特に簡単です。業務に対する理解不足、監視データの不足、異常分析の経験不足は、問題分析を表面的なものにしてしまいます。プロジェクトに取り組んでいるとき、「大きな雷と小さな雨」が当たり前です。
したがって、レポートベースのプロジェクトに基づいて分析プロジェクトがインキュベートされ、成功率は比較的高くなります。事業側のモニタリングが不十分で、問題自体の理解が不明確であることが判明した場合は、レポートベースのプロジェクトに戻って開始することができます。ある程度の蓄積の後、効果を上げたい場合は、まずビジネスの前提について合意し、ビジネス側が何に自信がなく、何に自信があるかを把握するのが最善の方法です。真実を証明するよりも反証する方が簡単であり、仮説を直接検証することで結果を出すことはより簡単です。
問題に定量化が困難な難病が多すぎる場合は、問題をテスト プロジェクトに変換するという別の解決策があります。ビジネス側が問題を解決するためにどのようなソリューションを手元に用意しているかを直接確認し、その方法が機能するかどうかをテストします。これにより、問題の解決策を出力することもできます。
05. テストプロジェクトのポイント
テスト型のプロジェクトは比較的成功しやすいですが、本質的には、テストも「ビジネスにはデータがなく、特にデータが欲しい」という状況に属します。ただし、何を測定するかは、事前に明確に考える必要があることに注意してください。テストで最も重要なことは、結果に影響を与える要因を事前に理解し、テストしたい主要な要因をテストし、他の干渉項目を制御することです。
そのため、一般的なページデザインのテストは成功しやすく、消費結果のテストは失敗しやすいです。ページデザインのテストポイントが少ないため、正確で安定した結果を出しやすいです。ただし、消費結果に影響を与える要因が多すぎます. テストを行う前に、私はそれについて明確に考えていませんでした. テストスキームの比較可能性が低いため、結果が失敗するのは簡単です.テストグループ、および主要な干渉要因を除外できませんでした。
したがって、テストを実施する前に、どの要因が影響を与えるのか、複数のテスト計画の違いがどの程度であるかを整理する基本的な分析を行う必要があり、プロジェクトの品質を効果的に向上させることができます。 .
06. 予測プロジェクトのポイント
予測プロジェクトの鍵は、実際の予測ニーズを確認し、「100% 正確になりたい」という盲目的なギャンブルを避けることです。できないだけでなく、意味がありません。たとえば、最初に述べたユーザー喪失予測で、ユーザーを呼び戻すためにすべてのリソースを投資する運用であれば、目標を予測に変更します。操作者が最大の効果を得たい場合は、目標を「ユーザーが応答すると予想されるリコールの方法」に変更できます。このように、複数回のプッシュを行うことで、ユーザーの覚醒を最大化できます。つまり、密室でモデルを構築するよりも、まず運用計画を策定する方が効果的です。
07. 儀礼的な感覚が大事
データ分析プロジェクトには特に儀式の感覚が必要です! データ分析の結果が白金になることはめったにないので、年末にまとめをするときには誰もが忘れてしまうかもしれません。したがって、必ず完全な儀式を行ってください。たとえば、プロジェクトが始まったときは、パートナーとミーティングを行い、昼は一緒に円卓を囲みました。企画報告の最後に大ボスと特別にアポイントを取り、報告後に集合写真を撮りました。プロジェクトの成果は可能な限り BI に投稿する必要があり、特別に作成された「データ資産大画面」が上司のオフィスに置かれ、毎週スクロールして新しいデータがどれだけ蓄積されたかを確認し、ビジネスを支援するためにどれだけの利益が生み出されたか。もちろん、「ダブルイレブンコンバット大画面」を表示する必要があり、大画面の前で応援している同僚の壮大な機会を記録するために写真を撮ることを忘れないでください...
具体的な方法は数多くあり、自社のスタイルに合わせて採用することもできますが、コアとなるアイデアは 1 つだけです。 ppt、エクセル提出、csv提出。裏地もしっかりした作りで、顔立ちもバッチリ!