论文外行主管如何有效管控数据分析工作另一个角度看数据分析，该文是数据分析类有关硕士学位毕业论文范文和数据分析和管控和角度看方面论文例文.
随着行业向数据化、精细化运营的深入发展,服务和营销的结合动作日益频繁,带来数据分析工作的显著增加.从简单的日报周报到复杂的项目分析,从的报表员到专业的分析师,涉及数据分析的人员和工作都越来越多,但真正了解分析的人一直相对稀缺.当年从事数据分析工作时全部门只有我一个数据分析师,经常遇到的两大问题就是系统部门不断追问“你要这个数据来干啥”以及一线同事小心翼翼地问“数据分析师很难考吧”.确实,从一线到后台、从基层到领导,大部分人并不了解数据分析,这是一个客观存在的状况.而无论是支撑分析的基层人员还是领导分析的主管,如果没有对数据分析一定程度的了解,数据分析工作就会面临失控的风险.那么作为一个尚不熟悉分析工作的主管,要如何对属下的数据分析工作有效把控呢？下面让我们从“圈外人”的角度来探讨一下数据分析工作的基本管理.用一个老套的说法,就是“外行管数据分析的一二三四”.
一、外行管数据分析要有一个基本的理念
作为数据分析人员的主管一定要牢记“数据分析是为具体工作服务的”,我们并不是在塔里做研究工作,分析启动的出发点必然是解决具体问题.数据分析涉及的资源是相当昂贵的,作为此类资源的管理者务必要明确数据分析作为管理工具的基本理念,对当前工作没有实际意义的分析即使看起来再怎么高大上都必须放弃,要把分析做成“屠龙之术”的,请出门右转“战略部”或者“总裁办公室”.
二、外行管数据分析要知道两个基本的分析方向
分析归根到底就是两类分析方向,要么从假设出发找数据,要么从数据出发找结果.
1、从假设出发找数据——先有明确的假设,然后通过围绕假设的逻辑框架设计来取数内容,再针对获取的数据进行分析处理,来证明或者证伪原有的假设是否成立.
这一方向务必要有明确的客观判断标准,要承认有“否”的结果,理性面对市场现实,否则非常容易变成“证明领导是对的”,那样不叫分析,叫 “做材料”.
2、从数据出发找结果——开始只有一个大致的方向,尽可能地收集这个方向上所有的数据,把数据统统丢进分析软件,期待从海量的数据和变量之中发现意外的关系,最典型的案例当然就是被无数书籍列出的经典示范“啤酒与尿布”.
这一方向最大的风险就是一无所获,很可能花了很高的成本来取数和运算,最终发现没有什么高价值的成果,甚至可能什么都没有发现.
三、外行管数据分析,要清楚分析工作的三个范围
对于数据分析工作最常见的反应就是“看不懂”,甚至有些人表示“看见表格就头晕”,这很正常,毕竟术业有专攻,能够完成专业数据处理和分析工作需要多年的专业培训和一些数据逻辑方面的天赋,但并不是所有数据分析范畴的工作都让人搞不懂,分析工作在具体实施上有三个大致明确的范围,笔者将其简要总结为“术”、“框”和“桥”：
“术”,就是具体的数理统计知识和软件技能,也是一般人通常看不懂的部分,从常见的excel 函数、数据库命令、专业软件建模到各类见过没见过的缩写名词（DM、SPSS、SAS 乃至于目前大热的BigData、Hadoop 等等）都可以纳入这一范畴.这些专业知识和技能是提取处理分析复杂数据的高级工具,带来的是个人处理数据能力和工作效率的提升,在这个范围内需要的是熟练的软件技巧和丰富的数据库知识.
“框”,指的是分析项目的框架设计,直接决定了分析结果的产出.特别是在这种一线部门中,分析从来都不是虚无缥缈的“战略项目”,必须是紧密结合业务问题的“指南针”.分析框架的设计务必围绕着“实效”这个根本来达到解决业务痛点的目的,在这个范围内需要的是严密的逻辑能力、清晰的分析思路和丰富的业务知识.
“桥”,指的是能够将公司系统数据与现实的市场情况互相映照转换,既能把市场的情况转化为系统的数据口径,也能够将数据分析的结果对应回市场的实际表现.这种能力就像是在数据与现实之间架起了一座桥梁,就像我们常见的“翻译”.在这个范围内需要的是综合能力,既要有市场触觉,又要有系统知识；既要了解市场实际变化,又要明白系统里的数据到底是什么概念.
作为不懂分析技术的外行主管可以完全不涉及“术”的范围,但是对框的领域和桥的范围需要密切关注,特别是桥的要求非常高,通常需要主管协同分析师与公司系统人员一起深入了解市场与系统的关键细节,才可能达成较为理想的分析结果.
四、外行管数据分析要介入四个常见的分析环节
常见的分析工作流程一般有如图1所示的环节.
外行主管作为非专业人士要想对分析项目总体效果有所把控,就必须介入图1 中四个红字的分析环节“提出问题”、“设计框架”、“数据提取”、“结果应用”.能够放手交给分析专家自行处理的主要是数据提取的软件操作、分析挖掘建模以及反馈优化分析三个部分.下面就需要外行主管也必须介入的四个分析环节来探讨一下到底要介入什么？
1、提出问题——主管要与分析师一起来提出“真正的问题”
在实际工作中,从上到下向分析部门提出的问题五花八门,而什么样的问题才是所谓“真正的问题”呢？能够确定真正的问题是分析师所面对的最重要考验之一,更是身为主管人员的核心任务.笔者认为真正的问题必须有“明确的指向”、“客观的标准”以及“实际的意义”这三大特点.结合行业最常见的典型问题“如何能让客户100%满意？”,参照三个特点来解读一下,见表1.
从表1 针对三个特点的分解就会发现问题1 并不是“真正的问题”,虽然它有“明确的指向”,但是100%满意本身并没有“客观的标准”,更难以明确能带来什么“实际的意义”.作为对比的问题2“如何能将退单率从60% 下降到20% ？”,就算得上是一个真正的问题.身为主管的责任,就是要和分析师一起发现和聚焦“真正的问题”,排除掉无意义问题的干扰.
插句题外话,作为主管还有个隐藏的重要工作,就是把“无法拒绝的问题”转变为“真正的问题”.例如公司大老板直接提出问题1,怎么办呢？想办法转变问题,把问题1 变成“客户满意度达到多少更好？”,是不是就合理了很多？至于问题1 转变后该怎么做呢？我们来看下一个环节.
2、设计框架——把真正的问题分解成为不同子节点的问题集
所谓框架,其实就是将提出的问题分解成为需要解决的子问题集合,构建起来的逻辑架构既包含了数据知识,也包含了逻辑和业务知识.图2 就是一个简单明确的分析框架.
分析框架看似简单,但是要做到真正有用,就必须对每个环节都非常明确,通常还会涉及跨部门甚至跨公司的内容.例如图2 所描述的漏斗模型框架,就涉及了、系统（多个）、市场、销售、装维等跨专业跨公司的内容,单凭分析人员自身,极少有能力和资源介入到如此深度.作为分析人员的主管,出面协调更高层级的资源是责无旁贷.
3、数据提取——针对具体的子问题来明确取数的口径
对于这个节点一定会有人提出疑问,数据提取不是专业人员的工作范围吗？从系统和数据库取数,什么SQL、接口、批处理都是看不懂的东西,外行插手岂不是添乱？要知道公司越大,涉及到系统工作的区分就越明显,真正掌握系统内数据口径的人员非常少.通常来说,主管对于业务、客户、市场以及公司内部系统的情况会比下属的分析人员要更熟悉.能够有能力做数据分析的人员本就不多,再能够进一步了解系统数据与客户、市场、产品关系的分析师更是凤毛麟角.大部分情况下主管必须参与协调系统支撑人员、参与项目,与分析人员一起整理出合适的数据提取口径.
还是以退单问题为例,退单途径多个环节多个系统,每一个环节的某个节点都可能会发起退单（如表2）.退单在系统之中既是结果数据又是过程数据,甚至可能会出现“临时挂起退单”和“最终归档退单”等区别.主管人员如果在数据提取阶段没有协助分析人员厘清分析需求与实际系统数据的差异,整个项目陷入数据陷阱的风险就会非常大.
4、结果应用——把分析的成果有效应用于实际工作
分析结果的应用是体现工作价值最重要的环节,或许对分析师而言,分析有了结果后任务基本就算完成了,但对于主管来说工作才刚做了一半.对分析结果的解读应用与信息反馈是主管务必要全力推动的环节,作为外行管理数据分析的常见问题,就是分析项目有头无尾,分析出了一个看似很有价值的结果、做了一个激动人心的PPT 之后既没有应用回馈也没有模型优化,从此相忘于江湖,最大的效果大概就是领导点头“这个分析很不错”,但是没什么实际应用,成果数据吹完牛就束之高阁.
作为分析人员的主管,如何发挥分析结果的最大效益是工作的本分.协调后台到一线的人力物力,根据分析的结果制定营销/ 管理动作,在每个动作节点设置效果收集机制,根据动作效果来验证分析结果是否恰当,抑或根据分析的结果来进一步引申出更多尚待解决的问题且进一步深入分析.优化到一定阶段之后不再投入,而是形成固定的模型数据输出——实际营销/ 管理措施跟进——产生预期动作效果,才算是一个分析项目真正功德圆满,然后再重新开始新的分析项目周期.
看过了如何把控分析工作的“一二三四”,再额外补充外行管数据分析还需要了解两个“冷知识”.
1、把控贪得无厌的数据需求——对于数据分析师来说原始数据就是埋着宝藏的矿石,当然是越多越好,一方面能够有更多的机会发现突出的结论；另一方面也更凸显了分析师的水平,要知道分析师工作履历上极有分量的一条就叫做“处理过XX 亿量级的数据”.然而身为分析人员的主管一定要有个概念,即“数据也是有成本的”.项目涉及的数据越多,意味着数据提取、存储、处理的成本越高,成本既包括了设备和软件的成本,更包括了很重要的时间成本.特别是在现在的大数据年代,我们看到数据服务器越来越先进、软件越来越高效,而分析人员的工作时间却越来越长,这也就是上文提及的身为外行主管也要在分析项目介入前端环节的重要理由,要保证数据需求不至于失控,从而使得整个项目可以在预计时间内完成.
2、真正加班的是肉体还是灵魂——分析工作虽然有着大量的数据处理和字段整理的体力劳动工作量,但最核心的依然是分析人员的思路和逻辑.对于分析工作来说坐在电脑前面对着满屏的数据、表格、字段并不能真正有效地产生工作成效,整天对着电脑坐到天荒地老的大概是很好的程序猿和“表哥表姐”,却未必是一个好的分析师.分析师要涉猎广见识多,到市场中间、客户中间、一线人员中间,寻求将数据与现实有效结合起来,将分析结果与市场感觉融合起来,做到“肉体不加班、大脑不放假”,闭门造车是造成分析与实际工作脱节的主要原因之一.
如上文所述,我们从分析的根本出发点开始来掌握分析管理的“一二三四”,不懂分析的外行人也可以管好分析.
当然, 如果说自己主管的分析师不但数据分析技能高超,还通晓市场深知系统、逻辑严密业务熟练、既懂客户又懂营销,那么还是彻底放手委以重任,搞好关系做好支撑,赶紧培养下一梯队的分析接班人员才是当务之急,因为这种人才估计很快就能升大任,留下好的工作经验以避免本部门工作断档才是最优的人力资源策略.
总结：该文是一篇关于数据分析和管控和角度看方面的相关大学硕士和数据分析本科毕业论文以及相关数据分析论文开题报告范文和职称论文写作参考文献资料.
参考文献：
1、 大数据时代高校学生管理工作的挑战和 阙海祥 陈焕伟【摘 要】在网络应用逐渐普及过程中,数据的网络化特征越来越显著,逐渐形成了大数据时代 大数据时代与以往时展有着明显的不同之处,因此在这一新时代中,高校开展的学生管理工作面临着新的机遇与挑.
2、 数据挖掘中的决策树分类 于笑笑（安徽大学,安徽 合肥 230601）【摘要】数据挖掘技术混合了以往传统的数据分析处理方法和处理大量数据的复杂算法,为探寻和分析新的数据类型以及用新方法分析旧有数据类型开辟了宝贵的新天地 数据挖.
3、 经济数据偏弱金属承压回落 ■迈科金属论道■迈科期货 本周国内商品市场只有三个交易日,承接上周五伦铜下跌的走势,沪铜本周小跌,不过伦铜相对偏强,本周为连续小阳回升 内外经济数据的差异限制铜价波动幅度,但技术上看铜价触及本轮下.
4、 电网物资招标采购大数据应用与价值评估模型 上海／刘明巍 张元新 刘昕 杨凯 侯立元 李永摘要随着国家电网公司物力集约化工作的不断深入,对积累的大量招标采购数据的管理和有效应用,需要进一步改进和增强 为进一步推动招标采购管理创新,通过.
5、 大数据时代下企业管理模式 万贺（对外经济贸易大学,北京100029）WAN He(Universityof InternationalBusinessandEconomics,Beijing 100029,China)揖摘要铱.
6、 大数据预测和决策在高校就业工作中的应用 摘要进入21世纪,随着计算机、互联网技术、云计算、移动终端、数据储存方式的高速发展,大数据时代已经来临 大数据改变了人们的思维、生活习惯,帮助人类创造更大的价值 与此同时,大数据时代给高校毕业生就业工.