企业网站建设

企业网站数据分析的5个误区

阅读  ·  发布日期 2021-05-18 22:52

网站数据分析能实现对所有在线活动的数据洞察,通过数据我们可以总结规律、挖掘价值、剖析原因,甚至可以优化企业的战略和战术并确定其发展方向,使其直接服务于决策者和执行...

详细信息
网站数据分析能实现对所有在线活动的数据洞察,通过数据我们可以总结规律、挖掘价值、剖析原因,甚至可以优化企业的战略和战术并确定其发展方向,使其直接服务于决策者和执行者,因此它是企业日常运营和发展的必要组成部分。但仔细审视数据本身,我们会发现隐匿于美好之下的残缺,这些残缺是由于信息的不对称、价值观的指向、个人能力的不足,甚至是公司的流程和体制等原因而产生的。误用数据不但对公司业务发展没有正向帮助,反而会为业务团队带来决策风险。
1.网站数据的价值真的有那么大吗
作为网站数据分析的从业者,是否问过自己这样一个问题:网站数据分析可以为公司网站端运营活动提供决策支持,但价值真的有那么大吗?假如公司没有网站数据分析,各项业务运作体系是否会受到影响?如果你的回答是不确定甚至是确定没有影响,那足以证明你在整个公司流程中所从事的网站数据分析工作没有多少价值。对于不同类型的公司,网站数据分析工作的价值大小有所差异。
在线营销类或服务类广告公司的业务核心是通过为广告主提供广告投放、评估和优化业务,从而获得费用差价、佣金返点、服务费等,由此形成公司的核心利润业务。网站数据分析所处的角色是对这些业务体系提供数据评估和优化,此时由于从业者的工作与公司核心业务结合紧密,因此其职业价值会比较高。
2.网站数据的质量真的那么好吗
数据的质量是所有数据工作中最基础但也是最容易被忽视的一个环节,如果你对数据的质量没有概念,看下面列举的几种简单的数据情况:
·三个数据系统中同样定义的“销售额”指标数据不一致。
·数据库中的“邮箱”字段80%为空。
·数据库的“性别”字段中某些值为10。
·数据库中“产品名称”字段出现乱码。
以上问题的出现就是数据质量差造成的,出现这些情况既有公司内部原因又有外部原因。内部原因包括数据采集方式错误、数据验证机制不全面、数据同步不及时、ETL过程错误、数据提取错误等;外部原因包括用户填写的信息不规范、用户数据采集环境存在客观差异等。
3.数据需求不总是与业务需求相吻合
要进行分析挖掘的数据必须具备一定的前提条件,即符合数据规律且符合业务需求的数据才能用来为业务服务,但在很多情况下数据自身的这种严谨性要求会与业务分析需求产生冲突。业务方通常需要快速、及时、正确、全面地给出结论、做出反馈意见,进而落地执行优化,但这种需求与数据的严谨性通常是冲突的,这种冲突的本质是数据需求的严谨性要求数据是稳定的、全面的、长期的、及时的,因此通常需要有一定的周期和时间才能产生数据价值。
数据需求的严谨性主要体现在数据采集阶段。在数据采集阶段要求数据样本量必须具备在一定周期内相对稳定的特征,并且这种特征能在后期的数据处理中排除异常值波动的影响,进而得到完整、真实反馈业务效果的数据。
4.数据能帮你分析问题吗
通常数据在相关系统和工具的预设工作机制下,会自动呈现出我们想要看到的关键KPI,甚至在我们把一些数据分析和挖掘算法模式化后,数据可直接通过自动化的流程产出我们想要的价值结果。
实际上,数据作为一种客观实体,其本身并没有价值,它并不能帮助我们分析问题,而只是提供了数据分析的“素材”。唯一能让数据发挥作用的是人,包括数据分析师、挖掘工程师等数据从业者,因此大多数企业的现状不是缺少数据,而是缺少能将数据价值活用出来为企业提供辅助决策甚至是数据驱动能力的“人才”。
不过,即使有了“人才”,数据就能发挥作用、帮助我们解决所有的问题吗?在数据从业者的工作环境中,永远都会涉及两种人:数据从业者和业务人员。即使数据从业者的能力再强,仍然无法完整重现业务场景,但这种场景恰恰是业务人员自身的经历,他们的这种经历是数据分析和挖掘的宝贵财富,甚至很多数据结果只需要凭借他们的经验就可以解释清楚,举例如下。
某公司要进行妥投率的分析,调用了所有的从订单、分拣、出库、配送到收货的数据,发现某个配送节点的妥投率较低。数据分析师使用各种算法和模型进行分析都百思不得其解,而其配送站点的物流经理的一句话让整个数据分析的难点迎刃而解——该配送站的某快递员请假导致货物没有及时发出。
5.数据真的是公正客观的吗
数据有没有立场吗?
数据的公正客观在大多数人看来是与生俱来的,因为数据的存在就是客观的。数据的存在的确是客观的,但数据的应用主体是“人”,不同人对同一数据的分析结果会有所不同,这取决于数据从业者的立场。
这会影响什么?
我们对数据存在的初始期望是希望数据能客观的反馈业务结果,并服务于业务,从而对其进行优化和改进。如果对数据的分析和解读不客观、不公正,那么结果必然有失公允,基于数据的决策将会面临风险。