Loading...

什麼是資料分析(Data Analysis)?

在數位化的時代,各種企業和組織每天都在搜集非常龐大的數據資料,大部分的資料都是非結構雜亂無章的,Data Analysis 資料分析就是將這些數據進行整理分類後,從中得出解決問題和進行決策的見解作為參考依據。小至個人、大至跨國組織,不管是用來優化行銷、找到商業機會或是加強組織內部效率,都需要懂得能利用資料分析來提升決策品質。 

資料分析 5 步驟

1. 定義要解決的問題:

需要資料分析的場景,必然先有一個要解決的問題,例如客戶為什麼用戶在App使用後留不住,哪些廣告投放的渠道最有效等等。定義這些問題,你需要決定使用哪種類型的數據分析,追蹤並分析哪些明確的數據指標,以及要如何測量這些指標。

2. 搜集正確的數據:

明確目的後和要搜集的數據與指標後,要找到問題關鍵的數據源,通常來自公司內部各種工具收集的第一方結構化數據,包含CRM軟體、行銷數據工具等。同時為了要更完善自己的分析,你也可能從第二方數據(外部組織搜集的第一方結構化數據,例如FB的像素追蹤)作為輔助,或是再使用第三方數據(通常是第三方組織搜集大量非結構化數據,可能是DMP數據管理平台或是第三方研究機構搜集的數據)

3. 清理數據:

為了要防止資料分析錯誤結論產生損害業務的結論,數據收集好一個重要的工作,就是要識別並清除會造成扭曲分析結果的重複數據和異常值、填補數據缺漏以及修正不正確的格式。同時刪除掉和你預期要分析的問題不相關的數據。一般來說資料分析師會花60%以上的時間在清理數據。

4. 開始資料分析:

數據清理完成後,你要開始從事資料分析,而資料分析的類別大致上有這四種:

  • 描述分析(Descriptive analysis):描述性分析回答 What happened 這個問題,確定已經發生的事,雖然沒辦法從中做出預測,但是整理好的描述分析能確認數據以有意義的方式呈現,並打好進一步分析的基礎。
  • 診斷分析(Diagnostic Analysis):診斷分析幫助你了解 Why did it happen 為什麼會發生這樣的狀況,資料分析師能找到過去存在類似的模式,將可能導致這個結果的因素建立相關性,例如電商結帳失敗提高的原因,可能是結帳頁面要填的資料太多導致客戶流失,可以從過去與現在填寫完成率做比較。
  • 預測分析(Predictive Analysis):預測分析則是回答 What will happen 未來可能會發生什麼,透過找到過去數據的規律,預測未來的可能趨勢和潛在問題。例如透過過去數據的觀察,第四季是電商購物的旺季,廣告投放產生的效益和其他季有明顯差異。
  • 處方式分析(Prescriptive Analysis):處方式分析則是混合了其他數據分析,因為你知道希望的結果是什麼,為了達成這個目標,可以事前做出哪些相應的動作。例如保險業想要獲利最大化,就通過數據搜集預測誰是高風險族群,將他們的保費提高。

5. 數據解讀:

當你完成你的資料分析後,檢視這些數據有沒有回答以及如何回答你開始設定的問題,並考量你的結論有沒有別的你沒考慮過的角度。你要分享這個數據解讀的結果,要能夠非常清楚明確表達,資料分析師通常會運用可互動的數據視覺化的工具來協助解釋。並且根據你解釋的結果,提出明確具體的可執行行動方案

結語

無論是企業戰略決策、打造產品、數位行銷,或是銷售客服,每個營運的環節都能夠透過數據與資料的分析進行優化與判斷,幫助企業做出更有效果和依據的決策。讓 Data Analysis 資料分析成為未來所有企業都應該要掌握的關鍵能力。數據與資料無處不在,要如何做好搜集整理與做出結論判斷,是需要有系統的學習和實踐。