数据定义的挑战
从数据科学的角度看,这次航天仼务的失利是数据定义没有做好,正所谓“失之毫厘,谬以千里”。数据定义是数据收集和分析的基础,看似简单,想要在实践中做好却并不容易。尤其是在大数据系统中(如宇航工程),维护数据定义的正确性和一致性就更具挑战性了。
数据定义有两个要素,一个是关于定义的概念,另一个是关于定义的测度。前者可被称为概念定义,而后者可被称为操作定义。好的数据定义应该同时具有清晰的概念定义和操作定义。火星气候探测者号的悲剧就是操作定义没有在系统中做到一致性而导致的。
而在另一些应用场合,概念定义可能成为问题的症结所在。一家国内著名电商的大数据负责人曾经告诉我,一个让他们非常头疼的问题就是应该如何定义什么是一笔“订单”。从IT人的角度,“订单”的概念似乎应是很简单的,那就是顾客一次付款购买的全部商品。然而实际却远比这个复杂。比如说,有时候下单之后,后台发现某个产品断货,然后征得顾客同意取消了原订单中的这一项产品。这样就有了两种订单的定义,初始订单和真正执行的订单。接着在仓库配送时,一张订单可能会被拆成两次或多次送货。这样一个订单在运营记录中变成了几张单子,在财务那边也造成了多张发票。最后,顾客可能发现自己不喜欢购买的一些产品而要求退货。结果一张订单的实收款往往有别于下单时的金额和配送时的金额。这样以来一笔订单到底该如何定义,一张订单的金额和包含的产品数到底该如何计算,就成了个棘手问题。
重要的是,这一数据定义不仅是个技术问题,而且还有战略层面的意义。从营销和客户关系管理的角度看,订单的定义需要能反映顾客购买次数和(考虑退货后的)实际消费金额。但是从运营管理的角度,订单的定义最好能反映实际配送成本和配送质量(如递送速度,准确率等);因此拆分后的实际配送订单对运营决策更具意义。而在公司高层决策者看来,以上各种的订单概念都有其重要性和对应的管理作用,因此都希望保留。所以对数据部门来说,挑战一下就大了起来。因为不仅要在系统中维护不同的订单定义,而且还要注意及时提醒使用数据的决策者当前看到的数据和分析结果是基于何种订单概念。因为不同部门有自己对数据定义的偏好,在提供数据图表时还要尽量给出个性化的定制。
更多的时候,清晰的概念定义和操作定义都不容易给出。笔者曾经给一家著名的跨国石油公司做过零售方面的咨询,是关于其在全球各个自有加油站的定价优化。要给某个加油站做定价优化,知道其竞争对手是谁应是必不可少的。可是竞争对手到底该怎么定义呢?竞争的概念似乎是不言而喻的,但是不言而喻恰恰正是隐患所在。强调数据科学,就是要消除这些隐患,把概念清晰地表达出来。
从经济学角度,对于竞争对手的严格定义应该是:如果至少有一部分消费者在购买时会考虑在A和B中做出选择,那么B是A的竞争者。但是这一定义却缺乏可操作性。该公司收集了自己加油站每天每时段的销售情况,但只能追踪同城其它加油站的每天定价和广告变化。另外,对于持品牌积分卡的顾客,他们在该公司的消费情况能被完整地追踪,但是他们是否也加过其它品牌的油就不得而知了。
经过一番仔细思考,我们决定采用如下的定义:B加油站是A加油站的竞争者,如果B的营销活动(如价格降低、广告等)对A的销量有负面影响。这一定义符合我们对竞争的一般理解,而且还考虑到了数据收集的可行性,所需的数据都是已经有了的。可是即便有了这个定义,操作起来还是充满了挑战。首先,澘在竞争者的范围该如何定?离A一公里,五公里?还有更远的可能性因为消费者可能会比较居住地附近的加油站和上班地附近的加油站。大数据在这一点上能帮助我们。比如说我们可以把网撒得很大,扩大到一百公里的半径,把潜在的竞争者都查一遍。
可是下一个问题又来了:我们怎么判断B的营销活动(如价格变化,广告等等)对A的销量有影响呢?和有些流行大数据读物所宣称的不同,我们发现单纯看相关性并不可行。
举个例子,由于原油价格上升,B提了价,而消费者也总体减少了开车的里程。这样从数据上我们看到的是B的价格提升往往伴随着A的销量减少,这似乎意味着B不是A的竞争者,而事实则可能正好相反。
最后我们的解决方案是放弃了寻找A的具体竞争对手的想法,而是把所有A以外的加油站的营销活动汇总起来做成一个A的市场环境指数,再基于这一指数做出A的定价优化。其中的细节十分复杂,篇幅所限,就不赘述了。
以上的这些例子让我们看到数据定义的问题看似简单,也因此往往被忽视,但是这其中的挑战不可不察。所谓“千里之行,始于足下”,“好的开端是成功的一半”,这些用来描述数据定义的重要性决不为过。要用好大数据,我们必须对数据定义慎而慎之。
数据分析咨询请扫描二维码
需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20