传统的ROI数据分析

决定对一数据分析项目投资多少并在之后评估投资的成功可能性是个复杂的过程。通常的复杂性是由项目的复杂性、投资和实现收益之间的时间差以确定实际成本和价值的难度决定的。然而，无论如何，大多数易于或难于执行的决策都基于对投资回报率（Return On Investment，ROI)进行的计算，不管是用一套正式的ROI计算方法还是对“价值是否大于投资”进行非正式的评估都是如此。

计算ROI的概念很简单，但实际执行过程会很复杂。尽管有难度，但ROI在为初始投资制定业务案例时很有用，而且也可以在事后用来评估投资。以下是对传统ROI计算方法进行介绍，并给出在数据分析领域计算ROI时的注意事项。

传统的ROI会让数据分析人员计算一个简单的公式：

ROI=（总体价值/收益-总体投资成本）/总体投资成本

当它是业务案例的一部分时，人们会以两种方式来使用这种计算方法。第一种：如果这个简单的计算结果是这个正数，这就意味投资成本小于所获得的价值。因此，投资就会有一个积极的回报，是一个潜在的“好”投资。同样地，如果结果是个负数，它就不是一个好投资。第二种使用这种计算的方法是比较投资机会。通常人们会以这种比例关系来表示ROI计算值，以此来规范化结果并提供一个比较其他投资机会的基础。在很多组织中，这个比率必须超过资源分配决策中考虑投入资金的最低额度。

现在，让我们考虑一个简单的例子。假设某家零售公司正在评估一个数据分析项目潜在投资回报率，目的是产生一次更加成功的直邮促销活动。公司计划基于所选择的条件构建一个高潜力客户模型，并在之后为这些客户深入研究其CRM数据。与过去一年只发送邮件给所有消费超过500美金的客户的方式相反，公司只会发送邮件给那些满足所选附加条件的客户。为了构建和运行这个模型，对这个数据分析项目的投资是5万美金。计算得出的期望收益是7.5万美金。把这些数字代入ROI方程式会产生这一公式：

ROI=($75,000-$50,000)/$50,000=$25,000/$50,000=50%

很明显，如果第二个项目成本是10万美金，期望收益是13万美金，那么ROI就是30%。

那么我们要拿这些ROI数字做什么呢？首先，既然这两个项目都是回报大于成本（因为计算出的ROI是正数），如果预算允许，那么我们队两者都要进行投资。或者，内部预算政策规定只能对回报率不低于40%的项目进行投资。那么，第一个投资项目就跳过了这个障碍，而第二个没有。

如果我们只能对一个项目进行投资（可能这些项目所需资源和人员相同，但不能同时被这两个项目使用），那么我们就要对这些项目的投资金额进行比较。投资回报率50%大于投资回报率30%，所以我们更加倾向于第一个项目。但同时，第一个投资项目的实际收益金额远小于第二个投资项目的实际收益金额（7.5万美金对13万美金），这就支持了对第二个项目进行投资的决策。有了这些计算方法，预算委员会或决策制定者就能制定出实际的决策。