最近数据挖掘与分析讨论比较热的话题是“数据变现”，也就是所谓的数据挖掘在业务中进行了应用，并确实给业务带来更大的业务绩效收益。很多朋友都知道，有技术、熟悉业务是前提，但有了前提，也常常困惑于各种迷惑，数据到底被业务用了么，业务用了效果不好的话，问题出在哪里？
本文打算通过一些经验之谈，阐述“数据变现”基本准则（个人推荐），希望抛砖引玉，能引起更多人思考、讨论。
数据变现前提准备
数据变现首先得有清洗、整理、及时、准确的数据，以及科学的数据分析方法和手段；然后得有业务的熟悉程度，包括业务流程、业务运作方法和运营难点、业务解决方案等等。有了前提，再说如何把数据变现为价值。
数据的准备、分析方法自不用多说，大家已经讨论N多遍了。这里主要讨论对业务的熟悉程度，我们常常提到的业务熟悉，往往只是停留在业务流程、业务数据流的熟悉。例如订单流程，数据流到某个状态才转ERP让物流拣货。直到现在，很多数据分析人还是认为这样的就叫熟悉业务了。
我曾经做过的大促分析，经过当天每小时流量、订单、库存，结合商品分布、用户分布，准确诊断大促不足的地方、大促高价值的地方，然后再一次促销中，将数据洞察转换为行动方案。这是因为我熟知业务部门要行动，他们需要了解到底哪些地方要如何改进，改进多少？例如商品部门，你说准备库存结构不合理，那你告诉我到底各SKU准备多少，为什么这样准备？客户部门，你说老客户活跃度激活不够，你告诉我如何做的更好，凭什么说这样才能更好？这些大家觉得仅仅熟悉流程，能给答案推动数据变现么？
充分地洞察和分析
数据要能说话，前提它要能成为说话的“证据”，例如销售增速同比下滑50%，你凭什么说是老客户维护是主要问题，而不是网站产品或者价格问题？
我个人以为这是一个数据分析、洞察融入业务逻辑的推理过程，写出来的分析报告逻辑严密，才能让业务部门信服、使用数据结论和建议。
上一个博文提到的：假设订单转换率由3%下降到1.5%，那么从业务角度，会有哪些可能性？
1、导流出了问题，新的流量来源僵尸用户多？（用户访问习惯性行为判断）
2、推广出了问题，很多用户误点广告（由退出率判断）？
3、网站是否改版，降低了客户体验？（用户行为路径判断）？
4、网站其他问题，例如某些功能比较难用，网站变慢等（用户行为访问节点分析判断）？
5、是否商品突然没有了吸引力，例如商品之前还是大量5-6折的商品引流，现在变成8折为引流了？（通过商品访问深度、商品访问比较分析）
我们每一种可能，都要有“对应”的数据来说明，让业务部门关注或者不关注这个因素，而不是看来数据就算了。你说通过某广告来源来的流量，马上就退出的情况，这不是点错广告，是什么呢？这就是逻辑推理！
和业务充分沟通
这点很重要，也有挑战性，不同公司的企业文化，决定了你沟通的技巧需要有对应，所以你在某企业有沉淀，有人脉了，才更容易沟通，更容易交心。
根据原则，就是首先你的数据分析是来帮助他们的，而不是让他们帮你做数据试验；其次你的业务逻辑非常清晰，让业务觉得和你交流有共同语言，值得交流；最后你确实有成功案例，让业务有动力与你倾力合作。
推动数据驱动执行
交心的沟通后，业务部门甚至可能让你参与业务会议、请你帮忙提业务运作建议。但如果你还没与业务部门达成如此默契，就需要主动看执行结果，如果不够理想，请主动思考什么原因，与业务部门咨询是否有什么困难，缺乏什么条件。
总结
数据驱动失败，可能业务用户执行不到位，但也可能是数据分析漏了什么业务因素，或者数据挖掘算法不够合理，所以BI部门需要多审视自己，而且即便是业务执行不到位所致，请多关注对方是否有不得已的原因，而不是埋怨业务部门不给力，在未来合作中，数据才能更主动发挥价值。
原文发布时间为：2013-10-04
本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号
