這是三篇系列文章的***篇。本文章介紹針對(duì)移動(dòng)應(yīng)用數(shù)據(jù)業(yè)務(wù)分析(Business Analytics)的概況。涉及的各種數(shù)據(jù)建模技術(shù)可用于提供定價(jià)、盈利預(yù)測和用戶的潛在購買預(yù)測。后期的文章將討論移動(dòng)應(yīng)用開發(fā)者尤為感興趣的主題如業(yè)務(wù)分析于關(guān)聯(lián)規(guī)則及其與大數(shù)據(jù)相結(jié)合的運(yùn)用。 

一、介紹業(yè)務(wù)分析

業(yè)務(wù)分析可稱為藝術(shù)與科學(xué)，是根據(jù)大量數(shù)據(jù)制定商務(wù)價(jià)值的信息和洞察。它的重要性在當(dāng)今市場與日俱增。當(dāng)今的現(xiàn)代企業(yè)已能獲取各種來源的數(shù)據(jù)(例如移動(dòng)用戶行為數(shù)據(jù))。但這些數(shù)據(jù)通常在業(yè)務(wù)規(guī)劃和市場研究的機(jī)會(huì)中使用率率不夠。為什么呢?因?yàn)樵紨?shù)據(jù)如野馬，企業(yè)得先恰當(dāng)?shù)卣泶罅康臄?shù)據(jù)以建立業(yè)務(wù)分析的基礎(chǔ)。

在移動(dòng)應(yīng)用的背景下，觀測到的數(shù)據(jù)是業(yè)務(wù)分析的基礎(chǔ)，可劃分為三類(請(qǐng)看以下信息圖)：環(huán)境(例如識(shí)別業(yè)務(wù)環(huán)境下公司優(yōu)勢(shì)與劣勢(shì)方面的機(jī)遇與威脅)、用戶(例如如何確定最可能在一周內(nèi)進(jìn)行應(yīng)用內(nèi)購買的用戶群體?)以及交易(例如應(yīng)用內(nèi)購買都發(fā)生在何時(shí)?)。業(yè)務(wù)分析是一個(gè)以實(shí)現(xiàn)邏輯解釋為目標(biāo)的逐步過程，從而對(duì)證所觀測到的數(shù)據(jù)規(guī)律。調(diào)查和實(shí)驗(yàn)數(shù)據(jù)可后期補(bǔ)充業(yè)務(wù)分析。 

根據(jù) Gartner 的以下調(diào)查，眾多垂直領(lǐng)域最盛行的數(shù)據(jù)來源是交易數(shù)據(jù)。零售 (93%) 和銀行業(yè) (83%) 等傳統(tǒng)行業(yè)是利用業(yè)務(wù)交易數(shù)據(jù)最活躍的行業(yè)。這與70 年代零售業(yè)條碼的廣泛應(yīng)用和銀行業(yè)的信用評(píng)分有關(guān), 可稱為業(yè)務(wù)分析的起源。在移動(dòng)應(yīng)用背景下，Countly完整的一站式數(shù)字分析解決平臺(tái)提供交易(例如應(yīng)用內(nèi)購買記錄)和日志數(shù)據(jù)(例如個(gè)別用戶的事件記錄、漏斗記錄和應(yīng)用內(nèi)搜索詞記錄)為業(yè)務(wù)分析建立強(qiáng)大的基礎(chǔ)。 

來源：Gartner 2013

二、業(yè)務(wù)分析的價(jià)值

數(shù)據(jù)推動(dòng)的市場營銷在用戶忠實(shí)度、用戶參與度和市場發(fā)展方面提供了可例證的結(jié)果。作為數(shù)據(jù)推動(dòng)的市場營銷***的組織報(bào)告遠(yuǎn)高于其對(duì)手的用戶參與度和市場增長。根據(jù) 2015 年福布斯的報(bào)告，***比落伍者在用戶參與度 / 忠實(shí)度方面實(shí)現(xiàn)競爭優(yōu)勢(shì)的可能性高三倍(74% 對(duì) 24%)，而實(shí)現(xiàn)收入增加的可能性幾乎是后者的三倍(55% 對(duì) 20%)。

數(shù)據(jù)分析可推動(dòng)對(duì)業(yè)務(wù)的理解，積極確認(rèn)潛在問題，展現(xiàn)增長增速劑，并了解當(dāng)前和未來的利潤推動(dòng)因素。所創(chuàng)造的價(jià)值是顯著的，公司和用戶行為數(shù)據(jù)中所嵌入的洞察經(jīng)過在來源中整合，對(duì)公司內(nèi)的營銷、物流、財(cái)務(wù)和人力資源管等不同部門是非常寶貴的。

三、介紹業(yè)務(wù)分析的核心技術(shù)

優(yōu)秀的移動(dòng)體驗(yàn)預(yù)期來自優(yōu)步(Uber)和亞馬遜(Amazon)等行業(yè)***。這些組織進(jìn)行了業(yè)務(wù)轉(zhuǎn)變從而跨渠道和設(shè)備提供相同的體驗(yàn)。這些公司關(guān)注用戶體驗(yàn)從而有效地切入大數(shù)據(jù)的相關(guān)點(diǎn)，建立了用戶洞察門檻，是企業(yè)核心的資源。

接著，業(yè)務(wù)分析技術(shù)可分為：

1.監(jiān)督式方法可用于以下問題

(1)分類行為分析(Classification)如取款機(jī)(ATM)：不同地區(qū)的取款機(jī)每天該籌備何種數(shù)額的紙鈔?摸清取款額的因素。

(2)預(yù)測分析(Prediction)如欺詐檢測(Fraud detection)：如何從海量的交易記錄找出詐騙事件?指出不尋常的高現(xiàn)金交易或錯(cuò)誤順序的采購訂單號(hào)。

2.非監(jiān)督式方法

(1)關(guān)聯(lián)規(guī)則(Association)如電商購物籃(Purchase Basket )：同時(shí)買禮品包裝紙和禮品卡的比例(57%)和買了禮品一周內(nèi)再買禮品包裝紙(28%)。

(2)數(shù)據(jù)簡化(Data Reduction)如優(yōu)化企業(yè)運(yùn)營項(xiàng)目(Performance Enhancement Programme)：如何指出優(yōu)化企業(yè)運(yùn)營相關(guān)的數(shù)據(jù)?觀察類似的企業(yè)的表現(xiàn)和做法，獲取相關(guān)數(shù)據(jù)意識(shí)。

業(yè)務(wù)分析也包含兼顧監(jiān)督式和非監(jiān)督式方法的領(lǐng)域如數(shù)據(jù)探索(Data Exploration)和可視化(Data Visualisation)。這可總結(jié)成以下的信息圖，了解監(jiān)督式和非監(jiān)督式方法所覆蓋的空間。 

四、采取行動(dòng)

總而言之，絕大多數(shù)公司都擁有可快速轉(zhuǎn)變?yōu)閷氋F洞察的海量數(shù)據(jù)。為了演示業(yè)務(wù)分析的作用，你可以考慮先限制業(yè)務(wù)分析目標(biāo)，迅速確認(rèn)數(shù)據(jù)機(jī)遇。然后以初步分析為基礎(chǔ)來再次投入更深入的分析，打造一個(gè)圍繞盈利、營銷活動(dòng)、銷售團(tuán)隊(duì)配置以進(jìn)行更明智業(yè)務(wù)決策的循環(huán)。

我為初步開始移動(dòng)數(shù)據(jù)分析的讀者總結(jié)以下提高成功機(jī)率的提示：

首先，切記結(jié)果地考慮，“始終結(jié)果是什么?或我需要什么樣的結(jié)果?”。這步驟得花些時(shí)間，但可保證結(jié)果讓企業(yè)感覺求賢若渴。

其次，敏捷、快速和分階段思考，而不是包羅萬象和緩慢地思考。分析少量數(shù)據(jù)集以確認(rèn)機(jī)遇何處。

第三，在觀察這些數(shù)據(jù)集時(shí)，首先考慮高價(jià)值數(shù)如用戶流失分析、始終用戶價(jià)值和細(xì)粒增長推動(dòng)因素。

第四，投入合適的人力或顧問資源。當(dāng)然，企業(yè)應(yīng)該首先從現(xiàn)有團(tuán)隊(duì)中挑出合適的人才，如擁有數(shù)據(jù)庫經(jīng)驗(yàn)的人員。

第五，重復(fù)該過程以構(gòu)建和創(chuàng)造更多價(jià)值。這一過程可每月、每季度或者在適當(dāng)時(shí)進(jìn)行。為提高效率，構(gòu)建模板從而使日后的分析變得更輕松。

作者介紹 

[[168916]]

陳俊勛是Countly的中國與亞太區(qū)的市場經(jīng)理。Countly 是開源的數(shù)據(jù)分析平臺(tái)，提供完整的用戶行為數(shù)據(jù)，而且可輕松完整導(dǎo)出。Countly 為移動(dòng)和網(wǎng)絡(luò)應(yīng)用程序提供高級(jí)分析和市場營銷。我們著重采用開源軟件和50多款開源庫、SDK 和框架。我們提供開源 SDK 和整個(gè)后端，包括服務(wù)器端組件和儀表板。歡迎聯(lián)系 Countly(hello@count.ly)。