2025数据超市运营思路

这是一篇关于2025数据超市运营思路的思维导图，详细探讨了数据在运营中的理解、表征和收集，主要内容包括：感知数据，收集数据，理解数据，数据决策。

2025数据超市运营思路

• 感知数据
  • 转型：避免成为数据管道， 比业务更了解数据从而匹配出数据给他， 销售给业务超预期的数据质量 （核心数据、准确性、及时性、完整性、全面性）
    • 1.业务觉得很重要——你给重要打分，你会打几分，你很紧急，你会打几分？——量转型
    • 2.用一个指标来代表你最重要的数据是什么？说明清楚目的 ——找内核
    • 3.这个值标准是多少？超过多少是正常/不正常？ ——对齐标准阈值
  • 背景
    • 理解业务属性是什么
      • 不断下钻，做转换，换算成对业务直接的帮助，可以是降低通均，可以是提高营收，找到一个基准
    • 理解事情的相对情况，上下 前后 远近 快慢 大小 轻重
      • 时间前后对比，环比，同比
      • 假期节日 推出活动等特殊时期情况对比
      • 江苏13地市情况，江苏在全网的对比，不同人群的对比，不同活动的对比等
    • 理解业务的真实意图
      • 海底捞68%占比，来自于公司治理制度，拥有2/3就有绝对控制权。
      • 迪士尼满意度75%-80%，客户满意度口径是客户很满意，不包括比较满意，因此看似是满意度，其实是顾客忠诚度，因为很满意的客户忠诚度是比较满意的6倍
  • 推理
    • 案例，二战盟军通过一个60序号的车估算1942年8月生产了多少车，情报间谍估算1万多辆，统计学家估算327辆，德国真实产的是342辆。
    • 数学推断
      • 离婚率=离婚对数/结婚对数
        • 离婚率上升要考虑分子、分母、以及分子分母变化幅度， 因此结论是离婚率高是结婚人数变少了，而不是婚姻幸福的人越来越少了
    • 逻辑推理
      • 斗地主推理 数独
    • 切换视角
      • 一次 2万VS一次1元*2万次
  • 差异
    • 生理结构不同
      • 天安门十个柱子，看上去间隔一样，但实际离中心越远的柱子间隔越小， 视觉上特点用在建筑上。不同数据感知相同。
      • 4张牌，哪几张可以正式，正面是偶数，背面一定是红色？翻版就是，借车加满油，哪个违反规定。——结论人的脑子是天生做社会题的
    • 文化属性不同
    • 价值立场不同
  • 估算
    • 芝加哥有多少架钢琴？黄桥星巴克店一年能卖出去多少杯咖啡？5分钟算出来 北京市一年用过的快餐盒，一件一件地铺在地上，能铺多大的地方呢
    • 二八法则
      • 盯住20%重要的
    • 1%原则
      • 买100万的东西，花1万研究
  • 映射
    • 镜子中的脸是一种一一对应的映射，数据到底是什么？是对现实世界实体的映射。 不同光线、角度拍的照片是数据源，但也只能反映实体的一部分。
    • 获取数据的方法决定我们能获取什么数据，数据是在某种方法下对实体的数字化表达。
    • 数据需要元数据来说明
      • 单独的音乐没有信息，需要对这个音乐做出陈述：对象，日期，什么情况下创造的，风格等
    • 葡萄酒模型
      • 酒
        • 数据，葡萄酒 啤酒 白酒
      • 酒瓶
        • 数据容器
          • 特别注意区别：excel、纸张都是数据容器，但纸张上的文字才是数据。
      • 酒窖
        • 数据储存的地方
      • 酒标
        • 元数据，各种特征，品牌年份 产地等
      • 喝到嘴的感觉
        • 数据蕴含信息 华语歌词分析，词汇量不重复的，常用的字有哪些，积极的歌词占比等
        • 难点！怎么使用数据？找到描写方法，才能让数据开口说话
• 收集数据
  • 类型： 为什么要对数据区别对待？
    • 三个不同层次概念
      • 变量即维度，各个维度的集合是表格，维度所所对应的值叫数据
    • 西游戏数据类型
      • 唐僧数据-类别数据
        • 不是好人就是坏人，没有中间状态》例如性别、婚姻状态等， 一是完备 二是排他 三是独立选择
      • 沙和尚-次序数据
        • 沙和尚层级汇报，有大小顺序》非常重要、重要、无所谓等
      • 猪八戒-间隔数据
        • 猪八戒九齿钉耙，间隔相等，智商分80 90 100等
      • 孙悟空-比例数据
        • 孙悟空金箍棒任意放大缩小，
          • 具有向下兼容性
  • 测量： 怎样定量把握一个事物？
    • 盲人摸大象告诉大象是什么，有人摸到大象的牙齿说胡罗卜，有人摸到耳朵说大蒲扇； 一方面是我们常常看到的数据是不成体系的，另一方面已经知道前提了是大象，但现实中看得见员工敬业度吗？抓得住现代化吗？数据用的好看得见吗？怎么定量把握，是需要去测量的。 ——盲人面对的困境：构建评价体系
    • 测量就是一个得到一组指标体系的过程： 》营商环境怎么体现？ 世界银行衡量一个国家的营商环境的8个指标：创建一家企业的难易程度，取得营业执照的难易程度，雇佣工人的难易程度，解雇工人的难易程度，产权登记的难易程度，缴税的难易程度，跨境贸易的难易程度，关停企业的难易程度。
    • 如何测量？
      • 借助维度对各个属性进行拆分 反映你如何理解事情
    • 选择指标、划分维度需要遵循的两个原则
      • 边际效应最大化
        • 指标不是越多越好 假设少一个有什么损失，多一个有什么好处
      • 可靠性原则-信度
        • 确保测量能得到稳定结果
        • 例如，测量幸福度，你幸福吗？我姓孙。这种就不达标。
        • 大家各自提出指标体系，相互竞争，迭代出共识的方案
    • 评价指标有效性
      • 考虑关联性
        • 测量对联就是测量国学
      • 考虑结构性
        • 婚姻满意度与婚姻忠诚密切相关，那么测量婚姻满意度是有效的
      • 考虑完备性
        • 评价一个数据好用，没有评测对象好评维度，就不全面
  • 抽样
    • 当样本的各种特征大体接近总体的特征的时候，样本就具有代表性。
    • 案例：总统大选，都是富人样本，不全面；后来用配额样本，穷人占比0.8，那么1000人里选800个穷人，但是这800个穷人没有概率性，跟样本量大小无关，二选一的民主党或共同党，量不用大，但疫苗安全性需要大量样本，而调研电视收视率投放广告在于精度的大样本。
    • 非概率样本具备推论总体的能力
      • 滚雪球的方式，受访者是XBOX的美国用户，预测12年总统大选，事后分层和分层回归技术
        • why
    • 不要把抽样结果直接用在总体上， 真正的结果是一个带限制条件的范围 范围则隐含了一个误差水平的设定
      • 女性比例是49%> 中国人的性别比例是女性占49%吗?
      • 结论的正确表述是> “在95%的置信度之下，中国人的女性比例在46.8%到51.2%之间”
        • 置信度是表达你对结论的信心 95%的置信度就是100次可能有5次错误
  • 问卷
    • 为什么说含金量最高的是操作化， 操纵对方意识回答你想要的问题。
      • 概念操作化，用一i系列的问卷逼近感受
      • 用户视角：1.考题里不能出现冰淇淋，因为很多农村小孩没吃过。 2.收入高的人是不是社会地位也高”。对方会怎么样？很可能会夸大他的收入，因为他不想让别人认为他的社会地位低。 3.您认为哪一位是20世纪最伟大的美国男运动员？这是一个封闭式的问题 4.谁是活跃在当今体坛上最伟大的运动员？这是一个开放式的问题
      • 你的问法中藏着你的答案：就这个国家的犯罪和目无法纪的现象而言，更应该归咎于社会条件而不是个体。
      • 经典案例，用操作化打败操作化
        • 杜邦公司-涂层用料特富龙
          • 设计问卷，以下品牌中是通用名称还是品牌名称，冰箱是通用名称，可口可乐是品牌名称68%的人认为特氟龙是品牌名称，因此，特氟龙是品牌
        • 吉田公司生产拉链商标叫易富龙
          • 通用而不是名称
  • 实验
    • 怎么确定因果性、相关性
  • 大数据
    • 不一样在哪里？
• 理解数据
  • 表征
    • 如何由表及里发现事物本质
      • 这个指标能反映这个问题吗？真正的问题是什么？有没有其他指标？没有指标是否可以构造指标？
        • 日活月活能代表APP质量吗？新课程上线
  • 分类
    • 谁是他要的？谁是她要的？
      • 判别模型，用于精准客户分类贴标签，精打细算用户，比如高价值用户再细分
      • 组内差异小，组间差异大
  • 分解
    • 权重，究竟哪个因素更重要
      • 一个复杂的系统由多个因素决定，理清出关系，需要知道权重，除了123重要外，重要占比又是多少
  • 因果
    • 如何缓解反事实难题？
      • 俩个变量是因果关系一定有相关性
        • 确定因果关系，不能只看这两件事情之间，而必须看到世界运作的全景。要是你还没有能力看到全景，那么请再一次保持谦卑，慎重下结论。
      • 俩个变量有先后，原因在前，结果在后，先有蛋 再有鸡
      • 俩个变量不被第三方解释，买百合发动机号，买玫瑰发动机就不好
      • 先建立所研究问题整体的运行图景，说明各个变量之间的联系。然后去收集数据，让数据逼近这个理论图景。再然后，用数据验证这个理论。如果验证通过，就对理论更相信一点。如果不通过，就改进理论或者收集新的数据，再次验证。如此循环下去
      • 辛普森悖论
        • 拆分项趋势增长，合并起来趋势下降。
• 数据决策
  • 行动
    • 用什么样的数据指导决策
      • 如何理解你面对的挑战
        • 交通拥堵-降低意外碰撞发生-车流量控制
      • 如何建立决策模型
        • 预测汽油需求量
        • 超市库存比
      • 如何找到决策模型中需要的数据
        • 万物皆可量化，情绪，红色蓝色玻璃球数量
        • 量化的实质是降低不确定性
  • 可视化
    • 塑造受众的感觉
      • 玫瑰图
      • 绿黄红
  • 误导
    • 识别数据中的认知陷阱
      • 谁说的
      • 他怎么知道
      • 遗漏了什么
      • 是否偷换了概念
      • 资料有意义吗