這是三篇系列文章的***篇。本文章介紹針對移動應用數(shù)據(jù)業(yè)務分析(Business Analytics)的概況。涉及的各種數(shù)據(jù)建模技術可用于提供定價、盈利預測和用戶的潛在購買預測。后期的文章將討論移動應用開發(fā)者尤為感興趣的主題如業(yè)務分析于關聯(lián)規(guī)則及其與大數(shù)據(jù)相結合的運用。 

一、介紹業(yè)務分析

業(yè)務分析可稱為藝術與科學，是根據(jù)大量數(shù)據(jù)制定商務價值的信息和洞察。它的重要性在當今市場與日俱增。當今的現(xiàn)代企業(yè)已能獲取各種來源的數(shù)據(jù)(例如移動用戶行為數(shù)據(jù))。但這些數(shù)據(jù)通常在業(yè)務規(guī)劃和市場研究的機會中使用率率不夠。為什么呢?因為原始數(shù)據(jù)如野馬，企業(yè)得先恰當?shù)卣泶罅康臄?shù)據(jù)以建立業(yè)務分析的基礎。

在移動應用的背景下，觀測到的數(shù)據(jù)是業(yè)務分析的基礎，可劃分為三類(請看以下信息圖)：環(huán)境(例如識別業(yè)務環(huán)境下公司優(yōu)勢與劣勢方面的機遇與威脅)、用戶(例如如何確定最可能在一周內(nèi)進行應用內(nèi)購買的用戶群體?)以及交易(例如應用內(nèi)購買都發(fā)生在何時?)。業(yè)務分析是一個以實現(xiàn)邏輯解釋為目標的逐步過程，從而對證所觀測到的數(shù)據(jù)規(guī)律。調(diào)查和實驗數(shù)據(jù)可后期補充業(yè)務分析。 

根據(jù) Gartner 的以下調(diào)查，眾多垂直領域最盛行的數(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)條碼的廣泛應用和銀行業(yè)的信用評分有關, 可稱為業(yè)務分析的起源。在移動應用背景下，Countly完整的一站式數(shù)字分析解決平臺提供交易(例如應用內(nèi)購買記錄)和日志數(shù)據(jù)(例如個別用戶的事件記錄、漏斗記錄和應用內(nèi)搜索詞記錄)為業(yè)務分析建立強大的基礎。 

來源：Gartner 2013

二、業(yè)務分析的價值

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

數(shù)據(jù)分析可推動對業(yè)務的理解，積極確認潛在問題，展現(xiàn)增長增速劑，并了解當前和未來的利潤推動因素。所創(chuàng)造的價值是顯著的，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，對公司內(nèi)的營銷、物流、財務和人力資源管等不同部門是非常寶貴的。

三、介紹業(yè)務分析的核心技術

優(yōu)秀的移動體驗預期來自優(yōu)步(Uber)和亞馬遜(Amazon)等行業(yè)***。這些組織進行了業(yè)務轉(zhuǎn)變從而跨渠道和設備提供相同的體驗。這些公司關注用戶體驗從而有效地切入大數(shù)據(jù)的相關點，建立了用戶洞察門檻，是企業(yè)核心的資源。

接著，業(yè)務分析技術可分為：

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(ATM)：不同地區(qū)的取款機每天該籌備何種數(shù)額的紙鈔?摸清取款額的因素。

(2)預測分析(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)金交易或錯誤順序的采購訂單號。

2.非監(jiān)督式方法

(1)關聯(lián)規(guī)則(Association)如電商購物籃(Purchase Basket )：同時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)運營項目(Performance Enhancement Programme)：如何指出優(yōu)化企業(yè)運營相關的數(shù)據(jù)?觀察類似的企業(yè)的表現(xiàn)和做法，獲取相關數(shù)據(jù)意識。

業(yè)務分析也包含兼顧監(jiān)督式和非監(jiān)督式方法的領域如數(shù)據(jù)探索(Data Exploration)和可視化(Data Visualisation)。這可總結成以下的信息圖，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

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)務分析的作用，你可以考慮先限制業(yè)務分析目標，迅速確認數(shù)據(jù)機遇。然后以初步分析為基礎來再次投入更深入的分析，打造一個圍繞盈利、營銷活動、銷售團隊配置以進行更明智業(yè)務決策的循環(huán)。

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

首先，切記結果地考慮，“始終結果是什么?或我需要什么樣的結果?”。這步驟得花些時間，但可保證結果讓企業(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)集以確認機遇何處。

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

第四，投入合適的人力或顧問資源。當然，企業(yè)應該首先從現(xiàn)有團隊中挑出合適的人才，如擁有數(shù)據(jù)庫經(jīng)驗的人員。

第五，重復該過程以構建和創(chuàng)造更多價值。這一過程可每月、每季度或者在適當時進行。為提高效率，構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，提供完整的用戶行為數(shù)據(jù)，而且可輕松完整導出。Countly 為移動和網(wǎng)絡應用程序提供高級分析和市場營銷。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 和整個后端，包括服務器端組件和儀表板。歡迎聯(lián)系 Countly(hello@count.ly)。