新闻动态
分析场景识别中的常见问题
来源: | 作者:pmod6d781 | 发布时间: 2024-11-18 | 223 次浏览 | 分享到:

数据分析课题访谈与识别中,经常遇到如下问题:

1)缺乏业务或管理基础的数字化需求。

如果没有明确的业务目标、管理闭环或决策逻辑,很多信息化、数字化技术手段也无法深入。通过单独的咨询项目或深入的业务分析,把数据分析需求聚焦到一个具体的业务决策流程中。

2)分析场景缺乏与业务需求的关联。

在很多业务交流中,经常遇到追求技术时尚的需求(“工业大数据很流行,我有这些数据,看看能做啥?”“需要什么数据尽管提,我们可以解决”),缺乏深层次业务动机与目标分析。这种情形下,推荐采用数据驱动的方式,将分析场景与业务流程或决策流程关联,识别结合点。

3)浮于表面的业务访谈,没有讲清楚价值创造的途径。

既有的决策逻辑没有理解清楚,其改进途径就无从谈起。主要有2种原因:①业务分析师缺乏必要的领域知识,分析场景识别过度依赖于业务专家;业务访谈变成了业务知识培训,而不是业务问题剖析;缺乏对领域名词的必要理解,多采用类比的沟通方式,交流效率很低。②业务专家顾左右而言他,不愿从基本面角度去讲,喜欢用特例来讲,但又不愿提供特例的细节,一旦数据分析师把数据中发现的特例或反例找来了,又不愿意深入讲解背后的业务逻辑。这样,业务场景描述仅停留在表层,没有深入到一个可解的地步。

4)没有把决策要素思考清楚。

与分析场景相关的关键要素不存在数据支撑,“无源之水”的分析场景在技术上是不可行的,是“分析场景筛选”阶段的无效输入。

5)分析场景的颗粒度和范围不够精细。

把分析场景与信息化场景、自动化场景等其类型的场景揉在一起,或者把多个分析场景放在一起。