数据分析带给我们什么价值？

小提示：您能找到这篇{数据分析带给我们什么价值？}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的数据分析带给我们什么价值？内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

无论是线上还是线下技术交流，我经常被问的一个问题是“你所处在的职位能够给公司带来什么？”这边梳理了一些看法，希望给大家带来一些思路，也可以用来满足日后的数据分析的面试之需。

先抛出结论：

数据分析带给我们什么？

1. 提供给公司或者雇主更多的利润
2. 提供给用户更优秀更便捷的体验
3. 拓宽了行业更多可能性

1. 没有人可以拒绝如流水一般的利润

如果你是电商商家，你一定想让更多的人来你店铺消费，增长你的消费业绩，获取更多的利润。

如果你是新创业公司，你一定想让更多想买你公司出售的东西的人知道你新成立的公司，扩大知名度。

如何寻找到合适的用户推荐给合适的商家呢？

你需要数据，你需要知道最近谁浏览了什么，谁收藏了什么，谁购买了什么？你还需要一个团队，这个团队告诉收藏三次以上，没有购买过的用户七天之内90%的可能性会下单，需要有人代替你做这些事情。

所以就有了比如：视频广告中的Ctr预演，美团的首页商家推荐，苏宁用户聚宝盆，小区潜力，阿里的用户数据魔方，滴滴出行的首屏精准营销。反过来问一句，你知道它们的利润是多少么？你知道它们的成本是多少么？

以手机为例子，不同种的方式的效益2对比：方法转化率单均收入随机抽样1%2000简单的逻辑（浏览搜索收藏）筛选2-3%2000-3000协调推荐+交叉销售3%-5%3000监督学习9%-10%3000-5000数据处理过，但是数据相对比例真实可信。

以上一次活动，以10000人去算，商家收入由1%*10000*2000增至10%*10000*4500，商家利润按10%计算，平台抽成利润的20%，那就是没有任何物质成本（电费除外），商家额外盈利56000，平台额外盈利14000，这种事情谁不愿意。

利润聊完了，再看看成本。在任何物资软文广告推广的都不要的情况下，你只需要支付一个数据分析挖掘团队的薪水及基础数据系统搭建，而且这种成本没有”有效期”，况且这些还是都是”可见的”、”可持续的”、”空手套白狼式”的盈利，背后往往有你不知道的利润。

所以价值首当其冲就是，提供给公司或者雇主更多的利润，就是高到无法想象的ROI，而且不止赚一天一阵子。

2、让你的用户离不开你

如果在”X程”、”飞X”、”X牛”、”同X”上订票，让我们回忆一下流程，其中最为关键的一个部分就是选票。

让我们看一下某公司的上海飞往北京的机票网站展示：

这里有若干张机票，如果没有任何逻辑，常规初始排序要么按时间，要么按价格。

• 程序员同学说，我觉得还是按时间好，这样我就不用做排序了，数据库抽过来直接展示就行，方便！
• 运营同学上去一巴掌，说，不行，我觉得这个老王每次都买高价格的机票，我要给他每次把高价格的机票放在上面，这样我的kpi就达到了！
• 产品同学听了皱了眉，这哪里可以！这个老王每次都晚上走，我要把晚上的机票放在上面，用户体验才是产品的灵魂。

其实这样做都有道理，在当前互联网中，几乎每家公司都有其中任意一种的展示结果。但是如何做出一个更好的决策，或者说如何针对不同的用户，呈现出更合适的呈现方式，又没有这种可能呢？

数据分析及挖掘有能力告诉我们，每个用户的真实想法和意图，数据已经代替了用户在app端前的声音。

我们可以通过数据分析得知用户的属性河南新天科技股份有限公司判断他是不是因为是商旅用户才买高价机票，这样五一这种假期，我们就不用优先呈现高价机票而应该优先呈现中等价格同时9点附近的优质出行机票；我们也可以通过数据研究用户是不是每次出行时间固定，看看是不是因为周五上班晚上回家，所以才每次这样选择如此固定的行为模式，下次周五有促销优惠票的时候，优先推送给固定用户，还可以写点”一路平安，辛苦了”软文。这样的用户体验场景的发现，聚类分析、特征分析、用户分群完成武汉流量大屏显示报价了你一切的幻想。

在提供更优秀更便捷的体验，同时还让你的用户愿意持续为此买单。

3. 从未体验过的不代表不存在

14年以前，租车都是线下的实体的，老老实实的开门店的，交着水电费，交着房租，还要额外的人力开支，用户上门取车各种不方便，需要身份证、信用卡、还要签一堆合同。

为什么要做这么累的事情？

有一部分，只是说有一部分原因是因为风控。如果用户在网上可以下单，拿着车走了，谁来保障车辆的安全？一辆车少说也要10万左右吧，这样的风险当时没有任何一家企业可以承受的起的。

说一个行业数据，2‰，这就是传统开着门店的租车行业的车辆丢失率。按某传统租车公司披露的日均订单量5000单算，按70%的老用户+30%的新用户计算，老用户极限安全的情况下，每日存在5000*30%的车辆是首次出租，在按照2‰的丢车来算，每天存在的风险车辆是2辆左右，20万的潜在风险。

现在行业中滴滴出行也在做租车，从2016年7月至今，1辆车都没有丢失，用的就是滴滴平台大量的出行数据信息+第三方征信数据，至于怎么做，行业里有很多很成熟的方法：打分卡模型，FICO、AHP等等，任何一种，都可以让原本很捉襟见肘的问题得到一定程度上的解决，而公司所付出的就是一些Hc。

除此之外的，ofo&摩拜单车的车辆投放策略，美团&大众点评的最佳路径推荐等等。这些公司无形中改变了我们的生活，最基础的支撑就是其背后的强大机器学习算法及业务数据分析。

正是有了数据分析挖掘的全力支持，才有了如今的科技生活，所以价值昭然若揭。

最后，谢谢大家阅读。

作者：沙韬伟，知乎id：Slade Sal，苏宁易购高级算法工程师，苏宁易购全产业算法研究负责人，4年数据挖掘数据分析经验，前惠普中国算法研究员、滴滴租车用户征信负责人、分布式R开发研究员贡献者

本文由 @沙韬伟 于。，。