数据分析项目成功的重要因素是什么？

多年来，我一直与数百家企业打交道。在这个过程中，我了解了一些因素，使数据分析项目成功，并看到许多项目失败。说出最常见的失败原因可能会让你大吃一惊。不是缺乏数据专业知识或整合错误，而是因为企业没有让“使用数据”成为任何人员的责任。太多的公司花了几个月的时间收集有趣的数据，然后让它们静静地躺在角落里积灰。这种现象驱使我写这篇文章，希望它能给你灵感，为下一个分析项目增添一些结构性。分析的应用应该是你不断吸收的商业源泉。如果你能为以下每个角色找到至少一个愿意承担责任的候选人，我保证你的项目成功率会提高1000倍！以下是对每个角色的具体描述和建议。*未科学确认角色及其输出角色交付项目领导项目规划，包括工作范围和时间数据构建者数据模型，查询句子产品开发者跟踪（埋点）分析师提供新的业务问题报告生产者提供业务报告项目领导有团队成员负责分析工作的实施交付。你可能已经知道，一个高效的项目经理应该识别项目的利益相关者，并找出他们需要什么。这些人会问“我们要回答的商业问题是什么？”设定并传达工作目标、范围和时间，并将其落实到每个相关人员。管理项目所依赖的资源，在交付过程中发现障碍。确保项目如实交付并实现目标（例如，数据确实回答了对业务至关重要的问题）。从工程师到产品经理，确保每个相关人员同步工作，了解要交付什么。由于人们通常低估或高度数据的作用，这一部分更为重要。对项目领导的建议：如果您专注于可以直接改变产品或业务的问题，您的分析项目将得到最及时的反馈。比如新的宣传活动带来的客户是否已经转化为付费用户(是否应该继续投资这个宣传渠道)，或者我们准备取消这个功能，你能检查一下有没有付费用户在使用这个服务，保证项目的规模尽可能小吗？一开始，只跟踪业务中几个重要的关键行为，以便快速回答最紧迫的业务问题（如使用该功能的用户保留）。有用的分析结果会吸引你的组织，他们很快就会提出更多你想在下一轮回答的问题。换句话说，随着每次迭代的深入，分析工作应该是敏捷的。如果分析项目的规模太大(例如，工程师需要两周时间)，你可能会冒着拖延其他紧急项目的风险。数据构建者的头衔听起来很令人眼花缭乱，但这只意味着你的团队需要一个熟练的人来创建数据模型，并理解如何工作查询句子。数据模型可以很简单，甚至像电子邮件一样列出你想要跟踪的行为和优先级。该模型有助于确定和传达您的项目范围。数据构建者帮助整个团队评估哪些业务问题可以回答，哪些问题不能回答。通常，这个人不必是数据科学博士，通常由一个应用程序开发人员或那些知道如何使用电子表格建立模型的人来做。对数据分析师的建议：花点时间让曾经使用过相同工具的人看看你的数据模型。例如，如果您正在使用Keen，请与使用Keen的开发人员交谈。您还可以让分析服务提供商与您一起审查您的数据模型。无论你使用什么工具，都会有一些事情需要选择，总有一些解决方案不会按照预期工作。节省一些时间，和有过同样经历的人谈谈你的计划。在建立数据模型时，使用客户和业务领域的习惯语言，而不是开发者的习惯语言。例如，不要跟踪“阶段变化”，客户和贵公司的其他人无法理解。如果你能保证语言是以商业为导向的，它将帮助你的组织/企业了解如何查询和使用数据。确保至少有一个人可以审查你的数据模型，并确保模型可以被他人理解。你可能会发现一些对自己直截了当的标签对别人来说并不清楚。例如，对于组织中的不同人员，“uuid“意味着不同的东西。不要重复发明轮子(不要做无用的工作)。产品开发人员项目一开始，至少要有一个开发人员承担埋点工作。他们到处添加一些代码，以保存每次登录、购买、上传和其他行为的数据。如果事件的来源很多，比如移动应用 网页，这项工作可以由多个开发者完成(例如，一个网站开发者和一个移动开发者)。埋点的开发者通常在较小的机构中扮演数据建构者。在较大的群体中，开发者与数据构建者密切合作，确保模型数据足够理想，事物被跟踪并以一致的格式标记(如“”user.id=“23cv42343jk8”user.id”=“fran@cooldomain.com”)。埋点是一个相对直接的过程。许多分析服务都有直接可用的客户数据库来简化这个过程。然而，您的团队仍然需要决定跟踪什么行为以及如何命名它。对于产品开发人员的建议：确保根据对您的组织有意义的数据模型进行埋点。假如你的团队没有数据构建者，那就扮演这个角色，在开始埋点之前规划一个模型。这将帮助你澄清你的想法，更有利于与他人沟通。使用分开的repository，有自己的key，针对dev、test和prod，这样，生成数据和测试数据就不会混淆。埋点成功后，在正式使用前找人审核存储的数据。与产品的其他功能一样，分析的实施也需要一个QA过程。埋点过程中常见的错误，如将数字发送到字符串，命名不清，JSON格式使用不正确，或标签中有错别字。你会收集很多有趣的数据，但如果没有人使用它们，它们就不会有价值。团队中至少有一个人对隐藏在数据背后的东西非常好奇。我称这些人为分析师。分析师通常是开发者、产品经理或产品团队/营销团队的人。这些人不仅疯狂地想知道商业问题的答案，而且总是提出新的问题。分析师喜欢研究项目第一阶段收集的数据，有很多想法可以引出下一阶段应该收集的新东西。换句话说，团队需要个人享受实践分析的过程。别担心，这样的人有很多：）。技术背景对这个角色很有帮助，这使得他们能够快速理解什么样的查询句子能够得到他们想要的答案。这个角色对项目的成功至关重要。如果没有人从数据中理解和学习，就无法获得任何价值。对分析师的建议：分析结果对你自己来说可能是显而易见的或有意义的，但其他人可能并非如此。这是因为你从一开始就知道要回答什么问题。您知道哪些数据不包含哪些数据。此外，您写的查询句最终生成可视化结果或报告。如果你想让别人知道最终得到的数字意味着什么，你应该和他们分享很多上下文。在分享分析结果时，您需要解释您从数据中得到的结论，以及根据分析结果应该采取什么业务行动（例如，我们的转换率在上一个版本发布后下降，因此应该更改）。其他人可能不仅没有正确解释数据所需的上下文，而且可能没有你那么迷人，也没有时间试图理解它的意义。不要用力过猛，但是沟通技巧对这个岗位很重要。大约一半的分析师花在沟通上。解释和总结从数据中获得的结论和结果需要一些时间。假如你的分析结果不能只是静静地躺在别人的收件箱里。有些你是机构中唯一意识到某个机会或问题的人，你应该确保机构对机会或问题做出反应。有时候你要做那个难搞的人。不要低估你工作的价值。如果你经常不得不做分析工作，试着把它添加到你的官方职位描述中，每周或每月贡献固定的时间。不要让它干涉你的其他时间。报告制作人的角色是不必要的，但你可能想制作一些报告，方便整个团队和其他利益相关者获得。为了大大提高数据的实用性，数据应该与业务流程更紧密地连接，而不是被遗弃在数据库中等待有人阅读。前端开发者应该能够将query变成产品经理和其他业务人员阅读的报告。以下是一些可能有用的例子:Email发送周报内部网站的一个页面，用Google表格公开发布并推送到slack频道，在某个面板上显示推送到slesforce的建议:确保报告的用户能够理解数据，从而最大限度地发挥你的工作价值。一种方法是不断地问他们，“当你看到转换率为5.2%时，这对你来说意味着什么，你认为它是如何计算的”，另一种提高报告可读性的方法是写一份指南（如注释）来解释数据来自哪里以及如何计算。例如，数据是否包括从网站和应用程序获取的用户，或者只来自其中一个用户，它是否包括测试用户和公司的内部用户，或者他们已经过滤掉了快乐点！整个分析项目中最好的部分是看着有人因为从结果中学到了新东西而闪闪发光，而你通常是让这一切发生的人。

以上就是关于数据分析项目成功的重要因素是什么？的相关介绍，更多数据分析项目成功的重要因素是什么？相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对数据分析项目成功的重要因素是什么？有更深的了解和认识。