《数据分析变革：大数据时代精准决策之道》一第1章了解运营型分析1.1 定义运营型分析

第1章了解运营型分析

数据分析变革：大数据时代精准决策之道
毋庸置疑，巨大变革正在发生！运营型分析正在引领以分析为特征的工业革命，很多公司运用分析手段的疆界也因此不断向前推进。运营型分析将源源不断地显著增加那些必须执行分析来构建和加速的流程数目。后面我们会提到，诸如决策时限以及数据洞察时间等新概念将会成为影响如何投入以及决定关注方向的主要推动力。

运营型分析需要在整个企业内部建立一套规则明确、条理清晰的指导方法，同时还需要很多技术、流程甚至是企业文化方面的配套变更。人们起初并不习惯把许多日常决策事务的处理交给计算机和分析过程。然而，时间终究会证明：一旦某个企业有效地构建了正确的运营型分析，因此产生成效，一切努力都能得到超值回报。

毫无疑问，巨大变革真的来了！为了完全理解这一结论，我们有必要详细解释一下这到底意味着什么。本章内容是对本书其余内容的铺垫。我们要对运营型分析进行定义。我们还要讨论一些市场趋势，这一直是支持运营型分析的推动力。最后，我们重点讨论几个当某个组织需要向运营型分析迈进时值得铭记的主题。

1.1 定义运营型分析

本书是有关运营型分析的。那么什么是运营型分析呢？既然我们以此作为本书的主题，就需要给出其定义。之后，本节还会讨论运营型分析与传统分析的差异，以及是什么原因使运营型分析如此独特。

1.1.1 什么是运营型分析

“运营型分析”这一术语描述了在企业内部分析[1]已经成为每个决策制定和动作执行的内在组成部分。运营型分析并不支持大的战略决策的制定，而是支持许多小的日常性的战术决策。更为重要的是，一旦分析过程运营化，流程实际上就会直接驱动后续行为。运营型分析并非仅仅给出行为建议，还会直接导致行为发生。这一主要因素是运营型分析定义的关键。通过直接驱动决策和行为而无需人工干预，运营型分析把分析的综合性与影响力提到一个新高度。

大多数传统的分析过程产生的分析结果能够给出决策建议或者作为决策过程的输入。然而，人们经常需要对决策过程施加人工影响以确保行为正确。一旦分析过程运营化，分析过程运行时，作为分析结果的行为立刻得以执行。在决策或者行为节点并没有人工干预。

当然，要决定是否真正需要运营型分析流程并构造这些流程还是需要人工干预的。不过，一旦流程上线运行，该流程就会存取数据、执行分析、制定决策并实质上导致行为发生。这些流程每天可以执行几千次到几百万次。一旦某个企业的人们意识到可以以这种水平嵌入分析，他们常常会期望更多效果。他们要求的结果需要运用更多分析，而且更加先进。运营型分析到位时，还需要对流程的认真监控。这个主题留在第6章讨论。

建立规范

运营型分析的一个定义性特征是超出了描述性甚至预测性。运营型分析是规范性的。这意味着运营型分析需要内嵌在业务流程中，基于算法直接制定决策并导致行为发生……一切都无需人工干预。
最近几十年，在从描述性分析到预测性分析的过渡过程中，曾经经历过多次焦点的变化。在传统的商业智能环境中，关注焦点是从描述的角度总结业已发生的事件，可能会涉及每个地区的销售量、准点到达数量或者其他的重要衡量指标。对于预测性分析，相对而言，目标就是预测将来会发生什么。如何影响准点到达率，使其逐渐提高？哪些客户最有可能对最新上市的商品作出积极响应？更进一步讲，运营型分析使分析具有规范性。运营型分析首先要判断什么因素会对到达时间产生影响，又是什么因素增加了响应率，然后通过自动促使这些行为发生，使分析具有规范性。表1-1概括了上述差异。

1.1.2 运营型分析的独特之处

区别运营型分析与分析的运营型应用非常重要。起先这种差异看起来好像文字游戏，但我向你保证事实并非如此。了解几个例子之后，读者就会明白其中的差异了。

分析已经被应用在运营问题上很多年了。接下来依然如此，分析的运营型应用仍有其重要性。然而，运营型分析前进的步伐超过以往。理想化的想法是有一个能够把运营型分析和传统分析的运营应用明确区分开来的术语，但我并没有发现现成的词汇。这么不凑巧的是短语的相似性会导致混淆，而且这些词语放在一起拼读听起来一定不协调。当我在一个会议上就此主题主持讨论时，一个参会者开玩笑建议把术语定为“Franks化”（Franks-izing）分析。显然，这即使不是开玩笑，也够自恋的。所以，我主要关注两种方法的不同之处，而不是分别给它们贴上标签了事。

给出了分析的运营型应用与运营型分析的差别，就不难看出运营型分析的重要性和复杂性。运营型分析过程通常和企业以往能够构建的任何分析流程一样先进，但运营型分析过程需要自动化，海量条件下可扩展并且执行速度飞快。这种流程非常强大，但也不乏复杂性和困难。我们看几个案例来进一步澄清其独特之处。

一个重要的区分条件是，对于运营型分析，分析需要在“决策时间”内以自动的内嵌的方式完成。“决策时间”意味着分析的执行速度要满足做出决策的需求。在某些情况下，决策时间是实时的（或非常接近实时）。还有些情况下，决策时间可以有数分钟、数小时甚至数天的延时。理解决策时间是成功的关键，因为分析过程必须在此时间内可用并执行，以便用于作出决策。

一直以来，有很多企业在定制网站时使用分析手段判断客户购物习惯中的关键因素，当客户返回网站时向其显示特定的推荐商品或定制商品。Web个性化已经证明了其强大，至今仍广泛使用。当天晚上处理客户的已知信息，预先计算出并准备好次日一早客户看到的个性化商品，这就是关于分析的一个运营型应用。上述这种对个性化的预先计算并非运营型分析的案例。在客户访问网站之前预先计算其个性化，只是简单地在运营环境下应用了传统批量分析。

运营型分析是当用户点击“下一步”按钮后，需要在提供下一页前对客户的下一页内容进行定制。这一过程不仅要用到客户的历史信息，而且还要用到当前信息，包括客户行为刚刚在网站上产生的信息。在两次鼠标点击之间的短暂时间内改变页面呈现的方式，这就是运营型分析。需要注意的是，分析并非针对某一客户，而是访问网站的所有用户，这就会基于分析产生百万计的微决策。尽管客户在访问网站时并不能感知批量处理与运营型处理方法的差异，但在现象之下却有着实实在在的区别。

仅仅把分析应用到运营上是不够的

把分析过程用于运营问题已经有很多年了。然而，运营型分析却远不只是把传统批量分析过程的结果用于运营目的。运营型分析是嵌入式的，且对每项决策都是在决策时间内执行的。
另外一项有关两者差异的案例（我们将在本书后面深入讨论）来自于生产场所。生产商可以利用机器传感器数据推导更好的维护计划。对汽车、卡车、飞机或者拖拉机引擎来说，掌握其详细信息能够为故障分析模式提供许多思路。使用传感器数据开发一项改进的维护计划是分析的一个运营型应用。

比起前一个案例，基于机器传感器数据的运营型分析显得直接而且人性化。当机器运行时，来自机器的传感器信息得以实时分析，这时，运营型分析就介入了。如果识别到一个已知能够导致紧急故障的模式，就需要进行干预以避免或者修复问题。当驾驶员得到某些机器部件即将出现故障的预先警告时，这就是运营型分析。

如果一个企业还没有规划好如何有效地运用传统批量分析过程，那它也不能进行运营型分析。一个企业必须先具备基础分析能力，然后才可以更进一步。首要关注点应该是建立批量模式下的强有力的分析。

没有捷径

一个企业在没有精通传统批量分析的情况下，不能推进运营型分析。运营型分析是建立在坚实的基础之上的。
只有在企业的数据和技能足以构建强大的分析过程时，这一过程才可以运营化。如果想让你的企业推进到下一阶段，首先要确保强大的分析基础已经就位。没有这一基础，运营型分析只能是一个梦想。

1.1.3 使运营型分析独树一帜的基石

我们刚刚从几个重要方面阐述了运营型分析与传统分析的不同之处。我们来定义4个区分运营型分析和传统分析的标志性基石，并以此总结二者的不同。

基石 1 ：运营型分析是嵌入式的和自动的。对这一区别于传统分析方法的差异如何理解呢？我们记得传统上企业采用离线的方式运行分析，并把结果传递到决策环节。不仅在构造分析过程时需要人工干预，而且还要持续在执行过程中干预。运营型分析过程是在运营系统中采用嵌入式的自动的方式执行的。
基石 2 ：运营型分析是规范的。运营性分析在规定一项行为方面是超越描述性分析的，甚至是超越预测性分析的。这一过程不仅仅是在客户返回时预测出最佳推荐。分析过程实际上通过相应的系统发布最佳推荐并促成交易。
基石 3 ：运营型分析制定决策。这一过程不仅是规定或推荐决策，实际上是制定决策，并驱动由此决策产生的行为。这与传统分析大不相同，传统分析只是给出决策推荐，并要求当事人给出同意或拒绝的响应。传统分析的结果需要人工观察，并且在分析驱动行为之前给出最终决策。
基石 4 ：运营型分析是在决策时刻完成的，在很多情况下就是实时完成的，而不是批量完成的。在某些情况下，分析作用于输入的数据流，而不是数据存放的仓库。运营型分析没有闲暇等待下一批量窗口，其必须第一时间作出决策并执行动作。
运营型分析的基石

运营型分析是嵌入式的、自动的制定决策过程，它规定并导致在决策时刻执行的行为。一旦运营型分析过程获得批准并启用，这一过程会自动作出成千上万条决策。
从分析中获得新观点有些匪夷所思。既然各种各样的观点可以从数据中发掘出来，那么把这些观点从运营角度实现显然是一项巨大的挑战。确定如何提取一项新观点并开发出得到此观点，同时实时给出决策的有一定规模的流程是非常困难的。人的因素对于运营型分析的实现非常关键。运营型分析过程的设计、构建、配置和检测都需要人来完成。计算机并不能自行进行决策制定。