第3章 數據驅動相關知識鋪墊

3.1 數據作用力的難點在于挖掘常識以外的價值

數據分析有沒有用直到現在社會上仍然存在爭議，或者有的人認為至少新公司財務和數據分析是最無用的。實際上，數據最難的是找到數據與業務之間的契合點，而大部分人所說的數據分析幾乎都是基于整合別人的思路（比如動不動就是啤酒加尿布那般無聊），走別人的老路子。又或者，數據分析的結論是輕易用腦袋都能回想出來的常識。凡此種種，數據分析的作用力一直給人以錯覺。但不管怎么說，學會數據分析至少是無害的。

實際上，真正的數據分析能夠產生巨大的作用力。下面列舉筆者很早之前實施過的一個極其微小的數據分析案例。案例雖然微小，但是彰顯數據分析的威力仍能可見一斑。

短信是鏈接客戶與企業之間的一條通道，不論是服務還是營銷方面的用途。自然，短信的到達率、及時性及上行速度是最重要的三項指標。一直以來，發現短信的到達率數據一直不穩定，有時候到達率極高，有時候到達率很低，假設認為運營商的短信通道是穩定的。根據統計學中的“假設檢驗”方法論，以及根據一些已經捕捉到的細節，猜測短信字數對短信發送到達率是有顯著影響的（現在的智能手機多條短信接收到，顯示時候仍然是一條連貫的短信），如表3-1所示。

根據表3-1結果，我們不難發現。

1．移動類型的號段不論是短信內容67個字還是68個字，基本都能成功接收到信息。

2．聯通和電信類型的號段當短信內容67個字時都能收到，但是當字數為68個字時短信接收成功率幾乎為0，而移動不論67個字還是68個字都能準確接收。

顯然，當知道這些結論之后，有兩種策略應對。

1．所有短信內容盡量不超過67個字（含簽名）。

2．移動和聯通電信號段準備不同的短信內容模板。

數據分析往往作用于一點，能找到全新的思路。很顯然，這種盡管切入點很小但是其價值是巨大的，提升了到達率，降低了成本。這方面的案例比比皆是，比如說大型銀行、航空公司等客服部門的電話呼出服務，往往碰到客戶無人應答，并且客服人員作業量巨大，通過很簡單地數據分析就能得出一個結論：電話鈴大約響6聲，如果達到6聲還是無人應答，則應當果斷放棄本次呼出，因為研究結果表明，超過6聲繼續呼出無人應答的概率接近90%的可能性，放棄本次呼出，選擇另外的呼出時間是經濟性的，這對于節省大量的時間成本是極為重要的。

以上僅是數據分析一個極小的案例，所使用的方法是最基本的數據統計。實際上，商業中數據分析和挖掘主要用到機器學習、統計學（含高等統計學）、數學建模和計算機模擬的方法，前三種方法我們會陸續詳細介紹，本章我們再來見識一下計算機模擬的方法，讓讀者朋友有一個感性的認識。

假設某類目的大宗商品交易，成交金額符號約定為GMV，基準利潤率為P，由于戰略合作雙方制定了利益重新分配的規則，新規則之前合作方的利潤分成公式為：

(GMV×1.3%-8.4-GMV×P×50%)×40%

新規則制作之后，合作方的利潤分成公式為：

(GMV ×1.3%-8.4-GMV×P ×60%)×50%

現在來測算實施新規之后是否有益于合作方。此問題簡單分析就能知道答案一定是動態的，因為成交金額GMV不可預測，而基準利潤率P又跟具體的商品密切相關，所以不可能籠統地回答是有利還是沒利的，需要分情況討論。

s.t. GMV∈[500,10000], P∈(0.007,0.013 )

顯然，只要R>1就會有利于合作方。計算機模擬的結果如圖3-1所示。上下兩幅圖是立體模擬結果的不同角度展示。單看上面一幅圖（也就是圖（a））就能很容易知曉，黑色區域所對應的GMV和P的取值有利于合作方，而黑白網格部分區域是不利于合作方的。如此，結論一目了然。