驾驭大数据第七章部分内容

原著：Bill Franks

第七章标题 what makes great analysis

译文：

7.1分析与报告

许多组织认为分析与报告是一回事。这种观点看起来好像对，我们在深入讨论一下。报告很重要并且很有价值。如果报告准确无误，那么价值将会增加。但是报告有它的局限性，我们必须知道这个局限性是什么。

总的来说，一个组织要想在大数据方面有所成就，报告和分析都不能少，这一结论是显然的，正如二者已经在之前其它数据源上发挥很大作用一样。关键问题是搞清楚报告和分析的区别。另外，还需要搞清楚二者的共同之处。如果没有搞清楚，你的组织会在这方面吃亏的。

*****************************************************************************************************

思想是分析之父

分析可生成报告，报告也可生成分析。大多情况下是，由报告生成分析。例如，你可能有十个报告在桌子上，把握他们中的关键信息，总结出你的新发现，并搞清楚这意味着什么。这就是分析。正是人们投入到数据和统计中的思想、思考创造了分析。没有解释的数据和统计是没用的。

*****************************************************************************************************

7.1.1报告

让我们先来给报告下个定义。报告环境常被称为商业智能(BI)环境。正是在这种环境中，使用者选择他们想要运行的报告，执行它并且查看结果。这样的报告或许会包含表、图、表格或他们的结合。定义报告的关键因素包括：

报告能够反馈使用者要求的数据

数据将以标准的，固定的格式呈现

在生成报告的过程中，除了通过报告界面请求报告的那个使用者外，没有

其他人参与.(我们假定报告模块已经被创造和部署)

结果，报告相当不灵活

我们澄清一下最后一点。复杂的报告模块可以被多种提示（prompts）和筛选(filters)创造。在这样的报告中，很可能有多种观点，但是有了那些预定义选项的限制后，他们变得相当不灵活。一般使用者很难生成新报告，或者分解检查那些预定义的提示和筛选是怎样工作的。使用者可能简单地填充那些已经到位的提示和筛选。

不恰当使用报告的一种情况是：手头上有大量可用的报告，但误以为他们是大量可用的分析。有一种现象在许多组织中很常见。管理商业智能环境的IT人员会说，“我们有世界一流的BI环境。我们有500多个可用的报告，他们可以覆盖任何商业部分，任何人的需求。我们的商务人员拥有他们想要的一切”

同时，商务使用者会说，“太失望了！我们花费一两年时间来建造这个报告系统，但我依然没有得到我需要的。”如果商务人员和IT人员走到一个屋里面，会话往往是这样开始的：商务人员抱怨他们没有得到自己需要的。IT人员会说，“你们真是疯了！有500个可用报告还不够吗？”。最终导致双方相互指责。

分离源于下面的事实：好像埋藏在500份报告中的东西才是商务人员所需要的。但当报告多达500份报告时，他们很难从中找出自己想要的。另外，任何两个人都希望用不同的想法看待同一件事情。每一个商务人员都希望在报告上有一个额外的度量标准，或者用一种不同的方式去组织报告。或许会有500份报告摆在那里，但是没有一份是任何商务人员想要的。

*****************************************************************************************************

在报告中，尺寸不重要

许多IT组织致力于建立尽可能多并且尽可能覆盖所有话题的报告。这可能受到商务人员的如下行为所驱使：他们提交覆盖他们所有可能用到的一切的请求，而不是他们需要并且会用到的。结果，商务人员收到各种各样的报告，然而得不到他们想要的。将焦点放到提供关联紧密的有限的报告。不要掉进下面这个陷阱：认为拥有最多报告的那个人会获得胜利！

*****************************************************************************************************

与创造５００各种类型的报告相比，提供少量满足终端使用者需求的报告要好很多。重要的是报告的相关性，而不是报告的数量。然而通常情况是，人们更多的关注报告数量而不是相关性。正如我们接下来要讨论的那样，即使拥有了所有商业报告的完美组合，仍然不会提供分析。这只是分析过程中所需的一些数据而已。

有的时候我们不需要对报告进行深入分析。例如，假定你有一个包含每周每周产品的销售报告，并且你想知道你的产品是否达到了他们的上周销售目标。通过操作这个报告，答案很快就呈现在你面前，也就没有作进一步工作或者分析的必要了。这是报告增加价值的一种方式。它们能够快速简洁地回答常见问题。如果一切顺利，那么就没有作进一步工作的必要。如果某些事情看起来与期望不符，那么再做进一步工作。

7.1.2分析

定义了报告之后，我们来定义分析。由此，我们便可比较和对比两者。定义分析的关键点是：

分析提供问题的答案。

分析过程进行许多必要的步骤来得到问题的答案。

因此，分析是为特定的问题而制定的。

分析需要一个指导分析过程的人。

分析过程是灵活的

分析大概就是说：“我知道了问题。我将结合一切需要的知识去解决这个问题。”这是一个相互作用的过程：一个人处理一个问题、找到获得答案所需的数据、分析那些数据，并且，还需要解释结果以便为行动提供建议。分析与报告的区别总结在表7.1中。

报告	分析
提供数据	提供答案
提供要求的东西	提供需要的东西
标准化	自定义化
不涉及人	涉及人
相当不灵活	十分灵活

表7.1

报告与分析之间的相互影响与相互作用很常见，也是有必要的。事实上，每一个都会使另外一个更有效。例如，考虑这样一种情形，一个销售经理拿着一份基础销售总结报告,这份报告显示了地区月销售情况。这个报告很简单，销售经理看了每一天的情况，那么他将对经济是否正常运转有个大概感觉。直到有一天，他看到一些极为不寻常的东西以至于他自己都搞不懂。于是，他走到大厅，集合了分析小组，告诉他们销售总结报告上有一些奇怪的事情。销售经理要求他们深入挖掘，搞清楚到底发生了什么。他的这个基于报告的要求酿成一个分析，而这正是应该做的事情。

另一方面，讨论一下分析师怎样解决这个问题。他检查、鉴别问题的深层原因是什么。过了一会儿，她回来了，并向销售经理展示了它的发现。经理或许会说，她刚才整理得到的数据真是太有用了。

刚才发生了什么？她对一个问题的分析导致了一个新的报告标准。她是自己所做的事情自动化，更进一步，这成为了一个标准报告。

当你的组织试图驯服大数据时，一个伟大的分析可能会这样被创造：把你所拥有的数据以一种不同的方式、为了新的的目标而分解。这是用一种前所未有的方式来看待经济。分析师们做的大量工作可能不令人感到兴奋，它们通常以分析前的数据准备和做大量简单的计算为起点。

*****************************************************************************************************

分析的价值在于用不同的方式看待数据

分析的关键点不是将问题复杂化。有时一个简单的分析就会提供所有的答案。以不同的方式看待数据常常会产生给力的观点。

*****************************************************************************************************

在一个问题变得清晰前通常没有必要太fancy。价值在于用不同的方式做事情，而不是做一些fancy的事情。例如，或许在销售链上出现了销售反常的情况。一个解决方案是建立一个复杂的预测模型，这个模型只旨在决定是什么东西造成了哪些反常。然而，第一步首先是看看供应链上是否出现问题。也许是运输延误了或者恶劣的天气导致消费者躲在家中。如果可以找的类似起因，那就没必要建立一个fancy模型。你已经通过一个简单的分析找到了原因，好了，可以到此为止了。

7.1.3分析：让它有指导性、相关性、可解释性、可行性、及时性

若要使分析，那么一定要将他做好。为了能使一个分析能够增加价值，需要把大量的因素集中起来。伟大分析和无效分析的区别是什么呢？伟大分析符合指导性、相关性、可解释性、可行性、及时性。下面让我们简要说明一下

指导性

一个伟大的分析会被经济需求所指导。分析的完成不仅仅是因为它很有趣。伟大分析总是同一个专门的商业问题关联的。一旦要进行，分析将会被解决问题所需要的东西所指导。分析的每一步都应该为解决问题的需要而设置。

相关性

显然，一切伟大的分析必须同商业相关。这并不意味着随便选择一个商业问题。选择的问题应该是这样的：商业觉得需要一个解决方案，并且商业有能力解决这个问题。

可解释性

一个伟大的分析需要有效的解释，这对基于此的行动来说很有必要。技术细节可能会成为分析是有效的证据，结果需要以一种决策者可以理解和消化的方式解释出来。一个伟大的分析，是可以解释的，容易被决策者利用。

可行性

一个伟大的分析是可行的。它会指向这样的步骤，这个步骤就是用来利用结果来改进业务的。如果公司绝对不会将一些商店移动到一公里以外，那么我们的分析上就不应该有类似建议。如果没有能力去实现，那么分析也只能是无稽之谈。

及时性

一个伟大的分析需要及时提交，这样才能在需要在作出决定时随时可用。如果一个问题需要下周解决，那么下个月才给出答案将无济于事。一个分析可能会在各个方面十分完美，但是不能及时完成，以至于不能支持决策。如果是这样的话，寻找另一个问题，把精力用到那上面去。一个迟到的分析不是伟大的分析。