统计在平常分析中的运用
186 views
Skip to first unread message
Q
Jun 24, 2013, 11:24:37 PM6/24/13
to ttnn
成熟的统计分析技术在我们平常分析中，究竟用的怎么样？
前日，客户发起一分析需求，我帮助梳理分析思路。其目的主要是对现有的业务策略进行评估，以提出优化策略，是否存在一些共性的好的做法，或可避免的差的做法。这些业务策略都已经固化到系统级别，属操作型策略，面向个体用户的。数据层面，都是具备的。
按照tale的方法，当即分解成三个原子分析，随后，给出详细的纲要。提出两个框架，一为评估框架，评估这些策略中哪些是好的，哪些是坏的。所谓好的，表现在哪些方面（如是否接受，是否达成直接业务目标，是否取得回报）。另一个为诊断框架，即那些好的策略，具备哪些特质，而哪些坏的呢？从三方面来做这些特质的假设，假设策略（其实是策略执行）的好坏，是受客户群、策略本身以及执行环节的影响，从这三个方面进一步假设影响因素的细节。最终也就提出了一个数据需求。其实，也就是形成一张宽表，包括了诸多的自变量和因变量。
接着，问题来了。
思路之后的工作将由另一家公司的团队去做分析。此时，即便是数据需求出来了，然而具体怎么做分析却没谱。因此，客户希望我能把详细的分析方法也写出来，更明确。还有那些能组合考虑的因素，都列出来。
在思路假设时，我尽可能地做了一些多因素组合带来的影响。比如是因为策略和客户群不匹配造成对接受度有影响，更细一点，可能有诸如优惠幅度和保底消费不匹配对回报度的影响。但不得不说，这种组合的枚举我心想是不容易穷尽的，所以，列出来更多是处于示意的目的。所谓的匹配，在我看来，是单变量的组合。所以，在提出数据需求时，并没有给出各种匹配的可能。
而客户觉得是否在数据准备时，就应该要求把各种可能的匹配算出来。这样后面做分析就更明确了。
当时的数据需求，其实就是列出了各种自变量和因变量的关系，统计学里典型的命题。
可是，统计学似乎离我们比较远。就以我自己来说，零星了解过统计学的知识，但实际分析操作，很少用上。所以，我只能回答，单变量的相关性容易看吧，而多变量的，我只能根据经验去找那些可能的关联。况且在统计分析里面，应该是有这种多变量相关性的论证方法的（我相信有，但不知道是什么）。
所以，这个案例中可以看出可能存在的两种方式：
1、运用业务假设能力，将尽可能的多变量组合形成单独的变量，于是分析变成单变量跟目标变量的相关性分析；
2、业务假设给出原始变量，而他们的组合，交给统计学去解决；
个人直觉认为，第二种方式应该是存在的。是否是因为统计学的术语造成了某些门槛障碍，诸如什么卡方检验之类。是否可以抽离出一些应用场景，简化统计学的应用呢？
祝迎春
Aug 30, 2013, 5:13:29 AM8/30/13
to tt...@googlegroups.com
统计分析还是交给统计人员，或者精通统计的管理人才去做。里面陷阱太多，我看过计算机出身的用回归，在他们眼中回归是一个帽子矩阵的计算问题，摇头，无法解释（不愿）。回归是把刀的话，在实际运用中，知道其参数和实际的对应，就像看机器的仪表盘知道真实实际的情况一样。多年前，给移动写过类似的白皮书。培训比白皮书管用得多。而招聘又比培训好用。
Ding Xining
Sep 17, 2013, 9:59:25 AM9/17/13
to tt...@googlegroups.com
第一种方法，是用来观测自变量与目标变量之间的关系，比如：是否是线性相关，还是非线性相关。可以借助散点图来大致的描述这种关系。当自变量与因变量都是分类变量时，检验的方法可以是卡方检验。但是当影响因素较多，并且自变量与自变量之间相互影响，出现多重相关性时，这种单变量的因素分析就不能正确描述自变量对目标变量的影响了。可以用回归模型来计算这种关系。
各种统计模型都各自有它自己的假设条件，所以我认为即使可以抽象出应用场景，模型的运用也会根据与之对应的数据的不同而有不同。比如：是否需要进行数据转换等等。
各种统计模型都各自有它自己的假设条件，所以我认为即使可以抽象出应用场景，模型的运用也会根据与之对应的数据的不同而有不同。比如：是否需要进行数据转换等等。
--
发帖 - mailto:tt...@googlegroups.com
退订 - mailto:ttnn+uns...@googlegroups.com
杂志下载 - http://sdrv.ms/Y544NW
group - https://groups.google.com/d/forum/ttnn
xy zhang
Nov 15, 2015, 9:20:17 PM11/15/15
to tt...@googlegroups.com
主成分分析
Learns BI
Sep 5, 2016, 5:00:54 AM9/5/16
to tt...@googlegroups.com
这个论坛现在还有人用吗?新的地方在哪儿?
在 2015年11月16日 上午10:20，xy zhang <zhucheng...@gmail.com>写道：
主成分分析
在 2013年9月17日 下午9:59，Ding Xining <happyjav...@gmail.com>写道：
第一种方法，是用来观测自变量与目标变量之间的关系，比如：是否是线性相关，还是非线性相关。可以借助散点图来大致的描述这种关系。当自变量与因变量都是分类变量时，检验的方法可以是卡方检验。但是当影响因素较多，并且自变量与自变量之间相互影响，出现多重相关性时，这种单变量的因素分析就不能正确描述自变量对目标变量的影响了。可以用回归模型来计算这种关系。
各种统计模型都各自有它自己的假设条件，所以我认为即使可以抽象出应用场景，模型的运用也会根据与之对应的数据的不同而有不同。比如：是否需要进行数据转换等等。
在 2013年6月25日上午11:24，Q <happ...@gmail.com>写道：
成熟的统计分析技术在我们平常分析中，究竟用的怎么样？前日，客户发起一分析需求，我帮助梳理分析思路。其目的主要是对现有的业务策略进行评估，以提出优化策略，是否存在一些共性的好的做法，或可避免的差的做法。这些业务策略都已经固化到系统级别，属操作型策略，面向个体用户的。数据层面，都是具备的。按照tale的方法，当即分解成三个原子分析，随后，给出详细的纲要。提出两个框架，一为评估框架，评估这些策略中哪些是好的，哪些是坏的。所谓好的，表现在哪些方面（如是否接受，是否达成直接业务目标，是否取得回报）。另一个为诊断框架，即那些好的策略，具备哪些特质，而哪些坏的呢？从三方面来做这些特质的假设，假设策略（其实是策略执行）的好坏，是受客户群、策略本身以及执行环节的影响，从这三个方面进一步假设影响因素的细节。最终也就提出了一个数据需求。其实，也就是形成一张宽表，包括了诸多的自变量和因变量。接着，问题来了。思路之后的工作将由另一家公司的团队去做分析。此时，即便是数据需求出来了，然而具体怎么做分析却没谱。因此，客户希望我能把详细的分析方法也写出来，更明确。还有那些能组合考虑的因素，都列出来。在思路假设时，我尽可能地做了一些多因素组合带来的影响。比如是因为策略和客户群不匹配造成对接受度有影响，更细一点，可能有诸如优惠幅度和保底消费不匹配对回报度的影响。但不得不说，这种组合的枚举我心想是不容易穷尽的，所以，列出来更多是处于示意的目的。所谓的匹配，在我看来，是单变量的组合。所以，在提出数据需求时，并没有给出各种匹配的可能。而客户觉得是否在数据准备时，就应该要求把各种可能的匹配算出来。这样后面做分析就更明确了。当时的数据需求，其实就是列出了各种自变量和因变量的关系，统计学里典型的命题。可是，统计学似乎离我们比较远。就以我自己来说，零星了解过统计学的知识，但实际分析操作，很少用上。所以，我只能回答，单变量的相关性容易看吧，而多变量的，我只能根据经验去找那些可能的关联。况且在统计分析里面，应该是有这种多变量相关性的论证方法的（我相信有，但不知道是什么）。所以，这个案例中可以看出可能存在的两种方式：1、运用业务假设能力，将尽可能的多变量组合形成单独的变量，于是分析变成单变量跟目标变量的相关性分析；2、业务假设给出原始变量，而他们的组合，交给统计学去解决；个人直觉认为，第二种方式应该是存在的。是否是因为统计学的术语造成了某些门槛障碍，诸如什么卡方检验之类。是否可以抽离出一些应用场景，简化统计学的应用呢？
--
发帖 - mailto:tt...@googlegroups.com
退订 - mailto:ttnn+unsubscribe@googlegroups.com
杂志下载 - http://sdrv.ms/Y544NW
group - https://groups.google.com/d/forum/ttnn
退订 - mailto:ttnn+unsubscribe@googlegroups.com
--
Q
Sep 8, 2016, 3:40:54 AM9/8/16
to ttnn
Liao Wei
Jul 12, 2017, 9:35:54 PM7/12/17
to tt...@googlegroups.com
Q啥时候回来？
--
吉 雅
Jul 12, 2017, 9:45:12 PM7/12/17
to tt...@googlegroups.com
估计过了这么多年大家都有很大变化了吧，曾经的这些讨论给我的帮助很大，主要是训练思维、站在多角度考虑问题！很感谢这个平台。
吉雅
吉雅
--
Q
Jul 12, 2017, 9:59:00 PM7/12/17
to tt...@googlegroups.com
Q啥时候回来？
不更新了！
这个论坛现在还有人用吗?新的地方在哪儿?
主成分分析
退订 - mailto:ttnn+uns...@googlegroups.com
杂志下载 - http://sdrv.ms/Y544NW
group - https://groups.google.com/d/forum/ttnn
退订 - mailto:ttnn+uns...@googlegroups.com
--
--
telno: 13514984944
Jinxin Yao
Jul 13, 2017, 7:44:17 AM7/13/17
to tt...@googlegroups.com, tt...@googlegroups.com
我那天还和朋友说，以前我们叫BI，人家现在叫IB（智能商业）和AI，以前我们叫数据挖掘人家现在言必称大数据。Q作为那些年的灵魂人物，要是可以牵头一起做事就好了。
Johnson
--
Howard Wang
Aug 29, 2017, 1:20:34 AM8/29/17
to tt...@googlegroups.com
算法还不是那些
是啊是啊，大家都各有变化，还能记得ttnn，好极了。
Q啥时候回来？
不更新了！
这个论坛现在还有人用吗?新的地方在哪儿?
主成分分析
退订 - mailto:ttnn+unsubscribe@googlegroups.com
杂志下载 - http://sdrv.ms/Y544NW
group - https://groups.google.com/d/forum/ttnn
退订 - mailto:ttnn+unsubscribe@googlegroups.com
Eric
Aug 31, 2017, 3:32:03 AM8/31/17
to tt...@googlegroups.com
当时要继续把这块垂直做深入下去就好了。
--
Reply all
Reply to author
Forward
0 new messages