我喜欢“不太大”的数据

我对数据着迷。也许您也应该如此？

我喜欢在线工作的一件事是，您可以如此迅速地做两件事：通过数据和对话了解客户的需求和不想要的东西。并通过结构化实验找出对人们真正重要的事情。

在线使用大量数据，您可以在几天之内了解需要花费数月或数年的患者分析才能离线学习的内容。而且，您可以快速应用这种学习来丰富人们的工作经验，构建更强大的产品和服务，从而发展出更好的组织。

因此，在过去的20年中，在接连不断的部门中，“开展业务”已意味着“以数字方式开展业务”。数据分析的见解和改进已成为许多企业成功的基础，而这在某种程度上引起了关于大数据概念的热议。

大数据有许多不同的定义。我最喜欢的一个是在3V的背景下谈论它的：数据量非常大，种类繁多并且以很高的速度流动。

大数据侧重于诸如“物联网”中的混搭，对医疗数据的大规模分析以及对大量社交媒体帖子的解释之类的事情，所有这些都使大量的快速流动，结构松散的信息有意义。

不过，我必须承认，尽管这类数据非常重要，但我并不特别感兴趣。我着迷于更小，更结构化的数据集，这些数据集来自于其他人对社交媒体信息的打包，分析系统以及结构化实验的结果。

但是，即使是这些问题也在于，很容易被大量可用信息淹没。

这就是为什么我特别喜欢Piyanka Jain和Puneet Sharma所著的“每一个好决定的背后：任何人都可以使用业务分析将数据转化为可盈利的见解”的原因。（您可以在此处收听我们的Book Insight 。我上面给出的大数据的定义来自本书。）

贾恩（Jain）和沙尔玛（Sharma）做出了出色的工作，从开始要解决的问题，提出有关问题的问题，提出可以进行可靠检验的假设出发，然后收集和分析信息以创建任何合理的聪明人，如何解释数据的意义。创收见解。

他们愉快地说，在统计课上学到的许多技术都太复杂了，以至于无法在现实世界中应用，而简单的技术通常是最有效的。他们说，任何可以使用Excel电子表格的专业人员都可以用这些方法解决70％到80％的决策。

这些简单的技术从汇总分析开始，例如，您仅描述购买产品的人。如果您清楚了解谁喜欢您的公司（例如，通过了解客户的性别，年龄和位置），则可以找出如何找到更多他们的客户，并可以考虑如何更好地为他们提供服务。

另一个方法是相关性，它查看因素之间的关系。也许，当您进行汇总分析时，您开始建立起鼓励您的访客成为客户的图景。您可以将观察结果构造为假设，然后通过适当的分析检验这些假设。例如，这使您能够探索最有效的营销理念和方法，以便将预算用于能带来最佳回报的广告系列。

Jain和Sharma提供了更多方法，然后详细介绍了如何有效使用它们来推动业务的重大改进。由于对商业工具的兴趣，我特别着迷于他们的BADIR™流程（BADIR代表商业问题，分析计划，数据收集，洞察力和建议）–也许我们会在几个月后详细了解BADIR。[编者注–请在此处查看有关BADIR的文章。]

无论如何，如果您对数据分析甚至没有丝毫兴趣，我强烈建议您“在每一个好的决定之后”。它精美地描述了“增长黑客”方法的一个关键要素，我怀疑它将成为21世纪企业中最重要，最受奖励的技能之一。