無論是線上還是線下技術(shù)交流，我經(jīng)常被問的一個問題是“你所處在的職位能夠給公司帶來什么？”這邊梳理了一些看法，希望給大家?guī)硪恍┧悸?，也可以用來滿足日后的數(shù)據(jù)分析的面試之需。

先拋出結(jié)論：

數(shù)據(jù)分析帶給我們什么？

1. 提供給公司或者雇主更多的利潤
2. 提供給用戶更優(yōu)秀更便捷的體驗
3. 拓寬了行業(yè)更多可能性

1. 沒有人可以拒絕如流水一般的利潤

如果你是電商商家，你一定想讓更多的人來你店鋪消費，增長你的消費業(yè)績，獲取更多的利潤。

如果你是新創(chuàng)業(yè)公司，你一定想讓更多想買你公司出售的東西的人知道你新成立的公司，擴大知名度。

如何尋找到合適的用戶推薦給合適的商家呢？

你需要數(shù)據(jù)，你需要知道最近誰瀏覽了什么，誰收藏了什么，誰購買了什么？你還需要一個團(tuán)隊，這個團(tuán)隊告訴收藏三次以上，沒有購買過的用戶七天之內(nèi)90%的可能性會下單，需要有人代替你做這些事情。

所以就有了比如：視頻廣告中的Ctr預(yù)演，美團(tuán)的首頁商家推薦，蘇寧用戶聚寶盆，小區(qū)潛力，阿里的用戶數(shù)據(jù)魔方，滴滴出行的首屏精準(zhǔn)營銷。反過來問一句，你知道它們的利潤是多少么？你知道它們的成本是多少么？

以手機為例子，不同種的方式的效益2對比：方法轉(zhuǎn)化率單均收入隨機抽樣1%2000簡單的邏輯（瀏覽搜索收藏）篩選2-3%2000-3000協(xié)調(diào)推薦+交叉銷售3%-5%3000監(jiān)督學(xué)習(xí)9%-10%3000-5000數(shù)據(jù)處理過，但是數(shù)據(jù)相對比例真實可信。

以上一次活動，以10000人去算，商家收入由1%*10000*2000增至10%*10000*4500，商家利潤按10%計算，平臺抽成利潤的20%，那就是沒有任何物質(zhì)成本（電費除外），商家額外盈利56000，平臺額外盈利14000，這種事情誰不愿意。

利潤聊完了，再看看成本。在任何物資都不要的情況下，你只需要支付一個數(shù)據(jù)分析挖掘團(tuán)隊的薪水及基礎(chǔ)數(shù)據(jù)系統(tǒng)搭建，而且這種成本沒有”有效期”，況且這些還是都是”可見的”、”可持續(xù)的”、”空手套白狼式”的盈利，背后往往有你不知道的利潤。

所以價值首當(dāng)其沖就是，提供給公司或者雇主更多的利潤，就是高到無法想象的ROI，而且不止賺一天一陣子。

2、讓你的用戶離不開你

如果在”X程”、”飛X”、”X牛”、”同X”上訂票，讓我們回憶一下流程，其中最為關(guān)鍵的一個部分就是選票。

讓我們看一下某公司的上海飛往北京的機票網(wǎng)站展示：

這里有若干張機票，如果沒有任何邏輯，常規(guī)初始排序要么按時間，要么按價格。

• 程序員同學(xué)說，我覺得還是按時間好，這樣我就不用做排序了，數(shù)據(jù)庫抽過來直接展示就行，方便！
• 運營同學(xué)上去一巴掌，說，不行，我覺得這個老王每次都買高價格的機票，我要給他每次把高價格的機票放在上面，這樣我的kpi就達(dá)到了！
• 產(chǎn)品同學(xué)聽了皺了眉，這哪里可以！這個老王每次都晚上走，我要把晚上的機票放在上面，用戶體驗才是產(chǎn)品的靈魂。

其實這樣做都有道理，在當(dāng)前互聯(lián)網(wǎng)中，幾乎每家公司都有其中任意一種的展示結(jié)果。但是如何做出一個更好的決策，或者說如何針對不同的用戶，呈現(xiàn)出更合適的呈現(xiàn)方式，又沒有這種可能呢？

數(shù)據(jù)分析及挖掘有能力告訴我們，每個用戶的真實想法和意圖，數(shù)據(jù)已經(jīng)代替了用戶在app端前的聲音。

我們可以通過數(shù)據(jù)分析得知用戶的屬性判斷他是不是因為是商旅用戶才買高價機票，這樣五一這種假期，我們就不用優(yōu)先呈現(xiàn)高價機票而應(yīng)該優(yōu)先呈現(xiàn)中等價格同時9點附近的優(yōu)質(zhì)出行機票；我們也可以通過數(shù)據(jù)研究用戶是不是每次出行時間固定，看看是不是因為周五上班晚上回家，所以才每次這樣選擇如此固定的行為模式，下次周五有促銷優(yōu)惠票的時候，優(yōu)先推送給固定用戶，還可以寫點”一路平安，辛苦了”軟文。這樣的用戶體驗場景的發(fā)現(xiàn)，聚類分析、特征分析、用戶分群完成了你一切的幻想。

在提供更優(yōu)秀更便捷的體驗，同時還讓你的用戶愿意持續(xù)為此買單。

3. 從未體驗過的不代表不存在

14年以前，租車都是線下的實體的，老老實實的開門店的，交著水電費，交著房租，還要額外的人力開支，用戶上門取車各種不方便，需要身份證、信用卡、還要簽一堆合同。

為什么要做這么累的事情？

有一部分，只是說有一部分原因是因為風(fēng)控。如果用戶在網(wǎng)上可以下單，拿著車走了，誰來保障車輛的安全？一輛車少說也要10萬左右吧，這樣的風(fēng)險當(dāng)時沒有任何一家企業(yè)可以承受的起的。

說一個行業(yè)數(shù)據(jù)，2‰，這就是傳統(tǒng)開著門店的租車行業(yè)的車輛丟失率。按某傳統(tǒng)租車公司披露的日均訂單量5000單算，按70%的老用戶+30%的新用戶計算，老用戶極限安全的情況下，每日存在5000*30%的車輛是首次出租，在按照2‰的丟車來算，每天存在的風(fēng)險車輛是2輛左右，20萬的潛在風(fēng)險。

現(xiàn)在行業(yè)中滴滴出行也在做租車，從2016年7月至今，1輛車都沒有丟失，用的就是滴滴平臺大量的出行數(shù)據(jù)信息+第三方征信數(shù)據(jù)，至于怎么做，行業(yè)里有很多很成熟的方法：打分卡模型，F(xiàn)ICO、AHP等等，任何一種，都可以讓原本很捉襟見肘的問題得到一定程度上的解決，而公司所付出的就是一些Hc。

除此之外的，ofo&摩拜單車的車輛投放策略，美團(tuán)&大眾點評的最佳路徑推薦等等。這些公司無形中改變了我們的生活，最基礎(chǔ)的支撐就是其背后的強大機器學(xué)習(xí)算法及業(yè)務(wù)數(shù)據(jù)分析。

正是有了數(shù)據(jù)分析挖掘的全力支持，才有了如今的科技生活，所以價值昭然若揭。

最后，謝謝大家閱讀。

作者：沙韜偉，知乎id：Slade Sal，蘇寧易購高級算法工程師，蘇寧易購全產(chǎn)業(yè)算法研究負(fù)責(zé)人，4年數(shù)據(jù)挖掘數(shù)據(jù)分析經(jīng)驗，前惠普中國算法研究員、滴滴租車用戶征信負(fù)責(zé)人、分布式R開發(fā)研究員貢獻(xiàn)者

本文由 @沙韜偉 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。