5.4 建模与应用两段论

“建模与应用两段论”在当前的企业数据化运营实践中比较普遍,相当数量的数据分析师都自觉或者不自觉地在工作中表现出“两段论”的现象,比如不少数据分析师一旦将模型搭建好并验证通过之后,就将之丢给业务方去应用,至于业务方具体应该如何应用模型,数据分析师不太关心。又比如,模型或数据分析结论、方案在业务应用中出现了问题或瓶颈,但是相关的数据分析师不愿意去主动进行分析、诊断,或者不太清楚如何找出造成业务落地应用困境的原因,只能将这些问题和困难丢给业务落地应用方自己去摸索。

“建模与应用两段论”的背后既有分析师自身对业务背景了解不足、业务知识欠缺,或者业务经验不够的原因,又有分析师“偷懒,多一事不如少一事”的心态在作怪,也就是“不负责任”的态度在作怪,就是不能真正有效支持业务需求,最终致使其不能落地应用。更深层次的原因也可能来源于企业管理层、决策层对于数据分析团队的定位和认识比较简单肤浅,对于数据化运营和数据挖掘应用的看法比较落后(如果数据分析团队和数据分析师被认为仅仅是企业里的一个部门、一个分析的职能,“铁路警察,各管一段”、“分析师出模型,业务方管应用”似乎也就顺理成章了)。

一个复杂的挖掘模型也好,一份数据分析报告也罢,对于企业的数据化运营的应用场景来讲都只是万里长征第一步。要真正给企业带来价值,重点在于其后的业务落地应用环节,这个环节比单纯的数据分析和数据建模更复杂、更关键,它需要多团队多专业的协调和配合,离不开数据分析师(数据分析团队)持续地跟踪、讨论、修正、建议。如果数据分析师不能参与落地应用环节,可以肯定地说这个业务落地应用的效果不会好到哪里去。因为除了单纯的模型方案之外,业务应用团队还需要了解数据建模的思路、数据分析师具体的提醒、业务落地应用中碰到困难时分析师的及时诊断和建议、应用效果评估时分析师给出的合理评估思路和评估框架等。更重要的是,数据分析(挖掘建模)过程绝不是简简单单的一蹴而就的过程,很多时候它是一个要通过与业务方的讨论、沟通,不断修正不断完善的过程。脱离了应用中的及时沟通、讨论、反馈、修正,这个模型也不可能有多大的业务应用价值,这样的数据挖掘模型(或者数据分析报告)也没有什么大的价值和意义。

应对和防止“建模与应用脱节”的有效管理措施包括:对于数据分析师的考核和考评不是基于模型(或者分析报告和建议)本身,而是基于模型(项目)业务落地应用后的实际效果和业务反馈,这种考核制度促使数据分析师必须全程参与项目应用(数据化运营),从而显著减少“建模与应用脱节”的可能性;另外,上面几节谈到的分析师管理的实线和虚线的“双线主管”制度也可以有效督促数据分析师加强分析与应用的结合性,确保分析、建模真正来源于业务需求,并真正有效服务于业务需求。