當領導給到一個目標的時候，你會怎么做。譬如，我們現在從某個產品獲取到了很多用戶的意向信息，需要怎么把這些數據和業務結合在一起？下面聊一下幾個思路，

先對意向信息的有效性、質量、真實性進行識別和明確，怎么確認？

?首先，信息的采集渠道有哪些，各自的準確度，取決于公司各平臺的特性，用boston矩陣進行拆解分析，最終進行權衡；

?采集到信息的完整性，能夠描述意向的指標內容項有哪些，是不是都具備了。即對意向的定義和定性過程，是一個人看了就算、還是說他看了很長一段時間就算、或者說他滲透到某一個下沉頁面的時候才算，這里面都有不同的理解；

?信息的衍生指標，譬如說這個用戶的基本信息，年齡、性別、收入流水、籍貫、常住地等等；用戶在產品上的使用行為記錄，看過哪些頁面、每個頁面的停留時長；平臺信息對這個用戶的綜合評價性指標，首次登陸時間、活躍頻次、日常訪問時間段、停留時長、留存情況、復購情況等；

?商品的衍生信息，基于瀏覽/檢索的內容信息反向搭推薦內容框架，譬如搜索的商品是A，A的屬性有品牌、類型、價格、參數，那么同類型的品牌產品、同價格區間的其他產品、同品牌下的系列產品、同參數的不同價格產品等等；

?對于用戶的第三方平臺數據信息，譬如征信記錄、銀行存款、信用額度等等。

通過對以上信息的綜合整理，構建一個基于用戶的線索池，進行自我交叉驗證；構建一個外部數據池，進行三方交叉驗證，最終沉淀下來的基本上就是能夠應用的數據。

設計信息分發流程

再設計信息的分發流程，需要經過哪些部門，誰來用，怎么用這些過程。

在經過第一層模型的數據篩選處理之后的信息我們認為是可靠的，這時候單一部門已經沒辦法讓數據的價值得到充分的體現，必須是跨部門的協同合作，這時候就需要考驗對產品、對業務、對技術的理解程度了。

這些意象信息，可以應用在哪些業務上，涉及到哪些人以及這些人的職責是什么，信息的流轉需要以什么樣的載體在產品中體現，包括技術上的一些壁壘打通。譬如說我們用Python做了數據的處理清洗，算法模型在其他語言實現時可能會打一定的折扣，那這時候就需要精進我們的技術能力，可以提供相關的接口供其他技術部門調用。

?哪些人，涉及到一個團隊的組織架構圖，以及對應的崗位說明書；

?產品，涉及到對公司產品架構的了解，產品及對應的模塊文檔；

?技術，涉及到對專業領域的深度，對不同語言實現功能的效果對比；

總結起來，就是這些信息在經過一個流程的時候，需要過哪些人的審批、執行、落地、跟蹤，之后由誰來負責將意向轉換為業務語言進行需求對接，最后的結果怎么樣。

建立意見反饋機制當信息識別分類異常、錯誤時，應收集相關信息及時調整規則。

在實際應用的時候往往就能暴露出一些理論知識的短板，算法、模型再精確，它是圍繞著數字之間的關系計算出來的概率結果，就意味著準確率永遠達不到百分之百。

呈現幾種現象：

?用戶意向的描述不一致，真實需求是A，通過算法表達出來的是B；

?推薦錯誤，用戶的需求是A，經過推薦規則之后得出來的結果是彼此互斥、不相關的產品；

?業務話術問題，引導式的問答方式、話術內容設計、對意向的理解都會造成一系列的問題；

?產品問題，在設計產品的時候，沒有充分考慮到不同類型用戶的使用習慣，體驗感差；

?流程問題，信息流轉過程中容易出現的一些重復操作、信息冗余，造成整體耗時較長；

?……

我們可以把這樣的問題歸納為：數據分析算法問題、產品問題、流程問題，就需要進行深入的專項分析，最終進行定位解決。

搭建數據信息匹配模型篩選出可以進行優先級排序的指標項，分配權重系數。

當業務經過一段時間的沉淀，很多人為敲定的規則能夠通過機器的方式進行判斷，這時候就能夠去沉淀業務規則，從經驗決策轉變為數據決策。

信息的匹配模型，可以劃分為三個階段：輸入層、處理層、輸出層，在處理層就會關聯到原有的產品邏輯和流程規則。這個過程和神經網絡算法實際上有點兒類似，得有人告訴我這項業務的判斷依據，也就是做決策時需要觀測的數據指標項，分別由哪些類目構成，然后在有多重因素的情況下人為判斷是怎么做的選擇，決策之后的結果交付的下游方是誰。

權重系數，是對多重因素的一個優先級排序，譬如我要給用戶推薦一款商品，我會優先考慮他的性別、年齡層以及對應的收入，這就定下了一個基調，他能夠接受的品牌和價格范圍；然后再考慮他的一些日常習慣，在可選的產品里面哪一款更貼近于他的喜好；再之后便是他的偏好，顏色、質量、運輸時效等等。

形成數據閉環數據應用的結果需要進行跟進，反哺規則、算法、模型上的迭代。

在實際的業務過程里面永遠不存在一次性分析，畢竟市場在變、環境在變、生活方式在變、人的行為習慣喜好也都在變化的過程里面，用戶和產品都在成長，所以這時候可以引入一個叫做生命周期的詞語來進行區別。

?對于產品而言，它有產品全生命周期，包括線索、商機、需求、需求開發、產品實現、市場推廣、市場占有飽和、用戶衰減、產品迭代、用戶維護等等一系列的過程；

?對于用戶而言，它的生命周期實際上是成timeline形式，接觸平臺、成為新手玩家、了解規則成為朋友、戀愛期的粘性用戶、蜜月期的忠誠、逐漸冷淡之后的消沉、分手之后的死亡；

?對于商品而言，在設計師的各種腦暴和靈魂創造之后，可以概括為設計、生產、上市、熱賣、退市、處理幾個階段。

對于數據分析而言，實際上我們需要了解不同視角下每一個階段的衍變過程，這樣才能進行針對性的數據探索，畢竟每一個階段下的數據類目和關注的側重點都會不一樣。

財務數據分析師CFDA（China Financial Data Analyst）

由中國商業會計學會頒發，通過全國統一考試的學員將同時獲得商業數據分析證書，該證書是由人社監制，省級職業技能鑒定指導中心簽章頒發《人力資源和社會保障部專項職業能力證書》。

通過CFDA課程的學習，企事業單位的財務人員和管理人員能夠通過科學的指標體系和分析方法，結合企業財務數據，構建數據模型，對公司整體經營狀況進行評估，向管理層和業務部門提供財務建議和決策支持，從而優化資源配置和提升企業核心競爭力。