江苏龙网

  1. 首页 > 人文 > >

Mr数据杨|数据化运营-优秀的运营人必备的数据预处理12条（下）( 三 )


在数据处理期间应考虑的运营业务因素包括固定和意外的运营周期 ， 运营要求的有效性 ， 适合运营着陆场景的交付 ， 专家经验 ， 业务要求和其他可变因素 。
经营业务的周期属性主要体现在两个方面：
1.计划的周期：运营业务计划的制定具有明显的周期性法律 ， 对于运营业务的执行也是如此 。 这种计划的周期通常包括不同级别的周期 。 例如 ， 操作通常首先制定年度计划和季度计划 ， 然后将其分解为月度计划 ， 然后逐步将月度计划完善为每周和每日计划 ， 并逐步跟踪它们 。
2.临时或意外周期：除了计划的操作周期外 ， 事故的发生也会影响操作业务 。 例如 ， 由于内部DBA的操作不当 ， 数据库中的某些数据被删除 ， 这直接影响了公司的正常销售和运营状态 。 发生这种情况的时间和影响时间通常是不确定的 。
3.运营业务的周期性特征对数据的影响：计划的运营周期对于数据的选择和分析非常重要 ， 尤其是在比较（链比较 ， 按年比较等）方面 。 是选择具有相同属性基础的比较周期的结论 。 计划的操作周期对时间序列特性的建模（包括时间序列 ， 时间序列相关性 ， 隐马尔可夫模型等）有很大的影响 。 这些算法和模型都需要具有明显序列状态相关性的数据 。 使用此类算法需要将操作周期的属性与算法和应用程序的属性进行匹配 。
在不同周期中生成的数据可能会有所不同 ， 尤其是对于新公司的快速发展 。 不同周期中的数据可能具有明显的线性 ， 指数 ， 二项式和其他变化特征 ， 甚至可能包含由业务因素引起的异常 。 数据点 。
操作过程中可能会产生意外的数据工作要求 ， 例如对异常事件的临时分析 ， 并且由于无法提前进行目标数据的分发 ， 跟踪和收集 ， 这些要求可能会导致数据不完整或根本没有有效数据 。 执行分析 。
数据工作的整个过程都需要业务业务人员的参与 ， 而且依赖业务业务人员的参与时间以及相应的方法和切入点也很重要 。 例如 ， 当正常的业务工作非常繁重甚至无法摆脱困境时 ， 如果业务需要过多地参与数据工作 ， 势必会在业务方面形成很大的阻力 。 目前 ， 需要更多的数据自动化和程序工作模式 。
考虑运营要求的有效性
在实际开始数据工作项目之前 ， 通常会有多个通信 ， 反馈 ， 验证和映射过程 。 这些操作的目的是根据业务需求 ， 数据的实际状态以及数据工作本身的局限性 ， 全面考虑操作需求是否有效 。。 数据工作者不一定需要承担所有操作数据要求 。 他们可能拒绝或延迟处理某些要求的主要原因如下：
1.数据不足：现有数据无法满足运营商的数据分析需求 。 一个典型的案例是应对紧急情况时的数据分析需求 。
2.需求不合理：经核实 ， 发现经营者提出的需求不合理 ， 或不能用数据得出结论 。 例如 ， 运营商需要分析客户对新产品的期望 。 除了市场和客户研究之外 ， 这种需求基本上是无法实现的 ， 因为期望本身无法用数据来衡量 。
3.有条件的限制：尽管操作员的要求是合理的 ， 但是无法达到主观和客观条件 ， 例如现有服务器 ， 算法 ， 技术和经验 。 例如 ， 该操作建议从监视视频中获得整个人的离线商店中浏览 ， 查看和购买商品的所有轨迹行为 ， 由于缺乏相应的技术和经验而无法实现 。
4.资源限制：当前数据工作已完全加载 ， 无法并行执行更多工作 。
5.低价值需求：运营商可以满足自己的基本需求 。 在许多情况下 ， 操作员会很懒惰 。 基本的数据访问 ， 查询 ， 统计和分析都由数据工作人员完成 。 对于这些简单且常用的工作内容 ， 由于它们属于数据工作的类别 ， 因此大多数数据工作人员将获得执行 。 这些工作固然有价值 ， 但要真正最大化数据工作者的价值 ， 我们不能仅仅关注这些内容 。 这些基本任务可以通过可视化报告 ， 自动邮件和数据工作文化培养逐渐从数据工作中分离出来 ， 或者逐渐减少内容比率 。 通过这种方式 ， 可以将更多资源应用于潜在法律 ， 预测性和探索性知识的发现 。


推荐阅读


上一篇：科学家|神秘巨石被一分为二，断面模样引无数科学家研究！究竟为何？

下一篇：甜野猫|DHCP原理与配置