I T WITH BUSINESS
总结:这好像大数据啊。统计数据的目的就是收集信息,然后利用所收集的信息做预测和做出最好的决定,这里面提到了在做决定之前最好准备几个备选方案,以免做决定后出现问题没办法,在出现问题后,对备选方案进行筛选,选出最好的那一个备选方案,在来看问题是否存在,如果还在就得继续这样的循环。
统计并不能代替人做决定,所以有时候人要根据情况调整
前面简单介绍了一些term和例子,抽样调查和集体调查
DCOVA框架,DDDM.
商务统计学,数字统计学
IT 早已覆盖商务运用数据统计,目的是:
- 减少数学的使用量
- 注重于提高商务问题的办法和做决定的管理
商务统计学注重使用软件,并且为了商业决定的制定和估值
数学统计注重于估值
数据定义
- data:与变量相关联的单个值的集合,说白了就是变量吧
- variable:变量
- characteristic:特性
数据的形式:
numerical 数字化,比如:票价,百分比
non-numerical: 非数字化,比如:购买方法,座位号
未加工形式(unsummarised data),例子:单一票售卖
加工形式(summarised data)比如:周票销售总额
测量:把变量的值 赋值 给数据
定量的:对变量值的可能测量,变量值是代表变量的数字
定性的:可能的测量分为几类
人口与样品
population,我们希望用所有因素得出结论
例子:人口,物品和事件
finite-population:受限制的人口
infinite-population:不限的人口
census:人口普查
sample:取一小部分人
population measure ------parameter 参数
sample measure -------- statistic
例子:
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VaG5BSSW-1617617372637)(C:\Users\唯唯\AppData\Roaming\Typora\typora-user-images\image-20210402213329930.png)]
商务统计学
统计学:对于做决定的人来说,他是一个把数据转换为有用信息的方法
商务统计学:着重于应用这些方法的结果
商务统计学有助于:
-
总结和显现商务数据
-
有助于数据的总结
-
做出有效的预测
-
提高商务过程
-
商业上的成功主要是取决于收集资料来做出商业决定,并不是用统计数据代替决定
-
许多人误用商务统计学的方法,误以为是代换
-
最好跟随DCOVA框架来最小化错误
DCOVA 框架
- 定义你要研究的解决问题的数据
- 从合适的来源收集数据
- 通过研发表格来组织收集的数据
- 通过研发表格来使数据更明确
- 分析收集的数据来得到结果并且给出结论
1,2必须先做好
商务分析
统计数据的办法:分析和探索以前不清楚的,被忽视的数据
信息系统:收集和加工数据
管理学科学:开发支持所有管理级别的优化模型
描述统计学和推论统计学
descriptive statistic: 最初帮助总结和呈现数据的方法,比如数班上的学生数量
inferential statistical: 使用收集到的数据从小群体推断出大群体里的结论
统计学的准确性
- 可能会产生错误或者无效的结果,比如DCOVA运用不当
- 必须测试数据是否符合某些属性,在统计学里叫做假设
- 如果假设被推翻,那么数据分析就无效了,那么需要这种假设成立的方法就不该被使用了。
逻辑因果关系
logical causality: 看似合理的一件事直接导致另一件事,晴天穿黑鞋,雨天穿棕鞋
然而什么颜色的鞋子无法导致天气,这就是一个缺乏逻辑因果关系的例子
相关联研究
correlation study:简单的观察两个自然的变量
有两个目的:
- 确定这两个变量是否有任何关系
- 描述这个关系
做决定:
做决定可以被视为是心理过程
这个过程的结果是在几个备选方案中选择一个行动方案
每一个做决定的过程都会产生一个最终的结果
8 个步骤:
- 问题识别
- 决定条件识别
- 为标准分配孰轻孰重
- 研究备选方案
- 分析备选方案
- 选择备选方案
- 实施最好的备选方案
- 决策效能评估
问题识别:与预想的状态出现差异,通过将目前的结果与某些标准比较就会发现差异
确保这是一个问题而不是一个症状,管理员(经理)不太可能把差异定义为是问题
决定条件识别:这对于解决问题很重要,比如:会遭受费用,可能遇到风险,期望的结果
分配条件的权重: 对条件的重要性进行正确的评估,每个条件都有优点和缺点
研发备选方案: 有个备选方案是明智的,同样可以解决问题
分析备选方案: 鉴定备选方案的优点和缺点。基于解决问题的能力来做评估
选择备选方案: 选择最好的,也可以选上一步里评分最高的
实施备选方案:实践
**备选方案效能评估:**评估备选方案所带来的效果,观察问题是否被解决,如果没有,就要重新来过
DDDM(data-drive decision making):
有效和明智的决定是基于对数据和信息的分析,也可以减少人类才范的错误
使用有限和相关的数据有助于把问题放在正确的背景下,才能选择最好的解决方法
允许识别风险与机会
DDDM的好处
使管理人员把注意力放在决策问题上:
- 环境的变化,比如政府和科技
- 风险需要被评估
- 多样的优先级,比如测量,运行,资源
- 要求的改变
- 竞争者
- 新的加入者,合作者
- 新能力的要求
数据分析 data analysis:
应用统计学的过程,或者其他科技用于检查,描述,转换,浓缩的分析
同样可以发现有用的信息, 给出结论并且支持做决定。
数据分析结果
可以知道在数据分析下,组织,系统,过程是否正在进步
也能知道引起变化的因素是什么
各种因素直接的联系和相关性
确定分析
分析数据同时也包括测试数据,以揭示关系,模式,趋势的方式。
统计技术可以揭示变量之间的这种关系,可以比较不同群体的数据
这些技术可以告诉你你对答案的信任程度
数据收集过程
需要一种可靠的数据收集办法:
客观的,有逻辑的,计划好的办法
数据的来源
许多数据来源于日常生活,但对于重要的决定来说往往不够
团体需要更多的来自其他来源的信息,通过额外的研究和观察
需要去识别感兴趣的对象
收集办法
调查,审查,检查,报告,实时数据更新
审计和检查需要问题清单,每个问题都有,好,满意,还可以,不好,不满意,太差这几个选项
评分,0-100
实时数据更新例子:脸书,ins,twitter,BBC
表单设计原则
只要求被需要的数据创造出信息
着眼大局
统计的好处:有证据,制造联系,确保产品质量
帮助公司对市场有一个正确的看法
05173152442.png" alt=“image-20210405173152442” style=“zoom:80%;” />
审计和检查需要问题清单,每个问题都有,好,满意,还可以,不好,不满意,太差这几个选项
评分,0-100
实时数据更新例子:脸书,ins,twitter,BBC
表单设计原则
只要求被需要的数据创造出信息
着眼大局
统计的好处:有证据,制造联系,确保产品质量
帮助公司对市场有一个正确的看法
顾客统计分析,购买模式,季节性购买