• AI »
  • 怎么理解数据分析落地

怎么理解数据分析落地

架构师的信仰系列文章,主要介绍我对系统架构的理解,从我的视角描述各种软件应用系统的架构设计思想和实现思路。

从程序员开始,到架构师一路走来,经历过太多的系统和应用。做过手机游戏,写过编程工具;做过大型Web应用系统,写过公司内部CRM;做过SOA的系统集成,写过基于Hadoop的大数据工具;做过外包,做过电商,做过团购,做过支付,做过SNS,也做过移动SNS。以前只用Java,然后学了PHP,现在用R和Javascript。最后跳出IT圈,进入金融圈,研发量化交易软件。

架构设计就是定义一套完整的程序规范,坚持架构师的信仰,做自己想做的东西。

关于作者:

  • 张丹,数据分析师/程序员/Quant: R,Java,Nodejs
  • blog: http://blog.fens.me
  • email: bsspirit@gmail.com

转载请注明出处:
http://blog.fens.me/data-analysis-understand/

前言

数据分析核心要解决业务问题,通过数据发现规律,驱动业务创新发展。数据分析要落地,就是找到数据的价值。如果找不到价值,那么就会一直原地打转。花费了无数时间,也不过是徒劳。

什么是数据落地

什么数据落地?一句话来概括,“通过数据解决实际的业务问题,带来明显收益”。

比如,做金融量化投资,通过分析金融数据市场的数据,设计算法策略,购买股票、期货等金融产品,最后赚到钱。这就是个一数据落地的过程。如果最后没有赚到钱,那么不管之前做了多少努力,花了多少时间多少成本,最后都没有落地。数据落地一定要结果导向的,必须要获得实实在在的结果。(这里也要排除,短期可能亏损,但长期是盈利的情况。)

看似简单的数据落地过程,中间有大量细节投入,而且会受到很多的因素影响。坚守初衷,每个步骤都做到位,其实是挺困难的一件事。我在文章 影响数据分析落地的9大影响因素 ,中介绍了9种影响数据分析的因素。

作为数据分析师,我们可能可能大部分时间都做了与数据落地不相关的事情,陷入各种繁琐的流程中。

我们在一个量化投资项目中,用了50%的时间,与领导沟通进行立项、申请服务器、开通权限、做数据库选型、拉了内部群、写了各种汇报材料;用30%的时间,完成数据采集和数据清洗,又用了20%的时间,接入了大模型,完成了一个回测的任务,收益率达到了80%,夏普指数也达到1.5。然后,我们就汇报了领导,然后领导就拓展了公司业务,公司蒸蒸日上的发展。

听起来合情合理,但又感觉那里怪怪的。

上面场景中,我们即没有提到业务逻辑,也没有解决业务的问题,交易策略只跑了回测,在实际交易中能否产生收益也是未知的,因此得不出公司发展的结论。

那要完善这个过程,就需要有更多的细节,通过细节的操作,一方面能代表你了解你的业务场景和数据,证明你的专业性;第二你需要说出你的特别之处,从而证明你发现了别人不知道的规律,你的逻辑是成立;第三用实盘的交易结果,把逻辑进行验证,证明在实际交易中也是成立的。这样才能达到数据分析落地的目的。

当理解什么是数据落地,接下来,就需要为数据落地设定分析目标了。如果目标设定的明确,那么做起事来事半功倍,如果目标不明确,那么就会围绕靶心,不断地转圈圈。

转载请注明出处:
http://blog.fens.me/data-analysis-understand/

This entry was posted in AI

0 0 votes
Article Rating
Subscribe
Notify of
guest

This site uses Akismet to reduce spam. Learn how your comment data is processed.

0 Comments
Oldest
Newest Most Voted
Inline Feedbacks
View all comments
0
Would love your thoughts, please comment.x
()
x