数据分析价值-论DIKW模型

数据分析的目的，通常比较通用的说法是辅助决策，但是分析如何在生产到加工的过程中，做辅助决策的，可以从DIKW的模型做不同的阶段做解体，并进行分析。

一 DIKW模型

DIKW模型将数据加工的阶段分成四个阶段：数据(（Data)>信息(Information)>知识(Knowledge)>智慧/洞见（Wisdom)

• 数据：即通过原始度量的结果获取的事实信息，可能是数字、图片、符号或者文字
• 信息：即有逻辑的数据，数据承载的形式，一般是客观的信息展示，并不赋予任何意义。比如A门店每月有500的客流量。数据一般经过组织和处理，才有了信息的意义。信息可以回答简单的问题：是谁，在哪里，什么时间？数据量？
• 知识：是指导业务的信息，也是信息的集合，这种集合信息可以让实际的业务或者工作有意义，这种一般可以理解为经验、解释。
• 智慧/洞见：是知识的一种抽象，类似哲学的概念，充满不确定性，一般是提出的问题目前没有明确的答案，这种更多是对未来的预见，试图解释暂未出现或者理解的东西，这种层级的理解，是人类所特有的。
  举例如下图：
  DIKW模型.png

二业务数据呈现的方式

1. 基础的数据，可做简单的可视化：帮助业务快速获取信息，以展现简单的数据宏观数据指标来呈现
简单的可视化：折线图、条形图、饼图
通常的指标：销售额、利润等

2.最优决策，可做交互可视化：即根据实际的假设做数据检验，用户可以根据可视化的结果，看到实际的数据呈现
比如确认各个月份中，哪个月份的销售额比较低落，是否和月份有关联，应该在哪段时间要做生产规模扩大的准备

3.细化的分析，高级可视化：一般用于数据分布形态、相关性分析和结构化分析，更多的是更注重挖掘数据中存在的的价值。比如常见的“二八法则”，80%的收入来自20%的群体，如何注重20%群体的用户保持，防止流失，不同群体如何做定价策略。如何证明这些客户是高质量客户，需要做假设验证。