大数据分析会遇到怎样的难题?


    如今的数据具有多种多样的形式,而且来自许多不同的数据源。更为重要的是,除非有需要的那些人易于获得大数据,除非能迅速获得洞察力,否则大数据分析工具的用处并不是很大。那么大数据分析会遇到怎样的难题?
    1.很难获得用户操作行为完整日志。现阶段数据分析以统计为主,如用户量、使用时间点时长和使用频率等。一是需要识别用户,二是记录行为容易引起程序运行速度,三是开发成本较高。
    2.产品缺乏核心指标,这需要分析人员足够的了解产品。产品有了核心指标,拆分用户操作任务和目的,分析才会有目的,否则拿到一堆数据不知如何下手。比如讲输入法的核心指标设为每分钟输入频率,顺着这个目标可以分析出哪些因素正向影响(如按键容易点击)和反向影响(如模糊音、误点击和点击退格键的次数)核心指标。
    3.短期内可能难以发挥作用。数据分析需要不断的试错,很难在短期内证明方法的有效性,可能难以获得其他角色的支持。
    4.将分析转化为有指导意义的结论或者设计。看过某应用的近四十个设置项的使用比例,修改皮肤使用率较高,而个别选项使用率不到0.1%,依次数据可以调整设置项的层级关系,重要的选项放置到一级强调显示,低于5%的可以放置二三级。功能使用率的分析是比较容易的切入点。
    5.明确用户操作目的。功能对于用户而言,使用率不是越高越好。增加达到的目标的途径,用户思考成本增加,操作次数会增加,比如搜索。在应用中使用搜索可能说明用户没有通过浏览找到想要的内容,如果用户搜索热门内容,说明应用展示信息的方式出现问题。
    6.考虑到运营需求。之前做过的工具型应用,设计的核心指标是提高操作效率,减少点击次数、等待时间和手指位移等,最快的时间完成操作。而一些浏览型产品用户的目的并不明确,大致有浏览、查询、对比和确定目标等四类用户行为,需要兼容用户目标不明确情况下操作,引导用户选择的同时还要在过程中展现更多的内容,刺激用户点击。
    大数据分析有什么难题.中琛魔方大数据平台表示了解大数据面临的成长困难,规避其带来的风险,是企业必须要做的,而要想规避风险,就要有更多的数据支撑,挖掘和分析,这样才能够让有用的价值呈现在企业面前,为企业提供前进的指引。