想必大家都聽說過敏捷開發，敏捷開發是以用戶的需求進化為核心，采用迭代、循序漸進的方法進行軟件開發。隨著敏捷概念的深入人心，數據分析方法論也發生了革新，敏捷數據分析逐漸進入主流視野。本文將簡要介紹到底何為敏捷數據分析。

　　傳統VS敏捷

我們先來看一下傳統的數據分析流程：

解讀業務戰略目標–>確定目標分解的量化KPI–>確定KPI的計算公式和所需字段–>確定所需字段來自于哪些數據庫的哪些表–>數據建模–>預先匯總成二次表和Cube–>結果展示。

由于需要建模和打CUBE，這一流程通常需數月才能完成。

現在，取代傳統數據分析流程的，是快速迭代式分析。敏捷數據分析不必在開始時花很長的時間構思大而全的分析指標體系，而是低成本快速迭代，幾分 鐘就做好一個當前想要分析的結果，通過敏捷數據分析工具實現動態切換視角，靈活展示數據，日積月累，指標自然越來越豐富，計算公式也越來越符合業務邏輯， 這時再體系化。下面的演示視頻將幫助大家了解如何通過敏捷數據分析工具在幾分鐘時間內實現自己的分析需求。

為什么傳統數據分析無法實現快速迭代分析的高效?因為在過去這么多年以來，我們對于大數據海量數據的計算能力達不到比較理想的要求，所以我們才需要IT人員用通過建模等方式提前把數據計算匯總好，隨著現在大數據的技術相對來講都日趨成熟和完善，分布式計算，內存計算、列存儲等比較成熟的技術架構，采用這種新的辦法去處理數據的性能，已經比以前提升了幾十倍甚至更高。

符合迭代思維

快速迭代式的敏捷數據分析有什么好處?首先，這種分析方法十分符合互聯網思維中的迭代思維。企業的分析指標不可能一開始想得非常全面，本身就是迭代逐步形成的。以電商行業為例，電子商務的數據可分為兩類：前端行為數據和后端商業數據。前端行為數據指訪問量、瀏覽量、點擊流及站內搜索等反應用戶行為的數據;而后端數據更側重商業數據，比如交易量、投資回報率，以及全生命周期管理等。

在最初期，電商行業最關注的是那些核心指標：UV、轉化率、客單價、毛利率、推廣ROI、重復購買率，人們在核心指標的基礎上逐步對媒體、用 戶、商品、營銷等對象做詳細分析;同時在客服、商品、倉儲物流等內部運營績效方面進行監控。這些數據現在又可以被歸納發展為4個方面，基礎訪問數據、商品 銷售數據、營銷推廣數據、用戶數據，其中基礎數據中包括網站的訪問數據、網頁鏈接點擊、來源跳出等等。商品銷售數據關系到品類、銷售多少、影響因素等。營 銷數據包括投入產出的投資回報率，更多地是跟其他幾方面的數據進行混合分析。用戶數據包括分析用戶區域、購買頻率、客戶構成、忠誠度、偏好等等。

適應變化需求

另一方面，企業的數據分析需求可能是隨時變化的，快速迭代的敏捷數據分析能夠滿足業務人員不斷變化的分析需求。在最初期，業務人員無法全部確定 自己的數據分析需求。因此做數據分析必須先了解業務。只有知道業務問題在哪里，才能知道需要分析什么數據，而不是從數據表象來猜測業務，這是因果倒置。而 且每個公司在不同階段的數據分析的切面是變化的。比如京東當年與當當大戰的時候，劉強東每天要了解圖書品類的數據。但是現在他可能就不需要這樣。

敏捷的快速迭代式數據分析能夠解決企業絕大部分的分析需求，同時節省了時間成本和金錢。最重要的是，敏捷數據分析通過對大數據進行高速捕獲和實 時的分析，幫助企業獲取核心業務和戰略決策所需的關鍵信息，提升企業經營管理和戰略決策水平，創造商業價值，這也許是對大數據價值的最好詮釋。