工欲善其事，必先利其器。数据分析要成为企业利器需要满足“五度”：深度、效度、信度、难度、通度。
第一度：深度
深度是指数据分析对企业的支持程度，是数据分析成为利器的首要条件。当企业面临决策难题时，数据分析若要有深度，则要全面回答三个问题：
1、企业的现状和问题是什么？
2、问题为什么会产生？
3、企业未来怎么办？
这3个问题若未答全，则分析的深度就会有所缺失。
举个例子。下表是某分析师为A卖场所做的顾客满意度分析。
显然，该表的分析深度是不够的。至少没有回答以下问题：
1、在7个评价指标中，哪个指标更重要，需要优先改进？（是什么）
2、A卖场的满意度水平和竞争对手相比，处于什么地位？（是什么）
3、为什么顾客对A卖场“宣传”方面的满意度水平最低？（为什么）
4、A卖场该如何针对不同的顾客提高满意度水平？（怎么办）
为此，需要针对这些问题进行分析方法改进。改进如下。
问题1：在7个评价指标中，哪个指标更重要，需要优先改进？
方法改进：增加矩阵分析（见下图）
分析思路：增加重要性维度，对7个指标的重要性和满意度同时测评。
那些重要性高，但满意度低的指标就是优先需要改进的方向
分析结论：“ 宣传”和“店员”是A卖场需要重点改进的两个方面
问题2： A卖场的满意度水平和竞争对手相比，处于什么地位？
方法改进：增加矩阵分析（见下图）
分析思路：增加竞争对手B卖场，使A卖场清楚在与B卖场的竞争中自身所处的位置、优劣势和改进的方向
分析结论：A卖场的总体表现优于B卖场。与B卖场相比，A卖场的优势为环境/位置/店员/服务/价格，劣势为品类/宣传
问题3：为什么顾客对A卖场“宣传”方面的满意度水平最低？
方法改进：增加对比分析（见下图）
分析思路：在对A卖场的满意度评价中，“宣传”的满意度得分最低。问题出在哪里？是“宣传频率”，还是“宣传覆盖面”？是“宣传类型”还是“广告代言人”？要找到问题的症结，需要细化“宣传”指标，并判断细化指标的表现，从而做出问题诊断。
分析结论：“宣传覆盖面”是最重要的，但满意度却最低，因此为最先需要改进的指标，其次是“广告美誉度”和“宣传频率”。
问题4：A卖场该如何针对不同的顾客提高满意度水平？
方法改进：增加方差分析和对应分析（见下图）
分析思路：如何提升满意度，这是顾客满意度分析的终极目标。而要提升顾客的满意度，就需要知道不同的顾客在重点考虑因素方面是否存在差异，差异具体有哪些。然后针对这些差异开展精准营销。
分析结论：通过方差分析，可以看出F值的相伴概率为0.002<0.05，通过显著性检验，说明不同城市在考虑因素方面存在着显著差异。顾客所在的城市可以分为三类，北方城市、中部城市和南方城市。北方城市更关注店面环境、促销价格等因素；南方城市更关注卖场的口碑、实力、知名度等因素；中部城市更关注售后服务、店面面积等因素
通过对以上4个问题的改进，A商场的顾客满意度分析深度有所增加。
第二度：效度
效度是指数据分析的效率。速度越快、成本越低、则效度越高。效度是数据分析成为利器的第二个条件。
例如，社交网络分析能成为趋势，是因为与传统分析方法相比，社交网络分析更效度。
以医学研究为例。
在传染病预测方面，社交网络分析表现出了更强的速度。
传统的分析方法是国家疾病控制预防中心从医生、实验室那里收集数据，来分析疾病的流行性和发病率。当不同的病人在不同地方被诊断有病，所有数据，在经过一定的延迟之后，都送到一个中心数据库。一两个星期之后，你才会知道你身边的传染病在什么地方也会发生。这样的分析显然是滞后和无效的。无法起到传染病的警示和预测效果。但是，通过社交网络分析却可起到预警作用。
下图中横坐标表示时间，纵坐标表示传染病感染人数的比例。由于在社交网络中，中心群体（即位于社交网络中心并且连接数目多的人物）比随机人群更容易受到病毒感染，在同一时间，中心群体感染率更大。因此，黄线表示中心群体的感染率，红线表示随机人群的感染率。
显然，中心群体与随机人群之间存在着一个时间差，也就是如果我们对中心群体进行追踪研究，会及早发现问题，起到预测和警示的作用。2009年哈佛大学利用社交网络对H1N1进行预测，得到了提前16天的预先警示，大大提高了医院的反应速度。
在群体免疫方面，社交网络分析则表现出了更低的成本。
如果我们有个1000人的群体，想使这个群体对某种病原体免疫。我们是否需要给每个人都打免疫预防针呢？不需要。
由于在社交网络中，中心群体比随机人群更容易影响他人，因此，只要使中心群体免疫，就解决了源头问题。如何找到中心群体呢？可以随机从人群中选个人，向他询问：在你的朋友中，有比你有更多朋友的朋友吗？然后找到这个朋友，再次询问这样的问题，以此循环，就会不断向社交网络中心逼近。科学家的实验表明，从1000人的群体中取30%的随机样本，让他们推举他们的朋友，然后对这些朋友进行免疫，就能达到使90%以上的人免疫的效果。但是效率更高了，花费更少了。
数据分析成为企业利器的第3度至第5度将在下回分解，敬请关注！