领导对数据的期望值太高了！该怎么破？

编辑导读：这几年，随着数字化进程的加快，越来越多的企业开始重视数据分析。但是，很多领导都是外行人，指导工作的时候难免会期望值过高，让数据分析师特别头疼。本文作者基于自身工作经验，对这个话题提出了自己的一点看法，与你分享。

做数据的同学们，最怕被人喷：“你做的没有用！”

十个“你做的没有用”，至少七个和期望值过高有关。

特别是越不懂数据原理的人，对数据的期望值越高。

悲剧就是这么来的。怎么破？今天系统讲解。

问题场景：

某零售企业开始互联网转型，已上线微商城，并配套建设CDP，对微信端用户信息有一点采集（仅限于用户ID+购物行为+七零八落的互动行为）。现在负责微商城的领导找到数据分析师，表示：我们啥都有了，就差一个高深莫测的分析了，希望你能做出有价值的用户画像模型来提升业务。

问题1：听了以下五位领导的发言，你觉得他们“不懂数据”的程度排序是……

A：我们啥都有了，就差一个高级建模了

B：你要做人工智能大数据分析下用户画像模型

C：我们日常的商城报表来来回回就那几个数，也看不出来啥

D：微商城的留存效果不好，用户复购低，得分析下问题

E：比如，买过护肤品的用户，可以看她多久能复购一次

一、什么算不懂数据

拜各路网络文章、网络课程所赐，现在一提起数据，新人们满脑子都是：excel，sql，python，tableau，hadoop，spark，sklearn，tensorflow，那么既然这五位领导一行代码都不会写，那么答案就应该是：A=B=C=D=E=0咯，只有我才是精通数据的大神……

或者还有些新人认为：模型最牛逼，那肯定提模型的领导最牛逼了。所以是B≥A≥D≥C≥E，领导都说了要大数据人工智能用户画像模型了，看我不模他个天翻地覆！

大错特错！

生产数据是数据部门的事，但应用数据是每个部门的事，甚至很多资深的业务，要比每天跑数的表哥更懂数据的含义和用处。所以从一开始，就不能拿技术能力去要求业务部门，而是得看这些人懂不懂如何用数据。

应用数据最大的瓶颈，当然不是建模，而是采集数据。没有好的数据质量，一切分析建模都是扯淡。而数据质量又和业务流程、建设时间、投入力度息息相关。如果业务方总急着上马新功能，不认真做埋点，不认真清理数据，那数据就是一坨屎。

一大坨屎也很大，但是它还是屎，变不成米饭，这是基础常识。没有数据，无法分析，这也是常识。

因此不要听业务方吹什么“我的数据很大，都在那了”，他如果不了解到底手头有什么数据，说的分析思路基本都是屁话。

所以真正能考察业务方到底懂多少数据的，是看他对已采集的字段了解多少，他对数据指标关注多少，对数据指标背后的问题思考多少。

了解字段的≥了解指标的

了解指标的≥了解数据问题的

了解数据问题的≥了解业务问题的

了解业务问题的≥“就差一个用户画像模型了”

所以这一题的真在答案是：E≥D≥C≥B≥A

如果你面对的领导/客户/同事，对自己的系统到底有什么字段，什么指标毫不清楚，却很希望你建立用户画像，精准预测模型，那可得小心了！这跟指望你炼救命仙丹没啥区别。

就比如本场景里，虽然名义上是微商城，可真实采集到的数据只有用户ID+交易行为，这跟线下门店的数据没啥区别，稍微复杂一点的模型都建不了，用户特征更是无从谈起。这时候反而E领导提的，基于某些交易行为做预测，还有一定可行性，面对其他几位，降低期望值才是正道。

问题一答完了，来问题二。

问题2：听了以下五位领导的发言，你觉得他们“期望太高”的程度排序是……

A：要是数据分析做的好，肯定业绩蹭蹭蹭

B：有了用户画像模型就能精准营销，极大提高用户购买率

C：至少得分析出来一些，我不知道，但是很重要的问题

D：用户复购原因，得分析的很深入，搞清楚

E：先把复购周期算出来看看

估计不思考，也能看出来E的期望值是最低的，那么问题是，ABCD四位的要求算不算高？数据驱动业务，数据就是生产力不是人们都挂在嘴边上的吗？

二、什么算期望太高

首先，数据驱动业务，这句话本身没有错。

但是主语是：老板用数据驱动业务。作为一个用户，你永远不可能为了某个公司的某个程序员敲出来的代码买单，你只会在一个具体的时间、一个具体的地点，以一个具体的价格，买一个具体的商品，满足一种具体的需求。