手机版 欢迎访问人人都是自媒体网站
数据分析的同学是否遇到过这种情况——辛辛苦苦做的数据永远不是业务想要的?到底是业务吹毛求疵过分挑剔,还是你做的数据不是业务想要的呢?本文将层层分析为你解答,快来看看吧。
做数据分析的同学们都遇到过这个问题:从多维度分析问题,提出对业务有意义的建议。这个题目看起来很简单,可很多同学辛辛苦苦跑了一堆报表,结果只落得业务一堆抱怨:
“你这一堆说明了啥!”
“你的重点在哪里?”
“你的维度太单一了!”
好!冤!枉!
明明出了那么多组数据,为什么还被说“分析维度不够多?”今天我们系统解答一下。问题的本质是:业务口中的“多维度”,完全不是你想的那个“多维度”。
一、数据分析眼中的多维度对数据分析师而言,多维度,往往指的是数据指标的拆分维度。
举个简单的例子:3月份销售额3个亿。这就是一个指标,没有拆分维度。如果加了分类维度,就是下边的效果:
注意:比起只看总数,用多维度拆解数据,是能更精确的定位数据的。
常见的方法有两种:
添加过程指标
按业务管理方式添加分类维度
比如只看总销售金额,我们发现差3000万达标,可我们并不知道为什么不达标。这时候如果拆解细一点,比如:
1. 添加分类维度:看到哪个业务线没做好(如下图)
2. 添加过程指标:看到从用户意向到付费,哪个环节出了问题(如下图)
增加过程指标+分类维度,就能更精准的定位问题。甚至一些简单的结论已经呼之欲出了。
正因如此,很多数据分析师把业务口中的“多维度”,直接理解成了“维度多”。一听到要做分析,振臂高呼“拆!拆!拆!”层层叠叠做了一大堆交叉表,把各个分类维度的数据都做了出来(如下图)。
然而,仅仅“多”,就足够了吗?
二、业务眼中的多维度业务口中的“多维度”,完全不是这个意思。
业务脑子里装的是不是数据库里的表结构,而是一个个具体的问题。当业务看到“3月份销售没有达标”脑子里想的多维度是这样的:
是不是看傻眼了……
你会发现,单纯的拆解数据根本无法回答上边的问题。
是滴,一个都回答不了。甚至单靠看数据都没法回答这些问题。
即使把问题定位到:“3月业绩不达标是因为A大区3个分公司的客户意向签约太少”,定位到这么细的程度,也不能回答上边的问题。
因为到底意向太少,是因为对手发力了、产品没做好、活动没跟上、用户需求有变化……还是没解释清。具体的业务问题,一个都没有回答。自然业务看了一脸懵逼了。
三、真正的多维度分析,这么做从本质上看,真正的多维度分析,其实考的不是数据计算能力,而是策略能力。具体来说是三个方面:
把业务上理由,转化为数据上论证。
堵住借口:业务不要总试图甩锅,集中精力想能干点啥。
找到症结:在一堆影响因素里,找到最关键的那个,集中发力。
注意,这三件事是有顺序的:
先把数据论证方式列清楚,避免大家放空炮(数据不能论证的理由就闭嘴,是个非常好的议事规则)。
之后先堵借口,找借口并不能解决问题,因此先把各种逃跑路线堵上。
最后再集中想办法,想办法的时候,从大到小,从粗到细,先搞大问题。
综上,这个事可以分六步做。
第一步,要先对业务明里、暗里提出的说法做分类对每一类问题,构建分析假设,把业务理由转化为数据逻辑,拿数据说话(如下图)。
让大家把精力集中在——往往借口产生于:宏观因素、外部因素、队友因素。所以在这里,关键是证伪。只要能推翻他们的逃跑借口就行。
证伪最好用的办法就是举例法,同样是下雨,为什么别人就抗的住。同样是流量难搞,为啥别的业务线能持续增长?(如下图)。
Copyright © 2018 DEDE97. 织梦97 版权所有 京ICP