数据分析,如何给出有价值的建议

大数据 数据分析
想要服务好业务部门,首先得考虑的,就是:“这些人对数据了解多少“,然后对症下药。相比之下,对数据了解多的人,会更期望我们给到具体建议,因此先讨论这个情况。

​很多同学写数据分析报告,最怕的就是建议部分。要么不知道建议该怎么写,要么就是简单的写两句“GMV下降了,建议搞高!”写完了还被业务嫌弃:“你要给出有价值建议!要有洞察!”到底该咋办呀,今天咱专门聊这个。

一、破题关键

破题的关键,得搞清楚:业务到底想要什么。并不是所有的业务部门都掌握了数据思维,有些部门对数据不上心,有的却对数据盯得很紧,说不定自己都做过很多分析。

想要服务好业务部门,首先得考虑的,就是:“这些人对数据了解多少“,然后对症下药。相比之下,对数据了解多的人,会更期望我们给到具体建议,因此先讨论这个情况。

二、安抚神经过敏者

在了解数据的人里边,有一类人特别讨厌:神经过敏患者。今天涨个2%,也要你“深入分析一下”;明天降个1%,也要你“深入分析一下”。最过分的,你分析下跌的报告还没写完,指标已经升回来了,又得转头写上升分析报告……

从本质上看,这种人既不了解数据的常规走势,也没有先看大趋势再看细节的习惯。因此,他们没有能力区分常规波动,也没能力识别真正的异常走势。所以才纠结鸡毛蒜皮的问题。

这时候,确实很想给他们一个“别瞎折腾”的建议。当然,我们是很有素质的,文明提法是:“建议了解基础数据规律,关注发展趋势。我们会持续监控该指标”。这样不但能安抚他们,而且也有利于发现真正的问题(如下图)。

图片

三、指引方向缺失者

有一类人会看数据,但是翻来覆去只看KPI数据和结果数据。看到KPI指标同比跌、环比跌,总量不达标,急得团团转,却没有办法。注意!这类人是最讨厌“要搞高!”这种说法的,他自己也知道要搞高,只是不知道怎么搞。

这时候,分析要做得更细致,建议用标杆分析法或者过程诊断法,帮他们看到自己和标杆之间差距,看到自己执行过程的问题,这样更容易形成思路。

最后给建议,也是分学标杆/改弱点两个方向给的:

“建议向XX标杆学习,改进XXX做法”

“建议改进XX问题,预期提升整体表现x%”

(如下图)

图片

四、验证有假设对象者

有一类人看数据,会自己把常规的交叉分析,对比分析,过程分析都做了,直接形成问题假设。这个时候,再跟他聊“学标杆/改问题”,他就会说:“我早知道了,能不能聊点关键问题”。

这时,最好是直接拿到他的分析假设,然后去验证,直接解答他的问题,就是最有效的建议。这里的难度在于,可能他的分析假设太过复杂,很难直接量化。此时可以拆解假设,从一些可量化角度分析(如下图)。

图片

最后给出的建议,可以直接点明:“业务部门关心的XX问题,经我核实,问题为真,影响因素确实存在,建议尽快处理”。

这里有一种情况要注意,就是业务部门的假设全部是指向外部环境,这时候十有八九丫想甩锅。作为数据分析师,自然不能这么没节操地帮人洗地,我们可以收集一些外部环境的数据,至于建议部分,直陈事实即可。

五、协助测试落地

还有一类人,已经连假设验证都自己做过了,丫内心有了一个明确的方案,就差试一试了。这时候最好直接支持他做测试,连检验他的方案都可以省了——人家苦思冥想了那么久,你随便去挑刺,分分钟吵起来,而对着一个没有发生的事吵架本身也没啥意义。

此时的建议,可以直接写“建议进行测试,建议效果”。这里要注意一点,就是测试之前,假设一定要列清楚,特别是是否有影响结果的强特征,是否在测试过程里考虑了这些特征,一定要提前说。不然解读测试结果的时候,会被虐得褪层皮的。此时的建议,可以升级为:“考虑到XX因素对结果影响较大,建议设计实验时,做XX处理”(如下图)

图片

六、应付不了解数据的各路人马

以上各类人,对数据有了解,能直接就数据讨论。但是下边要出现的三类人,压根对数据不了解,甚至发自内心认为数据没用。面对这些不了解数据的人,给建议就可以省省事,甚至不吭声也是个好策略。

有的业务对数据无感,纯粹是因为素质低,看不懂复杂的报表。这时候甩给他们的数据越多,反而丫越看不懂。此时要做的,就是给出主要的KPI监控数据,然后在KPI出问题的时候提醒他们:“建议关注KPI走势的变化,有可能出问题”。如果他们感兴趣,再深入探讨。

有的业务对数据无感,是因为其KPI指标表现很好,于是欣欣然,觉得不需要再考虑什么了。这个时候随便你说啥,他都是:“哦,听到了”或者“分析还不深入啊,你再看看”。对这些人,不需要每次都讲一堆建议,而是抓住隐藏在KPI之下的问题。如果能点破问题,不但能引起他们的注意,也能让领导认可我们的能力(如下图)。

图片

有的业务对数据无感,则是因为经验主义。丫发自内心地认为“数据没有用!”,他老人家的经验才是最管用的。哪怕遇到业绩不好他们也会胸有成竹地说:

“以我经验,只要发优惠券就行”

“以我经验,只要上新品就行”

“以我经验,怎么都不行,大环境问题”

被这种人刁难是很常见的,因为丫很盲目自大,所以不做好准备,不要轻易招惹他。可以暂时忍耐,等待时机,当他的老经验不行,老板对他失去耐心的时候,狠狠捅他一刀:

“该方法已经执行了3次,ROI一次比一次差,建议更换措施”

“并非所有人都不行,有业务线能做起来,建议参考”

七、小结

很多同学被吐槽“分析建议太简单了”以后,总会很努力的寻找“高大上”的建议,特别希望能有一个标准建议模板,或者有一个大厂建议金牌,只要自己掏出金牌,业务就会俯首称臣。

实际上,因为不同人的水平不一样,在工作中“汝之蜜糖,彼之砒霜”的情况很多见。所以认真沟通,了解业务需求,根据不同情况提供建议,才是更好的解决方案。

责任编辑:武晓燕 来源: 接地气的陈老师
相关推荐

2016-11-17 11:11:09

数据采集数据分析

2016-11-14 14:57:32

大数据采集数据分析数据

2022-03-27 21:52:52

数据分析运营市场

2012-08-20 09:53:48

编程编程建议程序员

2014-09-30 11:02:08

Informatic但彬大数据

2022-10-09 11:32:52

数据分析业务销量

2024-06-26 01:09:36

2022-08-02 11:29:17

数据分析场景RFM

2017-03-06 08:37:52

数据可视化设计

2022-03-08 23:46:06

数据分析大数据

2022-06-27 11:32:47

经营分析环比数据维度

2018-11-20 14:24:46

数据分析数据库统计

2012-08-20 10:49:13

编程

2023-04-02 21:34:48

大数据云计算

2013-02-28 09:59:55

云数据分析大数据分析Hadoop应用

2019-04-15 13:40:47

大数据分析建模数据数据分析

2010-09-29 15:33:51

2021-06-29 08:29:25

开源程序员github

2022-07-14 10:00:21

数据价值

2015-02-12 12:44:15

微博大数据
点赞
收藏

51CTO技术栈公众号