数据分析,这么做才有用

2019 年 8 月 27 日 大数据技术

来自公众号:接地气学堂 


有同学问:老师,我们领导总说,要做有用的数据分析。可我废了很大力气,做出来的却被嫌弃:“我早知道了”、“没啥用”。到底要怎么才有用呢?这个问题很常见,我们今天系统解答一下。就拿一个很常见的问题: 业绩下滑了,分析下怎么做才能达标 ?来举个例子:

没用的分析有这三个特征


1就数论数。最常见的,就是列一条公式:业绩=用户数*转化率*客单价。然后发现,业绩下滑是因为转化率下跌了。于是便在分析报告上写下苍劲有力的几个大字:转率低了,要搞高!……这种分析肯定没啥用啊,一线看到铁定骂人啊。一线的又不是瞎子,转化率低了意味着产品很难卖,是个人都看到了啊,还用分析?
2不管数据。最常见的,就是在分析结论里写下:要做促销活动拉动转化率,比如下单满50立减10元。……这种分析业务看了也会骂娘:说的都是废话。为什么是满减不是买赠?满5010元要补贴多少费用? 你算过账吗 ,就在这瞎议论?
3高大上全。在分析报告里写上,我们 一要 提高品牌, 二要 提高服务, 三要 加强产品, 四要 降低价格, 五要 提升品质……这种分析,压根没人看。私下里都在嘲笑:他以为他是谁啊,指挥这个指挥那个。

做有用的分析从摆正定位开始


数据分析和业务,最好的相处就是: 高德地图和司机 的关系。高德地图不能帮司机捏方向盘,但没有一个司机觉得它没用,导航确实很好使。 不干涉业务部门的决策,同时为决策提供丰富信息支持,就是最好的状态。 如何做到?当然还是学高德地图。导航看似简单,可细究起来还是有很多细节的,如下图所示:


业绩下滑了,分析下怎么做才能达标?这个需求 看似清晰,实则含糊 。既然想让分析有用,那就得备齐基本要素。最最最基础的,是先把话讲完整:
  • 主语:谁来做?比如业绩问题,既可以市场部牵头搞促销,也能销售部加大行动力,也能会员部门牵头针对大客户精准营销。人不同,方法、思路、数据都不同。

  • 谓语:用什么方法做?提升业绩的方法多了去了,细节更是不计其数。单单说促销,就有个人/裂变,满减/买赠,礼品/优惠券等等选择。方法本身又受到谁来设计的影响。所以得先了解清楚情况,不然千头万绪,无从做起。

  • 宾语:做到什么程度?做到多少算OK是个大问题,短期促销能拉动业绩,也会透支顾客的消费。如果目标不清晰、不合理,都会导致决策失误。如果根本没有目标,那行动也会沦陷为“为了做而做”糊涂收场。

 
当业务部门提出疑问的时候,有可能他们完全没有想法,也有可能他们已经有了明确的计划。一个项目有四个阶段(如下图所示)

想让数据分析变得有用,当然不是做数据分析的替代业务部门把所有活都干了,而是首先清晰: 目前问题处在哪个阶段 。之后根据该阶段的决策需求,提供必要的帮助。在四个阶段中,前三个阶段,业务部门都有可能疑惑“要怎么搞业绩?”我们一个个看一下

策略阶段的有用做法


策略阶段的核心就是做选择,就是解决三大问题:
1、谁来做?
2、用什么方法?
3、做到什么程度?
 
比如:
  • 拉动业绩市场和销售都能干,那到底谁干?
  • 市场部上促销有5种方法,到底用哪一种?
  • 销售拉动要给多少额外奖金,要不要换话术?
  • 业绩到底做到多少满意?为此要付出多少成本?
为配合以上需求,数据分析可以做:

敲黑板

1、列出现状,指出业绩最差的点,预测业绩走势

2、列出原因,指出业绩差的原因,分析改进难度

3、列出目标,计算目前业绩与目标差距,评估目标

4、列出历史上营销活动的形式、效益、投入ROI清单

5、列出历史上销售效率、销售措施、短期奖金激励效果

6、列出目前销售效率最高团队人效数据、行为特点、

 
以上所做的,除了第12点外,并没啥高深的分析,更多是 用数据说话 ,把可能的情况列出来。可这样做,能让业务部门决策起来非常轻松。这就像我们开导航,高德地图不会替我们选择起点终点,但是会很贴心的自动标出目前位置(现在)、保存去过的地点(目标)、选定起点终点后,提示有几条线路(怎么做),连路上堵不堵,预计多久到都有提示(预测目标达成率)。这样作为决策人看到信息非常清晰,自然容易做出策略判断了。
 
12点有可能会做很深入的分析。特别是面对深层次的复杂问题,未来存在大量不确性。业务部门有可能觉得老办法都没啥用了,会希望有一些深度的研究,精细的测算,或者启发性的思维。这时候就更需要做数据分析的同学们出力了。一方面把数据做深做透,另一方面在 用户洞察、行业案例、一线优秀案例、竞争对手做法 上下点功夫。多提供一些数据以外的支持信息,帮业务部门打开思路。

创意阶段的有用做法


如果已经推进到了创意阶段,那如何拉升业绩,其实业务方已经有了方向。这时候主要拼的是业务能力。比如具体海报怎么画,公众号引流文章怎么写,写了文章几点发,促销礼品怎么选等等。需要注意的是,伟大的创意从来都是业务做出来的,不是数字算出来的。但往往业务部门会疑虑:这么做到底行不行?还有没有其他创意?我有好几个创意不知道用哪个?
 
这时候,数据分析可以做的是:

敲黑板

1、列举效果好的创意

2、分析过往创意的效果

3、总结好创意的要点

4、对新的创意进行测


这里有个有意思的地方,就是很多企业的业务很保守,一味地追求数据最美化,懒得动脑子。比如过往红色底海报阅读高, OK,这次也用红色。过往促销送券响应率高,OK,这次也用券。反正什么数据好用什么。多的咱也不用想,咱也懒得想,还美其名曰“延续性”。 过分迷信过往数据和经验,也是大企业病的一种 这种病,让相当多的大企业在新形势下表现的很愚蠢。所谓的大象难掉头,正是如此。

执行阶段的有用做法


如果已经推进到了执行阶段,那讨论的时间已经过去了。执行阶段核心就是:进度 +质量。因此数据分析最大的作用就是及时提供最新情况,包括:
 

敲黑板

1、项目执行进度

2、目标达成率

3、目标相关指标

4、执行优秀案例

5、执行问题点


这里的目标相关指标是和达成目标有关的动作。比如做促销拉业绩,不能光看业绩达成多少,还得关注商品销售速度,会不会卖的太好导致断货?哪里出的快要及时补。还得关注礼品 /礼券兑现率:会不会出现礼品断货?还得关注系统压力,会不会参与人数过多导致宕机,真宕机了怎么及时补救?和流程有关的方方面面都得关注到位,不能倒在成功最后一步。
 
这时候,分析最重要的的是 数据指标的完整性 ,针对活动各方面监控都得到位,并且及时提示问题。这就像开车的时候,导航会时不时提醒:“您已超速”“前方拥堵 2公里”一样,实时路况对行车也特别有帮助。

执行问题需要的是一线执行力,远在天边的总部很难直接给建议。因此,最好的办法是 借力打力 ,找出优秀的标杆,直接从一线吸收经验,复制到其他条线更好,也省去了被人嫌弃:“你们做空调屋的懂个屁”。

有用是体系化作战的结果


综上,我们看到,“有用”是体系化作战的结果。是数据分析师系统了解企业经营状况,了解业务流程,参与业务决策过程,针对现状具体问题具体分析的综合性成果。所利用的材料绝不仅仅是代码、图标、 ppt。更多是:
1、对谁来做有 敏感性
2、对过去怎么做有 积累
3、对现在想怎么做有 了解
 
这样才能就事论事,分析:

敲黑板

1、要做到多少才足够

2、做的障碍点是什么

3、可以往哪个方向做

4、那一种做法更合适


一份ppt或一张数据表,是无法满足上述目标的。这也是为啥很多做数据分析的同学苦恼的原因:为啥我的分析就是被嫌弃没用呢?因为真的你只是在就数论数而已,没有真正思考到底要如何解决问题。
 
不过这也不能全怪做数据分析的同学们。 很多企业就没有这种环境 。或者把数据当业务用,逼着分析师想一个具体文案、想一个具体的活动规则。如果做数据的把方案都做了,要运营、策划、产品经理干什么。或者指望分析师像算命大仙一样,什么都不告诉他,键盘一通敲就能哗哗出结论。甚至有意封锁消息,还美其名曰:“考考你懂不懂业务”。
 
这样人为割裂数据与业务的关系,就好比坐上车,然后对高德地图说:“开到我想去的地方去”“你不是导航吗,我不说,你也要知道我要去哪里,你也得会开车!这样才是有用的导航!”——没人会认为导航有问题,大家只会觉得这不是个好司机。 道理就这么简单哈。
 

●编号881,输入编号直达本文

●输入m获取文章目录

推荐↓↓↓

Python编程

更多推荐25个技术类公众微信

涵盖:程序人生、算法与数据结构、黑客技术与网络安全、大数据技术、前端开发、Java、Python、Web开发、安卓开发、iOS开发、C/C++、.NET、Linux、数据库、运维等。

登录查看更多
1

相关内容

数据分析是指用适当的统计方法对收集来的大量第一手资料和第二手资料进行分析,以求最大化地开发数据资料的功能,发挥数据的作用。
【2020新书】实战R语言4,323页pdf
专知会员服务
101+阅读 · 2020年7月1日
【实用书】学习用Python编写代码进行数据分析,103页pdf
专知会员服务
195+阅读 · 2020年6月29日
【硬核书】不完全信息决策理论,467页pdf
专知会员服务
354+阅读 · 2020年6月24日
商业数据分析,39页ppt
专知会员服务
161+阅读 · 2020年6月2日
【干货书】R语言书: 编程和统计的第一课程,
专知会员服务
115+阅读 · 2020年5月9日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
101+阅读 · 2020年3月9日
《代码整洁之道》:5大基本要点
专知会员服务
50+阅读 · 2020年3月3日
关于Python数据分析,这里有一条高效的学习路径
硬核| 在麦肯锡,行研和数据分析要这么做!
行业研究报告
20+阅读 · 2019年3月26日
周末深夜,学妹说她想做Python数据分析师
机器学习算法与Python学习
4+阅读 · 2018年6月7日
你用 Python 做过什么有趣的数据挖掘项目?
计算机与网络安全
4+阅读 · 2018年2月11日
【入门】数据分析六部曲
36大数据
18+阅读 · 2017年12月6日
一位数据分析师的书单
R语言中文社区
12+阅读 · 2017年10月28日
京东用户画像揭秘:原来买iPhone X的是这么些人
R语言中文社区
10+阅读 · 2017年9月14日
Arxiv
21+阅读 · 2019年8月21日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
Two Stream 3D Semantic Scene Completion
Arxiv
4+阅读 · 2018年7月16日
VIP会员
相关VIP内容
【2020新书】实战R语言4,323页pdf
专知会员服务
101+阅读 · 2020年7月1日
【实用书】学习用Python编写代码进行数据分析,103页pdf
专知会员服务
195+阅读 · 2020年6月29日
【硬核书】不完全信息决策理论,467页pdf
专知会员服务
354+阅读 · 2020年6月24日
商业数据分析,39页ppt
专知会员服务
161+阅读 · 2020年6月2日
【干货书】R语言书: 编程和统计的第一课程,
专知会员服务
115+阅读 · 2020年5月9日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
101+阅读 · 2020年3月9日
《代码整洁之道》:5大基本要点
专知会员服务
50+阅读 · 2020年3月3日
相关资讯
关于Python数据分析,这里有一条高效的学习路径
硬核| 在麦肯锡,行研和数据分析要这么做!
行业研究报告
20+阅读 · 2019年3月26日
周末深夜,学妹说她想做Python数据分析师
机器学习算法与Python学习
4+阅读 · 2018年6月7日
你用 Python 做过什么有趣的数据挖掘项目?
计算机与网络安全
4+阅读 · 2018年2月11日
【入门】数据分析六部曲
36大数据
18+阅读 · 2017年12月6日
一位数据分析师的书单
R语言中文社区
12+阅读 · 2017年10月28日
京东用户画像揭秘:原来买iPhone X的是这么些人
R语言中文社区
10+阅读 · 2017年9月14日
相关论文
Arxiv
21+阅读 · 2019年8月21日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
Two Stream 3D Semantic Scene Completion
Arxiv
4+阅读 · 2018年7月16日
Top
微信扫码咨询专知VIP会员