数据分析防掉坑指南

大数据 数据分析
只要你听到的不是一个具体指标,都得打起十二分精神。因为没有经过专业训练的人,根本分不清楚自己想问的是啥。一句“分析分析”就完事了。分析问题混乱是常事。

难道业务就不能自己说清楚,到底想要啥吗?——实际上还真的很难。因为把一个具体问题抽象成可以用数据计算、检验、预测的问题,绝对是一个专业能力。没有这个专业能力的人,只会把想不清楚的所有事,打包成:“你来分析分析”丢出来。

遗憾的是,很多做数据的新人,自己也没这个能力,总之跑数就行,一遇到“分析”俩字就发蒙。今天我们系统讲解下。

 1 、梳理需求的灵魂四问

灵魂拷问第一题:以下三句话有什么差别。

A.昨天的销售金额是多少?

B.昨天的销售情况是啥样?

C.昨天的销售表现还行不?

思考一分钟

答:

A问的是一个具体指标的数值

B问的是“情况”,可能对应很多指标

C问的是一个结论“行or 不行”,需要指标+标准

这是数据分析需求梳理第一关键:清晰问题类型。

只要你听到的不是一个具体指标,都得打起十二分精神。因为没有经过专业训练的人,根本分不清楚自己想问的是啥。一句“分析分析”就完事了。分析问题混乱是常事。数据分析有五个基本问题类型,在梳理需求的时候,要结合这五个类型,分清楚到底业务想要的是什么(如下图)。

图片图片

 

灵魂拷问第二题:以下三句话有什么差别。

A.昨天的销售金额是多少?

B.今天的销售金额是多少?

C.明天的销售金额是多少?

思考一分钟

答:

A是已经发生的事,按条件取数即可

B是正在发生的事,得有配套监控,给实时更新的数

C是未来发生的事,得有预测方法和预测假设

这是数据分析需求梳理第二关键:清晰时间状态。

数据的时间状态直接决定了工作内容,工作难度,工作方式。对于实时监控的,需要事先提监控需求,数据更新频率,监控指标都得一个个谈清楚。对于预测的,预测用途,预测精确度,都得事先谈清楚(如下图)

图片

灵魂拷问第三题:以下四句话有什么差别。

A.商品运营问,以前做的2次活动,半价和买一送一哪个好?

B.商品运营问,我们在筹划促销,半折和买一送一哪个好?

C.商品运营问,我们有个半价和买一送一的方案,哪个更好?

D.商品运营问,我们刚做了买一送一,如果换成半价会不会更好?

答:

A问的是已发生的,具体的事,可以直接按当时条件评估结果

B问的只是意向,需要多轮分析才能深入

C问的是两个具体方案的对比,可以直接上测试

D问的是可能性,只能按一定逻辑推导

这是数据分析需求梳理第三关键:清晰业务行动。

注意,这个题更有可能的出现形式,是业务甩了一句“半价和买一送一哪个好?”他们很有可能不会详细的说,到底这个事是什么状态。

数据分析的优势,是对已经发生的问题做评估。还没发生的问题,如果具体的话可以做测试;如果不具体的话,只能从逻辑上推导,最终还是得落实到具体计划才能更进一步的分析。

所以理清状态非常重要,不同状态对应的方法也不同(如下图):

图片图片

  

灵魂拷问第四题:以下四句话有什么差别。

A.昨天的销售金额是多少?

B.昨天的销售金额是3000万?

C.昨天的销售金额为什么才3000万!

D.昨天的销售情况咋回事?

思考一分钟

答:

A在问的是一个具体指标的数值

B在质疑数值准确性

C在问数值背后的原因

D明知故问,前方有坑预警

这是数据分析需求梳理第四关键:探明业务目的。

除了A选项,会问BCD问题的业务方都是明显带着目的来的。这时候就不能傻乎乎只给数值,而是得对症下药。特别是已经有固定报表和固定考核标准输出的情况下,业务方还跑来问情况,很有可能藏了更深的目的,这时候可以按下边的思路梳理清楚。

图片图片

这就是梳理需求的基本方法,get it?

下边来个综合测试

 2、 不认真梳理需求的惨状

综合测试:运营表示,我们要简历用户画像,进行人群细分,实现按人群需求的推送。

问1:这个需求是否清晰?

问2:你拿到这个需求要干啥?

实际上,有相当多的新人一听到类似需求,就大呼:“可算来个大活了!”

然后开始悲剧四连:

图片图片

图片图片

图片图片

图片图片

 

这个需求里

第一,没有具体指标。到底现有的数据能不能满足需求,满足啥需求,完全不清楚。

第二,没有时间状态。基于过往行为的分群,到底有没有指导意义?还是要基于预测分群,预测到啥程度?完全不清楚。

第三,没有业务计划,目前是否已有分群,分群效果如何?目前是否已有推送,推送效果如何?完全不清楚。

第四,没有业务目的,“按需求推送”只是一个动作,到底想达到啥结果?提升什么指标?目前该指标如何?完全不清楚。

因此遇到类似问题,需要做的是深度的沟通,和完成一份长长的梳理清单。除了常规了解项目目标,时间要求,输出产物,这些以外,最关键的是第三点:业务计划!

1、目前分群领导满意不满意,不满意哪些点?

2、目前的推送是70%成功率,还是5%成功率?

3、现有数据只能满足30%的需求,在采集上是否有改善计划?

4、预测精度90%,80%,50%,30%对业务开展是否有影响?

这些是新项目的地基,地基好坏,直接决定了施工方法。地基太差,就得从最简单的地方下手;地基太好,就得认真思考:花这么大力气做,真的能从90%提升到99.99%???这样合理规划,才能保障落地时人人满意。

责任编辑:武晓燕 来源: 接地气的陈老师
相关推荐

2015-10-26 10:41:10

数据分析思想指南

2015-09-08 09:24:26

大数据分析采购

2023-03-23 15:09:22

数据分析数据收集

2019-02-22 19:33:40

人工智能互联网投资

2017-11-27 16:37:42

Python大数据数据分析

2023-07-08 23:05:01

数据分析运营

2016-12-01 19:07:46

大数据数据分析

2021-09-10 14:05:14

预测分析大数据分析大数据

2021-09-06 09:00:00

大数据大数据分析技术

2017-02-28 19:38:02

报表平台数据分析BI

2021-09-23 18:12:09

大数据分析预测分析

2020-05-06 11:33:49

程序员技能求职

2021-02-26 00:46:11

CIO数据决策数字化转型

2015-08-14 10:28:09

大数据

2016-12-20 16:03:08

大数据分析大数据

2017-10-24 13:02:29

2020-04-17 10:51:26

数据分析设计师数据

2023-11-24 14:02:00

Python数据分析

2024-04-09 08:47:34

PandasRollingPython

2018-03-20 09:50:34

路由器无线穿墙效果
点赞
收藏

51CTO技术栈公众号