公众号:接地气学堂
作者:接地气的陈老师
2020年,你在工作中做了几个成功的数据分析项目呢?问题一出,又是发新手同学一阵哀嚎:
“没项目做呀!”
“每天瞎忙啊!”
“业务方:我早知道了,你做的有啥用,你分析的不准确一键三连呀!”
今天我们先不谈“为啥每天瞎忙没项目做”的问题,就谈“为啥已经开工的项目会失败”。因为认真梳理下会发现,至少四分之三的数据分析项目失败,和这个事有关。
需求1:
“我们要建立大数据用户画像”。这个需求很常见,业务部门动不动就“来个用户画像分析”。那么问题便来了,真的做这个需求,有多大概率扑街?
非常大
因为不知道做了到底干啥呀。业务方可能很随意的说:做了用户画像,就知道用户特征了。问题是:这个需求报表不能满足吗!如果真是不知道,直接把用户特征各个维度跑一遍数,列个excel表就好了呀,为哈要费事上一个用户画像项目呢?!
这种需求叫:无目标需求。漫无目标,大概率做完了被人扔一句:“我早知道了!”因为对方确实可以通过日常报表、用户调查、自己体验获得一些数据。这种项目接过来过,夯吃夯吃打标签、整数据、做看板,最后铁定失败。
需求2:
受到场景1启发,有同学会问:做用户画像干什么?
业务方答:做来看哪些用户喜欢A产品
那么,真的做这个需求,有多大概率扑街?
非常大
问题在什么叫“喜欢”???
如果是“过往X个月内购买次数大于X次,购买金额大于X元”叫喜欢,那直接拖一张报表就能满足需求呀,为啥需要起一个项目。
如果是“未来有大概率会购买A产品”,那实际需要的就不是什么用户画像,而是针对A产品的预测。那起个毛线的用户画像项目,直接做预测呀。
这种需求叫:需求不清晰。驴头不对马嘴,这种项目接过来做,分分钟落一个:“你做的没啥用”的评价。找不准真实的痛点,项目必定失败。
需求3:
受到场景2启发,同学知道了业务方想预测销售
现在,业务方提出:希望能精准预测销量
那么,真的做这个需求,有多大概率扑街?
非常大
问题在:预测的到底是啥玩意不清楚。
如果预测的是新上市款,压根没数据呀,预测个毛线。这时候,最关键的问题就是:要不要做测试。如果已经有选定产品,需要测试效果,这就是测试问题。直接设计ABtest,拿去测一测效果,收集一波数据再做预测。
如果没有做预测,这时候实际上是:分类问题。基于竞争对手的选择,自身商品管理的判断,过往同价位/同客群/同品类销量走势,对待上的新品进行评估。由于完全是凭空预测,因此输出的结果必定不能很准。这时候最好的做法是先对产品定性,它的潜力是:爆款、流量款、利润款、补充款、普通款、还是吊车尾。有了定性判断,再看配多少资源,多少人力给它。再看能不能基于资源投入预测。
这种需求叫:需求不具体。看似有目标,但是少了背景条件,甚至一字之差,离题万里。这种项目接过来做,分分钟落一个:“你做的没啥用”的评价。找不准真实的痛点,项目必定失败。很有可能夯吃夯吃塞了一堆现有产品数据,结果发现根本没考虑业务动作,也不能推广到新品,最后落一句:分析不精准啊!
需求4:
受到场景3启发,同学问了业务方,得知:
想预测销售,是指导销售团队工作。
那么,真的做这个需求,有多大概率扑街?
非常大
问题在:知道预测结果,人家又能干啥。
如果预测业绩很好,so what!销售还是该干啥干啥呀,说不定还会搞搞阵,藏点单啥的。
如果预测业绩不好,so what!这东西根本不需要预测呀,拖一张报表就能看到做的好不好呀,看到业绩不达标,还需要预测吗,麻溜的开发客户去呀。
所以这个预测值,对于销售部门来说没啥实际用处。这个需求可能只是出于好奇,可能就是随口一说。总之,这叫:需求不够刚性。这不是业务部门的核心问题点,因此项目上了也是白上,最后很容易被批为:分析有啥用。
需求5:
受到场景4启发,同学问了业务方,得知:
想预测销售,是指导库存管理。因为供应链不能控制销售,只能被动看订单供货,所以能预测出来销售值就很重要。如果销售预测准了,备货自然能按照销售来备,库存损失也能减少多好!这次是刚需了吧。
那么,真的做这个需求,有多大概率扑街?
非常大
问题在:影响库存损耗的不止一个因素,只考虑销售太过偏颇。
这叫:需求不准确。本质上,供应链损耗受到采购计划、销售能力、生产排期三方面影响,和销售有关,也有可能和领导私心(收了供应商钱,野心过大的扩张计划)有关。因此只抓一个因素,很有可能不能解决问题库存损耗的问题。绕路走,是数据分析头号大忌。
既然预测是为了减少损耗,就直接把目标设为减少损耗。注意:即使再优化,也不可能做到马上进马上出,因为总有一些市场意外,总有一些商品滞销,所以最后控制目标也不是直接压到0,而是控到一个可接受水平,或者控制促使整体损耗下降。这样才是可能成功的目标,梳理到此,可以继续往下做了(如下图)
四分之三的数据分析需求,在开始的时候就注定失败的。
l 不清晰
l 不具体
l 啥都想搞
l 不知道做了啥用
l 做了也没啥用
只是听说市面上流行“数字化转型”“人工智能大数据精准用户画像”就急匆匆往上怼。最后自然必败无疑。
有趣的是,识别伪需求的最好方法,就是拖一张报表。通过业务部门对报表的利用情况,可以反向观察:
l 哪些部门真的数据,哪些就是说说而已
l 哪些数据真的能有用处,哪些看了就看了没屁用
l 看了数据能做哪些动作,哪些又是看了也无能为力
这样,即使业务部门没有能力讲清楚需求,数据分析师也能够对项目目标、工作重点、输出内容有自己的判断。所以做数据分析的同学们,不要被网络上爽文洗脑了:报表才是数据分析工作的立命之所。一个会玩报表的数据分析师,才有机会做出高大上的模型。切记切记。有同学会感兴趣:到底啥样才算会玩报表,有兴趣的话,本篇集齐60留言,下一篇我们来分享,敬请期待哦。
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14