来源 | 接地气学堂
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:
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”。
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:一、添加过程指标;二、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?
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。
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:
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)。
▌第二步,优先排除借口。
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)。
举例法还有个好处,就是在反驳借口的同时,也指出了解决问题的出路。业务最讨厌光讲问题不讲方法的人,因为喷人人人都会,解决问题可就难了。给出具体的学习对象,可以极大的激发业务思考对策,从而达到双赢的效果。
▌第三步,解决白犀牛,剔除明显的重大影响。
比如监管政策、公司战略、重大外部环境等等因素,确实会对企业经营起到重大作用,并且这些因素是普通小员工只能接受,不能改变的。但是!这种重大因素表现在数据上,有严格的要求(如下图)。
因此如果有人想推脱给这些因素,要看:
以此敲警钟:不要事事都怪大环境不好。你丫走到哪里都是大环境不好,你是影响大环境的人呐!先排除这种大因素的影响(或干扰)再聚焦看我们能做什么事情。
▌第四步,解决黑天鹅,剔除明显突发事件。
如果发生的真是突发事件,很容易找到问题源头
因此先排除单次突发问题,找清楚一点原因以后,再追溯之前的情况,就容易说清楚。
▌第五步:按分工锁定问题点再谈细节。
解决了大问题以后,想讨论更细节的问题就得锁定部门,先定人再谈计划。之前已有分享,这里就不赘述了。
▌第六步:锁定细节问题。
请注意,即使聚焦到一个部门的一个行动,还是很难扯清楚:到底是什么业务上原因导致的问题。因为本身业务上的事就是各种因素相互交织很难扯清,比如:
可能做数据的同学本能反应是:能做ABtest呀。实际上大部分业务是没有时间、空间做ABtest 的,而且有些东西(比如选品、文案)影响维度太多,得做无数组ABtest才能测清楚。而且对已经发生的事,也没法再做ABtest了。所以想区分相互交织的因素,还得有更多辅助方法配合。
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