
如何透过数据分析,结构化地解决问题
麦肯锡的三条核心工作原则提出:“以假设为前提”“以事实为依据”,并通过“完全的结构化”方法进行验证。在这个解决问题的闭环中,我们可以通过验证,判断假设的问题架构是否合理,是否与环境相吻合。如不吻合,我们便要调整假设,并重新验证,直到看清问题本质为止。
分析数据 建立假设
针对行业、企业数据,以分析框架为基础,思考之后整理出来的资料,就是我们所说的“假设”。如果在假设中,某行业成长趋势处于发展的下行通道,应考虑适当减少该行业的新增投资。而“行业下行通道”其实也是一个假设,如果想采取减少投资的策略,就必须验证假设的真实性,这需要我们更进一步地搜集、分析证据。
比如,某电力工程公司面临的问题是市场占有率太低,因此希望得以提升。很多员工认为:市场占有率低的原因是品牌知名度不够高或价格太高,导致项目难以获取。可事实真的是这样吗?
通过行业分析,我们发现该工程公司的业务主要以项目投标的形式获得。因此,市场占有率可以通过参与投标率和中标率相乘获得,即市场占有率=参与投标率*中标率。
如果想提升市场占有率,可从提升参与投标率和中标率两个方向努力。目前,该公司的参与投标率为50%,中标率为10%,因此市场占有率为5%,看到上面的数字,相信大家从直觉上会认为需要提升中标率是解决问题的关键之一,即解决此问题时所建立的假设。
直觉判断只是依据两个数字的绝对值以及边际效益的概念,而更重要的是看数字相对值。这个问题中的相对值是指与行业平均水平做比较,10%的中标率虽然很低,但如果行业的平均值是6%,这对于公司来说,想要提升这一数值便存在难度。由此可见,行业分析和比较的过程,也就是搜集证据验证假设的过程。
搜集证据 明确目标
搜集证据是为了验证假设的真实性,所以在搜集证据时,绝不能简单地随波逐流,要有的放矢。
搜集证据的第一步是明确目标。一旦开始一项工作,首先要清楚地知道其目的和背景,理解整体状况,从而提高效率,否则就会犯方向性错误。另外,需要明确信息的来源,这样才能提高工作效率。证据搜集的具体方法包括:访谈、问卷、调用企业内部系统数据、查看地区经济数据及网络搜索。
在上一段提到的案例中,某电力工程公司首先要获得全行业的数据,如行业参与投标率以及中标率的平均水平,由此推算出哪一项具有提升的空间。同时,对公司内部的数据进行调研,找到每一个项目组的中标率、中标项目特点及中标优势,包含价格优势、关系优势、技术优势、服务优势、品牌优势。最后,汇总每一个地区与每一个项目组的数据即可。
分析证据的两种方法:分类与图表化
通常情境下,我们可以通过分类对比和证据图表化两种方式来更有效地分析证据。
分类对比 分析证据
最近,网上有一篇文章提到:女性的基因里隐藏着分析大数据的潜力。实际上,女性未必会计算大数据,但都是证据分析的高手,擅长长期追踪一些看似不重要的数据,形成自己的“基准线”和“模式”,一旦这些数据点的模式显示出不同于她所熟悉的基准线,便表示情况反常。
这个能力看似很神奇,其实只要遵循一定的分析方法就可以做到。最初,女性会搜集很多看似毫无关联的数据,将其分类后找到规律,专业地说即通过统计,找到分类数据中的基准,再对比数据与基准的不同点得到结论。
在电力工程公司的案例中,我们将公司内部所有的数据进行对比,如果发现各类项目并没有明显的差异,但有些项目组的中标率很高(比如30%),就表明这并不是公司总体技术和品牌的问题,也不是项目选择的问题。但如果只有一个项目组中标率高,就有可能是特例,需再分析该项目组的价格优势和关系优势。分析数据之后,还需要分别对中标率高和中标率不太理想的项目组进行访谈,找到中标的核心优势及共通方法。通过对比,验证出中标的核心优势和共通方法在怎样的情况下更容易被推广。
在这个项目中,我们通过分析找到了问题的关键:投标书中,技术方案的描述以及讲标中的呈现能力是决定项目成败的核心。事实证明,加强对这两方面的培训便能取得更好的成效。
证据图表化 助力问题分析
人们往往会对通过视觉获取的信息产生记忆,图表恰好能在短时间内传播大量的信息,使呈现结果一目了然。证据图表化的目的并不仅仅是提高理解度,其最终目的是解决问题。绘制图表有助于促进分析,理解所发生的情况,从而找出本质问题。
在进行证据分析时,销售额、销售成本价、边际利润、利润这些种类繁多的数字常常会让人摸不着头脑,而实现了图表化后,便可一目了然,让人过目不忘。
年份 | 销售额(亿元) | 完成率 |
2015 | 101 | 88% |
2014 | 105 | 98% |
2013 | 102 | 102% |
2012 | 98 | 97% |
2011 | 95 | 94% |
2010 | 91 | 100% |
证据分析时的图表化
搭建金字塔 实现结构化验证
无论是用五分钟阐述问题,还是细致论述问题的推导过程,每种方法背后的依据都是金字塔结构,在金字塔的每一层级中,都呈现出独立的结论和主张。完成问题金字塔结构搭建时,遵循以下5个步骤会更有效率。
第一步 收集证据并分析之后,将推导出的结论与主张列举在一张纸上。
第二步 将纸上的结论、主张根据主题的类似性做出分类。
第三步 将同一类型的结论、主张按顺序排列。
第四步 通过因果关系分析,找出上下层级,搭建金字塔。
同属一类的结论之间通常存在因果关系,在整理时,首先需找到因果关系对应,再将作为原因的结论放在下面,作为结果的结论放在上面,以此搭建金字塔的纵向结构。然后,把在同一层级中的结论按逻辑顺序进行排列,例如:某些项目属并列关系,则根据时间(过去、现在、未来)、数字大小(营业额大小等)、地区(从北到南)、重要性(战略、流程)等排序,进行横向结构展开。
第五步 重复以上步骤,直到所有的结论都出现在金字塔结构中为止。
在按此步骤操作之后,需要进行二次确认,可运用自上而下提问回答的方式进行补充,判断思考的维度是否完整。同时,在得出的因果关联中,也要通过自下而上归纳总结的方法判断结论是否具备充足的理由,且该理由是否可以归纳产生新的结论。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08CDA 数据分析师:解锁数据价值的专业力量 在当今这个数据爆炸的时代,数据已成为像石油一样珍贵的战略资源。而 CDA 数据分析师, ...
2025-08-08人工智能对CDA数据分析领域的影响 人工智能对 CDA(Certified Data Analyst,注册数据分析师)数据分析领域的影响是全方位、多层 ...
2025-08-07SPSS 语法使用详解 在当今数据驱动的时代,SPSS( Statistical Package for the Social Sciences)作为一款功能强大的统计分析软 ...
2025-08-07SASEM 决策树:理论与实践应用 在复杂的决策场景中,如何从海量数据中提取有效信息并制定科学决策,是各界关注的焦点。SASEM 决 ...
2025-08-07CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-07大数据时代对定性分析的影响 在大数据时代,海量、多样、高速且低价值密度的数据充斥着我们的生活与工作。而定性分析作为一 ...
2025-08-07K-S 曲线、回归与分类:数据分析中的重要工具 在数据分析与机器学习领域,K-S 曲线、回归和分类是三个核心概念与工具,它们各 ...
2025-08-07CDA 数据分析师考试全解析 在当今数字化时代,数据已成为企业发展的核心驱动力,数据分析师这一职业也愈发受到重视。CDA 数据分 ...
2025-08-07大数据时代的隐患:繁荣背后的隐忧 当我们在电商平台浏览商品时,系统总能 “精准” 推送心仪的物品;当我们刷短视频时,算法 ...
2025-08-07解析 F 边界检验:协整分析中的实用工具 在计量经济学的时间序列分析中,判断变量之间是否存在长期稳定的均衡关系(即协整关系) ...
2025-08-07CDA 数据分析师报考条件详解:迈向专业认证的指南 在数据分析行业蓬勃发展的当下,CDA 数据分析师认证成为众多从业者提升专业 ...
2025-08-07通过 COX 回归模型诊断异常值 一、COX 回归模型概述 COX 回归模型,又称比例风险回归模型,是一种用于生存分析的统计方法。它能 ...
2025-08-07评判两组数据与初始数据准确值的方法 在数据分析与研究中,我们常常会面临这样的情况:需要对通过不同方法、不同过程得到的两组 ...
2025-08-07CDA 数据分析师行业标准:构建数据人才的能力坐标系 在数据驱动决策成为企业核心竞争力的时代,CDA(数据分析师)行业标准作为 ...
2025-08-07反向传播神经网络:突破传统算法瓶颈的革命性力量 在人工智能发展的历史长河中,传统算法曾长期主导着数据处理与模式识别领域 ...
2025-08-07MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-07抖音数据分析师:驱动平台增长的幕后推手 在抖音这个日活用户数以亿计的超级平台上,每一次用户的滑动、点赞、评论,每一条 ...
2025-08-07基于 SPSS 的中介效应分析结果解读:揭示变量间的隐性关联 在社会科学与自然科学研究中,变量之间的关系往往并非简单的直接作用 ...
2025-08-07