经验 :如何避免自嗨型的数据分析?你必知的三大法则

身为数据分析师的你，有没有经历过这样的苦恼？写了那么多页PPT没人耐心看？提了那么多的数据后却没有然后？业务部门觉得你拿着高薪没干啥活。是的，数据分析师们拉了很多数据、画了很多图、建了很多模型，但是，并没有传说中的数据驱动业务，或许连装饰业务都谈不上？

这是不是有点令人绝望？

本文主要从源头角度帮助数据工作者合理判断识别需求，并通过需求+沟通+落地三大法则，帮助数据人员发挥数据在企业中的价值，少走弯路。

为什么自嗨？

还记得你的分析报告怎么出来的吗？领导的灵感一现？套用各种挖掘算法的结果？业务部门随口一提的延伸？等等。

不管是哪种，不管是谁提的，让我们一起来想想，你分析的需求站的住脚吗？是伪需求还是真实需求？为什么会有此需求？最关键的是这个需求是数据能够解决的吗？

1、需求的主要来源

老大的敏锐眼光：这还用说么

其他部门提出：业务、产品、运营、市场等

业界在做的：BAT的做法，可归纳到前2项

自驱动：不干活，那怎么行

2、需求三大基本要素

数据需求的分析和判断是一个综合判断过程，简单来说应当具备三大基本元素：

第一元素：现有的需求，是能够用数据去解决的，这样数据才有用武之力！

第二元素：现有的需求，必须要有支持分析、解决的基础数据来源，不管是内部的还是外部的，否则就相当于无源之水，无本之木，只能作罢。所以企业“养数据”很关键。

第三元素：现有的需求，用数据的手段解决后可以提取有效的、可执行的落地方案，否则只能是绣花枕头，看看而已。

当然除了这些还有其他的，比如这个需求是否紧急、投入产比如何、当下是否有足够的资源支撑等等。

如何避免自嗨？

独乐乐不如众乐乐，大家利益绑定、战线统一岂不是更好？（其实操作起来也是有一定难度，但是态度要摆正）

三大法则：需求+沟通+落地

1、需求分析：洞察本质

可以使用场景还原法则：数据需求什么？具体问题是什么样的？需要解决这个问题的是谁？什么情况下会需要？业务逻辑是什么？目的是什么？——需要注意的是，这里要深入分析需求提出者深层次的目的，洞察根本需求才能找出更合理的对策。

举个栗子：有个用户说想吃火锅，可是，他真的是嘴馋想吃火锅吗？周围可能没有火锅店。其实他可能是饿了，如果当时你能快速给他个包子，不仅能满足其根本需求，还更节省成本。

需求判断的过程，每个人都有一套自己的方法，适合自己、适合当下即可，多问几个为什么会有帮助

2、沟通为先：抱团取暖

数据分析的结果或者说数据的结果最终是要应用到业务中去，那么寻求业务部门的支持就尤为重要，如果需求直接来自于业务部门就更好了。这样有2个好处：一是能更好的知道数据的应用场景，提供更佳的解决方案；二是能真正落地使用，避免纸上谈兵。

不管是耍酷、卖萌还是秀肌肉，搞好关系很重要，想想产品汪们吧，分析狮也是一样

3、落地应用：是骡子是马拉出来溜溜

分析要有落地方案：数据很多，结果也很多，不同的人有不同的领悟和业务解读，但是，数据的重要性不在于量有多大、算法有多重要，而在于接地气，能创造价值。

你说数据很有指导价值，**指标上升了**%，SO WHAT？！

你说你的分析结果很棒，那告诉我，接下来，该怎么做？！

分析要有检验和迭代：数据分析的结果存在一定的概率性、偶然性，而现实业务比较复杂，两者发生的情况未必一致，所以分析结果要有检验标准，做的好与不好要有量化、可衡量的指标。同时，在实际应用过程中，要跟踪、改进、迭代。这个过程同产品迭代过程。后面有时间会重点说。

避免使用过于专业的术语，使用业务人员或外行人员能理解的沟通方式和语言会提高效率

其实企业中的真实数据分析远比想象中复杂，在一定情况也并非需要多么高大上、多么复杂的模型。因此，对于数据分析工作者来说，如何根据现实情况，判断、引领需求，快速创造价值就显得尤为重要。这在一定程度上对数据工作者的综合能力较高，一句话概括为：用产品的思维做数据，用解决方案的思维做数据。我们不相信高精尖、我们相信最终结果。

希望本文对正在为数据价值困惑的朋友有所启发。