你值5K還是15K?實戰案例,測測你的分析功力

本文源自陳老師遇到的真實案例。

老闆說:「我們今年準備參加展會,做一年。以前我沒參加過,沒關係,這裡有一份展會數據,你回去分析下哪些有價值,後邊組織的時候有個指導」。現在你收到任務了,咋辦?

第一步:拿到問題,先幹什麼?

5K表哥:「好嘞,我回去研究一下數據」

15K分析師:老闆,我們做展會的目標是什麼啊?是準備促業績,還是做推廣?促業績我們考核意向成單還是實際成單?做推廣,我們如何考核推廣效果?是微信關注人數、還是獲得銷售線索數,還是……?如果兩個都有,哪個更重要?如果一定要丟一個會丟哪個?

第二步:看到數據,思考什麼

5K表哥:「恩,我是用層次分析法評價呢,還是建一個模型呢?要用什麼模型呢?有沒有模板可以參考呢?哪裡有模板呢?」

15K分析師:「這個數據是從哪裡來的?誰統計的?預計參與人數怎麼預計?」

第三步:數據不夠,要怎麼辦?

5K表哥:「回到眼前,這數據也太少了吧,手頭的表格只有展會名稱,舉辦方,參展預計人數,展會級別,展會主題等幾個欄位,好像也分析不出什麼來」

15K分析師:「經查,數據是可信的,還可以用。看起來這裡還有些欄位可以做處理,比如展會參展人數,找一些參加過展會的人了解,1萬人以上就算大型了,5千左右算中型,那可以先分個大中小。組織者級別可以分成高級,中級,初級。恩恩,還有其他一些欄位,處理完再說。」

第四步:抓著數據,怎麼分析?

5K表哥:「額,不知道咋分析,拍腦袋好了」

15K分析師:「依據現有的信息,可以列舉三個假設:」

假設1:展會人數多的,成單量會高

假設2:展會級別高的,成單量會高

假設3:展會組織者專業度高的,成單量會高

依據這三個假設,可以先建議ABC三場會議參加,預計A的成單量最好,未來以A為成單參照。現場參與人員,需協助收集XXX信息,以輔助事後分析。

第五步:事後總結怎麼做

雖然目前還沒有真實開展,但是可以預計到,未來的總結會這麼做

5K表哥:「額,誰有展會活動的總結模板啊,求一個模板」

5K表哥:「老闆又說我考慮的不周全,可是數據就這麼多啊!怎麼周全」

5K表哥:「老闆又讓我修改,我快崩潰了,改了16版了」

15K分析師:「針對預期成單目標,本次達成率為x%,達成目標」

15K分析師:「對比兩次活動,可見XX假設是不成立了,展會專業度比人數更有利於成單」

15K分析師:「未來可集中向專業度高的行業性展會,預計節省參展成本X萬元,增加成單XXX萬元」

——全文當然還沒有完——

所以差別在哪裡?差別就是等靠要主動性的區別

差別是優秀的數據分析師不但有良好的職業知識,更有優異的職業素養

這種職業素養體現在九個方面:

收到任務時

目標明確:凡事必有一個目標,不能含糊,不能一鍋燉,不能高大全。目標不清是萬惡之源。

目標清晰:可量化,可追蹤,可對比。可量化才能分析,不可量化是扯皮之源。

目標聚焦:有先後,有重點。如果有兩個目標,那麼兩個之間要排先和順序,如果有三個,三個必須要有重點。越多的目標,意味著事情本身越難達成,也意味著分析時候會越混亂。

數據處理時

清晰含義:清晰名稱-來源-計算方式。避免歧義,防止錯誤是一切分析的基礎。

重視收集:儘可能收集數據,提高質量。沒有數據確實很難分析,優質的數據能極大的幫助分析,不加管理的垃圾數據只會把分析帶溝里去。

解讀含義:分類解讀,找到數據後業務含義。很多分析師被業務部門嫌棄,就是因為只知道出數字,不懂得解讀數據背後的含義。月消費10000和高消費群體,對業務部門是完全不同的兩個概念,只有多多找含義,才能更好地找到數據的價值。

輸出報告時

樹立標杆:樹立明確的評價標準。凡是涉及到「好」「壞」「高」「低」的,一定要有參照物,一定要有標杆,因為本身這些詞語都是相對比較的詞,而且很大幾率和領導的個人看法有關係。如果不設標杆,在事後總結評估的時候就會陷入無休無止的口水戰和扯皮裡邊去。

明確假設:設計待數據驗證的假設。有了假設,分析的時候才容易總結,才容易看出來哪些路子是容易走通的,哪些是可能有坑的,才能在多次實驗中沉澱下經驗。

逐步迭代:每次分析,不斷驗證假設,沉澱經驗。經驗是越積累越多,越積累越豐富的。好的分析師知道把每一次經驗總結起來,讓自己的判斷越來越准。

數據分析師的本質就是:用數據和邏輯代替拍腦袋,用系統和科學取代神秘主義,因此9條要點中有7條都和清晰明確有關。

數據分析師的價值在於:以數據指導工作,從數據找到方法。因此不能僅僅就數論數,而是要看清楚數據背後的含義,找到業務部門思考的脈絡,這樣才能讓分析更接近業務部門的需求,讓建議更貼合實際情況。

數據分析師的要求是專業,專業不僅體現在懂計算,懂代碼,懂操作,更體現在深入全面的考慮問題,循循善誘的解答問題,因此面對業務部門的諮詢的時候,保持頭腦冷靜,保持耐心,抽絲剝繭的問話,本身就是專業性的體現。

與大家共勉。

然而你還是需要一些硬技能的,用戶標籤實戰技能,戳這裡:【實戰應用】用戶標籤的製作原理與實戰效果,從婦女節營銷說起

用戶分級實戰案例,戳這裡:【實戰應用】從銀行分級授信體系看用戶分級分析方法

今天是超嚴肅的一篇,輕鬆一刻,戳:【實戰應用】傳統調研與數據分析的結合方式

-------------------------------------------------------------

有心機的同學已經發現了,這其實是陳老師調教某個萌新的對話,是滴,有工作中分析問題,發郵箱ccxxmmin@163.com,可獲得陳老師獨家指點哦!

作者: 陳文

博客專欄:陳文的博客專欄

陳文老師視頻教程推薦:【按時下班,升職加薪,秘籍在此。從了解需求開始,做好數據分析工作: 2月23日 數據分析師如何理解和發現需求及利用數據驅動業務 錄播 】

最近很多人私信問我問題,平常知乎評論看到不多,如果沒有及時回復,大家也可以加小編微信:tszhihu,進知乎大數據分析挖掘交流群,可以跟各位老師互相交流。謝謝。

記得關注公眾號: 數據頭條 (headline_data) 陳文老師的博客都在上面同步的,謝謝。

推薦閱讀:

七周成為數據分析師:看完後,別再說自己不懂用戶畫像了
花6000賺48,數據分析師的另一面
結構思維——用結構化思考讓數據分析到達問題的底層
數據分析師的春節攻略!五大經典問題爆笑回答
數據分析進階要怎麼做?

TAG:案例 | 数据分析 | 数据分析师 |