數據分析思維三部曲
6 人贊了文章
在日常工作中,我們經常通過數據分析手段來發現解決問題。拿到一個問題,我們常常遇到思維混亂,找不到問題本質,脫離實際業務等麻煩,如何能夠快速、精準找到問題的核心,並給出有效的解決方案呢?這裡介紹一套方法。
一、拆解
擒賊先擒王,成功解決一個問題的關鍵在於,找到決定這個問題的核心因素。在多數時候,影響一個問題的因素並不是單一存在的,內在關係往往錯綜複雜,我們很難一來就找准最核心那一個。
麥肯錫諮詢顧問巴巴拉·明托曾經提出一個很重的解決問題原則——MECE(發音為「me-see」)。中文意思是「相互獨立,完全窮盡」,面對一個複雜問題,通過MECE原則進行層層拆解,不重不漏,以此來找到問題的核心,提供有效的解決方案。
MECE原則主要有兩個核心內容:
完整性:即完全窮盡,拆解過程中,一定要儘可能做到拆解項的完整性,不要漏掉某項;
獨立性:同一層級的拆解項,相互之間必須獨立,不可重複或交叉。
1.明確問題或目標
使用MECE原則前,我們需要明確問題或目標是什麼,這是我們後續分析、研究的基礎。
2.找准切入點
有了明確的目標,接下來就需要將這個目標拆解成更小,易於解決的子目標。拆解的過程中,我們需要找准一個切入點,後續的層層拆解,都會按照這個維度推進。所謂的切入點,就是你從哪個維度進行拆解,時間、區域、顏色、大小等等,在找切入點的過程中,一定要以終為始,反覆思考問題或目標是什麼?不同的切入點,得出的結論也會不一樣。例如,最近某公司搞了一場線上拉新活動,你的目標是提升拉新轉化率。我們現在要對這個目標進行拆解,是從時間維度,地區維度還是從拉新渠道維度進行拆解呢?最終發現拉新渠道維度最為合適,知道各渠道拉新的轉化率,更有利於我們調整拉新方案,集中資源在轉化率高的渠道,優化投入產出比。
並不是每一個問題,我們都能找到合適的切入點。這個時候,我們可以試試一些經典的分類模型,例如SWOT的內部外部分類,二分法(非此即彼),或者適當組織一個小團隊,大家採用頭腦風暴或者卡片法,儘可能將影響目標的因素記錄下來,然後再對這些結果進行歸類。
3.MECE拆解
有了分類切入點(分類標準),就有了明確的拆解方向。這個時候,我們可以通過MECE原則進行層層拆解,拆解過程中,要牢記我們的目的,適當控制邊界,不能因為太過發散,而導致結果超出解決問題範圍。拆解完成後,一定要反覆審查結果是否符合MECE的完整性及獨立性原則。
二、量化
如果你不能量化它,你就不能增長它
通過MECE拆解,構成問題的網路節點一目了然,但是這僅僅是指導尋找問題解決方案的宏觀框架,要進一步挖掘出解決方案,需要通過量化手段,找出這些網路節點背後的數學邏輯關係。
量化其實很好理解,通過加減乘除基礎數學運算,將抽象的指標變成可對比衡量的具象指標。這裡我通過一個實例來說明量化過程:
某公司要提升線上拉新活動轉化率,通過MECE原則,以渠道為切入點,進行拆解:
現在我們知道,影響拉新轉化率的渠道有廣點通、360點睛、微信、微博、抖音等,如何給出解決方案呢?現在我們對這個框架進行量化
到此,通過量化手段,我們很容易找到提升轉化率的的解決方案。
三、落地
通過拆解、量化,我們已經可以初步給出問題的解決方案。但在實際運用過程中,我們很容易忽略一個關鍵因素——業務。脫離業務給出的解決方案就像空中樓閣,不僅不能幫助業務增長,花了成本精力,最終卻無功而返。上面的分析框架中,放在純線上的互聯網產品中,沒有什麼大問題,但是,運用在絕大多數O2O業務中,都會出大問題,具體原因,可以查看我之前分享的一篇文章O2O行業兩大難點
推薦閱讀:
※tableau Prep 體驗
※Python筆記1 基本內容:字元串、數字、判斷、循環
※數據分析:產品經理的基本功
※trace cell lineage - JSD
※機器學習搞定移動數據分析