从业务开始:一招攻破数据分析思路大难题

接地气的陈老师
+ 关注
2022-03-04 14:57
232次阅读

“你自己多想想……”是很多新手数据分析师最怕听的话。如果前边还加个自己不熟悉的业务,比如“做个内容分析,做个售后分析,做个呼入分析……你自己多想想”,那就更难受了。到底该咋个“多想想”,今天我们系统讲解下。

问题场景:

某个互联网厂子,领导对说:“做个积分分析,你自己多想想”。

就没了

没了

殳了

咋办!

01

从业务场景开始

之所以觉得难下手,是因为这里是两个问题,不是一个问题。

问题一,业务知识:到底是什么业务的,什么样的积分??

问题二,分析目标:这个积分到底啥现状,要分析出什么东西?

两个东西都不清楚,就如同盲人骑瞎马,当然毫无头绪了。

破题,要从业务知识开始。如果连业务的基本情况都不清楚,那就根本没法分析了。而且在梳理业务的过程中,可以收到业务人员的感性反馈,比如:

“积分太鸡肋啦,都没啥用!

“积分成本太高啦,拿来干别的不行吗!”

“最近积分飚的太高啦,是不是有啥问题?”

这些感性反馈, 可以成为梳理分析目标的起点。

02

业务梳理逻辑

梳理业务,可以依照:来龙去脉,整体局部的顺序进行。搞清楚这个业务的上游、下游环节。从而梳理出最粗框架的业务流程。

以积分为例:

上游:积分从哪里产生

下游:积分在哪里消耗

整明白这两个问题,就能理清积分的业务流程。以电商业务为例,常见的积分来源、消耗方式如下图:

从业务开始:一招攻破数据分析思路大难题梳理出粗框架业务流程以后,可以落实数据来源,即这些环节的数据有没有记录,有没有清晰的记录,在哪些系统进行记录。以积分为例,很有可能系统自动产生的积分,比如消费积分,是有清晰记录的,能具体到每一笔交易。但是活动赠送,人工调账的,很有可能没有详细记录是哪个活动/哪个投诉补偿进来的。

数据分析最大的难题是:没数据。在梳理业务流程的时候,要提前发现这些问题,避免事后查数据库的时候,面对一堆莫名其妙,没有标注的数据。

以上两个工作,可以不和业务部门沟通,直接顺着业务流程/系统流程/数据字典去查,但是仅仅做这两步,很有可能得到一个:知其然,不知其所以然的结果。更深层的原因是不知道的,比如:

“为什么注册积分要设计成累积500分?

“积分兑换的礼品,为啥专门有几款是500分的?”

“派积分的活动,为啥集中在这几个时间段做?”

……

很有可能这些设计的背后,有特定的业务目的。这些业务目的不是直接留在纸面文档里的。

因此,梳理工作不应停在仅了解流程/数据上。还应该再梳理:业务动作。理解了业务部门出于什么目的,做了什么事,才能理解数据背后的东西。很多常识性的结论可以直接从这些问题里获得,进一步分析的灵感也能从这里来。从而极大的避免:分析了一堆,业务说“我早知道了”。

从业务开始:一招攻破数据分析思路大难题

当然,不同公司沟通难度不同,这一点上同学们量力而行。能沟通清楚,是最好的。

03

基础数据呈现

在梳理完业务后,可以做基础数据呈现。基础数据呈现也要遵守:来龙去脉,整体局部的原则。先呈现基础情况,再发现问题。

比如积分情况,可以讲:

1、整体上,存量积分有多少,每月新增多少,消耗多少?

2、整体存量积分,每月新增/消耗,在近1年变化走势如何?

3、积分来源有多少种?每一种占比如何?

4、积分来源的结构是否有变化?

5、积分消耗的方式有多少种?每一种占比多少?

6、积分消耗的结构是否有变化?

呈现完现状以后,根据之前梳理情况,后续有不同的做法。

04

有感性反馈时,如何深入分析

如果在梳理过程中,已经拿到感性反馈,则可以直接对感性反馈进行深入分析

比如业务部门反馈:“积分太鸡肋了,都没啥用”。可以进一步分析:

1、清晰定义:什么叫没啥用(在产生端没用,还是使用端没用)?

2、数据验证:“没啥用”到底是不是真的在数据上有证据?

3、问题度量:是一直以来都没用,还是逐步变没用?

4、原因分析:如果用户不喜欢积分,用户喜欢啥?

这里要注意几个关键问题:

1、定义一定要清晰。

感性反馈之所以感性,就是因为它没用规范的描述。比如积分没啥用,如果是说生产端,一般指:送积分不能带来效益(比如拉新人、促消费);如果是消耗端没用,一般指:积分不受客户喜欢,客户兑换使用得少。细节一定确认清楚,避免南辕北辙。

从业务开始:一招攻破数据分析思路大难题

2、真实性验证不可少。

业务部门给感性反馈背后的原因也很复杂:

l 可能是真的了解情况,非常不满

l 可能根本不了解情况,随口一说

l 可能有其他目的(比如上新活动,把积分取代掉),就坡下驴

所以要用数据验证下,是否说的是真的。如果感性反馈和数据结果对不上,就得再深入思考:到底真实目的是哈?

3、问题度量先于原因分析。

问题先分轻重缓急,再看什么原因导致的。这样做不但有利于抓真正的重点问题,而且有利于梳理分析标杆,明确改进方向。比如说积分活动ROI太低,低于1:5就算不好,那么以下四种不同的表现,指向的分析结论是完全不同的(如下图)。

从业务开始:一招攻破数据分析思路大难题

05

无感性反馈时,如何深入分析

如果在梳理阶段,啥感性反馈都没拿到。那就只能自己做做探索。

在探索阶段,重点关注:趋势和变化

1、突发性重大变化

2、长期性缓慢变化

3、周期性变化

比如在积分来源端,常见的变化情况如下:

从业务开始:一招攻破数据分析思路大难题

趋势和变化,本身可以成为进一步分析的点,比如:

l注册积分已经很少人领取,是否应该优化

l活动积分赠送太多,是否为1年后积分到期时埋了地雷

l人工调账缺少规范,经常有大笔异动,是否要追查

作为数据分析,可以把这些发现先罗列出来,要不要深入分析交给领导决定。一般情况下,会说出:“你自己想想……”,要么是领导自己不熟悉这个业务,要么是领导自己也不知道情况,要么是丫不关心这回事。

所以在接到问题时就问领导:“你想分析啥”很有可能是没答案的——他自己脑子都是空的。所以在呈现基础数据+变化趋势+变化以后,可以引发进一步的讨论。

当然, 也有可能到这个阶段,领导直接说:先这样吧,让业务看看。那就完美收工了。

06

小结

从本质上看,“自己多想想”问题,来源于对情况的不清晰,不止是分析思路,而是连基础业务情况都不知道。

这时候,破题的核心,就是做好梳理,把情况搞清楚。如果不去梳理流程,不去了解情况动作,不接收感性反馈,不检查数据来源,不分析发展趋势和变化,真的只是“自己多想想”那肯定是抓破脑袋也想不出来的,这一点同学们千万要避免哦。

本文来自微信公众号 “接地气学堂”(ID:gh_ff21afe83da7),作者:接地气的陈老师,36氪经授权发布。

0
消息通知
咨询入驻
商务合作