什么是好的数据分析思维?

大数据分析和人工智能 2021-01-14 21:43

企业关注数据,主要是关注数据的价值,能给我们的业务带来什么效能,是能发现运作方式的问题?还是能找出突破点?还是能预估公司的赛道,让决策层知道以什么样的配速来跑?


而现实中很多数据分析从业者沉寂在用工具操作数据的快感中,还有一些迷恋各种算法带来的成就感,这个可能和每个人的经历和对数据分析的理解不一样造成的,让自己相当一段时间内其实都偏离了企业的关注点,那就是数据的价值。


那我们要让数据变得价值,是不是需要一套好的思维去驱动呢?肯定的,如果给每个人同样的一组数据,我相信能出来很多不同的分析思维和数据分析的方式,但你要问他们分析的目的时很多人却很难说清楚,那他们分析依靠的是什么?一起唱:跟着感觉走....


数据就好比一堆木材一样,只有你深度了解了你输出的用户是谁,能给他们带来什么?希望达到什么样的预期?你才能让这堆木材(数据)发挥巨大的作用,而这些难道不重要吗?


那好的分析思维到底是什么样子的?


1、落地性强


举个例子,一家电商公司要提高GMV?

A分析师:GMV=每个人消费金额的综合,只要提高每个用户的消费金额,就可以提高GMV,那具体如何做呢?


B分析师:GMV=客单价*消费用户数,那只要做2个假设即可,假如客单价不变,我们只要增加消费用户数就可以增加,假如消费用户数不变,只要提高客单价就可以提高GMV收入,再理想的状态都是同时提高,但还是不够细致,只是找到了问题的方向


C分析师:GMV=客单价*消费用户数,先通过公式法找到了问题要突破和分析的方向,接着借助数据更深入的分析,比如客单价的分布是什么样子的?提升的空间有多大?哪些人的可以提升?这些人都有什特征?接下来你可以


可以告诉运营:通过满减来刺激还是通过买赠来刺激呢?

可以告诉产品:对哪些人进行购买引导(推荐)效果会好?


等等,所有的分析思维都是为了让你找到正确的方向,要问什么是好思维,好的数据分析,那落地性一定是第一位,上面的三个分析师都用了公式法,第一个跑偏了,第二个只是找到了方向,那第三个其实就是别人喜欢的数据分析师,这里只是简单举个例子,让大家明白其中的道理。


2、有条理性


要让分析思维变的有条理,就要引入一个常用的思维,叫金字塔原理,其实大家不用被这个名词吓住


我来用一个场景来解析以下,比如我们去超市,你会发现同类的产品就集中在一起,水果区、肉食区、海鲜区、零食区等等,那其实分析也是一样的,只要对指标+维度做好分类,就可以保证基本的条理性了,但尽量不要存在重复和交叉。


比如:

那其实还不够,你此时只是把指标和方向的条理性梳理好,那接下来就是让你分析体系变得有条理,就是大家常说的方法论,比如swot、pest、5W2H等等


大家看看这样放在一起是不是好多了,那其实高手与低手的区别是什么?高手可以通过一个商业问题,迅速找到适合的方法论,并依此为依据进行改良,而菜鸟呢,很多都是列指标找方法论,还一时半会串不起来。


所以要学会有条理性,一定要掌握数据分析的方法论,有时候比模型更重要,一些成型的方法论虽然不适合我们的业务场景,但你别忘记,你学的只是它的精髓,没人说你不可以改良、改进。


3、目的性强


做分析最重要的分析的目的,做分析无非解决2大类问题:1、找到病因,对症下药;2、验证决策方向,提供数据支持;那对应的角度也是一样的,第一类叫后验分析,就是明确出了问题,找原因,第二类叫先验分析,要先假设再验证,还未发生。


那大家要切记定义好这是那类问题,这个分析的方向感是不一样的,第一类方向明确一些,就是分析日活下降、流失率提升、客单价下降等问题,所以你所有分析的出点点都是可能影响其下降的因素,然后层层分析,找到导致其发生概率最大的问题。


那第二类就方向感就差一些,只告诉我要向东走,如何走,走到哪都不知道,那我们就要做层层假设,假如要进军一个新业务,要不要进?假如进,市场规模如何?增长速度如何?处于产业链的什么位置?竞争对手多少?未来预期发展线路和策略是什么?假设不进,你觉得是时机问题,还是市场问题?还是风险太大?等等,这些都要从不同的角度去分析数据,从而给出你推断分析的理由,更多是数据支持的角色。


所以一定要清楚你的分析目的,这能让你更清楚的规划自己的时间,找到短平快的解决方式,从而达到时间内最优的解决方式。


4、可衡量


好的分析思维,不但可以想清楚,还可以给出接地气的行动方式,那行动后的效果如何衡量呢?这也是要考虑的事情,大千世界,无奇不有,计划与现实之间的差距,就是我们成长的地方,而这个缝隙常常被很多人忽略。


我也常常告诉自己身边的人,如果你找不到数据分析思维的精髓,那你就假装自己要写一份分析报告,你来找到自己的弱项。


有想法,不会操作:那就学工具、学方法论、学算法,开始先用excel来跑通操作,后面再去学习python\R这些,你会发现工具真不重要,你以前学的都是假数据分析。


会操作、没有想法那就学方法论、学思维,要不断的假装自己要写报告,好好思考方法论、业务、算法之间到底什么关系,这是很多分析师的痛点所在。


不会操作、也没想法:那就看数据产品,看别人的报告,慢慢喂养,尝试去做,实在不行,就放弃成为专业分析师的想法,做一个能看懂分析结果的人也行。


其实就是这么简单。


欢迎关注


欢迎点赞关注转发(三连发)