13161216443

您所在位置: 首頁> IT培訓> 業務邏輯,是數據分析師必備的能力

業務邏輯,是數據分析師必備的能力

發布百知教育 來源:IT培訓 2019-09-12

每次做的數據分析報告,業務方看了不是說“我早知道了”,就是說“你這不符合業務常識”。搞得人很郁悶!


比如最近一次,診斷業績波動問題,分析了一堆流量*轉化率*客單價數據,業務方卻哈哈大笑,說跟這些都沒關系,純粹是大區經理的能力問題。面對這種局面該怎么辦?

 

這種問題,本質上是來自:不了解業務到底掌握了什么情況。想要做出既符合業務常識,又超過業務預期的分析成果。當然得先摸清對方底牌。

所謂的業務常識從何而來


業務常識其實由三部分構成:


1、假設:業務方對問題的猜想。

2、證據:能支撐猜想的論據,包括數據、事實、邏輯推理等。

3、結論:基于假設+證據,論證產生的業務結論。

 

比如業績波動問題,可能和外部(天氣、經濟環境、競爭對手)內部(總部支持、分公司配合、一線執行)等很多因素有關。作為銷售部/業務部/渠道部/運營部,他們本身對于這些因素是有一些了解的。很有可能有了一些假設和證據,比如:


1.png


此,如果沒有溝通,不進行事先摸底。很有可能在數據分析中根本回應不到這些結論,或者簡單的鸚鵡學舌再重復一遍,這就會導致開篇的:“我早知道了”、“不符合業務常識”等問題。所以進行事先溝通,了解情況非常重要。

 

需注意的是:業務方的證據不一定是數據。很有可能是來自


一個經驗:老夫從業10年,出這種問題一般是……

一個事件:開電話會他不接,發了通知不回復,肯定是他的問題!

一個感覺:我覺得應該是執行出了問題,我的設計很完美??!

一篇文章:早上在朋友圈看了《震驚!馬云剛剛宣布!》,真有道理。

一個命令:大老板都說了,都是人的問題,那就是人的問題!

 

所以,作為數據分析是大有可為之地的。去偽存真,去粗取精。剔除不合理假設,發現更多問題,就能幫助到業務,贏得認可。具體的做法可以有三個方向。


1、超出預期方式一:剔除虛假證據


還講上邊的例子。比如業務方已經認定是大區經理的問題,那我們就來驗證,是否不同能力的大區經理表現真的有差距。需要注意的是,我們要找的是主要矛盾。如果大區經理能力真的是主要矛盾,那業績數據上會有明顯變化(如下圖所示)如果只是有略微差距,甚至沒有差距,那就能直接否掉這條假設。在數據證據充足的情況下,可以大膽下判斷,用數據說話,業務方也無力反駁。


2、超出預期方式二:深入發現問題


即使第一步驗證業務方假設,也沒關系,我們還可以把問題去平均化,具象化。從而找到更多新鮮結論。比如已驗證大區經理能力不行,可到底是怎么個不行法,是一貫不行,還是這一次發揮不行,還是丫本來就是個投機分子——有政策就做,沒政策就叫難??梢酝ㄟ^對大區經理行為的進一步分析得到(如下圖,業績達標率走勢所示)


數據分析師


這種細分分析,對業務是很有用的。單靠“能力不行”四個字,可沒辦法指導到下一步行動。到底誰是要撤換,誰要扶助,誰還能等待成長,有個清晰的劃分,才能針對性做事情。細節之處見功力,有細分分析,即使大結論是一樣的,業務方也會覺得有意義。

 

3、超出預期方式三:挖掘潛在因素

 

很多時候,第一步驗證成功不代表發現了真正的問題。比如看似是大區經理能力有差異,可大區經理下屬業績也是由不同門店、產品、銷售團隊構成的。通過結構分析法,我們有可能看到更多問題。如下圖所示:


數據分析師



有可能我們發現:所謂優秀經理,其實就是命好。其下屬1級門店數量多。那就不禁讓人懷疑:是這些人能力強,還是天生掌握的資源好。所謂“總部支持力度不低”是不是只對1級門店有作用。這是很常見的問題,大家往往默認了表現好的1級門店就是3級門店的標桿,制定政策都按1級門店的經驗來??蓪嶋H上1級門店的經驗很有可能是不可復制的。如果能通過往下深度分析,找到更深層的問題,就能讓業務大呼“我咋沒有想到”了。

 

4、超出預期方式四:觀察長期趨勢


數據分析師的一個特殊優勢,就是不用對業績負責,因此出現“屁股決定腦袋”“黑的描成白的”相對較少。這樣就可以潛下心來,客觀評價業務的判斷。通過長期趨勢觀察,多次對比,發現深層問題。還是這個例子,業務方認為自己的政策沒有問題,很有可能通過長期多次對比,我們發現:是有潛在問題的(如下圖)


看似營銷政策上線后,單日最大業績又破新高,總業績也拉動很多??蓺v次對比發現,促銷蓄力期、恢復期越來越長,整體效益并沒有更高。這就說明很有可能用戶/市場已經對類似活動疲倦了,不以為然了。這時候還是要堅持繼續做,還是考慮調整,就是個大問題。當然,這種結論直指業務部門的痛點,往往他們看完是默不作聲,然后回來再思考的。雖然嘴上不說,但內心里還是會認可分析的價值。

 

從問題出發,到行動結束


上邊只是個簡單的例子,還有更多可以深入的地方。有些同學看了會說:老師,這些看數據的維度,我們BI里也有。是滴,羅列數據是很簡單的。比如把銷售業績按大區,按門店拆解,分日、周、月輸出,這是很多BI都有的。然而問題是,這樣單純的羅列沒有任何邏輯,沒有回答任何業務方疑問,沒有引導業務方思考,它就只是一張張數據表而已。在沒有邏輯的時候,甚至列的數據越多越招人嫌??粗ɑňG綠的報表,業務方還會抱怨:能不能講重點!

 

做數據分析,要從具體問題出發,到一個指向業務的行動結束。想要超出業務期望,當然得了解具體業務期望是什么,解答他們的問題,幫他們發現更深層的問題。這樣就得讓我們的數據分析師們不止滿足于記住了GMV=DAU*轉化率*客單價這種公式,更得把自己放到真實商業環境里去,了解商業動作,思考具體的商業問題。這樣才能思考的深入,做出超過期望的成果。



數據分析師,若能把自己置身于業務場景中去分析問題,才能做出業務部門喜歡看的報表,進而才能有更接地氣的行動方案建議。


文章來源于網絡,如有侵權,請聯系刪除


大數據培訓:http://www.akpsimsu.com/bigdata2019

上一篇:從小白過渡到大數據專業人才需要多長時間呢?

下一篇:應屆生去公司找個Java程序員的職位需要什么技能?

相關推薦

www.akpsimsu.com

有位老師想和您聊一聊

關閉

立即申請