起点学院课程

业务要的“多维度数据分析”到底是什么?

1 评论 6570 浏览 45 收藏 11 分钟
15天0基础极速入门数据分析,掌握一套数据分析流程和方法,学完就能写一份数据报告!了解一下>>

数据分析的同学是否遇到过这种情况——辛辛苦苦做的数据永远不是业务想要的?到底是业务吹毛求疵过分挑剔,还是你做的数据不是业务想要的呢?本文将层层分析为你解答,快来看看吧。

做数据分析的同学们都遇到过这个问题:从多维度分析问题,提出对业务有意义的建议。这个题目看起来很简单,可很多同学辛辛苦苦跑了一堆报表,结果只落得业务一堆抱怨:

  • “你这一堆说明了啥!”
  • “你的重点在哪里?”
  • “你的维度太单一了!”

好!冤!枉!

明明出了那么多组数据,为什么还被说“分析维度不够多?”今天我们系统解答一下。问题的本质是:业务口中的“多维度”,完全不是你想的那个“多维度”

一、数据分析眼中的多维度

对数据分析师而言,多维度,往往指的是数据指标的拆分维度。

举个简单的例子:3月份销售额3个亿。这就是一个指标,没有拆分维度。如果加了分类维度,就是下边的效果:

注意:比起只看总数,用多维度拆解数据,是能更精确的定位数据的。

常见的方法有两种:

  • 添加过程指标
  • 按业务管理方式添加分类维度

比如只看总销售金额,我们发现差3000万达标,可我们并不知道为什么不达标。这时候如果拆解细一点,比如:

1. 添加分类维度:看到哪个业务线没做好(如下图)

2. 添加过程指标:看到从用户意向到付费,哪个环节出了问题(如下图)

增加过程指标+分类维度,就能更精准的定位问题。甚至一些简单的结论已经呼之欲出了。

正因如此,很多数据分析师把业务口中的“多维度”,直接理解成了“维度多”。一听到要做分析,振臂高呼“拆!拆!拆!”层层叠叠做了一大堆交叉表,把各个分类维度的数据都做了出来(如下图)。

然而,仅仅“多”,就足够了吗?

二、业务眼中的多维度

业务口中的“多维度”,完全不是这个意思

业务脑子里装的是不是数据库里的表结构,而是一个个具体的问题。当业务看到“3月份销售没有达标”脑子里想的多维度是这样的:

是不是看傻眼了……

你会发现,单纯的拆解数据根本无法回答上边的问题。

是滴,一个都回答不了。甚至单靠看数据都没法回答这些问题。

即使把问题定位到:“3月业绩不达标是因为A大区3个分公司的客户意向签约太少”,定位到这么细的程度,也不能回答上边的问题。

因为到底意向太少,是因为对手发力了、产品没做好、活动没跟上、用户需求有变化……还是没解释清。具体的业务问题,一个都没有回答。自然业务看了一脸懵逼了。

三、真正的多维度分析,这么做

从本质上看,真正的多维度分析,其实考的不是数据计算能力,而是策略能力。具体来说是三个方面:

  1. 把业务上理由,转化为数据上论证。
  2. 堵住借口:业务不要总试图甩锅,集中精力想能干点啥。
  3. 找到症结:在一堆影响因素里,找到最关键的那个,集中发力。

注意,这三件事是有顺序的:

  • 先把数据论证方式列清楚,避免大家放空炮(数据不能论证的理由就闭嘴,是个非常好的议事规则)。
  • 之后先堵借口,找借口并不能解决问题,因此先把各种逃跑路线堵上。
  • 最后再集中想办法,想办法的时候,从大到小,从粗到细,先搞大问题。

综上,这个事可以分六步做。

第一步,要先对业务明里、暗里提出的说法做分类

对每一类问题,构建分析假设,把业务理由转化为数据逻辑,拿数据说话(如下图)。

第二步,优先排除借口

让大家把精力集中在——往往借口产生于:宏观因素、外部因素、队友因素。所以在这里,关键是证伪。只要能推翻他们的逃跑借口就行。

证伪最好用的办法就是举例法,同样是下雨,为什么别人就抗的住。同样是流量难搞,为啥别的业务线能持续增长?(如下图)。

举例法还有个好处,就是在反驳借口的同时,也指出了解决问题的出路。业务最讨厌光讲问题不讲方法的人,因为喷人人人都会,解决问题可就难了。给出具体的学习对象,可以极大的激发业务思考对策,从而达到双赢的效果。

第三步,解决白犀牛,剔除明显的重大影响

比如监管政策、公司战略、重大外部环境等等因素,确实会对企业经营起到重大作用,并且这些因素是普通小员工只能接受,不能改变的。但是!这种重大因素表现在数据上,有严格的要求(如下图)。

因此如果有人想推脱给这些因素,要看:

  1. 事实上有没有发生这个事
  2. 数据上符合不合符走势

以此敲警钟:不要事事都怪大环境不好。你丫走到哪里都是大环境不好,你是影响大环境的人呐!先排除这种大因素的影响(或干扰)再聚焦看我们能做什么事情。

第四步,解决黑天鹅,剔除明显突发事件

如果发生的真是突发事件,很容易找到问题源头:

  • 正向的:促销活动,某群体用户骚动,新产品上线……
  • 负向的:恶劣天气,突发事件,系统宕机……

因此先排除单次突发问题,找清楚一点原因以后,再追溯之前的情况,就容易说清楚。

第五步:按分工锁定问题点再谈细节

解决了大问题以后,想讨论更细节的问题就得锁定部门,先定人再谈计划。之前已有分享,这里就不赘述了。

第六步:锁定细节问题

请注意,即使聚焦到一个部门的一个行动,还是很难扯清楚:到底是什么业务上原因导致的问题。因为本身业务上的事就是各种因素相互交织很难扯清,比如:

  • 内容运营:传播渠道、主题、调性、风格、图片,发送时间,差一个都可能扑街
  • 活动运营:目标群体、活动门槛、奖励内容、参与规则,差一个都可能扑街
  • 用户运营:新人进猛做留存就差,留存猛做新人进费用就少,两头都做两头投入都不够
  • 商品运营:选款时候看100个维度,可一天不上线一天不知道真实表现,你上了,他扑了
  • ……

可能做数据的同学本能反应是:能做ABtest呀。

实际上大部分业务是没有时间、空间做ABtest 的,而且有些东西(比如选品、文案)影响维度太多,得做无数组ABtest才能测清楚。

而且对已经发生的事,也没法再做ABtest了。所以想区分相互交织的因素,还得有更多辅助方法配合。

#专栏作家#

接地气的陈老师,微信公众号:接地气学堂,人人都是产品经理专栏作家。资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。

本文原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
起点学院课程
评论
评论请登录
  1. 很接地气 学习了~ 业务的多维度 有时候很气人

    回复