四个步骤教你提升数据分析的高级感

3 评论 6787 浏览 11 收藏 11 分钟

编辑导语:数据分析往往会被认为是一份很简单的工作,其实背后涉及种种复杂的条件和过程。那么,什么是高级的数据分析?高级的数据分析都需要什么?如何提升数据分析的高级感?本文作者通过举例的方式,为我们进行了详细地解答。

“你有没有做过高级的数据分析?”

这个问题一出,又问劈了很多同学。妈耶,平时都在跑取数单,啥是高级的数据分析见都没见过,咋回答。今天系统解答一下。

一、什么算高级

问一个简单的问题:汽车上如果没有导航,能不能开车?

答:绝对可以。

实际上导航普及也没几年时间,但没有导航,开车会异常麻烦:找不到路、错过路口兜一大圈、傻乎乎堵在路上不会绕……总之开车效率低了很多。

这时候,只有各种路况牢记于心的老司机才能又快又准的抵达终点——这是人们通常心目中的“高级司机”。如果你去采访他,他一定有很多“高级开车方法”可以分享。

但是有了导航以后,开车学习成本极大降低,以前菜鸟连路都找不到,现在按着导航走,也能大差不差的到达终点。

虽然高级的司机肯定还是会略快一点,但是高级程度已经大大下降了——因为结果上的差距拉近了很多。

虽然老司机们口头上还是会有很多复杂的,难以学习的技巧,但是结果的差距相近,让人们不再那么迷信他们,反而开始吐槽他们的各种恶习:加塞、压实线、变道不打灯……

所以我们看到,所谓的高级有两种理解:

  1. 业务上的高级:被少数高人掌握,结果上又快又准,口头炫酷复杂。
  2. 技术上的高级:能帮助大量菜鸟,结果上提升效率,操作简单轻松。

那么问题来了:数据分析,算是技术呢?还是业务呢?

二、高级的数据分析需要什么

之所以举导航的例子,是因为数据分析和导航非常类似:

高级的数据分析,长啥样?

所以理论上,最高级的数据分析成果,就应该类似导航:

高级的数据分析,长啥样?

真正高级的数据分析,是体系化作战:以业务流程为保障、以数据采集为基础、以报表为骨干、以数据产品为卖点,兼有业务经验沉淀与模型辅助,是一套简单易用的工具体系。如下图所示:

高级的数据分析,长啥样?

但是,如果在面试或者对外交流的时候,经常有些不懂行的人出来嘀咕:你这个做的不够高级呀,为什么呢?

三、为啥不识货的人那么多

越高级的数据分析,在菜鸟眼中越简单。因为其中太多脚踏实地干活的部分,完全不够炫酷、玄幻、高大上吗?

他们会不停嚷嚷:

  • 数据本来就很大呀!
  • 不就是做个报表吗?
  • 不就是做个提醒吗?
  • 你这预测也太简单了?
  • 能不能我嘴上不说,你自动预测我心里想什么?

你要是试图给他们解释:这个只是看起来简单,需要打通n个系统,做n多埋点,采集n多数据,进行n次反复实验。就像你要跟他解释导航软件需要搞卫星遥感,街道实拍,预计算路径一样——他既听不懂,也不觉得很高级。

他们会继续嚷嚷:导航不是很多人都能做吗,不就是输入一个地址吗,有啥难的。

总之,对他们而言,操作简单就是方法简单,只要听懂名字就等于理解过程,他们渴望的是过程听不懂且效果出人意料的牛逼的玩意。

是滴,菜鸟们需要的不是个数据分析师,而是个巫师。

带着尖尖帽子,拿着魔杖,穿着灰色长袍,口中念着:阿瓦达克拉夫拉!然后变出一堆钞票来。你不张嘴,他掐指一算,便知施主今日星座运势——这看起来多高级!

当然,行业里还是有识货的人,但是万一遇上这种菜鸡,还偏爱跟你较真:“你有没有啥高级的方法”,该咋对付呢?

四、如何提升数据分析的高级感

我们拿看似最简单的销售分析举个例子:

注意,以下方法只适用于面对不懂行且豪横的坏人。本质上,这种质疑来自对数据分析工作的不理解,和对自身能力的过度自负。所以想要怼回去,刹掉对方的锐气,可以这么干:

1. 第一步:反客为主

把他想抨击你的话,主动说了。走他的路,让他无路可走。

高级的数据分析,长啥样?

2. 第二步:展示神迹

注意:评价数据分析方法是否高级,本质看效果。所以想说一个高级的东西,先讲,这么干有什么好处。如下图:

高级的数据分析,长啥样?

3. 第三步:引经据典

本质上菜鸟们喜欢:模型、思维、范式这种巨牛逼的名字,所以起个牛逼名字。

比如:“我用数据分析发现了与销售业绩关联度高的5个维度”,直接叫“构建销售五力模型”,是不是逼格一下上来了?

类似的:“我按照5个维度对销售进行了聚类分析,划分为5个群体”直接叫“构建分层精准运营体系”……绝对好使!

高级的数据分析,长啥样?

4. 第四步:繁花似锦

不要解释太多操作细节,解释多了,他听懂了,还嫌弃你不够“高级”。

类似:“我按照XXX规则提取销售名单交给业务部进行跟进,经过1个月检验发现65%预测正确,30%出现误差”就太脚踏实地了。

直接叫:“建立赋能系统,进行5轮迭代,持续优化模型效能”直接把人看趴下。

高级的数据分析,长啥样?

差不多几步下来,对方或是喷人锐气丧尽,或是被吹得心满意足;如果有诚意合作的就直接往下聊了,如果是故意找茬的人,也无从下口——因为他自己也没有高明到哪里去。

只要那些天天吹高大上方法的人,一碰上数据采集、一碰上数据清洗、一碰上落地流程,基本都化成灰了,想反抗都反抗不了。

陈老师每次去见类似的好高骛远的客户,都喜欢直接下载他们的APP,或者去他们的门店逛一圈。核心就关注他们的数据采集流程,以及活动规则设定。

当我切换到微信小号一遍又一遍薅新人羊毛,让我在销售/导购那里听到:“先生您随便填一下这个就好”,我都会截图、录音记录。

之后再遇到跟我扯各种高级、智能、神奇方法的时候,就把这些基础数据质量问题甩出来给大家看,然后话题基本都转成:粪坑之上能不能盖摩天大楼,效果群拔。

当然,作为从业者,我们还是希望业内浮躁盲目的气氛少一点,大家多认真干活,这也是陈老师努力科普的原因。

并且这里有些工作,比如预测业绩、预测响应率,还是需要用到一定算法,比直接跑报表有技术含量。

有兴趣的话,关注接地气的陈老师,下一篇我们来分享:如何做一个真正有用的模型,敬请期待哦。

#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Pexels,基于CC0协议

给作者打赏,鼓励TA抓紧创作!
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
评论
评论请登录
  1. 我感觉这篇的重点就是踏实干活的基础上,就是用造词的方式来显得高大上装b一些。。。
    既然不懂的人那还重视个啥啊,不相信啥也白搭

    回复
  2. 受益匪浅!还想请教一个问题:公司刚刚起步,没有开发人员支持数据埋点,作为数据运营应该如何开展数据分析工作呢?

    回复
    1. 很难,必须争取到开发支持才能埋点。
      如果不需要埋点,可以从已有的属性数据、结果数据上来分析。

      回复