用好标杆,支撑数据决策

不懂技术怎么做产品?15天在线学习,补齐产品经理必备技术知识,再也不被开发忽悠。了解一下>

数据产品最重要的使命之一是通过数据支持决策,而标杆则是用来辅助决策的重要参照,设计产品时却往往被忽视。本文从标杆对数据产品的重要性来谈起,谈如何避免因标杆缺失或者选择错误而导致的产品设计缺陷。

标杆是数据驱动决策中用于判断的参照数据。

数据产品最大的意义是支持决策,对于业务方来说,数据收集与展示是后置的。我们先有了业务,才能收集到业务的数据,也就是说没有数据产品,业务可以照常运转。

那么为什么要收集数据,数据的价值在哪里呢?

是因为我们希望通过收集数据、分析数据来更好的指导业务的运转。也就是说纯粹的展示数据,不能带来价值,通过数据展示带来的决策才有价值。

那么同样的数据,是否能带来同样的决策呢?

不一定,很多时候我们说数据分析的角色需要“数据敏感”。所谓的数据敏感,很多时候是一个人是否有先验知识与预期来检验所要看的这些数据。

例如,单纯的次日留存1%,对不同的人带来的感知是不同的。对于一个预期次日留存3%的人来说,这个数据可能就偏低,需要做点什么提高次日留存。这里的先验预期3%就是一种数据标杆。

数据标杆是一种用来对数据进行判断的“参照系”。我们当然可以只做一款没有数据标杆的产品,全靠使用者的“数据Sense”来进行决策。但好用的数据产品,应当更多的思考如何通过添加合适的标杆以更好的支持决策。

一、为什么需要标杆

缺失标杆,产品展示的数据无法体现其意义,难以支撑决策。

标杆数据的缺失在产品中非常常见,以下是日常数据产品中经常能看到的元素,乍看之下没有什么问题。但细想一下,就会发现这样的产品由于缺乏标杆数据只能形成数据感知,但不能形成决策支撑。

说白了就是:“知道了,然后呢?”

以一个超市管理驾驶舱的场景为例,下图是一个超市管理驾驶舱的案例,展示了一个周期内门店销售金额、消费卡占比、消费年龄分布的情况。

用好标杆,支撑数据决策

这些数据乍看有意义,但对于每天打开平台关注数据的人来说,单凭数据展示已经无法从数据中得到有效的信息,更不用提根据数据做出决策了。

门店销售金额12.31万,是高是低,消费卡使用情况,有什么值得关注。年龄分布是否就意味着,门店应当对进店的年轻人,进行商品进货优化。

如果加上标杆,我们就能更明确如何看待这些数据,可以进行的下一步行动是什么:

用好标杆,支撑数据决策

  • 目标销售额,我们知道销售金额还差的比较远,需要做出行动进行处理了。
  • 同比环比,我们能够知道出现了很大的变化,我们应当分析情况的变化,看看是否需要对非会员的体验着重优化。
  • 连锁店平均客户年龄分布,我们知道这家超市的老年人其实相对于其他连锁店偏多,进货策略上可以相对于其他连锁店有所调整。

因此数据应当放在决策场景中,并通过标杆参照,带来更加明确的决策指引。

标杆如此重要,甚至有专门的”标杆环“体系来描述管理决策过程,通过立标、对标、达标、创标实现企业经营管理的持续改进。

二、为什么数据产品设计时往往会忽视标杆

设计者缺乏业务理解,对整体决策流程没有认知,无法设计完整的数据决策路径。

很多产品经理在设计数据产品例如Dashboard时,认为数据本身就是产品的目标。

实际上展示数据只做到了数据决策的第一步,形成数据感知,也就是在完全不了解业务的情况下对业务有一些基本知识。

数据感知是一个低频场景,不了解时看,能形成基本印象用于问题识别,一旦了解之后,重复看数据很难从中获取新的有价值的信息。

因为缺乏业务理解,不知道什么情况下客户需要关注某个数据,也不知道应该如何评价数据的变化,更不知道数据变化之后,可以做哪些方案和行动,也就自然无法根据决策场景设计标杆了。

数据产品停留在工具阶段,依赖业务人员的经验补位。另一个情况是产品经理由于不了解业务场景,索性给决策人员提供灵活全面的数据查询工具,业务人员通过自身经验对标杆进行补位。

这当然也是一种解决方案,一方面,这严重依赖使用者的经验与能力,另一方面也局限了数据产品的发展。

如果能结合业务,把常用的决策场景固化,形成标准产品,例如Dashboard、决策大屏,甚至自动化决策,平台将沉淀更多知识,数据价值能够更加放大。

三、如何正确设立标杆,优化数据产品

让我们以终为始,来看看“管理驾驶舱”应利用标杆更好支持决策。

首先,应根据决策目的梳理决策路径,不在决策路径的数据没有意义。

比如,以销售管理的场景来说。可以从人员角度进行决策,决策的路径是通过衡量不同部门、人员的销售业绩情况,根据业绩好坏进行对应措施。

也可以从商品角度进行决策,例如将不同的商品销售的情况对比,销售情况好的,可以提升采购量,销售情况差的可以降低采购量,或者进一步下钻判断更细分的原因,做下一步决策。

如果没有明确的决策路径,例如尚不明确天气与销售的关系,也不明确有关系时能够采取什么行动,则可以不用展示这样的数据,避免冗余不明确的信息干扰决策流程。如果需要探求、验证这个关系,通过数据分析工具支持即可。

其次,在决策路径上的每个分支都应当有参照标杆。

一旦定义好了决策路径,我们对每一项数据的需求就比较明确,根据目标即可判断如何选取标杆。

用好标杆,支撑数据决策

一项指标可能有多个决策路径,在决策时也应当尽可能的考量多种原因,给出多种标杆。标杆的来源包括:

  • 和固定标准比:这些固定的标准来自于常识,例如女性用户占比50%;也可以来自于规则,例如人为设定的年度目标6%;也可以通过经验设定,例如线上APP崩溃率应低于0.05%;
  • 个体和整体比:例如单个股票可以和大盘比;
  • 个体和其他个体比:例如两个业务定位相似的部门进行比较,或者两款类似的产品进行比较,例如iPhone 11与华为Mate 30销售量比较;
  • 不同时间周期的数值比较:例如今年和去年同期比较。

但需要注意的是:选取的标杆应当尽量有比较意义,否则难以得出正确结论。

比方说医院不同科室要控制人均住院费用,就不应相互比较,因为肿瘤科和呼吸科的住院费用差异会非常大。而是应该尽可能细化差异项,取相同定位医院(同一医院等级、城市、患者年龄构成相似)的统一科室住院费用进行比较(当然,最稳妥的方式是自己和自己比较)。

再进一步,优化决策支持。

建设完分析路径,选取完数据后,还可以针对产品形式进行一些优化,提升数据决策效率。

  • 多个图表采用相同的坐标系、相同的颜色表意,方便对比与识别:很多时候一组对比往往难以直接进行决策,在多个因素并列展示时,可考虑采用同样的坐标系,图例分配,对齐数据感知,对象识别,方便进行对比。
  • 采用指数化形式或者定性的方式,缩短思考路径便于快速决策:例如高德地图的拥堵指数,通过指数化与定性的方式,缩短了比较过程直接形成判断结论。
  • 直接给出todo,列出下一步行动的建议:例如,某一类商品的销售情况不符合预期,可以链接到进一步分析的页面,如果决策路径非常明确,可以直接提示行动项目:如点击导出待下架产品列表,如果产品集成情况比较好,甚至可以做到提示:点击下架项目,这样直接快捷的操作。

用好标杆,支撑数据决策

四、结语

以上列出了为什么要有标杆,如何应用标杆以及怎么进一步提升标杆的价值优化数据产品。这背后都有一个最重要的逻辑,即,数据不是目标,业务才是终点。

大家记得常常叩心自问:“这个数据到底有什么用,如果比……(此处应有标杆)……我能干什么”。

 

本文由 @航海加西亚 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

给作者打赏,鼓励TA抓紧创作!
评论
欢迎留言讨论~!