同事开会时说我的分析没用,我当场这样怼他!

2 评论 7300 浏览 11 收藏 17 分钟

编辑导语:用数据分析来指导业务问题,非常容易出现各种问题。比如数据分析指出某个早就存在的问题,却没有办法给出一个具体的解决方法,或者业务人员尝试解决无果之后,就会觉得数据分析是不可靠的。本文就数据分析作用展开讨论。推荐对数据分析感兴趣的同学阅读。

  • “你做的数据分析有什么用?”
  • “有什么用?”
  • “什么用?”

这是一个面试时经常被问到的问题,也让很多同学犯难。要么不知道从何说起,要么回答完了被人怼回来。今天我们系统性解答一下。

首先,这个问题凡是直接回答“能帮企业赚钱/省钱”的,都会大概率阵亡。不是被面试官怼穿,就是在入职后深陷大坑,连试用期都熬不过去。

因为数据本质上就是个参谋,不是真正在一线战斗的士兵。

就像狙击镜倍数再高,最后打死人的是狙击手,是子弹,是步枪,唯独不是狙击镜一样。想赢得一线战斗的胜利,需要的是经费、技术人员、业务团队和老板的审批权。数据的作用是排在队尾的。

其次,直接回答“能帮企业赚钱/省钱”往往会被一句话怼穿

你的分析报告包括没包括执行方案?如果没有包括,那落地都不是你做的,凭什么说钱是你挣的。如果包括,你的方案有没有资源人力投入,那你怎么证明是数据分析起而不是资源投入导致的效果?

当然,大部分数据分析报告,压根就没有配套的落地方案,这个问题到第一步就已经被怼死了。侥幸活到第二问的,也无法解释。毕竟数据就是数据,数据能帮助业务但不能替代业务。

当然,也有些同学变身激情澎湃的吹吹哥,大吹一通:“身为一个数据分析师,我的能力真的好强。不需要投经费,不需要做开发,只要拿着我的分析,钞票就花花的来!”这么浮夸的说法肯定会被懂行的人直接拆穿。

但万一遇到的是一样不懂行的,还真信了这番话,把吹吹哥招进公司,指望着一分析定乾坤。

那吹吹哥会大概率阵亡在试用期,因为根本没有人会理他。谁会没事听一个新人哔哔。

没有经费、没有开发、没有销售,靠二行代码一份ppt,能挣个屁的钱。

最后所有吹出去的牛,都会烟消云散。

狙击镜,和狙击手打死人是两个概念。

数据分析辅助决策,和数据分析师来做决策是两个概念。

数据分析助力业务,和数据分析就是业务又是两个概念。

切记切记

那么,正确的答法是什么样的呢?

首先,数据分析最大、最直接的作用一定是生产了数据。

这才是真正数据分析师们自己做出来的成绩。

不需要花里胡哨的包装,数据本身是非常有价值的。就像开车一定要看速度和转速表一样,根本不需要模型,不需要思维,不需要概念,你开车不看速度表试试?就这么简单。

一、正确回答

1. 第一顺位的回答

话术举例如下:

填补了空白:

我新建立了5张促销活动报表,使业务部门可以及时掌握促销活动的情况;并针对业务部门常开展的3类促销活动,新设计了标准的分析模板,使业务部门能够对比历次活动效果,选择更适合的方法。

解答了疑问:

业务部门对于使用哪个产品方案意见不一致,我设计了ABtest,对两个方案进行了数据验证,数据上支持方案A表现更好。

支持了业务部门决策。(注意,很多时候数据并不是唯一的决策标准。所以即使做过ABtest,也不要把话说死,自吹决策都是我的测试驱动的,会被懂业务的人怼)

验证了假设:

业务部门一直对XX渠道引流效果有怀疑。通过数据分析,我验证了业务部门的假设,该渠道确实ROI不佳,且经过多次调整,效率仍然未见起色。

提升了效率:

我提升了跑数效率,把过往3天更新的数据,提升到了隔日更新,获得了业务部门的好评,提升了决策效率。我设计了移动端报表样式,提升了报表使用率,使业务部门更广泛的获得数据支持。

这四条都是通过数据报表、模型、试验、分析报告能够直接实现的效果。

是数据本身在发挥作用,所以可以作为第一顺位来讲。请注意上边四句的顺序,这个顺序就是数据发挥作用的先后顺序。

从0到1,新建数据的作用是最大的。

从0到1,效果容易观察。并且完全没有数据,两眼一抹黑的情况,就像开车不看速度一样,本身非常危险。从0到1的工作是最容易体现成绩和最容易被认可的。

在业务举棋不定的时候,提供数据标准,判断哪个是70分及格,哪个是50分,帮助业务从1做到60分,作用是第二位大。

因为没有数据支持下的粗放经营,就是很容易各种作死,就是很浪费资源。数据分析就是比拍脑袋靠谱。

至于优化效率,把业绩从60分提升到90分,反而相当难做,实际起的作用也有限。

因为做出超凡的业绩,要依赖的往往是不可复制的天时地利人和。这是业务部门发挥天才的时候。再牛的分析模型也没法模拟乔布斯的大脑,大致就是这意思。

所以小结一下:数据本身就是价值。

数据的价值更多体现在结束两眼一抹黑的状况,给业务部门提供正确的方向指示上。当然,业务部门如果看到了怎么样做效果更好,自然会引发第二步的动作:依照数据结论,进行决策。这就到了数据分析作用的第二步:间接促成业绩。

2. 第二顺位的回答

话术举例如下:

发现了业务机会:

通过分析流失用户属性,对用户进行综合评估,我找出了挽留价值高,挽留难度低的用户群体。业务部门采纳了意见并开展挽留活动,比没有进行分层挽留前,提升了用户留存率5%。

发现了业务问题:

通过建立外呼响应率预测模型,对用户进行评分,我找出了响应率较高的用户群体。

业务部分采纳了外呼评分名单,优选Top50%的用户外呼,外呼响应率从2%提升到8%,从而节省了外呼人力/经费浪费,提升了外呼效率。

需要注意的是,上述话术很可能引发对方好奇,引出更多的问题,诸如“你是怎么做出来的”“详细谈谈经历”之类。所以如果真的有经验,单纯交代数据是怎么做的是远远不够的,至少得以下三点加持:

(1)要讲清楚分析的基础

大部分项目并非从0开始做。

除非是参与一个全新的项目,还没有任何业务设计。否则业务部门都有一些常规做法。

比如上述的流失挽留,有可能业务部门是在用户7天/30天/60天不登录的时候固定做唤醒,没有做区分。数据的作用不是凭空捏出来了,正是因为有之前的数据基础,所以才能通过分析来判断好坏,形成经验。

这些基础是不可省的。很多面试吹的很大,入职做的一塌糊涂的数据分析师,都是因为没有关注基础,结果倒在新环境的烂泥里。

(2)要讲清楚分析方法的结合

大部分项目并非一个模型一竿子通到底。

还是拿上边流失挽留举例,至少需要五个步骤:划分挽留群体,分析用户偏好,对比挽留方案,预测挽留成功率,监控挽留效果。这里至少可以拆分出五个分析专题出来。

在实际工作中,尽可能参与全业务流程,搭建一个分析体系,要比指望一个孤零零的模型管用的多。

(3)要讲清楚业务配合条件

大部分项目并非数据一手遮天。

比如上边外呼响应模型,外呼本身话务组水平、外呼产品的选择、是否配合促销政策、外呼时间段、外呼时间节点等等因素都会有影响。

这些都是得靠业务部门支持和配合,才能达到理想的状态,单靠数据可算不出来。好的数据分析效果,一定是数据与业务相互配合得到的。

有了这个三点加持,数据如何助力业务,最终产生效益,就解释的很完美了。

这种解释方法会显得很怂,可能有同学不理解,说:“有必要区分的那么清楚吗?我就说是我的分析搞出来业绩,又怎样吗!”。这么谨慎的区分,除了能规避开头讲述的问题外,还有个更深层的原因:

当人们不了解一个东西的时候,就会表现出两种极端的态度,在没有问题的时候对它不屑一顾,在出了问题的时候指望它一口续命。这种态度只会让科学堕落为玄学,让科学工作堕落为卖保健品的假药贩子。

抛开数据分析运作的体系,去大吹特吹依靠一个神器的算法模型,一个牛的底层思维就能起死回生治病救人,本质是在害自己,是在祸害做数据的圈子持续健康的发展。

数据分析不是太上老君的仙丹,不是一口续命的神药。数据分析想助力业务,从来都是建立在体系化运作的基础上的。

  1. 先从0到1采集数据,建立数据监控体系;
  2. 再从1到60的沉淀经验,筛选方法,积累特征;
  3. 再从60到90分的建立固定分析模型,持续提升业务效率。

这才是数据分析助力业务的路径。这个过程看起来很怂,看起来很辛苦,不过确实可持续发展之路。

二、实操

大部分同学之所以回答不上来“你做的数据分析有什么用”,是因为他们倒在了起点——根本不知道业务拿数据有什么用。

甚至有很多人是工作了2年,连到底有多少业务部门,到底业务部门是干什么都不知道的。所以掌握业务部门的工作是一个好的突破口。

为了培训新人讲解“数据分析有什么用”我之前简单整理过一个各个企业的业务部门是干什么的,让新人们先理解各个部门的职责,之后在见客户的时候,一定要了解清楚,客户是哪些部门有需求。

之后就可以按照0,1,60,90的方法进行介绍了。

同事开会时说我的分析没用,我当场这样怼他!

比如今天要见的客户,对销售BI有需求,就可以先问:你们有没有建立业绩监测体系?如果没有,就讲从0到1的重大意义,讲那些不做数据化管理的公司的各种乱象。

如果已经有监控,那就讲从1到60的各种意义,讲通过数据结果怎么找出渠道问题,怎么发现新渠道的机会。

如果连这个都有了,就将从60到90的各种炫酷操作,比如如何给渠道开发移动报表、如果做自动跟进提醒,如何打造数据小秘书等等。

这样一梳理,新人也有能力和客户清晰的聊上,比他们之前东一句西一句瞎吹一通好用的多。

同学们自己也可以这么操作,对着上图,搞清楚自己在服务哪些部门,然后一个个问:

  1. 他们的工作有数据报表了吗,需不需要新建?
  2. 他们的工作有评定效益了吗,需不需要搞个科学标准,需不需要验证标准?
  3. 他们的工作有好坏评价,那好的为什么好?差的为什么差,有没有梳理过原因?

如此类推,不但能从看似平凡的工作里,整理出数据的用处,连下一步还可以跟他们谈什么都清楚了。当然里边是以一个有电商部门的实体企业为例来举的,大家可以举一反三,补充更多。欢迎欢迎。

还有个更大的问题,就是经常你辛辛苦苦做了一堆,被甩了一脸:

  • “这个很常见啊!”
  • “业务部门早就知道了!”
  • “这个不做分析也知道啊!”
  • “你能不能做出来业务部门一点点都不知道,又有重大意义的分析!”

#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。

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。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

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. 我们就经常被质疑 价值是啥

    来自山东 回复
  2. 数据自然大有用处,现在还有什么是和数据无关的吗?没有。

    来自云南 回复