总被领导问“你的分析结果有什么用?”我是这么解决的!
编辑导语:数据分析师的工作内容往往需要与数据打交道,在繁杂的数据中,提炼出分析结果。然而对于领导来说,对于数据可能并不是很了解,往往会发出“你的分析结果有什么用”的疑问?这时候我们应该怎么办呢?本文作者为我们提供了解决办法。
“你做这个分析结果有什么用?”
- “你的数据分析最终能落地吗?”
- “这些结论跟我们的需求好像根本不符合啊!”
- ……
从事数据分析这么多年以来,恐怕我最不想听到的话就是上面这些语录,因为数据分析岗位有一个致命的陷阱:明明自己的数据、方法、技巧、能力全都没有出错,但是做出的东西还是不被领导、业务、IT所认可,时间长了自己甚至都会怀疑自己的价值。
那么,究竟是什么原因导致我们的分析没办法落地呢?
一、别被业务唬住了
首先要知道,不管是公司部门也好,业务也好,他们总是想要最好的,哪怕他们部门的信息化水平是很差的、很不成熟的,但是他们从来不是基于其现状提需求的。
比方说:公司的人力部门,我碰到一次人力部门找我们做挖掘系统,当时为了这个事情我们差点跟人力部门吵起来。
首先我们的出发点是:有没有必要做这件事情,其次有没有基础做这件事情,最后就是有没有最小成本地实现方法,这是我们数据分析的思路。
人力部门这种业务部门的出发点不是基于现状,而是基于问题,可能是因为他们想要通过挖掘系统来对员工进行监控,有了问题就有需求。
可是现实情况是,人力部门的信息基础是很差的,如果想要单独为人力系统做一个挖掘系统的成本是非常大的,另外这种挖掘功能带来的价值性是否真的很高?
所以一没有必要,二没有基础,三成本太大,这个需求我们是坚决不会同意的。
这时候可能就人说了,数据分析不就是干这个事情的吗?
如果不做,人力部门肯定会说我们光吃饭不干活,说我们磨洋工。
这种情况确实会出现,但是等你与业务部门打交道久了之后就会发现,如果无论什么需求我们都要接受,最后业务的需求会越来越离谱,越来越难实现,我们的精力再多也不够用。
二、让业务说清楚
业务的问题总是模糊的,这个问题是我老生常谈的问题了。
业务部门不管提需求也好,提问题也好,他们就算是在框架之下,提出的问题也往往都是模糊的。
比如说想让你改进一下某个流程,当他提出这个问题的时候,其实他也不知道究竟应该怎么改进流程、改到什么程度才算是好、具体需要改什么。
这个时候如果我们不问清楚就做了,最后往往是得不到业务部门的认同的。
那么什么叫做模糊的需求呢?我们举个例子:
比方说业务部门说最近公司销售额虽然一直在提升,但是成本额也增长的很快,我们自己分析是新客户的获客成本太大,所以我们的想法是实现精准营销,提高用户的复购率,你们数据分析有什么办法吗?
看起来这个问题好像一点都不模糊,但是实际上,你看完这个需求之后根本不知道从何处下手,因为这种需求缺少几个基本的要素:
这张表叫做需求可行性验证表,是我现在一直在用的表,大家可以参考一下:
这样我们可以在事先就避免业务的不认同,因为业务已认可了你的可行性方案后我们再去做分析,其实是比较稳妥的。
当然了,实际过程中业务的需求千奇百怪,我们不可能每一个需求都按照这样的流程去跟业务一遍遍确认,基本上小需求只需要快速过一下就可以,有如果你暂时还是缺少实际的业务经验,建议你还是按照这样的方法去实施。
定位问题的时候要拉着业务一起定,甚至是要拉着业务的高管一起定,因为他们才知道这个方案能不能解决真正的问题。
三、问题解决能力
我们一直说数据分析数据分析,很多人认为分析能力是数据分析人最重要的能力,其实是不然的。
因为我们的最终目的是要实现业务价值的,是要解决问题、解决需求的,所以我们一定要坚信住一个信念就是——问题解决能力。
我看过很多新人做数据分析,主要有这么三种:
1. 第一种——纸上谈兵型:
满满当当的,结论非常多,但是能用的没几条,因为很多结论都不切实际,或者说不符合业务的现状。
2. 第二种——十月怀胎型:
半天憋不出一点结论和建议,分析了半天好像都空空的,一点用都没有。
比如说分析零售,某个产品的成本升高,导致了整体的盈利降低,因此你就提出建议减少这个产品的进货量,减少进货成本。
这种结论对于业务来说还是一点作用都没有,那么出现这种问题很可能是你的分析其实并没有真正的结合业务,脱离了业务的数据分析是绝对没有任何的意义的,你也是没办法提出有效的指导建议的。
就是说你的结论也好,建议也好,一定是基于你的业务知识的,关于怎么提高自己的业务能力,有了业务知识,我们想要把业务知识用到我们的数据分析上,还是需要一个目标框架的。
也就是说还是按照我们目标导向做分析,才能把业务知识落到实处。
比如说我们分析了零售的成本升高,你想要提出一些建议,首先就要按照目标导向进行分析,分析结束之后再用目标导向反过来去倒推我们的结论是否正确。
公司目标是为了提高利润、挣到钱,业务部门的目标就是为了在保证盈利的前提下提高利润率,降低成本,那么我们的个人目标就是分析出异常值,减少某产品的进货是否真的能够提高利润率?能够提高利润?能否降低成本?
——这就是目标导向的思维框架。
3. 第三种——华而不实型:
分析结论写的很好,提出的建议也看上去很不错,但最后还是没落地,这是为什么呢?
是因为你的分析结论并不严谨,也许你做了个假的数据分析,所有的结论还是拍脑袋定的。
这个问题就与业务无关了,而与你的分析能力有关了,很多人的数据分析基础其实非常差的,只会套用模型,但思维基础和统计学基础才是我们做好数据分析最最根本的能力,里面最常见的毛病包括没有严谨的演绎推理、假象归纳等等。
比如我还是分析成本,就想当然的认为成本降低就是产品的成本降低,这是想当然。
比如用户的流失最近变大了,我就想当然地认为应该用漏斗模型,其实流失不一定会出现在你的漏斗模型的环节当中,所以数据分析的基础是非常重要的。
四、最后
只有避免了上面三种情况,你才不会在工作里再听到“结果没价值”的话语,如果有人还这么说,直接抽他丫的!
作者:李启方,专注数据分析和企业数据化管理;公众号:数据分析不是个事儿
本文由 @李启方 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
写的不错,👍🏻👍🏻👍🏻👍🏻
赞
一个月后,我每天在公司抽人…