在数据分析中,如何提出有效的策略性建议?本文通过一个简单的例子,展示了如何运用数据思维,深入挖掘问题背后的原因,并提出具体的、可操作的建议。

你不要光报数字!要做策略性思考!要提出可行的建议!

很多做数据的同学都被领导、同事这么吆喝过。然而,什么是策略性思考???往往一听到这种词,就有同学急不可耐地掏出《麦肯锡方法》之类的镇山法宝,或者在网上搜《底层思维》、《核心逻辑》、《分析框架》之类的文章。

结果除了“裂变”“痛点”“颠覆”这些似懂非懂的词以外屁都没有记住,下次写报告还是继续同比、环比、三年比,低了要搞高……

咋办?!

看个简单的例子,今天HR的小妹妹李芊颖同学被领导骂哭了,因为身为HR,她本人这周的考勤表,长这样:

SO,作为数据分析师的同学们,看到这个咋提建议?

一、缺乏策略性的表现

很快,4个做数据分析的同学都给了答案。

同学1的答案:

  • 本月共22个工作日,迟到11个工作日,迟到率50%
  • 迟到最多的是第二周,共迟到4天,迟到率80%
  • 迟到最少的是第三周,共迟到1天,迟到率20%

同学2的答案:

同学3的答案:

  • 数据来源是……
  • 建模过程是……
  • 经过回归模型分析,预测下个月迟到12天。
  • 建议减少迟到。

同学4,还没给答案:

他正在网上找《员工迟到分析模型》。找了一上午没找到,但是加了五个数据分析讨论群,每个群里都在问:

  • 有没有数据分析高手?
  • 有没有HR行业的数据分析师?
  • 有没有HR方面分析的书,最好PDF版的?
  • 急!可付费!在线等!

问,以上四个同学,哪个能及格?

二、核心的症结

显然,以上四个都不合格哈!

不合格不仅仅因为他们说的都是空话、废话。更因为他们都犯了同一个问题:就数论数,脱离过程。

作为HR经理,想听到的建议是:

  • 建议1:早点出门。
  • 建议2:该打车就打车,省那钱干啥。
  • 建议3:犯了错就认罚,哭有屁用!

作为李芊颖小妹妹,想听到的建议是:

  • 建议1:减少给李芊颖同志的工作量。
  • 建议2:由于李芊颖同志住得太远,建议多批几天特例。
  • 建议3:上个月李芊颖同志太辛苦,建议免于处罚。

看到区别木有,无论是业务方的领导和下属,都不关心具体的数字是什么,更不关心得出数字的模型是什么。他们关心的是可以做什么。做的事情要有依据,能服人就更好了!所谓建议,是业务部门可以做的一个具体动作。这个动作和业务工作流程有密切关系。要能够达到一个大家认可的结果。

所以在推导建议的时候,不要单纯在数字上纠结,特别是不要在类似题目的这种“结果数字”上纠结。单纯纠结结果,就会变成“你说我偷懒,我说我没懒”这种小孩磨牙式争吵。要想办法深入到问题发生的过程中,才能找到答案。

三、破题的思路

联系到具体过程,我们就能发现:数据对于量化过程、锁定问题有巨大帮助。

比如最简单的一个建议:“早点出门”,听起来是个理,实际上至少存在三个漏洞:

  1. 早到几点出门不清楚,6点?7点?8点?空口说“早点出门”跟没说一样,需要量化。
  2. 有没有特殊原因,不清楚。很有可能小姑娘哭得梨花带雨的:“人家前一天加班到半夜,第二天起不来很正常吗!!!要求正装出席,出门前化妆不很正常吗!!!又要人家忙又怪人家,呜呜呜”……不区分具体场景的量化,根本说不服人。
  3. 特殊原因真的假的,不知道。鬼知道她是真在忙,还是前天出去嗨到半夜去了。更纠结的是,可以直接推导出答案的数据可能是缺失的。你又不是人家男朋友,你怎么知道人家前一天晚上是出去嗨了还是加班了。

没有直接证据的情况下,就得一步步来:

  1. 先清理出来可用的数据,建立一个基本分析框架
  2. 再看怎么挖掘具体场景,排除异常情况

这样才能做到有理有据,以理服人。

四、答题的顺序

第一步,先搞清有什么数据可以用。

通勤这件事,我们其实并不需要那么多隐私信息:

第二步,建立基础的分析框架。

基础的分析框架中,不考虑各种意外情况、特殊场景,就看业务最基本的数据逻辑。

比如通勤这个事,只要选好了起点(李芊颖住的小区)终点(公司),打开高德地图都能看到:

有了这些基本信息,就能判断出来:这个距离是否真的太远,从而剔除很多借口/猜疑(如下图):

第三步,讨论可以量化的特例。

不要一看到小姑娘漂亮就想八卦人家的隐私,除了引发争吵外没啥好处。先把能收集到数据的,明面上的问题,比如加班、打车算清楚。这样一来能看到:是不是真的分工不均,委屈别人了;二来也能堵住找借口的嘴(如果确实没加班的话)。

第四步,推导建议。

有了以上的铺垫,推导建议就能有理有据了,而且非常具体(如下图):

五、回到现实工作

当然,上边只是一个逗比的小例子,但是清晰地反映了现实中问题:

  • 业务部门往往处于本位主义思考,提的建议都是对自己有利/自己想表达的,懒得顾及事实,更懒得细致分类。
  • 数据部门往往陷入数字游戏,过于关注数字计算,忽视业务过程,最后就数论数,止于数字。

这样都是不利于得出正确的结论和建议的,最好的做法,就是从过程出发,层层推进,构建起逻辑树。然而这两年算法模型概念广为流传,一下让业务方和数据都以为,只要LR,CNN,XGBOOST呼啦啦往上怼,电脑就能开口说话:“李芊颖呀,我是全知全能的阿尔法大狗子,这个月迟到都怪你自己哦”……于是就惹出更多笑话了。

当然,这些都建立在一个基本前提上:你得能分清看到的是结果数据还是过程数据。曾经有个同学问陈老师:“老师,我要如何提升策略性思考能力,你看我们现在明明一切做得很好,可转化率就是上不去,为啥嗯?”

答曰:你们现在就是李芊颖呀,嘟着粉红小嘴一脸委屈的:“我明明每天很积极上班了,可咋就是迟到了呢”……想找到答案,光纠结结果没啥用,得深入过程中哦。

所以不要单纯地堆砌数字,或者摆一堆圈圈框框,具体问题具体分析才是正道。

专栏作家

接地气的陈老师,微信公众号:接地气的陈老师,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。

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。

友情提示

本站部分转载文章,皆来自互联网,仅供参考及分享,并不用于任何商业用途;版权归原作者所有,如涉及作品内容、版权和其他问题,请与本网联系,我们将在第一时间删除内容!

联系邮箱:1042463605@qq.com