关于ZAKER ZAKER智慧云 免费视频剪辑 合作 加入

五个方法,破解数据分析的核心难题

编辑导语:在数据分析中,我们的数据分析有无意义取决于所定标准,若标准不一,评判的结果也就不一致。那么,数据分析的标准该如何去定,破解数据分析核心难题。作者总结了五个方法,希望对你有所帮助。

数据分析的一个基本常识:数据本身没有意义,数据 + 标准才有含义。然而恰恰是标准二字,弄死了无数数据分析师。常见的问题,诸如:

没标准:业务说 " 我的活动提升了业绩, 计划提升多少我也不知道,你分析分析?" 然后不管数据提什么,业务说 " 太少了吧,你没考虑周全 "。

标准不确定:业务要提升 " 顾客健康度 "" 渠道质量 ",然后不管数据分析师用什么指标,业务都说 " 你这几个指标就能代表健康了?那另外一个指标就不健康?"

标准反复横跳:指标下跌了 0.1%,业务紧张得要死,非要深入分析;指标下跌 30%,业务说 " 这是正常的,你分析个屁!"。

找标准,是数据分析核心难题。标准不确定,数据反映出的是不是问题?是多大的问题?是谁的问题?都不能确定,那还咋深入分析呀。那到底标准怎么定?今天系统讲一下。

一、为什么定标准那么难

从本质上看,标准难定,主要是来自业务本身考核难度不同:

有的业务是搬砖式的,做一件东西就是一件东西,这种最容易定标准,计件工资即可。

有的业务是 BUFF 式的,提高了做东西效率。这种标准就不容易定,因为很难剥离出 " 没有 buff 是多少 ",无数的争论都是从这里来的。

有的业务是锦上添花的,就像菜市场小贩吆喝 " 我家番茄又大又红咯 "。这种不做不会死,做了看似更好,但很又很难考证效果。

更糟糕的是:有的数据分析师,不清楚以上区别,以为可以一锅炖。

更更糟糕的是:有的业务,很清楚以上区别,所以在自己做得不好的时候,故意浑水摸鱼,企图模糊标准,为自己文过饰非。

当一个不懂区分的数据分析师,遭遇一个企图蒙混过关的业务,就是标准的盲人骑瞎马了。这才会出现开头的种种吐槽。更搞笑的是,这时候懵懂懂的数据分析师还没发现问题,还会在网上到处问:" 哪里有中国互联网数据分析统一标准定义?"

所以破局的思路,就是不能指望业务部门良心发现,而是数据分析师自己练就火眼金睛。辨明是非,分类型看标准如何定。

二、第一类:赚钱的搬砖

比如互联网行业的推广、投放,传统企业的销售、门店。这种是可以考核到人的,每个人为公司贡献多少收入、贡献多少新用户一目了然。这类工作事关公司收入和业务增长,因此一般都有硬考核指标,且一般都是老板强硬压下来的。

这种情况下,记得三不扯原则 n 不扯 " 自然增长率 "。该做多少做多少,不服气去跟老板吵:

不扯 " 合理不合理 "。老板定了多少就是多少,不服气去跟老板吵 *2

不扯 " 其他深远效果 "。老板没有定的不理会,不服气去跟老板吵 *3

数据分析师要做的,就是把老板的目标,按业务线 / 按时间拆解出来。把年度目标,分解到每一个时间段,然后跟踪完成即可(如下图)。

三、第二类:供应的搬砖

比如商品备货、供应。这一类工作要根据销售情况做准备,但又不能完全照搬销售指标,因为销售指标有可能无法达成 / 超期达成。而一旦目标无法达成,备货太多,就会积压,导致损失。超期达成,备货不足,会失去一些销售机会。因此定目标,经常是双重考核:供应充足率 / 库存损失率。

四、第三类:普众式 buff

普众式 BUFF,即常见的各种大促销、新人礼包、满 500 减 100、买三件送一件、消费 10000 成为白金卡会员等,一般是运营、营销、增长部门搞的。这种活动参与规则与参与人群是公开透明的,用户达标即可领奖。

普众式 BUFF 都有明确的目标,比如商品运营,不同阶段目标 / 手法不一样(如下图)。

比如用户运营,不同阶段目标 / 手法也不一样(如下图)。

注意!加 BUFF 的部门,最喜欢扯 " 自然增长 ",扯 " 深远影响 ",扯 " 额外增收 "。因为这些 BUFF 是叠加在其他人工作之上的,所以搞活动的部门,生怕不能体现自己的功劳,恨不得把自然增长率搞成负的,把所有增长归功于自己。也因此搞出很多争吵。

解决争吵的办法,是把 " 深层次效果分析 " 与 " 目标考核 " 区分开。先达成自身的目标,再复盘达成目标以后的效果。连目标都没达到,整体业绩还在下滑,商品还在滞销,用户发展不来,有啥 " 其他深远影响 " 好扯的,都是自欺欺人。

五、第四类:精准式 buff

精准式 buff,最常见的形式就是精准营销。通过电话、短信、APP 内推送等形式,给不同用户不同营销方案,且其他用户不知情,无法参与。

注意:精准营销是可以通过封闭信息的方式,设活动组与参照组,相对准确的衡量自然增长率的。因此精准式 BUFF 可以直接把目标设为:较自然增长,额外提升转化 / 消费效果 XXX。

怕就怕,做的活动是精准式活动,但是没有做分组,没有设参照组,也没有事前 ABtest。啥准备都没有,事后跑来问:如何精确衡量?肯定回答不了。

六、第五类:锦上添花

所有内部数据记录不到的任务,都是锦上添花类任务。常见的比如品牌、传播、服务,对应的指标是用户知名度、用户满意度、用户忠诚度。

这些数据来源要么靠市场调查、要么靠外平台的数据记录,比如公众号文章阅读量、视频播放量等等。

这种标准的最大问题,来自于:数据易操控。市场调查问卷质量太差,样本太少;外平台的数据可以靠人工刷量轻松做出来。所以树这一类标准,有个最简单的办法:让负责部门自己事前提个数,然后看他们能不能达成。

至于这种锦上添花能不能带来销售、用户,等实际效果。作为数据分析只认链接。有转化链接,有内部数据记录,就转化为普众 buff 式工作,考核转化效率。没有链接,没有转化路径,没有内部数据,一概不认,断了他们浑水摸鱼的念想。

七、小结

从本质上看,标准问题牵扯绩效考核,因此业务方才有浑水摸鱼的动力。这是个披着数据问题的办公室政治问题。因此,想破题,一定不能把解题思路引到 " 有一个完美的数学算法 " 上面。任何数学算法都解决不了人心贪婪的问题。

所以数据能做的,就是落实可考核的部分,帮助大家回归初心,减少胡搅蛮缠,从而更好实现整体目标。毕竟蛋糕做不大,怎么分还是饿。

# 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。