避開五大坑,做出彩的數據分析

0 評論 2510 瀏覽 14 收藏 15 分鐘

想做成優秀的數據分析項目,核心在于拒絕閉門造車,結合業務需求,從低到高進化。

做項目,不僅僅是項目經理的職責,數據分析師也可以做出自己的數據分析項目。

今天我們拿一個具體場景來解析下,怎么做才能讓項目出彩。

場景還原:

某互聯網企業的B2B商務拓展團隊,主要通過電話銷售聯系潛在客戶,外呼名單管理混亂,只有客戶企業名稱、聯系電話兩個字段,銷售成功率極低;且團隊管理混亂,只記錄成交金額,沒有對未成交原因做記錄,也沒有跟進記錄。業績完成差,團隊流失嚴重,領導很著急。

問題一(選擇題)

你是這個企業的數據分析師,此時你會:

  • A. 在月報里認真分析成功率低原因,寫20頁整改建議
  • B. 月報只列數字,等著他們來找你談合作

(題目簡單,思考一秒鐘)

經過上一篇的教育,大家都選B。是滴,這個場景里的問題根本是業務管理混亂導致的,數據能幫上忙就見鬼了。

如果業務自己意識不到痛,只是數據分析師作為外人blablabla,根本沒人理。所以,不要干這種出力不討好的事。

退一步講,即使你干了,人家聽了你的建議效率提高了,也是業務獨攬大功,關你分析屁事。

你怎么證明他們聽了呢?

人家會說:“我早想到了”“你不說我也知道”。

所以,最好的策略是等他們來找、立項目。比如,叫“銷售業績提升項目”成立項目組,發郵件告知老板們正式開工,Ok,走起!

問題二(判斷題)

現在團隊領導找到你,決定立項開干,你把項目目標定為“提升銷售成功率”請問是對還是錯?

  • A. 對
  • B. 錯

(題目簡單,思考一秒鐘)

這是很多做分析的同學常范的問題:把終極目標當眼前目標?;蛘邏焊恢罉I務目標是什么,只是憑感覺說:“我們是電商,所以要提GMV”“我們做增長,所以要做DAU”……

請注意:在管理混亂、數據缺失、團隊跑路的情況下,指望寫200行代碼,出個PPT就能拉動業績,是完全不現實的。

所以,要和業務領導認真談談,除了提升銷售成功率外,還有沒有二級目標可以做。

比如:

  • 論證改善結果需要時間,爭取時間;
  • 論證當前無力做改善,調低KPI;
  • 探索穩定團隊的做法,穩定軍心;
  • 找到一些成功標桿,總結經驗。

實際上,真遇到業績不行,業務領導往往第一位想到的是要資源,第二位想到的是調KPI,第三位想到的是找案例。別人真沒心思聽你說:“活躍率低了,要!搞!高!”。因此,梳理目標,確定一級、二級目標,非常重要,所以這題選B。

問題三(選擇題)

現在確認一級目標:提升銷售成功率;二級目標:找成功銷售經驗。

馬上有人跳出來說:“你都沒做過銷售,你怎么分析?”

問:怎么辦?

  • A. 通過數據分析出最佳銷售方法
  • B. 承認自己不懂

(題目簡單,思考一秒鐘)

這是很多做分析的同學常犯的問題:指望數據直接算出一個最佳方案。帶著這種想法的同學往往會被人用:“你成交過幾單?”“你行你上啊”給打趴下。

在談及“如何做”這個問題時,數據分析的作用不是算出最佳的方案。因為每一個成功的個案,一定有不可復制的獨特優勢,比如銷售,有些人就是天生巧舌如簧,天生形象好讓人喜歡,你不能回避這些。

數據分析的作用是:分析具體案例,區分可復制部分和不可復制部分。把可復制部分沉淀為經驗,把不可復制的特征提取出來,以后找更多類似特征。

比如我們發現本地靚女做銷售成交高,那就讓每個城市在本地招聘高顏值閨女就好了;如果是某個特殊時間,特殊動作要做,那就讓其他人復制這個操作。

數據分析擅長的不是賣貨,而是總結經驗,尋找特征。所以,這個題選B。

問題四(看圖說話)

根據項目計劃,我們區分銷售業績,看看哪些人做的好。假設一個月基本工資1300,每單提成250,以下兩種分層哪種好用?

  • A. 圖1
  • B. 圖2

數據分析,項目這么做才出彩(實操版)

(題目稍復雜,思考一分鐘)

出這個題不是考如何分層,而是考一個基本思路:根據業務需求找分類標準

比如這個例子里,有個很大的問題是:團隊流失嚴重??赡苋司唵?0單、8單、4單在統計上是有區分的,但在業務上毫無區分,一個業務員不管是10還是8,都掙不夠一個月的生活費,他還是會跑路。但25單可以讓他掙到25*250+1300=7550的收入,對電話小哥來說很可觀了。

這是數據分析與數據挖掘的一個核心區別,我們建數據模型,為的是大概率模擬現實情況,所以可以處理掉一些數據,虛擬填充一批數據,反正為的是整體效果。

做數據分析,有獨特效果:能指導業務部門創造現在不存在的情況。比如業務覺得能月入7500的骨干至少占比20%,團隊才穩定,那現有的薪酬制度、操作系統、招聘流程都能改,這就打破了現狀。

因此,做數據分析,往往更看重對業務的指導意義,找標準,要找符合業務需求的標準。所以,此題選B。

問題五(看圖說話)

還是上圖,如采用B圖分層,是否可鎖定第一層就是業務標桿,進行深入研究:

  • A. 能
  • B. 不能

(題目稍復雜,思考一分鐘)

答:不能。

因為尚不知道這些人業績好,是持續性好、還是偶爾好。如下圖所示,有可能一個月內選出來的優勝者,有四種不同走勢:

數據分析,項目這么做才出彩(實操版)

注意:一般為了取數方便,我們不會一次撈所有數據。因此推進項目往往是從個案到普遍,從單月到整年,這樣分步驟輸出成果。一方面可以提高效率,不至于項目拖很久不見產出;另一方面,短期突發情況更容易被解讀,想知道是不是真的找到規律,就得從短期推廣到長期來看。

比如這個例子,我們可以從一個月表現里先選出準標桿,再看他們的穩定情況。從而解讀出更豐富業務含義,建立下一步分析假設。有了分析假設,就可以繼續深入,做更深的分析。

數據分析,項目這么做才出彩(實操版)

實際背景

這個題目,是陳老師做內訓題目之一。原題可沒這么多提示,就六個字段:

  1. 業務員ID
  2. 客戶漢字名稱
  3. 客戶聯系電話
  4. 是否成交
  5. 成交時間
  6. 成交金額

很多同學看完一臉懵逼:“臥槽這分析啥啊,啥都沒有?!?/p>

可他真真就是很多公司現狀,掛個“互聯網企業”的名號,實際管理比傳統企業還落后。

從解題步驟來看,只要目標設定合理,一步步做,還是可以產生很多有用結論的。哪怕最后發現,銷售就是很隨機的,那對于業務也是很大支持,至少以后就可勁招人好了,搞人海戰術。如果能總結出一套標桿話術,當然是更理想的結果了。

而且,也不是所有數據都不能獲得。比如我們真的選出標桿,他的話術、聯系客戶時間,跟進次數就是可以記錄和補充的。

基于這些分析結果,我們可以進一步推動系統升級改造。有了更好的系統,業務既能提高效率,數據也能有更多分析素材,大家都有獲益。

數據分析,項目這么做才出彩(實操版)

既然提到數據采集,那么問題又來了,從哪里做起呢?

問題六(排序題)

經過第一階段分析,業務認可復制標桿的做法,想進一步完善數據,那么下邊數據數據都是需要系統支持的,優先級排序是:

  • A. 用爬蟲爬客戶詳細信息
  • B. 把業務員簡歷錄入系統
  • C. 上CRM記錄業務員操作
  • D. 完善客戶信息表讓業務員填

(題目稍復雜,思考一分鐘)

請注意,雖然ABCD選項都需要系統,但數據本身的獲取難度、需要業務支持程度、有用性是不一樣的:

  • 簡歷:格式化程度最高,且不要經銷售的手,被污染可能最低。
  • CRM數據:直接記錄操作,不需要經銷售的手。
  • 信息表:需要經銷售的手,得有配套管理措施。
  • 爬蟲:看似可做,可很難保證數據質量穩定性(特指本例,B2B商務數據可能很零散,不像電商銷量、評論可以集中爬)。

因此從易到難,排序是B≥C≥D≥A。

舉這個例子,只是為了提示大家:不要因為我們是做技術的,就沉迷技術。

很多技術工具需要配套制度,以保證數據不被污染。這時候要和業務通力合作,考慮技術的可用性,便捷性。

有些小哥太沉迷搞數據,會把業務流程搞得巨復雜,數據表搞得太多字段,結果銷售們隨便應付,到頭來坑的還是自己。

小結

敲黑板、劃重點:

上一篇,我們列出了做出優秀數據分析項目五大關鍵。這一篇,我們總結下做優秀數據分析項目五大坑點:

  1. 沒有立項,沒有共識,只談數據,沒法落地;
  2. 直接拿最高目標當項目目標,無法完成;
  3. 生搬硬套模型,結果陷于數據不足動彈不得;
  4. 一次做的太復雜,遲遲出不了結果;
  5. 沒有循序漸進迭代,成果至于一張PPT。

想避免這些大坑,核心就是:拒絕閉門造車,結合業務需求,從低到高進化。

在這個過程中,需要大量的需求洞察,溝通協作,這樣才能讓業務測試分析結果,最后去偽存真,推動業務進化。

這就是為啥網上“泰坦尼克”“波士頓房價”“美國某信用卡”“貓眼電影評論”一類的玩意不算項目的原因,這些所謂的網紅項目,就是跑一張數據表而已。

況且很多自學者都不是自己跑這張數據表,代碼都是抄網上現成的。除了打字能力(和讀英文單詞能力)以外,沒有任何溝通、需求分析、方案制定、結果測試、迭代升級過程。雖然這些網紅項目都會冠以“人工智能”“21天轉行年薪百萬”之類名字,但丫就是自娛自樂而已。

猛將必發于卒伍,宰相必起于州郡。好的數據分析師,不是一上來就搬弄模型,而是能從數據細節里,讀出企業的問題;能基于哪怕最簡單的數據基礎,設計出可行方法幫助業務從低端向高端升級。這才是好的數據分析師真正起到的作用。

然而有些同學會說:老師,這個場景是業務有痛點,來找我們解決??蛇€有一個場景是:業務自己也不知道想要什么?然后問我們“你們要解讀出來一些我們不知道,且很重要的東西”。

這時候模模糊糊、混混沌沌,我該怎么辦?這個以后再說了。

#專欄作家#

接地氣的陳老師,微信公眾號:接地氣學堂,人人都是產品經理專欄作家。資深咨詢顧問,在互聯網,金融,快消,零售,耐用,美容等15個行業有豐富數據相關經驗。

本文原創發布于人人都是產品經理。未經許可,禁止轉載

題圖來自Unsplash,基于CC0協議

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!