闖過八關,做一份出色的數據分析報告

0 評論 7472 瀏覽 19 收藏 12 分鐘

編輯導語:無論是運營還是產品經理們在面對數據分析報告的時候,常常手足無措,不知道如何下手。該怎么將自己所做的“好”直接地表達與呈現出來,讓他人明白?作者分享了完成一份數據分析報告需要闖過的八關,我們一起來看看。

  • 為什么運營要親自寫數據分析報告?
  • 為什么產品經理抓著數據報告改來改去?

相當多的情況是:這幫人不是真想分析問題,而是變著法地證明自己做得好!而恰恰這一個“好”字,難倒了無數人。因為真想讓數據分析師說一聲“好”,至少得闖過八大關卡。

第一關:有個標準!

在數據分析中,一個基本原則是:數字本身不表明好壞,數字+標準才表明好壞。舉個簡單的例子:運營開展一個拉新活動,通過活動頁面注冊了10000個用戶。

這個10000用戶并不能說明好壞,只有說:我們計劃通過頁面注冊5000個,實際注冊10000個,才能說明好壞。

這一步看似簡單,可已經能難倒很多人了。比如:

  • 運營做活動,提升哪個指標,從多少提升到多少,自己說不清楚,一張嘴就是:“反正就是提升呀,我看別人都這么做?!?/li>
  • 產品做改版,改進方向、改進程度、影響指標通通不清楚,張嘴就是“老板讓這么改,我就這么改咯?!?/li>

這種情況,事后再抓住數據分析問:“分析下到底好不好”,鐵定分析不出來。

第二關:標準得事前定

聽起來很搞笑,標準不都是事前定的嗎?現實很殘忍:相當多的人,事先不定目標,事后跑來:“通過人工智能大數據,先計算出最科學的,最合理的,最權威的,自然增長是多少,剩下的不就是我帶來的了……”

然后你會發現,他們心目中最科學的,最合理的,最權威的自然增長率永遠是負數,這樣無論如何都能證明他們的工作成效顯著,力挽狂瀾。

第三關:標準事后不能改

聽起來又很搞笑,標準改來改去還叫標準嗎?現實又是很殘忍的,相當多的人看到考核指標不漲,第一件想起來的事就是改標準,還美其名曰:“通過人工智能大數據,計算出標準定高了多少,給一個最科學的,最合理的,最權威的修正值……”

對這種情況就一個字回復:呸!

第四關:標準是可量化的

這個問題相對小眾,因為大部分銷售/運營/產品的指標都是可量化的。但是還是有少部分喜歡渾水摸魚的人,在2021年了,還把滿意度/體驗指數/NPS/ROS這些上世紀90年代的古董搬出來糊弄人。

這些基于外部的、調研的、小樣本抽樣的結果,根本無法解釋某個活動/產品/功能對內部指標的影響。

因此碰到這種人,直接不予理會,要求其關聯到一個可以采集完整數據的內部指標。

第五關:標準要分級別

這個問題相當普遍。原則上,通過業務行動,直接促成的結果,才能算結果。和業務行動沒有關聯的就不能算。

比如:

  • 拉新活動,要考核的結果,應該是從活動頁面的注冊人數。
  • 促銷活動,要考核的結果,應該是促銷商品的銷售情況。
  • 產品改版,要考核的結果,應該是哪個頁面/流程改了,就考核這一個頁面/流程。

BUT!很多人喜歡把非直接促成的也寫進來。比如活動期間,業績大盤整體都在漲,丫就寫上“活動帶動了大盤上漲”。比如頁面改版了,產品整體活躍率提升,丫就寫上“頁面改版帶動產品整體上漲”。

特別是在,這些人負責的活動/頁面表現平平的時候,就尤其喜歡拿大盤上漲來說事。更討厭的是,這些人在吹完牛逼以后會加一句:“請用人工智能大數據,精準分析出來,到底DAU漲了100萬,有幾萬是我這個頁面漲的……”

有沒有一個活動,一次改版帶動大盤的情況?有!就是類似雙十一,這種全公司全力以赴的大活動,和全新改版這種大改版。普通的小型活動、局部改版根本扯不上什么“帶動大盤”“交叉因素”“深遠影響”。

因此考核標準要分級別。建議:

  • 公司級大型活動,才會重點盯大盤
  • 部門級,針對全體人的小型活動,關注活動自身小目標
  • 部門級,針對部分人的精準活動,直接上參照組,做ABtest

這是解決事后扯皮的終極策略。

注意:闖過了前五關,我們就得到了一個有節操的考核標準,只要有個考核標準,那么我們就能得出一個“很好”的結論,開頭提的問題已經解決了80%。

但是這個結論,仍然可能被人推翻,他們會說:“這是應試教育的結果,其實結果沒那么好!”想要頂住這種攻擊,還得再過三關。

第六關:結果要穩定

所謂穩定,指的是考核結果要穩定地表現為“好”。舉個簡單的例子,做一個促活的活動,理論上,最好的結果是下圖1所示,上線后,活躍率穩定的高。下圖2、3、4,都是所謂的“不穩定”場景。

不然的話,人們很容易攻擊:

  • 這不是做的好,而是運氣好
  • 這不是做的好,是自然波動
  • 這不是做的好,是曇花一現
  • 這不是做的好,水漲船高而已

需注意的是,這種指標穩定,主要靠的是業務干出來的!遇到不穩定情況,不去思考業務上怎么補救,光讓數據分析:“你再深入分析分析”,可是穩定不了指標的哦。

第七關:結果要對得起投入

  • 有可能考核標準沒有面面俱到,沒涉及成本。
  • 有可能業務行動是嘗鮮性質,沒有考慮成本。
  • 有可能短期內并不缺錢,沒有在意成本。

但人們總會在某個時間點,想起來還有成本,還有投入產出。這時候就會:翻舊賬,把之前“做得好”的結論推翻。

  • 這不是做得好,這就是燒錢打激素。
  • 這不是做得好,這就是花錢買虛假繁榮。
  • 這不是做得好,明明有更低成本法子可以用。

當人們翻舊賬的時候,想再反抗已經來不及來了。所以應對此問題最好的辦法,就是事先不要抱僥幸心理,想著拆東墻補西墻,砸點錢把指標拉起來完事。而是真正站在解決問題角度,設計一些能逐步改進,能通過迭代提升效率的辦法。

第八關:結果要對得起大盤

如果自己單點活動做得很好,但是大盤指標一直在下滑,到底算不算好?客觀地講,應該是算好的。但是越是高層領導,越不關心細節,越關心大盤走勢。

所以你很難杜絕高管們這么思考:

  • 大盤跌,這個小活動卻在漲,說明它方向錯了
  • 大盤跌,這個小活動卻在漲,是不是它帶歪了整體節奏
  • 大盤跌,這個小活動卻在漲,是不是它分流了別人的效益

這是對效果考核的終極挑戰了。因為本質上,這個問題問的是:到底做哪些策略組合,才能對大盤有用。策略組合里的幾個子策略,會不會相互干擾。單純站在一個項目的角度,很難扯清楚這些關聯,只能交給諸如戰略發展部這樣的統籌部門,才能縱觀全局說清楚。

九、小結

從本質上看,說“做得好”很難,難在:

  • 業務上,對待結果要有節操,不投機,不粉飾太平;
  • 業務上,要有整體思考和部署,每個任務有明確定位和目標;
  • 業務上,要在設計落地方案的時候多考慮一些可能性,找到真正驅動的因素
  • 數據上,不要迷信“人工智能大數據”能取代以上1、2、3點工作
  • 數據上,幫助業務業務理清1、2、3點,而不是認為自己掐指一算就盡在掌握

這樣大家通力合作,才能真正把事情做好。最終好不好,從來都不是算出來的,而是努力做出來的,與大家共勉。

#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pexels,基于CC0協議。

專欄作家

接地氣的陳老師,微信公眾號:接地氣的陳老師,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。

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。

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!