如何搭建一個強大的數據預警模型?
數據分析首先要做到的就是清晰角色,然后收集動作,輔助判斷,做出準確警報。根據預警,制定方案,從而快速做出決策判斷。下面這篇文章作者為我們講解了應該如何做出數據分析。一起來看看吧。
數據分析能主動做出預警,是所有人的終極期望。可現實是很慘淡的,經常是指標已經下跌了,業務部門忙得團團轉了,數據分析才慢慢悠悠地分析“昨天為啥DAU下降30%”。
最后辛苦半天落個“我早知道了,早干啥去了!”的抱怨。那如何提前做出預警?今天系統講解一下。
一、清晰角色
首先要清晰:預警是給到人的警報。因此誰需要聽這個警報,是第一順位要考慮的。在實際工作中,有四大類角色:
進行預警第一步,就是要先明確要預警的業務場景,把一個場景內所有相關責任人都考慮進來,避免漏了角色(如下圖)。
二、收集動作
其次要注意:問題因人而起,也因人而終。因此第二順位需要考慮的,是這四類角色對指標走勢,到底有啥影響。要分門別類地收集這四類人計劃開展的動作,從而為第三步的評估做準備(如下圖)。
注意:收集影響動作,是有順序的,應該從高層→前臺→中臺→后臺。
因為這是這四類人影響指標的順序是這樣的:
- 高層定的目標,決定了前臺執行難度
- 前臺執行質量,決定了中臺輔助難度
- 實際業績結果,決定了后臺支撐難度
- 后臺支撐好壞,決定了問題是否擴大
在工作中,這四個環節環環相扣。如果配合得好,即使出現問題,也能化險為夷。如果配合得差,則相互拖累,越做越錯(如下圖)。
在實際工作中,并不是一個簡單清晰的工作閉環從頭做到位,然后再做下一個。每個部門都是一堆工作同時在進行。因此,收集部門動作并非一蹴而就的,而是需要有暢通的信息渠道,特別是當指標開始出現問題苗頭時,業務部門做出的應激反應,要有一定程度了解。這樣才能更好地輔助判斷,做出準確警報。
三、數據評估
有了第二步動作收集,可以開始第三步數據評估。數據評估是預警的最關鍵一步,是避免執行期間看到數據波動腦袋空空的關鍵。
之所以能提前感知指標波動的風險,是基于:過去發生的未來會重現,這樣一個簡單的道理。因此,有必要對過程發生過什么,進行深入評估。(如下圖)
這里涉及多種具體分析方法,之前文章都有分享,不再一一贅述了。
四、做出預警
有了以上準備,可以做出預警了。預警模型建立后,從制定計劃階段開始,就能開始運作。并且貫穿定方案、做執行、做復盤的各個階段,并且涵蓋了主力、輔助的角色(如下圖)。
比如制定了銷售目標,那么:
定方案階段:銷售的方案(包括銷售計劃、人力配置、配套物料/輔銷品)是否能支撐當前目標?如果支撐不住,這時就能直接預警,提醒問題。
做執行階段-作為主力的銷售:是否各銷售團隊執行到位?執行不到位是誰沒有到位?影響多少大盤?作為主力角色,只要其下某些分支出現問題,都是要直接發出預警的,避免問題惡化。
做執行階段-作為輔助的供應鏈:達標率太好的情況下,是否購貨充足?達標率太差的情況下,是否有積壓風險?如果銷售表現好,但關聯的輔助部門馬上面臨缺貨風險,此時也要及時預警!
注意:在過程中預警的時候,要考慮業務部門應激行動。比如有可能業績很好,庫存馬上要斷,此時應了解是否有補貨計劃,如果有,在預警時要提及此時,并且分樂觀(100%按時完成計劃)、保守(50%或更少完成計劃)、悲觀(無法完成計劃),分別給出預警,以及預估結果(如下圖)。
這樣的預警,給管理層的體驗非常好。
- 管理層能通過分析師的工作,掌控業務全局。
- 在定方案階段就能預知風險,從而做充足的準備。
- 在過程中,不但能看到預警數值,而且能大概鎖定問題方向,減少了過程中被“打悶棍”的感覺。
- 看到預警結果的時候,能同步看到預期處理方案,從而快速做出決策判斷。
這樣,比事后看到諸如“DAU跌了一大截”“銷售連續4天不達標”等結果以后再問為什么,體驗好太多了。理想的狀態下,可能只要一兩個關聯指標變差,就能馬上感知到主指標跳水的風險。
五、數據預警的錯誤姿勢
數據預警的錯誤做法,當然是指望一個神威無敵大將軍模型,能把所有指標100%預測準確。實際影響指標的因素太多,且外部環境壓力,內部主動行為,都很難量化。因此完全把寶賭在靠著極其有限的幾個數預測的模型,完全不靠譜。
真正靠譜的做法,是數據分析師保持高度的消息靈通,按照上文的四個步驟,提前做好準備,才能應對變化。未卜肯定先知不了,但是卜過,就有機會發現問題。
很多不懂行的人,會以為數據真的能讓人開天眼般洞察一切。實際上恰恰相反,一個數據分析師,得先開天眼,對公司情況了若指掌,之后才能對數據走勢做出判斷。
這一點切記切記。
當然,這套模型的運行,有三個基礎條件:
- 數據部門與業務、管理層有充分溝通,掌握足夠多信息
- 數據部門對過往發生的目標、方法、執行情況有充分復盤與經驗積累
- 業務流程數字化程度高,各個部門的行動能以數據形式記錄
這三點,剛好對應了管理問題、分析方法問題、基礎建設問題。因此并非所有公司都能運用。如果公司的氛圍實在太差,就只能用一些短平快的預警方法。
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。
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。
收集動作中,怎么將這些動作量化為數據指標呢?