資料分析都提過什麼樣的奇葩建議(各種建議型別總結)

做資料分析的目的是為了“發現問題,分析問題,解決問題”,這三個環節是連續的,你不能跳過分析問題,直接解決問題,換句話說,只有你分析出了問題的原因,才能解決問題。

提建議在這其中的作用主要是“解決問題”的部分,所以如果不會提建議,那麼問題就出在這三個環節中的某一環,我總結有以下幾種型別。

第一種型別是不知所謂型,這種型別啥意思呢。看看下面這段文字:

﹣不會提建議是怎麼回事呢?建議這個詞相信大家都很熟悉, 但是不會提建議是怎麼回事呢?下面就讓小編帶大家一起了解吧。
﹣不會提建議,其實就是不會提建議。那麼為什麼不會提建議呢,相信大家都很好奇是怎麼回事。大家可能會感到很驚訝,怎麼會有人不會提建議呢?但事實就是這樣,小編也感到非常驚訝。
﹣那麼這就是關於不會提建議的現狀了,大家有沒有覺得很神奇呢?看了今天的內容,大家有什麼想法呢?歡迎在評論區告訴小編一起討論哦

這是著名的“小編體”,不管發生了什麼事,都可以用這個模式硬套。內容呢就是車軲轆話來回地說,一點實際意義都沒有。

資料分析不少人其實也經常這麼幹:
﹣過去一週的交易轉化率最大值是10%,最小值是3%,平均值4.5%,中位數4.3%。。。

然後呢?建議呢?然後就沒有然後了……

這類分析連問題到底是什麼都不知道,也就沒法分析問題,更不說如何解決問題了。

怎麼辦呢?

這類分析師一般是學會了資料分析的基礎技能和工具,但是缺乏應用在現實世界的能力。拿著統計學的錘子,到處找釘子。

這類同學首先要解決的不是學習“提建議的n種方法”,而是要學習如何發現問題。

最簡單的方法就是了解業務的指標體系。

指標體系是抽象後的業務,瞭解了指標體系,就初步瞭解業務的形態和關注點。即使對業務不是特別瞭解,單純按照指標體系拆解也可以初步定位問題。

比如對交易轉化率進行維度拆解,分不同時間,不同渠道,不同廣告型別等維度拆解,這些能告訴我們目前這個轉化率的水平到底處在什麼水平?哪些地方好,哪些地方不好?

有了這些資訊,就能“發現問題”,也才有可能繼續往下走。

第二種型別是正確廢話型。

當年巴拿馬乒乓球運動員 奧馬爾 為了和他的偶像張繼科打一場友誼賽,不遠萬里來到中國。
賽前他到運動員休息室問怎麼才能贏張繼科:

馬龍說:打他接不到的地方

許昕說:提高命中率

馬琳說:你永遠不丟你就贏了,你這球永遠上臺你肯定贏。

這三位不愧是高手,給的建議簡單易懂,我覺得連我這樣不會打乒乓球的人都已經知道怎麼打敗張繼科了。

但似乎有什麼不對的地方?

這種建議到了資料分析領域,就變成了了這樣:
﹣過去一週的交易轉化率是4.5%,轉化率較低,建議提升交易轉化率。

這位同學相比不知所謂型的同學有了巨大進步,總算是提出了一個建議,實現了零的突破。

但是業務方可能會投來關愛智障的眼神。

提升轉化率,說得輕鬆,怎麼提升?你行你上啊。

怎麼辦呢?

這類建議的問題是,我們發現了問題,但是分析問題沒有做到位,於是提出一個正確而無用的建議。

所以解決思路就在於,如何分析地更加深入。

這部分內容在之前文章有提到,感興趣的同學可以看看,這裡簡單說下。

業務同學當然知道要提升交易轉化率,但是需要需要具體執行的方法。所以在確定“提升轉化率”這個建議的大方向的時候,要知道提升轉化率都有哪些方法?

可能的方向有:找到更精準的人、找到更精準的轉化方式、找到更精準的產品等等。

這三個方向都可以再次成為一個新的分析課題,比如我們可以分析如何找到更精準的人。

具體操作上,我們可以透過渠道分析看一下哪個渠道轉化率更好,哪個渠道潛力更大。
這樣提出建議的時候就變成了:

建議提高交易轉化率,可以從以下方向嘗試:

﹣1.增加A渠道的投放資源;
﹣2.停止B渠道的投放;
﹣3.開拓和C渠道類似的小眾垂直渠道

這樣,這個建議就有了抓手。

第三種類型是天馬行空型。

﹣朋友對單身狗說:你總是一個人,為啥不談戀愛呢?
﹣單身狗:???

朋友給單身狗的這個建議對嗎,理論上說確實是對的啊。

但是這個建議有用嗎?

資料分析提建議的時候要麼這麼幹的話,會是這樣:
產品的交易轉化率較低,建議:
﹣建立使用者畫像體系,做精準化營銷
﹣產品售價降低10%,和競品保持一致
﹣在微信投放朋友圈廣告,獲取精準流量
……

這些建議還真的都能解決交易轉化率低的問題,但是沒有可操作性:
﹣使用者畫像建立週期長,人員成本大,資料需求大;
﹣產品毛利率太低,再降價10%就沒利潤了;
﹣微信朋友圈廣告價格高,雖然能提升交易轉化率,但是利潤就沒了。

怎麼辦呢?

上述這種情況,分析師其實分析出了一些原因,比如流量不精準,產品售價高無競爭力等。但是提出的建議太天馬行空,一看就是拍腦袋的結果。

這說明這些分析師還是理解業務模式的,但是脫離了一線,不知道有哪些現有條件下可用的方案。

最簡單的方法就是提建議前和業務同學商量一下,看看業務同學目前有哪些手段可以用,以及他們覺得哪些手段更合適。因為最後是這些業務同學來執行,他們肯定不會胡亂提建議,否則最後還要自己來填坑。

有句俗語,叫做:揚湯止沸,不如釜底抽薪。
意思是水開了,用水瓢揚一下熱水,可以暫時止住開水,但是馬上還會再開,然而把鍋底下的火熄滅,就會永遠止住水開。

揚湯確實可以止沸,但是效果不是很好。而釜底抽薪,則是一勞永逸的做法,相比揚湯是更好的選擇。

但我們平時經常會提出揚湯止沸的建議。

﹣交易轉化率不高。三類廣告樣式中,A方案效果最好,建議廣告形式全部採用A方案。

這個分析,相比之前非常深入,邏輯看起來也沒有什麼問題,算是一個不錯的建議了。

但是這個建議仍然有問題,問題就是分析得不夠全面。為什麼最佳化方向一定是廣告配置?

要想提升交易轉化率,除了最佳化廣告配置,我們還可以做很多其他的動作。比如最佳化渠道投放、調整投放時間等。
所以為什麼要最佳化廣告,而不是最佳化渠道呢?

雖然最佳化廣告形式很可能會帶來業務增量,但是因為沒有考慮到其他情況,不知道目前真正的瓶頸,所以這個答案不一定是最優解,投入產出比可能有限。

沒有看到問題的全貌,怎麼知道這個建議不是在揚湯止沸呢?

怎麼辦?

一般的業務分析師提出這類建議其實沒什麼問題。畢竟現實中受限於時間、資料採集、商業複雜等因素,要完全分析清楚一個問題確實有點困難。而企業追求的是最終的效果,所以這類邏輯不那麼完整建議一般來說是也是可以接受的。

畢竟這個建議只是邏輯不完整,不是完全沒邏輯。企業為了追求有效,甚至只是“感覺有效”也是會做一些完全沒邏輯的事情的:比如給伺服器貼平安符。

不過你能來看這篇文章,肯定是對自己有更高要求的人。

如果真的想要做到思考全面的建議,要用系統性思維+結構化思維對商業模式進行全面的拆解,然後找出其中的核心問題,找到槓桿解。

全面分析業務,對思維能力和商業模式的理解要求很高,這樣的分析師一般都是做決策支援,為高層領導提供戰略性分析。

不管是思維還是商業模式的理解,都是內功。每個單獨拎出來又是好幾千字的篇幅,這裡就不詳細展開了。

最後一種型別是自說自話型。

﹣女孩對男友說自己感冒了,有點難受。
﹣男友說:多喝熱水。

這個建議有沒有錯?

這個建議很正確,是有科學依據的。

第一篇文章標題翻譯來是《煮沸飲用水對中低收入國家腹瀉和病原體特異性感染的影響:系統回顧和薈萃分析》
第二篇標題翻譯過來是《飲用熱水、冷水和雞湯對鼻黏液流速和鼻氣流阻力的影響》

但是對方表示不想聽,只想靜靜。

這種情況就是已經知道怎麼解決問題,但還不知道如何讓對方執行。

資料分析是一個很標準的“紙上談兵”的崗位,只需要坐在辦公室裡看看資料,做做分析就有一種運籌帷幄之中,決勝千里之外的智力優越感。

但是你畢竟不是老闆啊,憑啥你說的話業務同學要聽啊?就算你的建議是對的那又怎樣?

怎麼辦呢?

遇到這類問題的資料分師,考驗的已經不再是技能水平、分析能力、業務理解這些基礎能力了,而是溝通表達、人情世故等軟實力了。

要想要讓對方做某件事,可以用fogg模型思考。

提升動機:建議的方向能不能和對方的KPI掛鉤,如果能幫助對方完成KPI,那麼我相信對方一定很樂意聽從你的建議。比如提升交易率可以從渠道、廣告、產品等多個方向進行最佳化,如果渠道運營的本月KPI剛好有缺口,那麼就儘量從渠道方向進行分析。如果結果有價值,都不需要你想辦法溝通,渠道同學自己就會來找你。

降低門檻:
這部分內容涉及如何寫報告相關的知識,下一篇文章會詳細說,這裡簡單說一下。
﹣減少專業名詞的堆疊,儘量站在業務角度表述建議。
﹣做到結構化表達,讓對方能快速理解
﹣字不如表,表不如圖

觸發時機:
﹣可以找一個業務同學的領導在場的時機進行分享。只要對業務有幫助,領﹣導是不在乎給下面人加活的,這省去了你說服業務同學的麻煩。同時,如﹣果你的建議真的有幫助的話,業務同學也希望能讓領導知道,可以讓領導放心。

提建議很難套路化,不同的業務形態,不同的分析深度能給出的建議都不相同。

所以本文儘量授人以漁,讓你知道好建議是怎麼來的。

※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※

我是「數據分析那些事」。常年分享數據分析乾貨,不定期分享好用的職場技能工具。期待你與我互動起來~

這是一個專注於數據分析職場的內容部落格,聚焦一批數據分析愛好者,在這裡,我會分享數據分析相關知識點推送、(工具/書籍)等推薦、職場心得、熱點資訊剖析以及資源大盤點,希望同樣熱愛數據的我們一同進步! 臉書會有更多互動喔:https://www.facebook.com/shujvfenxi/