感谢关注天善智能，走好数据之路↑↑↑
欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！
对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入数据爱好者交流群，数据爱好者们都在这儿。
丁酉年 壬寅月 丙寅日
宜：上班 煮饭 哄女朋友
忌：赖床 加班 打dota
大家都对这种东西嗤之以鼻对不对？作为接受过高等教育的我们怎么会信这些命理风水的东西呢，比如床不能对着电视机，开玩笑，老祖宗的年代有电视机吗？躺着看电视才享受呢。对于这种东西，陈老师一开始也是拒绝的，直到有一天半夜起床上厕所，看到电视机里自己的影子以为撞见鬼吓得尿了一裤裆，才深刻感慨祖先智慧的伟大。
所以禁忌这种东西，都是借鬼神之言，行人间之事。特别是面对那些初出茅庐的小伙子，还真的编点鬼怪故事恐吓一下他们的好奇心，才会避免他们走更多弯路，正如每个老奶奶都养了一只吓唬孙子的大灰狼一样。
在数据分析领域，也有这样的行为禁忌，站在支持业务的角度，数据分析工作可分为三类：
1. 事前：预测
2. 事中：监控
3. 事后：评估
我们一类一类看一下，办事的时候有哪些禁忌
事前预测：三类禁忌要牢记，每一个都惹不了
1.忌参合神仙的事：比如那种受政策，规定，环境影响巨大的业务，不可预测，不能预测，也不要去预测。我们是不知道中央什么时候出文件的，也不知道什么时候土地爷爷不爽抖抖膀子，所以此类事件只能归于黑天鹅，效果很难事先预计。话说回来，如果能事先预知，有这么大本事为啥不去炒楼呢，突然好期待！(╯3╰)
2.忌参合皇帝的事：上有神仙下有皇帝，那种受自己公司或者合作方公司的政策，制度，规则影响很大的业务，也不要去预测。因为当一个业务受政策，制度，规则等高层主观能动性影响太大的时候，高层的决策就是唯一关键要素，事件发展只要看老板们决策就好了，完全无法按正常进展去预测。
3.忌参合妖怪的事：上有政策下有对策，在对下游管控力度弱的时候，下游的业务状况就很难按正常的逻辑去预测。最典型性的，就是下游经销商，KA势力强大，公司只能看别人脸色行事。这时候如果下游借公司促销机会钻空子套利，即无法管理，也无法预测事态走向。因为人心之险恶过于妖怪，人性之贪婪是很难预测的。
宜：收集原因数据
预测的本质原理是：过去发生的事情未来会重现，过去发生的原因和未来一样。因此当游戏规则完全不可知或被关键人物掌控的时候，预测就变得毫无意义。相应的，如果规则是市场自发形成的，可观测可追踪的，那么就可以进行预测，其中的关键就是尽可能多的收集原因数据。
举个简单的例子，公司销售额连续8个月上升，那么第9个月会不会上升呢？答案是：不知道。因为连续8个月上升是一个结果，结果不能证明结果，只有找到上游的原因才行。连续增长是因为新产品？渠道发力？促销带动？推广范围？找到原因自然可以根据原因的变化情况，预测未来的结果。这也是预测类分析的铁律：抓住原因找结果。
相应的，因为很多原因是不能收集，或者收集不全的，所以所有的预测都是有概率，有范围的，最好是给出乐观，悲观等几个可能。不在预测的时候立flag，是数据分析师与街头算命张大师的本质区别。
事中监控：理清逻辑再动手，不然下班没法走
忌只给孤立的一个或几个数字：业务方今天要个数字A，后天要个数字B，大后天要个数字C，每一个都得计算百分比/平均值，每一个都得看回过往6个月，每一个数字都是加急，每一个都要插队做，于是天天都在加班跑各种数。这就是典型的没有理清数据与项目间的逻辑，只是孤立的给数据的坏处。
宜：理清数据与项目间逻辑关系
举个栗子：我们有一个促销要针对持有VIP2级会员卡的顾客，在实体店消费指定产品组合2件以上的人奖励一个礼品，通过这个活动拉动整体消费，促进会员卡普及率。那么要看哪些数据呢？
1. 从整体效果出发：既然目标是整体消费，就要把总消费当做最大KPI并且拆分到天，每天去追踪效果，既要统计当天达标率，又得计算累计数额，还要和去年对比，全方位让业务掌控整体进度。
2. 从过程管理出发：各区域达标率如何？现有会员发动了多少？新会员吸引了多少？有多少只买了1件的漏网之鱼？有多少买了两件却不办会员卡的？这些指标及时给出来，可以帮助业务指导各片区，门店的执行工作。是否有区域出现所有的达标消费都出现在一个门店的怪事？这种明显反常指标提前指出来，可以帮助业务打击渠道作弊行为。
3. 从运作出发：产品与礼品的库存都要够。因此每天要看各区域产品组合与礼品库存数，每天消耗数，还要根据每天参与人数，剩余参与人数，参与率三个指标计算预计所需的库存数。
因此报表至少要包含以上三类数十个字段，才可以承接到业务方的需求。这些具体的需求点要事先谈好才行，业务方没有提的要主动提示。要做到这样的清晰，首先业务方得有清晰的目标和考核指标，有清晰的推进方法，这样才能选出用那些字段来描述问题，要做那些推算，生产什么新变量。
如果还没有清晰到上边的程度，欢迎业务部门随时来和分析师交流。我们能帮你理清思路，梳理用哪些字段描述问题；我们也能提供一些过往的项目经验给到你们参考；我们还能指引你看那些平时不咋看的报表，帮你建立概念。总之多聊天，少下不清晰的需求单，对大家都有好处，(*^__^*)
事后评估：四大禁忌要牢记，不帮业务擦屁屁
1. 忌找架打：“他的项目就是烂！帮我分析下烂在哪里吧！”“不好意思，没这服务”
2.忌找资源：“我的项目很缺钱！请分析下重要性吧！”“不好意思，没这服务”
3.忌找点赞：“我的项目很优秀！请着重强调下吧！”“不好意思，没这服务”
4.忌找理由：“我的活动没业绩！麻烦分析下闪光点吧！”“不好意思，没这服务”
科学性与严肃性是分析师工作的基本要求。我们只对提供的数据准确性负责任，不对各种项目，工作的结果负责任。我们可以提供必要的数据，但评价是好还是坏，和标杆有关，标杆怎么定，是业务部门需要思考和设计的。分析师可以提建议，但不要直接下结论。我们是为老板决策提供支持的，不是为某个业务条线提供善后服务的，失去了科学性和中立性，我们也会失去老板的信任。
宜：帮老板解决问题
老板你说打谁就打谁！我打的他妈都不认识！
老板你说要啥就要啥！天下宝宝我最有劲哭！
老板你说哪赞就哪赞！无死角花式螺旋点赞！
老板你先走我来掩护！你的后背放心交给我！
如果用我的科学性不能证明老板的决策是正确的，那我就白混了！
数据支持决策，从支持老板做起！(*^__^*)
此外，陈老师在之前的文章中强调了，虽然分析师不要拒绝需求，但是我们要挑有价值的需求优先做，可以戳：https://ask.hellobi.com/blog/chenwen/6139
提升能力的方法，链接1：https://ask.hellobi.com/blog/chenwen/6101
提升能力的方向，链接2：https://ask.hellobi.com/blog/chenwen/6163
作者介绍：陈老师，在咨询行业打拼了9年，在如何诊断经营问题、建立分析体系、解决专项问题上有超过30个大型项目积累与实战，天善智能特邀专家。
数据分析职场路上有困扰吗？不妨到《数据分析师八大能力培养课程》https://edu.hellobi.com/course/272里聊聊！
视频课程特色：
从真实数据分析工作场景出发，训练实战能力
启发式教学+大量实际操练，培养属于自己的能力
不依赖于某个具体技术，也适合对数据分析感兴趣的学生、业务部门人士学习
750
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
