我是小z
数据分析师的工作内容中,不管是数据底层搭建,报表体系建设,数据维度拆解,问题原因分析等等,或多或少都和“数据”都有那么一点关系。
唯独“提建议”和"数据"几乎没有什么关联,反而和业务关系非常紧密。
所以对于大量技术出身的数据分析师来说,每次分析到了提建议的环节就特别痛苦。
今天就来聊一聊究竟如何提建议。
各种建议类型
做数据分析的目的是为了“发现问题,分析问题,解决问题”,这三个环节是连续的,你不能跳过分析问题,直接解决问题,换句话说,只有你分析出了问题的原因,才能解决问题。
提建议在这其中的作用主要是“解决问题”的部分,所以如果不会提建议,那么问题就出在这三个环节中的某一环,我总结有以下几种类型。
不知所谓型
第一种类型是不知所谓型,这种类型啥意思呢。看看下面这段文字:
不会提建议是怎么回事呢?建议这个词相信大家都很熟悉, 但是不会提建议是怎么回事呢?下面就让小编带大家一起了解吧。
不会提建议,其实就是不会提建议。那么为什么不会提建议呢,相信大家都很好奇是怎么回事。大家可能会感到很惊讶,怎么会有人不会提建议呢?但事实就是这样,小编也感到非常惊讶。
那么这就是关于不会提建议的现状了,大家有没有觉得很神奇呢?看了今天的内容,大家有什么想法呢?欢迎在评论区告诉小编一起讨论哦
这是著名的“小编体”,不管发生了什么事,都可以用这个模式硬套。内容呢就是车轱辘话来回地说,一点实际意义都没有。
数据分析不少人其实也经常这么干:
过去一周的交易转化率最大值是10%,最小值是3%,平均值4.5%,中位数4.3%。。。
然后呢?建议呢?然后就没有然后了……
这类分析连问题到底是什么都不知道,也就没法分析问题,更不说如何解决问题了。
怎么办呢?
这类分析师一般是学会了数据分析的基础技能和工具,但是缺乏应用在现实世界的能力。拿着统计学的锤子,到处找钉子。
这类同学首先要解决的不是学习“提建议的n种方法”,而是要学习如何发现问题。
最简单的方法就是了解业务的指标体系。
指标体系是抽象后的业务,了解了指标体系,就初步了解业务的形态和关注点。即使对业务不是特别了解,单纯按照指标体系拆解也可以初步定位问题。
比如对交易转化率进行维度拆解,分不同时间,不同渠道,不同广告类型等维度拆解,这些能告诉我们目前这个转化率的水平到底处在什么水平?哪些地方好,哪些地方不好?
有了这些信息,就能“发现问题”,也才有可能继续往下走。
正确废话型
第二种类型是正确废话型。
当年巴拿马乒乓球运动员 奥马尔 为了和他的偶像张继科打一场友谊赛,不远万里来到中国。
赛前他到运动员休息室问怎么才能赢张继科:
马龙说:打他接不到的地方
许昕说:提高命中率
马琳说:你永远不丢你就赢了,你这球永远上台你肯定赢。
这三位不愧是高手,给的建议简单易懂,我觉得连我这样不会打乒乓球的人都已经知道怎么打败张继科了。
但似乎有什么不对的地方?
这种建议到了数据分析领域,就变成了了这样:
过去一周的交易转化率是4.5%,转化率较低,建议提升交易转化率。
这位同学相比不知所谓型的同学有了巨大进步,总算是提出了一个建议,实现了零的突破。
但是业务方可能会投来关爱智障的眼神。
提升转化率,说得轻松,怎么提升?你行你上啊。
怎么办呢?
这类建议的问题是,我们发现了问题,但是分析问题没有做到位,于是提出一个正确而无用的建议。
所以解决思路就在于,如何分析地更加深入。
这部分内容在之前文章有提到,感兴趣的同学可以看看,这里简单说下。
业务同学当然知道要提升交易转化率,但是需要需要具体执行的方法。所以在确定“提升转化率”这个建议的大方向的时候,要知道提升转化率都有哪些方法?
可能的方向有:找到更精准的人、找到更精准的转化方式、找到更精准的产品等等。
这三个方向都可以再次成为一个新的分析课题,比如我们可以分析如何找到更精准的人。
具体操作上,我们可以通过渠道分析看一下哪个渠道转化率更好,哪个渠道潜力更大。
这样提出建议的时候就变成了:
建议提高交易转化率,可以从以下方向尝试:
1.增加A渠道的投放资源;
2.停止B渠道的投放;
3.开拓和C渠道类似的小众垂直渠道
这样,这个建议就有了抓手。
天马行空型
第三种类型是天马行空型。
朋友对单身狗说:你总是一个人,为啥不谈恋爱呢?
单身狗:???
朋友给单身狗的这个建议对吗,理论上说确实是对的啊。
但是这个建议有用吗?
数据分析提建议的时候要么这么干的话,会是这样:
产品的交易转化率较低,建议:
建立用户画像体系,做精准化营销
产品售价降低10%,和竞品保持一致
在微信投放朋友圈广告,获取精准流量
……
这些建议还真的都能解决交易转化率低的问题,但是没有可操作性:
用户画像建立周期长,人员成本大,数据需求大;
产品毛利率太低,再降价10%就没利润了;
微信朋友圈广告价格高,虽然能提升交易转化率,但是利润就没了。
怎么办呢?
上述这种情况,分析师其实分析出了一些原因,比如流量不精准,产品售价高无竞争力等。但是提出的建议太天马行空,一看就是拍脑袋的结果。
这说明这些分析师还是理解业务模式的,但是脱离了一线,不知道有哪些现有条件下可用的方案。
最简单的方法就是提建议前和业务同学商量一下,看看业务同学目前有哪些手段可以用,以及他们觉得哪些手段更合适。因为最后是这些业务同学来执行,他们肯定不会胡乱提建议,否则最后还要自己来填坑。
扬汤止沸型
有句俗语,叫做:扬汤止沸,不如釜底抽薪。
意思是水开了,用水瓢扬一下热水,可以暂时止住开水,但是马上还会再开,然而把锅底下的火熄灭,就会永远止住水开。
扬汤确实可以止沸,但是效果不是很好。而釜底抽薪,则是一劳永逸的做法,相比扬汤是更好的选择。
但我们平时经常会提出扬汤止沸的建议。
交易转化率不高。三类广告样式中,A方案效果最好,建议广告形式全部采用A方案。
这个分析,相比之前非常深入,逻辑看起来也没有什么问题,算是一个不错的建议了。
但是这个建议仍然有问题,问题就是分析得不够全面。为什么优化方向一定是广告配置?
要想提升交易转化率,除了优化广告配置,我们还可以做很多其他的动作。比如优化渠道投放、调整投放时间等。
所以为什么要优化广告,而不是优化渠道呢?
虽然优化广告形式很可能会带来业务增量,但是因为没有考虑到其他情况,不知道目前真正的瓶颈,所以这个答案不一定是最优解,投入产出比可能有限。
没有看到问题的全貌,怎么知道这个建议不是在扬汤止沸呢?
怎么办?
一般的业务分析师提出这类建议其实没什么问题。毕竟现实中受限于时间、数据采集、商业复杂等因素,要完全分析清楚一个问题确实有点困难。而企业追求的是最终的效果,所以这类逻辑不那么完整建议一般来说是也是可以接受的。
毕竟这个建议只是逻辑不完整,不是完全没逻辑。企业为了追求有效,甚至只是“感觉有效”也是会做一些完全没逻辑的事情的:比如给服务器贴平安符。
不过你能来看这篇文章,肯定是对自己有更高要求的人。
如果真的想要做到思考全面的建议,要用系统性思维+结构化思维对商业模式进行全面的拆解,然后找出其中的核心问题,找到杠杆解。
全面分析业务,对思维能力和商业模式的理解要求很高,这样的分析师一般都是做决策支持,为高层领导提供战略性分析。
不管是思维还是商业模式的理解,都是内功。每个单独拎出来又是好几千字的篇幅,这里就不详细展开了。
自说自话型
最后一种类型是自说自话型。
女孩对男友说自己感冒了,有点难受。
男友说:多喝热水。
这个建议有没有错?
这个建议很正确,是有科学依据的。
第一篇文章标题翻译来是《煮沸饮用水对中低收入国家腹泻和病原体特异性感染的影响:系统回顾和荟萃分析》
第二篇标题翻译过来是《饮用热水、冷水和鸡汤对鼻黏液流速和鼻气流阻力的影响》
但是对方表示不想听,只想静静。
这种情况就是已经知道怎么解决问题,但还不知道如何让对方执行。
数据分析是一个很标准的“纸上谈兵”的岗位,只需要坐在办公室里看看数据,做做分析就有一种运筹帷幄之中,决胜千里之外的智力优越感。
但是你毕竟不是老板啊,凭啥你说的话业务同学要听啊?就算你的建议是对的那又怎样?
怎么办呢?
遇到这类问题的数据分析师,考验的已经不再是技能水平、分析能力、业务理解这些基础能力了,而是沟通表达、人情世故等软实力了。
要想要让对方做某件事,可以用fogg模型思考。
提升动机:建议的方向能不能和对方的KPI挂钩,如果能帮助对方完成KPI,那么我相信对方一定很乐意听从你的建议。比如提升交易率可以从渠道、广告、产品等多个方向进行优化,如果渠道运营的本月KPI刚好有缺口,那么就尽量从渠道方向进行分析。如果结果有价值,都不需要你想办法沟通,渠道同学自己就会来找你。
降低门槛:
这部分内容涉及如何写报告相关的知识,下一篇文章会详细说,这里简单说一下。
减少专业名词的堆叠,尽量站在业务角度表述建议。
做到结构化表达,让对方能快速理解
字不如表,表不如图
触发时机:
可以找一个业务同学的领导在场的时机进行分享。只要对业务有帮助,领导是不在乎给下面人加活的,这省去了你说服业务同学的麻烦。同时,如果你的建议真的有帮助的话,业务同学也希望能让领导知道,可以让领导放心。
总结
提建议很难套路化,不同的业务形态,不同的分析深度能给出的建议都不相同。
所以本文尽量授人以渔,让你知道好建议是怎么来的。