写给一线分析师的几点总结
https://zhuanlan.zhihu.com/p/149400859
重点回顾
好的分析就是一个「数据比较 -> 洞见 -> 业务优化」的过程。无论是哪种场景,「比较」都要具象化到实际业务场景才能提出可落地的业务洞见,而具象化的分析依赖一个关键工具:画像体系与业务指标体系。这个体系对业务的还原度越高,分析质量也越高,因此分析师团队要不断去「养」自己业务的画像指标体系。最直接「养」画像与指标体系的机制就是不断去用,每次应用所发现的问题持续小步迭代解决。
在对接一个业务需求的时候,分析师一定要搞清楚:
- 这个需求围绕的业务目标(O)是什么,什么指标去量化 O?
- 业务聊的核心用户群体是谁,什么维度可以量化这些细分用户群体?
- 潜在的抓手(KR)有什么,业务提到了哪些,我们又可以举一反三出来哪些?
数据分析需求分为三类:
5. 基本型需求:分析师必须具备的能力与交付,是分析师做事情的行为底线。基本型需求完成不好的时候,再多的锦上添花也是徒劳,也会直接失去业务方的信任;
6. 期望型需求:一般业务与分析师正式拉会所讨论的项目与预期就在期望型需求的范围,这部分需求完成的越及时或者越多,业务方对数据分析的评价也会越高;
7. 惊喜型需求:主动分析,跳出业务的思考框架,数据分析产生的洞见帮助业务解决困惑,发现战略机遇,或者数据所提供的策略帮助业务完成难以达成的目标,就是惊喜性需求。惊喜性需求没有被满足业务不会不满,一旦被满足的时候业务的满意度是非常高的;
伴随业务发展 4 个阶段,对数据分析的需求:
- 第一阶段:从零到一,直觉驱动业务野蛮生长。需求:** T+1 准确反映业务 OKR 指标表现,分析师及时做好 BI 角色支持**。
- 第二阶段:增长放缓,实验评估助力业务小步迭代。为业务提供的关键价值就是:引入实验机制,以 AB 测试为典型的统计方法可以精确、科学的度量每个实验的微弱效应,帮助业务在投石问路过程中「听到」方向。
- 第三阶段:增长遇到瓶颈,数据驱动业务找到新目标体系与增长发力点。需求:深度思考业务问题并主动提出需要数据分析的问题。
- 第四阶段:数据持续驱动细分人群的差异化策略迭代。需求:在细分用户群体粒度整合阶段二的实验能力和阶段三的观测性研究能力,打通数据驱动细分策略迭代的流程。
分析师的商业价值
直觉驱动的困境
业务开展早期,「直觉驱动」成功率更高,可能也是仅有的方案。但是随着业务发展,好的直觉会被逐渐穷尽,业务增长进入瓶颈期的时候,「数据驱动」的价值就会越来越大。
分析师是谁?做什么?产出的价值?
> 「宋世君:我们谈谈“DS 是谁”. 用