本文转自知乎
作者:空白白白白
—————————————————————————————————————————————————————
数据分析师一开始当然能做几个有趣的分析,但是长期做数据分析工作,想法总会枯竭,寻找分析思路就变得异常痛苦。可以这么说,分析思路直接奠定了数据分析结论的准确性和实用性。因此,懂得如何寻找数据分析思路是每个数据分析师必须具备的能力。
那么面对一个业务场景,通过什么样的方式才能够寻找到正确的数据分析思路呢?在我看来,所谓正确的分析思路,本质上就是站在一定高度的业务思维逻辑,因此数据分析思路更多考量的还是一名数据分析师对业务的理解和眼界。这里,我将自己过去总结的方法分享出来,希望对大家有所帮助。
由浅至深分成五类:角色扮演、业务指标、现成模型、公司战略、行业发展
1、角色扮演
这个方法就是尝试把自己“扮演”成公司不同的角色,站在他人的视角上来寻找有哪些需要进行数据分析的点。用这种方式能够找到的数据分析思路往往是对方最需要的,自然也就具有更高的价值。比如,你可以把自己扮演成公司的销售、投资人、运营、财务、客户、供应商等,站在这些视角寻找有哪些有帮助的分析思路。
我在之前的一家公司就这样做过。当时把自己放在销售的角色上,发现公司对于潜在客户的收集和分析非常缺失,这样就影响了整个公司的销售效果。于是从这个角度出发,专门去相关网站爬取数据,通过地域、规模、员工人数等方面去分析,找出最有可能购买我们服务的潜在客户。最后这个分析结果得到销售团队的极度认可,提升了公司销售业绩。
用这种方法做角色扮演的时候大家一定要尽量贴近角色的日常生活,只有这样才能发现最有价值的分析思路。
2. 业务指标
这个是非常常见的分析方法。比如公司这个月的销售指标下降了,那么你就着手去分析指标下降的原因;同样,如果指标上升了,也去分析原因。一个公司的指标往往比较标准,比如利润率,销售额,客户增长等等。所以这样的方法比较通用,也比较简单。
在分析指标时有一点一定要注意,就是除了分析出原因外,最好还要给出解决方案。比如分析发现客户数近期有下降,那么除了给出原因外,还要给出增加客户数的方法以及这些方法背后的数据模型推理,形成一个完整的故事。
3. 运用一些现成的模型
大家想好方向之后会遇到一个问题,那就是到底应该从几个维度用什么样子的模型来做分析呢?这个时候就体现一名数据分析师的基本功了。其实数据模型中包含了很多对于基础数据分析的思路,这些思路虽然比较单一,但哪个出彩的思路不是由单一的组合而成呢?
除了熟悉模型外,熟练的掌握数据分析的工具也能很大的帮助数据分析的验证。数据分析思路是需要打磨的,特别是刚刚产出的分析思路更需要通过数据去验证和调整。这个时候一个方便快速的数据分析工具会起到很重要的作用。
现成模型参考我的首页写的一些模型分享文章,大家可以拿去使用。
4、從公司的戰略入手
很多数据分析师都有一种自卑心理,总觉得自己就是一个小兵,是一个底层,没资格也没必要去思考公司战略层面的问题。其实这是非常错误的。一名数据分析师其最本质的价值就是去用数据驱动业务增长。而每一项业务本质上是公司整体战略的支撑,换句话说,一项业务如何发展是由公司整体战略决定的。
举个例子,公司在扩张期时,公司战略时快速扩张市场,那么所有业务的目标就是快速扩展。而这个时候你去研究如何降低公司成本,即便你的数据分析再准确,思路再清晰,但对于时下的公司而言毫无意义,那么这份数据分析报告的价值就等于零。再比如,公司马上迎来融资,你要查好VC关注哪些指标,自己做出分析,有些不达标的如何改善。或者你的公司马上要推新产品,你可以分析同类产品的市场份额等等
所以,如果想让你的分析有价值,一定要选对分析思路的方向,而这点就要求你充分的理解公司的战略。
5、 随时关注行业层面的信息,并从中获取分析灵感。
当你能够站在公司战略层面去思考问题时,就一定会遇到一个问题,那就是公司战略到底应该如何制定。这个是一个非常大的话题,我们在这里不展开。其实除了AT级别的公司,大部分公司都是追随行业的潮流而动的,因此如果能够提前了解到行业最近的动向,并提前做好准备,那么你的分析就能够从支撑战略提升到决策战略了。推一万步说,即便你不能站在浪头引领时代,也能够走在一条正确的道路上,不会走歪了:)
比如在当下中美对抗的大形势下,很多行业和公司的发展路径都会发生重大的转变。如果你们公司正好是做一个进出口的公司,那么现在未来可能遇到的情况做一个分析,比如美国对你公司所在行业的产品提升关税1%个点,对于你们公司的产品的销售量和利润有什么影响,公司内部从哪些方面可以降低成本等。大家想想,当你拿出这样的分析报告给到老板的时候是什么效果。
所以,大家平时多多关注行业网站,多多阅读行业数据分析报告做好积累,厚积而薄发,升职加薪就在眼前:)。
最后,闪闪发光的数据分析思路永远都只会来自你自己的头脑,而非领导的指示。数据分析师不但是一名“实现者”更加是一名“思考者”,这也是为什么数据分析师的薪资横跨那么大,特别是懂行业、有商业头脑的数据分析师更是凤毛麟角。