公众号后台回复“图书“,了解更多号主新书内容
作者:Jason
来源:三元方差
描述一个业务问题的现状是什么,是最基础的数据分析需求。常见的问题类型有:
产品经理:某个功能的数据表现如何?
活动运营:某个活动的数据情况怎么样?
渠道运营:新渠道的引流人数是多少。
新人数据分析师一开始往往就是从这类数据分析需求开始做。
新手很容易就会把这种问题做成一个取数类的需求。
最后给出一堆数据:点击率是多少、留存率是多少、转化率是多少。
业务方最后问,这些数据能得出什么结论?
那么,我们能不能把这种简单需求做地更加深入,更好地发挥数据分析师的价值呢?
今天就来分享一下,数据分析流程中的“是什么”,或者说叫做“描述现状”,究竟该怎么做。
描述现状,不是单纯取数
首先,描述现状的基础是指标。
通过提取指标的数据,反应实际的业务现状。
这一点可以参考之前写的《指标思维》,这里就不赘述了。
但描述现状绝对不仅仅是罗列一堆数据。
只列数据,没有结论,这是新人最爱犯的错误。
原因很简单,新人也知道好的分析要有结论。
但是作为一个新人,不懂业务,不知道该怎么下结论。
新人分析师看到次日留存率是30%,琢磨着说点啥好呢?
留存率比较低?还是留存率比较高?
自己对业务一知半解,写高还是写低都不好。谨慎的同学这时候就倾向于不要下结论。
先按照取数需求做,等过段时间熟悉了业务再说。
但这样很容易被加上一个“不懂业务”的标签。
在别人眼里你是一个写sql的工具人,逐渐成为一个取数机器。
描述现状,不能主观判断
还有一类数据分析师,胆子很大,很敢写结论。
他们不局限于取数,会根据自己的业务理解,给出一个结论。
可惜方法不对,也容易出问题。
小白在做广告分析,发现广告曝光的点击率2%。
小白心想:点击率才2%,100个人里只有2个人会点击,这个数据肯定很低了吧?
于是直接下结论,曝光点击率只有2%,我认为点击率较低。
这个我认为很要命,类似的还有“我觉得”、“我感觉”这些词语。
这种分析结果很容易和业务撕逼,主要焦点在于曝光点击率2%到底算不算低。
而且数据分析师往往会败下阵来,业务方连问几个问题就招架不住了。
为什么2%点击率就是低了?
你知道广告的平均点击率是多少吗?
你知道业内平均水平是多少吗?
发生这种情况,小白就被加上了“不专业”的标签。
在别人眼里,你是一个不严谨的人,任职数据分析师的基础能力都不具备。
要知道,数据分析师很靠专业性生存,如果公司里业务方不相信你的结论,那么你在这家公司就很难混得好了。
描述现状的正确做法
不能不下结论,又不能乱下结论。
那怎么在不了解业务的情况下,快速给出高质量的分析结果呢?
举一个生活中的例子。
大家应该都有过体检的经历,血常规的体检报告里面,什么白细胞数量、红细胞数量、血小板数量等等都有具体的数值,看起来特别精确。
单纯取数也就是给一个这样的数据。
但是只有这个数据好像没啥用。你知道红细胞数量是2.5,能得出什么结论?
没有医学常识的人,一般也不敢乱下判断。
好在这种报告后面都会有一列,叫做“参考值”。
比如红细胞数量参考值3.5-5.5。
现在的数据是2.5,正常范围是3.5-5.5,比较一下,得出结论:红细胞偏少了。
这样一个没有医学常识的人,也能很快解读出数据代表的含义。
相比之前的案例,我们从数据到结论,多了一个确定的参考标准。
通过上面这个案例,总结一下标准的描述现状的过程。
第一步,现状是什么,提取指标数据的具体数值。
第二步,标准是什么,列出参考标准是什么。
第三步,结论是什么,综合现状和标准,得出结论。
只有现状数据+标准才能得出一个“是什么的结论”。
所以在写数据分析报告的时候,正确的做法是:
用户流失率达到32%,相比去年同期提高5个百分点,流失率较高。
数据+标准=结论的分析流程,结构非常简单,不过标准怎么定?
常见的标准第一类是通过数据客观得出的,如同比、环比、历史最高、历史最低等。
第二类是业务制定的,如KPI目标、老板的预期等等。
如果一次营销活动上线前就制定了活动目标,那么这个标准直接就用这个目标就可以了。
如果没有那么清楚,只是简单地想要做个活动提升一下销量。那么就可以用第一类标准。
严谨的逻辑是数据分析师的基础
按照这种结构描述现状,也有可能会出现业务方不认可的情况。
比如你用同比,业务方认为去年同期有特殊事件,所以用去年同期的数据对比结果不合理,改用环比更好。
遇到这样的质疑,也并不会动摇数据分析师专业性的根基。
数据分析师同学一定要知道自己的价值是什么。
我们提供的结论不能是天马行空的猜想,除非是在头脑风暴会议上。创意类的想法是业务同学应该做的。
数据分析师提供的应当是逻辑关系非常清楚的结论,这种结论换任何一个人来分析,得出的结果一定是一样的。
因为数据是确定的,标准是确定的,那么结论也一定是确定的。
业务方可以质疑你论证过程中为什么选这个指标,为什么选择这个标准,但业务方不能质疑你的逻辑有问题。
如果你看到广告点击率2%就觉得点击率很低,下结论只凭借自己的主观判断的话,那么很难预测你之后给出的结论是否靠谱。
换句话说,你的结论准确性不可控。
一个严谨的分析师,他的逻辑是清晰的,那么得出的结论就是可信的。
只要论证过程大家都认为没有问题,那么最终结论就能被大家接受。
总结
描述现状,解决业务现状“是什么”的问题,这是最基础的一种数据分析需求。
这类分析虽然简单,但很能反应一个分析师的基本功。之前提到的指标思维、对比思维、逻辑思维在这个分析里都会用到。
这种需求做的多了,应该磨练出一颗只讲事实和逻辑的心,而不是走向“取数机器”和“我认为2%偏低”这两个极端。
希望本篇帮到数据分析师新人,下一期准备讲“原因查找”。欢迎关注。
觉得文章有价值,欢迎将文章分享到朋友圈
如需转载,请联系作者获取授权
◆ ◆ ◆ ◆ ◆
麟哥新书已经在京东上架了,我写了本书:《拿下Offer-数据分析师求职面试指南》,目前京东正在举行100-40活动,大家可以用相当于原价5折的预购价格购买,还是非常划算的:
数据森麟公众号的交流群已经建立,许多小伙伴已经加入其中,感谢大家的支持。大家可以在群里交流关于数据分析&数据挖掘的相关内容,还没有加入的小伙伴可以扫描下方管理员二维码,进群前一定要关注公众号奥,关注后让管理员帮忙拉进群,期待大家的加入。
管理员二维码:
猜你喜欢
● 卧槽!原来爬取B站弹幕这么简单● 厉害了!麟哥新书登顶京东销量排行榜!● 笑死人不偿命的知乎沙雕问题排行榜
● 用Python扒出B站那些“惊为天人”的阿婆主!● 你相信逛B站也能学编程吗