很多同学表示:从0到1的文章很多,可面对复杂问题,该怎么搭建数据分析思路呢?首先,“复杂”一词在不同等级的数据分析师里含义不同。对小白而言,领导传达命令的时候,有“模型”俩字的就是复杂问题,一听“模型”,新人就开始狂翻《西瓜书》《统计学习》《机器学习》誓要与“模型”血战300回合。而有经验的同学都知道,企业里真正复杂的才不是这些。来看个具体例子:
场景:电商行业(纸质书、视频光盘等商品为主),客服领导对物流领导意见非常大,认为物流问题影响了客户满意度。但物流领导表示:所有发货不及时,发货过程中包装破损等问题已经被处理了,怎么可能还有物流问题。现在有一份分析需求,要求:建立全面、细致的客户满意度评估指标体系。
01 什么是真正的复杂问题
问题1:收到这个需求,你会百度哪个关键词?
- 评估指标
- 客户满意度指标
- 客服客户满意度指标
- 物流客户满意度指标
很多新人一看这种问题就觉得:简单。不就是建个评估指标吗,这种文章网上一天能见8篇。而且“客户满意度”这个词我也熟悉,又不是私域流量,精准画像这种玄乎词。于是开始百度上边四个关键字,找一个看起来可行的就开始干了。可关键问题是:眼前的问题,是大家不知道客户满意度怎么考核吗?
不是!眼前的问题是客服跟物流俩部门干上了!这才是大问题。所谓“客户满意度”只是两边干架的一个由头。如果“客户满意度”的标准不能让两边共识,那不管书本上是怎么定义的,只要你甩出来,都会被其中一方喷到死。这才是第一大难题。所以这一题根本就不该选。