数据分析，如何解决复杂的企业问题

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。