你值5K還是15K?實戰案例,測測你的分析功力

本文源自陳老師遇到的真實案例。

老板說:“我們今年準備參加展會,做一年。以前我沒參加過,沒關系,這里有一份展會數據,你回去分析下哪些有價值,后邊組織的時候有個指導”。現在你收到任務了,咋辦?

第一步:拿到問題,先干什么?

5K表哥:“好嘞,我回去研究一下數據”

15K分析師:老板,我們做展會的目標是什么啊?是準備促業績,還是做推廣?促業績我們考核意向成單還是實際成單?做推廣,我們如何考核推廣效果?是微信關注人數、還是獲得銷售線索數,還是……?如果兩個都有,哪個更重要?如果一定要丟一個會丟哪個?

第二步:看到數據,思考什么

5K表哥:“恩,我是用層次分析法評價呢,還是建一個模型呢?要用什么模型呢?有沒有模板可以參考呢?哪里有模板呢?”

15K分析師:“這個數據是從哪里來的?誰統計的?預計參與人數怎么預計?”

第三步:數據不夠,要怎么辦?

5K表哥:“回到眼前,這數據也太少了吧,手頭的表格只有展會名稱,舉辦方,參展預計人數,展會級別,展會主題等幾個字段,好像也分析不出什么來”

15K分析師:“經查,數據是可信的,還可以用。看起來這里還有些字段可以做處理,比如展會參展人數,找一些參加過展會的人了解,1萬人以上就算大型了,5千左右算中型,那可以先分個大中小。組織者級別可以分成高級,中級,初級。恩恩,還有其他一些字段,處理完再說。”

第四步:抓著數據,怎么分析?

5K表哥:“額,不知道咋分析,拍腦袋好了”

15K分析師:“依據現有的信息,可以列舉三個假設:”

假設1:展會人數多的,成單量會高

假設2:展會級別高的,成單量會高

假設3:展會組織者專業度高的,成單量會高

依據這三個假設,可以先建議ABC三場會議參加,預計A的成單量最好,未來以A為成單參照。現場參與人員,需協助收集XXX信息,以輔助事后分析。

第五步:事后總結怎么做

雖然目前還沒有真實開展,但是可以預計到,未來的總結會這么做

5K表哥:“額,誰有展會活動的總結模板啊,求一個模板”

5K表哥:“老板又說我考慮的不周全,可是數據就這么多啊!怎么周全”

5K表哥:“老板又讓我修改,我快崩潰了,改了16版了”

15K分析師:“針對預期成單目標,本次達成率為x%,達成目標”

15K分析師:“對比兩次活動,可見XX假設是不成立了,展會專業度比人數更有利于成單”

15K分析師:“未來可集中向專業度高的行業性展會,預計節省參展成本X萬元,增加成單XXX萬元”

——全文當然還沒有完——

所以差別在哪里?差別就是等靠要主動性的區別

差別是優秀的數據分析師不但有良好的職業知識,更有優異的職業素養

這種職業素養體現在九個方面:

收到任務時

目標明確:凡事必有一個目標,不能含糊,不能一鍋燉,不能高大全。目標不清是萬惡之源。

目標清晰:可量化,可追蹤,可對比。可量化才能分析,不可量化是扯皮之源。

目標聚焦:有先后,有重點。如果有兩個目標,那么兩個之間要排先和順序,如果有三個,三個必須要有重點。越多的目標,意味著事情本身越難達成,也意味著分析時候會越混亂。

數據處理時

清晰含義:清晰名稱-來源-計算方式。避免歧義,防止錯誤是一切分析的基礎。

重視收集:盡可能收集數據,提高質量。沒有數據確實很難分析,優質的數據能極大的幫助分析,不加管理的垃圾數據只會把分析帶溝里去。

解讀含義:分類解讀,找到數據后業務含義。很多分析師被業務部門嫌棄,就是因為只知道出數字,不懂得解讀數據背后的含義。月消費10000和高消費群體,對業務部門是完全不同的兩個概念,只有多多找含義,才能更好地找到數據的價值。

輸出報告時

樹立標桿:樹立明確的評價標準。凡是涉及到“好”“壞”“高”“低”的,一定要有參照物,一定要有標桿,因為本身這些詞語都是相對比較的詞,而且很大幾率和領導的個人看法有關系。如果不設標桿,在事后總結評估的時候就會陷入無休無止的口水戰和扯皮里邊去。

明確假設:設計待數據驗證的假設。有了假設,分析的時候才容易總結,才容易看出來哪些路子是容易走通的,哪些是可能有坑的,才能在多次實驗中沉淀下經驗。

逐步迭代:每次分析,不斷驗證假設,沉淀經驗。經驗是越積累越多,越積累越豐富的。好的分析師知道把每一次經驗總結起來,讓自己的判斷越來越準。

數據分析師的本質就是:用數據和邏輯代替拍腦袋,用系統和科學取代神秘主義,因此9條要點中有7條都和清晰明確有關。

數據分析師的價值在于:以數據指導工作,從數據找到方法。因此不能僅僅就數論數,而是要看清楚數據背后的含義,找到業務部門思考的脈絡,這樣才能讓分析更接近業務部門的需求,讓建議更貼合實際情況。

數據分析師的要求是專業,專業不僅體現在懂計算,懂代碼,懂操作,更體現在深入全面的考慮問題,循循善誘的解答問題,因此面對業務部門的咨詢的時候,保持頭腦冷靜,保持耐心,抽絲剝繭的問話,本身就是專業性的體現。

與大家共勉。

然而你還是需要一些硬技能的,用戶標簽實戰技能,戳這里:https://ask.hellobi.com/blog/chenwen/6499

用戶分級實戰案例,戳這里:https://ask.hellobi.com/blog/chenwen/6471

今天是超嚴肅的一篇,輕松一刻,戳:https://ask.hellobi.com/blog/chenwen/6481

有心機的同學已經發現了,這其實是陳老師調教某個萌新的對話,是滴,有工作中分析問題,發郵箱ccxxmmin@163.com,可獲得陳老師獨家指點哦!

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 229,963評論 6 542
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 99,348評論 3 429
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 178,083評論 0 383
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,706評論 1 317
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,442評論 6 412
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,802評論 1 328
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,795評論 3 446
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,983評論 0 290
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,542評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 41,287評論 3 358
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,486評論 1 374
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 39,030評論 5 363
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,710評論 3 348
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,116評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,412評論 1 294
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,224評論 3 398
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,462評論 2 378

推薦閱讀更多精彩內容