作者:Jenny.Zhang
发布时间:2022.11.1
浏览次数:8,610 次浏览
大部分数据分析刚入门的时候,都难逃工具人的宿命,每天被业务吆来喝去的取数据,数据有问题要担责任,报表做了一堆,最后功劳还都是业务的,好不容易熬到了正经的业务数据分析,又不知道该怎么做了,拿着一大堆数据,业务随便抛出个问题,自己根本不知道从何下手,好不容易做出了分析结果,业务又不满意了,说没有价值,有时候老板也不认同。都说数据分析要落地业务才有价值,说起来容易做起来难啊!
为什么我们的数据分析往往很难落地呢?在说原因之前,我们先来分析一些都是谁在反对我们的分析结果
第一个肯定是业务,很多数据分析师只关注于数据本身,不懂的业务逻辑,所以做出来的东西就会十分的浅显,比如说PV、UV的问题,业务自己肯定知道表面原因,它需要的是深层次的原因,以及做法;另外一方面,千万不要跨过业务部门去提高业绩,我们的工作不是为了验证数据分析能够带来效率的提高,虽然最终体现在业务效绩上,但是你要是提高了业绩,你让业务怎么办?业务存在的意义不就没了嘛,人家自然不会把主动权给你,所以从主动权和被动价值上看,业务都是不会轻易认同我们的数据分析价值的。
然后是领导层,我们还是先从被动价值上看,领导要的结果很简单,提高利润,减少成本。假如说你拿着一份数据分析报告去找老板,说我们要加大广告商的投入,老板问你为什么,你拿着分析报告解释说这样可以提高利润。那么涉及到钱的问题,老板一定会谨慎,所以你需要十分严密的说服逻辑去说服领导,让他们接受你的结果,但是往往老板更相信自己的感觉,所以你的结果如果有任何的一丝不准确,那么就over了
再从主动权上讲,谁来做决策?数据分析来做决策吗?不是,那要领导也没用了,我们数据分析的目的千万千万要记住,是辅助决策,是指导决策,我们的角色是大臣,不是皇帝,决策权不在我们手上,所以千万不要跟老板要求去做数据分析,说不这么做的话我们公司的业绩就完了,老板凭啥信你?凭啥信数据?所以你要做提案,用详细的逻辑去说服。
最后就是自己,也就是我们自身做数据分析的时候,有可能也意识到了,数据分析看上去就是个很虚的东西,我们可能做了很久,但是确实是没什么价值,主要还是在于我们没有什么业务的经验积累,很多人都只是埋着脑袋干活,没有仔细去思考核心的问题和解法。
从数据分析的层次上看,很多人仅仅是做到了第三层的分析结果,而忽略了数据分析方案的落地以及让其产生业务价值,这是阻碍数据分析人进阶的最大问题!
数据分析的结果如果不能落地,那就只是纸上谈兵;只有真正落地被执行之后,见到了业务的提升,才是数据分析人员的价值所在。
我们可能做了很多的数据分析工作,自认为是有价值的,但其实这里面有一个很大的坑:是否有价值不是由我们来判断的,而是由业务来判断的。
首先,再次强调请树立一个正确的意识:数据分析的目的始终都是解决业务的问题。如果业务发自内心认为我们做的东西有价值,那他们自然而然就会执行分析结果了。
所以数据分析不能落地往往有这么几个原因:
比方说你在分析过去一年来产品销售的情况,如果你使用公司的数据库来提取这些数据,首先就需要了解数据库内数据的来源。如果这些数据有缺失,分析师往往很难察觉,一线人员比分析师更有经验来判断这些数值准不准确,如果他们感觉数值不准确就不会相信分析师的分析结果。
有的时候就算分析结果准确,实施起来可能也不那么容易,换句话说实施的成本太高。
老板更相信自己的经验,而不是结果老板或者业务觉得数据分析有价值,但是需要做更有价值的事情,也就是数据分析的结果性价比太低。
其他的相关部门不重视有时候数据分析并不是只关联业务部门,其他部门的资源是一定稀缺的,要说服他们支撑我们的数据分析是件很困难的事情。
总结成一句话,其实就是数据分析落地业务的时候,受自身、业务和其他角色三重阻力,想要实现业务赋能,就要想办法克服这三重阻力。
想要突破三重阻力的桎梏,就要从自身、业务与其他角色三个角度入手,逐个击破。
首先要避免自己的数据分析是错误的。虽然不可能有不犯错误的数据分析师,但是我们可以尽量不犯低级错误,和自己的需求方进行反复沟通,同时要勇于说“我不知道!”
数据分析师往往是用经典案例套业务的需求,或者等待业务需求,然后数据分析来实现,得出分析结论提供给业务使用。但是业务需求变化多样,光靠套模型,并不能解决业务真正想要解决的问题,因此在分析前,一定要吃透分析业务分析需求。所谓吃透分析需求,就是对用户的需求进行深入理解,一方面是看需求是否合理,二是自身对业务的学习、理解过程,三是对需求的全面思考
其次,在分析完成提出解决方案的时候,多想一步,替业务解决后顾之忧,这一点是很多数据分析师目前的缺乏的,大部分人都只管展示自己用各种技术研究到的东西,不告诉业务“然后呢”,或者,分析了半天,告诉业务,其实我也不知道你花时间改了以后可以提升多少KPI,要不然你先改了试试......
做到上述两点,基本上你的建议是可以落地了。但我的建议是再加上最后一步:不断“跟踪”进行监测甚至迭代。其实,这一步和上一步联系非常紧密。有些数据分析的同学会把建议甩给业务,业务接受以后自己就不管了。但其实我很享受近距离观察自己的建议落地,并且持续监测各大指标,和业务一起优化的过程。当看到各项指标提升的时候,真的非常有成就感。另外,当我们的建议被市场和用户证明了是有价值的以后,我们和业务之间的信任度就会提升非常多,那我们以后的方案再落地也会容易的多。
总之,我们做数据分析,需要转变思维方式,急业务之所急。简而言之,就是“以终为始”——数据分析的终点,一直都是解决业务问题,而不是炫技,更不是使业务更加摸不着头脑。
我们该怎么去了解业务呢?可以从以下两个角度出发
1.锁定部门和KPI,从我们的经验讲起
2.围绕他们的困难点,切磋思路,从而挖掘到真实的需求
可以用上面这个表格来帮助理解业务,简单来说就是,你得知道和你对接的业务部门的工作内容?他们最关注什么数据?有哪些环节会产生数据?以及哪些行为对数据会产生影响?为什么这些行为会对数据产生影响?影响的幅度大吗?回答好了上面这个表格的问题,你就算对业务有所了解了。
怎么更具体地了解业务?可以通过业务模式、产品、渠道、用户、运营、部门、KPI来充分了解一个公司的业务、信息。具体的方法之前写过了,这里就不细讲了:不懂业务就不要谈数据分析
最后是搞定其他角色,比如领导,要学会积极向上沟通和管理,说服老板来肯定你的结论,这样其他部门就自然没有意见了。因为本质上看,想驱动决策需要的不是数据而是权威;想提升效率,需要的是把数据优化的结果融入业务过程。如果老板数据化管理意识淡薄,喜欢讲经验、拍脑袋,那驱动决策就无从做起。如果业务部门只喜欢按自己的路子来,对分析结果不管不顾,或是喜欢在分析里夹自己的私货,那提升效率也无从谈起了。所以真的想改变这个情况,需要的不是更复杂的方法或者自动化报表,而是想办法争取老板的认可、业务部门的参与。不要让我们的分析结果躺在PPT里。
BI商业智能BI产品更多介绍:www.finebi.com