终于有人把业务数据分析讲明白了

大数据DT

共 5001字,需浏览 11分钟

 ·

2021-05-29 09:10


导读:本文主要内容有:业务数分的常规思路和三个分析模型。在分享之前,我们可以先思考几个问题:


  • 如何看待业务数据分析的?如何理解的?
  • 业务数据分析好不好?
  • 业务数据分析前景如何?

作者:红星
来源:木木自由(ID:huangxiang-1314)



先来想一个问题:如果我说,“这次分享,我PPT都是随随便便做的,前后也就不过三十分钟吧,内容呢也是想到哪写到哪,大家就随便看看就好了。这次准备分享的过程,是不是随意?”

请问,我说的话里面,有没有问题?为什么?大家也可能看到了,我的ppt有50多页,按每2分钟做一个PPT,那么50多页的PPT也是需要100分钟,不可能前后不超过30分钟,所以,我想表达的是需要有基本的常识!

当我们做分析时有如下要点:

  • 有一个基本的判断
  • 找到相应的数据支撑
  • 用数据来支持你的判断,或者推翻你的判断
  • 有必要的话,还要做一个报告,进行展示
  • 有必要的话,跟我反馈,或者给我建议,或者与我进一步沟通汇
  • 总所有的数据和结论,进行总结(新的判断)
  • 形成闭环

当我们了解了做分析时,需要注意的要点时,我们心中基本就有一个业务数据分析简要的流程:拿到数据 → 分析数据 → 得出结论。


那么,问题来了:(拿到数据 → 分析数据 → 得出结论)这个流程有没有问题?是不是大家都觉得其实没有问题,但是又总感觉缺了点什么,缺了什么呢?不清楚。那不妨我们可以来做一下模拟演练!模拟演练和复盘其实是一回事,都是对实际场景的一种复现。


  • 拿到数据:从哪里拿?什么时候拿?

所以这里可以分解出,拿到数据有这么几部分:我们需要一个数据库(搭建框架),然后我们在数据库里面进行提取数据

拿到数据可分为搭建框架、提取数据。


  • 分析数据:同样的道理,这一环,能怎么分解呢?

拿到数据后,不一定直接管用,所以要对脏数据做数据预处理,预处理后拿到了干净的数据,开始分析,这里一般根据分析的目的,会区分为几种分析思路:描述性分析、预测性分析、验证性分析·····(这里就不一一暂不展开)

复杂的分析模型,需要对数据进行建模,所以这一环叫数据建模,建模完成后,有一个大概的结论了。

你会想,这个结论会不会有问题呢?所以,要想一想,数据分析过程中会不会有一些错误的产生,这一步叫做数据验证,通过验证,数据没问题,结论应该也还OK。

那么,分析数据这一环应该可以结束了。分析数据可以分为:数据预处理、数据建模、数据验证。


  • 得出结论:分析完数据,之后我们就需要向上做汇报了

要怎么才能让汇报对象接受自己的分析结论呢?这一步叫数据展现

我们展现的内容可能有很多内容,这是就需要要写报告

可作报告可能还不够,此时我们还要做演讲,让别人清楚的了解报告的内容。

那么,得出结论可以分为数据展现、撰写报告、报告演讲。


现在,数据展现了,报告做好了,演讲说完了,听的人也接受自己的观点了,下一步是啥呢?分析新的问题?还是继续追踪原来的问题?这里就是闭环了。

所以,比较完整的流程,是这样的:

搭建数据库--数据提取--数据处理--数据分析--数据展现--撰写报告--报告演讲--闭环

但是,大家有没有遇到一种情况,就是在你汇报的时候,人家问你,不对不对,我要你分析的问题不是这个问题,你回去重新搞吧。你会不会原地爆炸?你会想问题到底出在哪里了呢?

对了,是分析问题的确认。如果没有确认清楚,就开始吭哧吭哧的干,可能最后还得落到一个前功尽弃的结果,所以,在数据分析所有环节之前,应该加上一个:明确问题

避免给自己埋坑,因此,比较完整的流程,应该是这样的:

明确问题--搭建数据库--数据提取--数据处理--数据分析--数据展现--撰写报告--报告演讲--闭环


现在大家重新回顾一下,我们是如何从三个环节的分析流程,演变成九个环节的分析流程的,值得注意的是,我这里说的是“演变”

那么,如果我们的流程,可以从三个演变成九个,那么可不可以从九个,演变成更多?答案是完全可以!

例如,第一个环节,明确问题,这个地方,就可以这样演变,问题是谁的问题?是直接领导安排的问题,还是隔壁部门求助的问题,问题的跨度是大是小?是可以在短时间内解决的,还是需要好几周才能搞定,问题涉及的部门是多还是少?是否需要涉及跨部门沟通?需不需要申请额外的权限?等等等等。

这里面涉及到两个重要的分析方法,我们等会会讲,一个是5W2H,另一个是逻辑树。对刚才明确问题环节中演变的思路,其实就是5W2H;刚才从三个分析节点演变成九个分析节点的思路,其实就是逻辑树。具体我们后面再讲。

好了,我们思路讲完了,该讲讲工具了。作为一个专业的数据人,我们需要使用哪些工具?又应该使用到什么程度才可以呢?

我们来看一下,如下图:



在开始第三部分之前,我们可以思考一个问题:“光学会了工具,就可以做好数据分析了吗?”。

要做好数据分析,不仅要学会工具的使用(硬技能),还要学会数据分析思维,其中就包括常用的数据分析模型或方法(软技能)。

明确问题环节中,还可以延伸出更具体的情况,例如问题是谁的问题?问题的跨度是大是小?等等,其实就是5W2H分析方法。从原本三个分析节点演变成九个分析节点的思路,其实就是逻辑树分析方法。

那么,我们现在来了解三个好玩的分析模型:

  • 5W2H分析方法
  • 逻辑树方法
  • 对比分析方法


5W2H要解决的问题是,把你的问题彻底弄清楚。

我们来讲一个卖土豆的故事:

一个叫约翰、一个叫哈里的两个年经人,同时进入一家蔬菜贸易公司。三个月后,哈里很不高兴地走到总经理的办公室,向总经理抱怨说:

“我和约翰同时来到公司,现在约翰的薪水已经增加了一倍,职位也升到了部门主管。而我每天勤勤恳恳地工作,从来没有迟到、早退,对上司交代的任务总是按时地完成,从来没有拖沓过,可是我的薪水一点没有增加,职位依然是公司的普通职员。”

总经理没有马上回答哈里的问题,而是意味深长地对他说:

“这样吧,公司现在打算预订一批土豆,你先去看一下哪里有卖的,回来我再回答你的问题。”

于是,哈里走出总经理办公室,找卖土豆的蔬菜市场去了。

半小时后,哈里急乎乎地来到总经理办公室,向总经理汇报:“二十公里外的集农蔬菜批发中心有土豆卖。”总经理问:“一共有几家卖土豆的?”哈里挠了挠头说:“我刚才只是看到有卖的,没有留意有几家,你等一会儿,我再去看一下。”说完又急乎乎跑出去。

二十分钟后,哈里喘着气跑回总经理办公室汇报,“报告总经理!一共有三家卖土豆的。”总经理问:“土豆的价钱是多少?三家的价格都一样吗?”哈里楞住了,挠了挠头说:“总经理,你再等一会儿,我去问一下价格。”说完,又要往外跑。这时,总经理叫住他:“你不用再去了,你去帮我把约翰叫来吧。”

三分钟后,约翰和哈里一起进了总经理办公室,总经理先对哈里说:“你先坐下来休息一下吧。”然后对约翰说:“公司现在打算预订一批土豆,你去看一下哪里有卖的?”

四十分钟后,约翰回来向总经理汇报:

“在二十公里外的集农蔬菜批发中心有三家卖土豆的,其中两家是0.9美元一斤,但一个老头的只卖0.8美元一斤。我看了一下他们的土豆,发现老头的最便宜,而且质量最好,因为他是自己农场种植的。如果我们需求量大,价格还可以优惠,并且他有货车,可以免费送货的。我已经把老头带回来,就在公司大门外等着,要不要让他进来具体谈一下?”

这时,总经理才对看着目瞪口呆的哈里问:“你都看到了吧!如果你是总经理,你会给谁加薪晋职呢?”

接下来,我们来看看5W2H分析方法的两个应用案例!


通过以上两个应用案例以及买土豆的故事,5W2H分析方法模型看似简单,但是并不简单!

人,最难的是认清自己。所以要彻底搞明白你要分析的问题,也是不容易的。把问题弄清楚,有两个好处,第一是让别人觉得你很专业,很靠谱;第二是避免返工,提升效率!

很多领导都会说,“这个问题我只说一遍”,但是只听一遍有很难记住全部细节,那么应该怎么办?我觉得你应该知道如何做了。


逻辑树方法要解决的问题是,拆解和演变。


我们来看一个“马斯克造火箭”的案例,怎么把成本从100亿美元降到20万美元?

马斯克,特斯拉电动车公司的老板,他有一个火星殖民计划。其中一个最大的问题在于成本。根据保守预估,将乘客用火箭送到火星上去,再送回来,成本大概一个人100亿美元,马斯克希望把去一次活性的成本,从100亿美元,降到20万美元,相当于原来的0.002%。这是如何做到的呢?


我们来看一个“芝加哥有多少钢琴师?”的案例,这一类估算的问题,又称为“费米问题”,例如:北京有多少量特斯拉汽车?某胡同口的煎饼摊一年能卖出多少个煎饼?深圳有多少个产品经理?一辆公交车里能装多少个乒乓球?等等。


通过以上应用案例,逻辑树模型可以比喻天下大事必作于细,天下难事必成于易!

  • 在没有分析思路的时候,拆解也许是个好办法。还记得微积分里面的内容,就是将一条连续的线进行无穷小的切分,使得原本无法直接计算的部分变得可以计算了,这就是拆解的魅力。
  • 费米问题可以考察一个人有是什么样的思维方式。公司招聘中,需要的是能把事情做成、有严密逻辑推理和分析能力的人,而严谨的推理能力,需要经过长期的后天训练,才有可能学好并掌握到位。

思考:业务数据分析与商业数据分析的区别在哪里?


对比分析方法要解决的问题是,通过锚点形成分析结论,还可以通过设计锚点,来影响消费者心理,提升业务!


通过以上应用案例,对比模型在数据分析中应用非常广泛,需重点掌握!

  • 同比与环比,实质上是关于时间的对比
  • 自己产品水平与市场平均水平的对比,则是竞品分析
  • 设置对照组的方法,则是经典的A/B测试
  • 假定结论后验证正误的方法,则是假设检验
  • ……
  • 还有许许多多分析的分析模型,都有对比的味道
  • 对比的两个重要因素:参考系、结论


以上就是本次分享的全部内容!所以,如果面试官问你,平时有什么分析思路?用过什么分析模型?平时是怎么分析的?你应该知道回答了吧!

现在,我们来总结一下,今天分享的主要内容:

几条原则:

  • 做一个对世界充满好奇的人
  • 要有基本的常识
  • 模拟演练和复盘其实是一回事,都是对实际场景

业务分析流程:

明确问题→搭建数据库→数据提取→数据处理→数据分析→数据展现→撰写报告→报告演讲→闭环

三个分析模型:

  • 5w2h分析法(要解决的问题是,把你的问题彻底弄清楚)
  • 逻辑树分析法(要解决的问题是,拆解和演变)
  • 对比分析法(通过锚点形成分析结论,还可以通过设计锚点,来影响消费者心理,提升业务)

业务数据分析,最重要的高阶思维,要站在足够高的角度来审视数据和问题,才能找到问题的核心。读书不仅仅是学习到知识,更重要的是拓展认知的边界,知道自己知道什么,知道自己不知道什么。在扩展自己知识体系和提高认知能力上面,有两个最重要的步骤,第一是刻意练习,第二是广泛阅读。

最后,祝愿大家都能在自己所在的领域内,用数据思维,成就更好的自己,在可预见的未来,遇到更好的自己。


延伸阅读👇

延伸阅读《关键迭代:可信赖的线上对照实验

干货直达👇


更多精彩👇

在公众号对话框输入以下关键词
查看更多优质内容!

PPT | 读书 | 书单 | 硬核 | 干货 | 讲明白 | 神操作
大数据 | 云计算 | 数据库 | Python | 爬虫 | 可视化
AI | 人工智能 | 机器学习 | 深度学习 | NLP
5G | 中台 | 用户画像 1024 | 数学 | 算法 数字孪生

据统计,99%的大咖都关注了这个公众号
👇
浏览 8
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报