数据分析师的专业性，都体现在答题里
共 2051字，需浏览 5分钟
·
2021-09-07 21:49
对数据分析师而言，应对问题技巧非常重要，回答的好的话，不但能先声夺人，体现自己专业性，也能扫清障碍，避免后续工作踩坑。这里有个非常简单易行的五步法，分享给大家。
01
职场上的工作问题相对单纯，不像平时闲聊那么多了家长里短、绯闻八卦、国际形势。作为提供数据分析、用户洞察、营销建议、执行总结等等服务的顾问，面临的问题就更具体。简单总结一下，可以归纳为5个类型（见下表）。
这5个类型有内在逻辑：这就是人们思考解决问题的基本路径。看到一个真实的事件，人们会对它做判断：丫到底是不是个问题。这就需要有判断标准，下一个结论。
如果是个问题，为什么会发生？是否会引发更大的问题？思考清楚后，对症下药。再考虑我要怎么解决它。
然鹅不是所有人干活都这么理性。比如：
没有看到“是多少”就瞎问“为什么”：“为什么我们的服务做得那么差！难道只有我一个人这么认为吗”——亲，客服/用研/社交媒体/渠道部都没有数据，真的只是你一个人……
讲“是什么”不提明确标准：通篇都是“我觉得很好，我认为很差”——到底什么算好？这个好的标准是否是普遍标准？？
讲“会怎样”不问“为什么”：“没有影响因素，没有分析假设就不能预测了？你们的阿尔法狗呢”——亲，真的预测不出来，不要说狗了，上大老虎都不行。
当然，还有更多的是连自己到底需要别人帮助什么都没想清楚的。
跟你絮絮叨叨半天这个项目的背景意义；
跟你哭哭啼啼好久老板怎么对他不满；
跟你轰轰烈烈强调重要意义；
可到底要干啥一点头绪都没有。
因此就必须有一个去粗取精的过程。当客户或者同事询问问题的时候，不管前边背景铺垫多长，后边诉说重要性紧迫性有多少，就紧紧抓住一个核心：提问题的人到底需要我提供什么？他目前已经掌握了什么？沉住气，弄清楚情况再下手。一步步来，把思考过程建立在扎实的数据/事实的基础上，而不是靠各种“我以为”“我觉得”动手。
02
回应问题的答案可能不是一个简单的：是/否，好/坏。而是有一系列逻辑。比如领导想了解销售情况，销量指标除了销售额，还有订单笔数、笔均金额、销售产品结构等等指标，所以需要有逻辑展开。针对具体问题（比如销售、推广、运营、活动），要结合具体业务流程来组织逻辑。从大的逻辑顺序来说，可以先按并行/串行逻辑分类，然后讲完一层再讲下一层。
来个销售分析的例子。比如销售额可以按各大区域分（并行逻辑），也可以按客流量、转化率、客单价来分（串行逻辑）。想要清晰表达，要按一个逻辑讲完。比如回答领导：“为什么这个月销量下降？”可以先并行看是所有区域都在降还是某些区域重点降，找到问题区域，再看为什么这些区域是客流不行还是转化不行。
或者也可以先讲，整体上是客流不行还是转化不行，再看是哪些区域不行的厉害。两个逻辑都能说清楚问题，采用哪个可以看领导的习惯、偏好、关注点来定。
如果让我们自己选，要选最容易突出问题的那种逻辑。比如本月销量问题就是某几个区闹出来的，那就直接按并行逻辑切入，先暴露这个主要矛盾。大部分的回答混乱，都是因为一套逻辑没讲完就换另一套逻辑导致的。
03
有了前两步，回答就是水到渠成的事。不了解情况，Ok，我们来解决“是多少”的问题。不了解原因，Ok，我们来解决“为什么”的问题。想预测走势，OK，我们来做个预测。回答得越直接、针对性越强，就越显得有条理。单刀直入，解决问题。回答的时候先讲答案，再提供辅助证据，大概格式如下：
有意思的是：通常刚入门的新人们是没有勇气跟客户/领导/上级直接沟通的，更没底气直接指出别人的逻辑问题。新人们往往更喜欢和自己死磕，默默听别人唠叨，记了一大堆笔记，然后对着《金字塔》，打开思维导图软件，可劲的想整出来一个清晰的逻辑。
可沟通本身是个garbage in garbage out的事。如果一开始没有清晰的思路，获得有效的信息，后续也整不出来啥。所以我才和几个老头子做个这个简化版思路，科学性向易用性低头，来个土枪土炮版，帮新人们更快上手。当然还有很多细节木有讲完，限于篇幅，有空再和大家分享。
了解陈老师的视频课程