做有用的数据分析,从做好MVP开始

共 2988字,需浏览 6分钟

 ·

2021-01-15 04:36

新年到来,很多同学雄心勃勃想在工作中做出成绩,这里推荐数据分析的MVP方法,能为大家的工作保驾护航。同学们坐稳扶好,下边开始系统讲解哦

 

 0  

数据分析的MVP是什么


MVPMinimum Viable Product)原本是应用于产品设计的方法。指在正式推出产品前,先推出一个版包含核心功能的简单版本,测试用户需求与反馈,从而快速判断产品是否符合市场需求,做出调整。

 

数据分析的MVP方法,是在数据正式生产出来以前,先根据数据需求和使用场景,提供虚拟的数据结果,从而检验数据有效性,发现真正的数据需求。

 

这套方法在数据分析领域非常好使!因为它能解决数据分析的核心难题:做了半天,没有屁用。数据分析背后的《统计学》《数学》《运筹学》《博弈论》《机器学习》各种理论多了去了,因此极易引发自嗨。做数据的自己嗨得不行,各种理论算的腾挪跌宕,到了用户那里:


★ “我早知道了!

★ “你做的有啥用!”

★ “你做的咋落地!”

一键三连。这项目就必败无疑了。

 

数据分析的MVP方法,目的就是提前梳理清楚:数据如何对业务有用的逻辑,从而避免上述悲剧。而看似牛逼,实则然并卵的数据分析,在现实中多的很……


 1  

1.0版本MVP


举个简单例子,比如互联网平台-广告销售团队提出:“要建立业务员用户画像,掌握每个业务员的性别、年龄、行为、转化率,以提高业绩”。

 

这时候咋办?

 

如果用MVP思路,先不要急着去跑数,也不要急着列一大堆“用户画像标准指标”,而是直接拿着业务方提的最初的需求:“性别、年龄、行为、转化率,以提高业绩”直接给一个虚拟结果,然后确认:“如果我真的提供这些东西,你们真的能提高业绩?”——让他确认


                          

至少只基于这一句话来看,数据分析能输出的结论是完全无用的。1.0版本的MVP测试不通过,要么放弃这个需求,要么继续想想:该怎么更好的抓用户痛点。这样把数据推向2.0版本。


 2  

2.0版本MVP


进一步看,1.0版本的问题在于:没有清晰目标。所谓画像指标一大堆,到底看了要干啥没想清楚。如果聚集目标,比如:找到业绩好的业务员。这样就更清晰了一步。


这里就需要引入更多分析,因为“好”“不好”本身就需要做分析

1、用什么指标衡量好

2、连续好,还是单次好

3、在什么范围内评选好

 

在这个阶段,做MVP时,可以直接把一些可预计的,很纠结的问题提前丢出来,和业务方一起提前思考应对方案,而不是等着跑了一大堆数据,自己闷头计算好几轮以后再讨论。越早讨论,越能提前刨累,避免无用功。

 

比如评价:“好/坏”中常见的多指标重叠问题(如下图)


 

比如业绩表现不稳定问题(如下图)


 

至于和本阶段无关的指标,可以大胆做减法,丢了再说。有新的目标出来,再围绕新的目标组织数据。避免不分青红皂白,先捞一堆数再说的做法——数据分析师不能按时下班,都是被这些破事折腾的。

 

把这些梳理清楚,就有了2.0版本的MVP。(如下图)


 

看起来,似乎已经比1.0版清晰了很多,删减了很多无效指标,聚焦到一个明确的目标上。注意,这时候仍然还没有跑任何数据,只是基于经验的虚拟,但是已经能把“早就知道了”的数据暴露出来,并且能过滤掉“其实没啥用”的指标,并且把可能有歧义的地方以具体案例的形式具体讨论,从而极大规避问题。

 

但是注意,这还不是一个合格的MVP,因为知道谁好谁坏,又能怎样?知道李四是真的好了,大家就能成为李四吗?还是根本李四是不可复制的,我得找更多类似李四的人进来?这些问题都没有答案。所以此时还是无法直接得出:这数据就能提高业绩。MVP测试不通过,继续!


 3  

3.0版本MVP


只告诉谁好,谁不好是不能提升业绩的。业绩是一线做出来的,一线需要的是SOP,是弹药,因此数据要进一步做,比如:

1、优秀标杆的数据指标(呼叫次数?时间分配?跟进机会?

2、优秀标杆的目标客户(是否特定客户容易成功?

3、优秀标杆的销售技巧(用哪些话术?利用哪些物料/活动?

 

注意,这里已经不仅仅是数据的范畴了,数据只能打标签,列指标。但话术、语气、时机把握是需要培训/业务部门提供的。因此在此阶段做MVP的时候,可以直接向业务部门明确:是否只输出数据就能满足需求。如果不能,趁早拉其他部门一起干活,不要自己埋头别憋数据。



 4  

4.0版本MVP


看起来3.0本已经很厉害了。然而有个隐藏的BUG,就是别人有没有可能学会。注意,这个不可知,会极大的阻碍业务认可数据分析的结果——落地不见效,到底是因为数据分析结论错了,还是执行没到位?这个可得提前安排明白,不然事后背锅分分钟的事。

 

因此,还需要在现在版本基础上,增加测试环节,检验到底有没有用。


这样,又涉及到:

1、选多大范围进行测试

2、测试时间周期多长

3、如何排除节假日、活动等其他因素

4、测试结果认证标准

 

把这些想清楚了,就有4.0版本。


 

在这个阶段,终于能将数据需求,指向一个业务期望的“提升业绩”的结果了。并且最终结果有测试数据回收验证,即使测试不成立,也有备用方案垫底。这时候可以放心大胆去跑数,跑出来一定有用。


 5  

MVP测试的广泛应用


注意,MVP测试,是紧密围绕用户需求的。上边的例子之所以做了好几个版本,源头上是因为用户期望值高,指望直接见业绩。如果用户期望值不高,MVP测试可以很简单。


比如:

★ 用户需求是:目前没有数据→ 尽快提供数据

★ 用户需求是:目前数据太多→ 删掉无用指标

★ 用户需求是:目标数据太乱→ 重新整理逻辑

★ 用户需求是:不清楚问题在哪→ 输出可量化的问题点

这些只要提前虚拟个数据,做个图确认下需求,就能解决

 

稍微复杂一点的,比如用户需求是:精准预测销量,可能只要梳理两三步,就能更细化范围,提升有用程度(如下图)。



 6  

为什么要推MVP方法


数据分析领域,一直有一个八爪鱼派在流行,就是不管有没有用,不管有没逻辑,像一只八爪鱼一样丢一大堆指标过来(如下图)


 

这种做法,张牙舞爪,看着厉害,可是实际上却是项目失败的根源。让做数据的人误以为工作就是做作业,不考虑实际效果,一味贪大求多,最后累得半死还不讨好。

 

相比之下

★ 多研究业务数据的基本形态

★ 多发现业务对数据实际需求

★ 多测试数据有用的点

★ 剔除无用的,空洞的,高大全的指标


这样才能更快的积累分析经验,让数据更好发挥作用。有兴趣的话,点亮右下角的“在看”,集齐60个,我们看一个从最简单的数据指标出发,逐步驱动业绩升级迭代的例子,敬请期待哦!


原创精选:


你得懂业务逻辑,知道业务部门在想什么,才能使用好数据分析的各种手段,陈老师在《业务知识一站通》视频课程有详细讲解。学习课程还可以加入学员群,和陈老师一对一讨论问题,提升能力。
点左下角“阅读原文”听陈老师讲课噢!
《业务知识一站通》
长按扫描二维码
了解陈老师的视频课程
还可加入学员群
享受陈老师一对一咨询服务
浏览 17
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