数据分析都提过什么样的奇葩建议-技术圈

数据分析师的工作内容中，不管是数据底层搭建，报表体系建设，数据维度拆解，问题原因分析等等，或多或少都和“数据”都有那么一点关系。

唯独“提建议”和"数据"几乎没有什么关联，反而和业务关系非常紧密。

所以对于大量技术出身的数据分析师来说，每次分析到了提建议的环节就特别痛苦。

今天就来聊一聊究竟如何提建议。

各种建议类型

做数据分析的目的是为了“发现问题，分析问题，解决问题”，这三个环节是连续的，你不能跳过分析问题，直接解决问题，换句话说，只有你分析出了问题的原因，才能解决问题。

提建议在这其中的作用主要是“解决问题”的部分，所以如果不会提建议，那么问题就出在这三个环节中的某一环，我总结有以下几种类型。

不知所谓型

第一种类型是不知所谓型，这种类型啥意思呢。看看下面这段文字：

不会提建议是怎么回事呢？建议这个词相信大家都很熟悉，但是不会提建议是怎么回事呢？下面就让小编带大家一起了解吧。

不会提建议，其实就是不会提建议。那么为什么不会提建议呢，相信大家都很好奇是怎么回事。大家可能会感到很惊讶，怎么会有人不会提建议呢？但事实就是这样，小编也感到非常惊讶。

那么这就是关于不会提建议的现状了，大家有没有觉得很神奇呢？看了今天的内容，大家有什么想法呢？欢迎在评论区告诉小编一起讨论哦

这是著名的“小编体”，不管发生了什么事，都可以用这个模式硬套。内容呢就是车轱辘话来回地说，一点实际意义都没有。

数据分析不少人其实也经常这么干：

过去一周的交易转化率最大值是10%，最小值是3%，平均值4.5%，中位数4.3%。。。

然后呢？建议呢？然后就没有然后了……

这类分析连问题到底是什么都不知道，也就没法分析问题，更不说如何解决问题了。

怎么办呢？

这类分析师一般是学会了数据分析的基础技能和工具，但是缺乏应用在现实世界的能力。拿着统计学的锤子，到处找钉子。

这类同学首先要解决的不是学习“提建议的n种方法”，而是要学习如何发现问题。

最简单的方法就是了解业务的指标体系。

指标体系是抽象后的业务，了解了指标体系，就初步了解业务的形态和关注点。即使对业务不是特别了解，单纯按照指标体系拆解也可以初步定位问题。

比如对交易转化率进行维度拆解，分不同时间，不同渠道，不同广告类型等维度拆解，这些能告诉我们目前这个转化率的水平到底处在什么水平？哪些地方好，哪些地方不好？

有了这些信息，就能“发现问题”，也才有可能继续往下走。

正确废话型

第二种类型是正确废话型。

当年巴拿马乒乓球运动员奥马尔为了和他的偶像张继科打一场友谊赛，不远万里来到中国。

赛前他到运动员休息室问怎么才能赢张继科：

马龙说：打他接不到的地方

许昕说：提高命中率

马琳说：你永远不丢你就赢了，你这球永远上台你肯定赢。

这三位不愧是高手，给的建议简单易懂，我觉得连我这样不会打乒乓球的人都已经知道怎么打败张继科了。

但似乎有什么不对的地方？

这种建议到了数据分析领域，就变成了了这样：

过去一周的交易转化率是4.5%，转化率较低，建议提升交易转化率。

这位同学相比不知所谓型的同学有了巨大进步，总算是提出了一个建议，实现了零的突破。

但是业务方可能会投来关爱智障的眼神。

提升转化率，说得轻松，怎么提升？你行你上啊。

怎么办呢？

这类建议的问题是，我们发现了问题，但是分析问题没有做到位，于是提出一个正确而无用的建议。

所以解决思路就在于，如何分析地更加深入。

这部分内容在之前文章有提到，感兴趣的同学可以看看，这里简单说下。

业务同学当然知道要提升交易转化率，但是需要需要具体执行的方法。所以在确定“提升转化率”这个建议的大方向的时候，要知道提升转化率都有哪些方法？

可能的方向有：找到更精准的人、找到更精准的转化方式、找到更精准的产品等等。

这三个方向都可以再次成为一个新的分析课题，比如我们可以分析如何找到更精准的人。

具体操作上，我们可以通过渠道分析看一下哪个渠道转化率更好，哪个渠道潜力更大。

这样提出建议的时候就变成了：

建议提高交易转化率，可以从以下方向尝试：

1.增加A渠道的投放资源；

2.停止B渠道的投放；

3.开拓和C渠道类似的小众垂直渠道

这样，这个建议就有了抓手。

天马行空型

第三种类型是天马行空型。

朋友对单身狗说：你总是一个人，为啥不谈恋爱呢？

单身狗：？？？

朋友给单身狗的这个建议对吗，理论上说确实是对的啊。

但是这个建议有用吗？

数据分析提建议的时候要么这么干的话，会是这样：

产品的交易转化率较低，建议：

建立用户画像体系，做精准化营销
产品售价降低10%，和竞品保持一致
在微信投放朋友圈广告，获取精准流量
……

这些建议还真的都能解决交易转化率低的问题，但是没有可操作性：

用户画像建立周期长，人员成本大，数据需求大；
产品毛利率太低，再降价10%就没利润了；
微信朋友圈广告价格高，虽然能提升交易转化率，但是利润就没了。

怎么办呢？

上述这种情况，分析师其实分析出了一些原因，比如流量不精准，产品售价高无竞争力等。但是提出的建议太天马行空，一看就是拍脑袋的结果。

这说明这些分析师还是理解业务模式的，但是脱离了一线，不知道有哪些现有条件下可用的方案。

最简单的方法就是提建议前和业务同学商量一下，看看业务同学目前有哪些手段可以用，以及他们觉得哪些手段更合适。因为最后是这些业务同学来执行，他们肯定不会胡乱提建议，否则最后还要自己来填坑。

扬汤止沸型

有句俗语，叫做：扬汤止沸，不如釜底抽薪。

意思是水开了,用水瓢扬一下热水,可以暂时止住开水，但是马上还会再开,然而把锅底下的火熄灭,就会永远止住水开。

扬汤确实可以止沸，但是效果不是很好。而釜底抽薪，则是一劳永逸的做法，相比扬汤是更好的选择。

但我们平时经常会提出扬汤止沸的建议。

交易转化率不高。三类广告样式中，A方案效果最好，建议广告形式全部采用A方案。

这个分析，相比之前非常深入，逻辑看起来也没有什么问题，算是一个不错的建议了。

但是这个建议仍然有问题，问题就是分析得不够全面。为什么优化方向一定是广告配置？

要想提升交易转化率，除了优化广告配置，我们还可以做很多其他的动作。比如优化渠道投放、调整投放时间等。

所以为什么要优化广告，而不是优化渠道呢？

虽然优化广告形式很可能会带来业务增量，但是因为没有考虑到其他情况，不知道目前真正的瓶颈，所以这个答案不一定是最优解，投入产出比可能有限。

没有看到问题的全貌，怎么知道这个建议不是在扬汤止沸呢？

怎么办？

一般的业务分析师提出这类建议其实没什么问题。毕竟现实中受限于时间、数据采集、商业复杂等因素，要完全分析清楚一个问题确实有点困难。而企业追求的是最终的效果，所以这类逻辑不那么完整建议一般来说是也是可以接受的。

毕竟这个建议只是逻辑不完整，不是完全没逻辑。企业为了追求有效，甚至只是“感觉有效”也是会做一些完全没逻辑的事情的：比如给服务器贴平安符。

不过你能来看这篇文章，肯定是对自己有更高要求的人。

如果真的想要做到思考全面的建议，要用系统性思维+结构化思维对商业模式进行全面的拆解，然后找出其中的核心问题，找到杠杆解。

全面分析业务，对思维能力和商业模式的理解要求很高，这样的分析师一般都是做决策支持，为高层领导提供战略性分析。

不管是思维还是商业模式的理解，都是内功。每个单独拎出来又是好几千字的篇幅，这里就不详细展开了。

自说自话型

最后一种类型是自说自话型。

女孩对男友说自己感冒了，有点难受。

男友说：多喝热水。

这个建议有没有错？

这个建议很正确，是有科学依据的。

第一篇文章标题翻译来是《煮沸饮用水对中低收入国家腹泻和病原体特异性感染的影响：系统回顾和荟萃分析》
第二篇标题翻译过来是《饮用热水、冷水和鸡汤对鼻黏液流速和鼻气流阻力的影响》

但是对方表示不想听，只想静静。

这种情况就是已经知道怎么解决问题，但还不知道如何让对方执行。

数据分析是一个很标准的“纸上谈兵”的岗位，只需要坐在办公室里看看数据，做做分析就有一种运筹帷幄之中，决胜千里之外的智力优越感。

但是你毕竟不是老板啊，凭啥你说的话业务同学要听啊？就算你的建议是对的那又怎样？

怎么办呢？

遇到这类问题的数据分析师，考验的已经不再是技能水平、分析能力、业务理解这些基础能力了，而是沟通表达、人情世故等软实力了。

要想要让对方做某件事，可以用fogg模型思考。

提升动机：建议的方向能不能和对方的KPI挂钩，如果能帮助对方完成KPI，那么我相信对方一定很乐意听从你的建议。比如提升交易率可以从渠道、广告、产品等多个方向进行优化，如果渠道运营的本月KPI刚好有缺口，那么就尽量从渠道方向进行分析。如果结果有价值，都不需要你想办法沟通，渠道同学自己就会来找你。

降低门槛：

这部分内容涉及如何写报告相关的知识，下一篇文章会详细说，这里简单说一下。