专栏首页接地气学堂多维度数据分析是什么?该怎么做?

多维度数据分析是什么?该怎么做?

做数据分析的同学们都遇到过这个问题:从多维度分析问题,提出对业务有意义的建议。这个题目看起来很简单,可很多同学辛辛苦苦跑了一堆报表,结果只落得业务一堆抱怨:

  • “你这一堆说明了啥!”
  • “你的重点在哪里?”
  • “你的维度太单一了!”

好!冤!枉!

明明出了那么多组数据,为什么还被说“分析维度不够多?”今天我们系统解答一下。问题的本质是:业务口中的“多维度”,完全不是你想的那个“多维度”

1

数据分析眼中的多维度

对数据分析师而言,多维度,往往指的是数据指标的拆分维度。举个简单的例子:3月份销售额3个亿。这就是一个指标,没有拆分维度。如果加了分类维度,就是下边的效果:

注意:比起只看总数,用多维度拆解数据,是能更精确的定位数据的。常见的方法有两种:一、添加过程指标;二、按业务管理方式添加分类维度。比如只看总销售金额,我们发现差3000万达标,可我们并不知道为什么不达标。这时候如果拆解细一点,比如:

1、添加分类维度:看到哪个业务线没做好(如下图)

2、添加过程指标:看到从用户意向到付费,哪个环节出了问题(如下图)

增加过程指标+分类维度,就能更精准的定位问题。甚至一些简单的结论已经呼之欲出了。正因如此,很多数据分析师把业务口中的“多维度”,直接理解成了“维度多”。一听到要做分析,振臂高呼“拆!拆!拆!”层层叠叠做了一大堆交叉表,把各个分类维度的数据都做了出来(如下图)。

然而,仅仅“多”,就足够了吗?

2

业务眼中的多维度

业务口中的“多维度”,完全不是这个意思。业务脑子里装的是不是数据库里的表结构,而是一个个具体的问题。当业务看到“3月份销售没有达标”脑子里想的多维度是这样的:

是不是看傻眼了。

你会发现,单纯的拆解数据根本无法回答上边的问题。是滴,一个都回答不了。甚至单靠看数据都没法回答这些问题。即使把问题定位到:“3月业绩不达标是因为A大区3个分公司的客户意向签约太少”,定位到这么细的程度,也不能回答上边的问题。因为到底意向太少,是因为对手发力了、产品没做好、活动没跟上、用户需求有变化……还是没解释清。具体的业务问题,一个都没有回答。自然业务看了一脸懵逼了。

3

真正的多维度分析,这么做

从本质上看,真正的多维度分析,其实考的不是数据计算能力,而是策略能力。具体来说是三个方面:

  1. 把业务上理由,转化为数据上论证。
  2. 堵住借口:业务不要总试图甩锅,集中精力想能干点啥。
  3. 找到症结:在一堆影响因素里,找到最关键的那个,集中发力。

注意,这三件事是有顺序的。先把数据论证方式列清楚,避免大家放空炮(数据不能论证的理由就闭嘴,是个非常好的议事规则)。之后先堵借口,找借口并不能解决问题,因此先把各种逃跑路线堵上。最后再集中想办法,想办法的时候,从大到小,从粗到细,先搞大问题。综上,这个事可以分六步做。

第一步,要先对业务明里、暗里提出的说法做分类。

对每一类问题,构建分析假设,把业务理由转化为数据逻辑,拿数据说话(如下图)。

第二步,优先排除借口

让大家把精力集中在。往往借口产生于:宏观因素、外部因素、队友因素。所以在这里,关键是证伪。只要能推翻他们的逃跑借口就行。证伪最好用的办法就是举例法,同样是下雨,为什么别人就抗的住。同样是流量难搞,为啥别的业务线能持续增长?(如下图)。

举例法还有个好处,就是在反驳借口的同时,也指出了解决问题的出路。业务最讨厌光讲问题不讲方法的人,因为喷人人人都会,解决问题可就难了。给出具体的学习对象,可以极大的激发业务思考对策,从而达到双赢的效果。

第三步,解决白犀牛,剔除明显的重大影响

比如监管政策、公司战略、重大外部环境等等因素,确实会对企业经营起到重大作用,并且这些因素是普通小员工只能接受,不能改变的。但是!这种重大因素表现在数据上,有严格的要求(如下图)。

因此如果有人想推脱给这些因素,要看:

  1. 事实上有没有发生这个事
  2. 数据上符合不合符走势

以此敲警钟:不要事事都怪大环境不好。你丫走到哪里都是大环境不好,你是影响大环境的人呐!先排除这种大因素的影响(或干扰)再聚焦看我们能做什么事情。

第四步,解决黑天鹅,剔除明显突发事件

如果发生的真是突发事件,很容易找到问题源头

  • 正向的:促销活动,某群体用户骚动,新产品上线……
  • 负向的:恶劣天气,突发事件,系统宕机……

因此先排除单次突发问题,找清楚一点原因以后,再追溯之前的情况,就容易说清楚。

第五步:按分工锁定问题点再谈细节。

解决了大问题以后,想讨论更细节的问题就得锁定部门,先定人再谈计划。之前已有分享,这里就不赘述了。

▌第六步:锁定细节问题。

请注意,即使聚焦到一个部门的一个行动,还是很难扯清楚:到底是什么业务上原因导致的问题。因为本身业务上的事就是各种因素相互交织很难扯清,比如:

  • 内容运营:传播渠道、主题、调性、风格、图片,发送时间,差一个都可能扑街
  • 活动运营:目标群体、活动门槛、奖励内容、参与规则,差一个都可能扑街
  • 用户运营:新人进猛做留存就差,留存猛做新人进费用就少,两头都做两头投入都不够
  • 商品运营:选款时候看100个维度,可一天不上线一天不知道真实表现,你上了,他扑了
  • ……

可能做数据的同学本能反应是:能做ABtest呀。实际上大部分业务是没有时间、空间做ABtest 的,而且有些东西(比如选品、文案)影响维度太多,得做无数组ABtest才能测清楚。而且对已经发生的事,也没法再做ABtest了。所以想区分相互交织的因素,还得有更多辅助方法配合。如果大家对这个话题感兴趣,本篇集齐60在看,我们下一篇来分享:如何区分这些纠缠在一起的原因。

本文分享自微信公众号 - 接地气学堂(gh_ff21afe83da7),作者:接地气的陈老师

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2020-03-10

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 数据分析没有思路怎么办

    数据只是数据分析的素材,数据分析则是一个系统工作。就像我们想做一个大盘鸡招待客人,光从菜市场买一只冰鲜鸡回来是远远不够的,还得:

    接地气的陈老师
  • 数据分析报告,就该这么写

    很多同学喜欢问:有没有数据分析报告模板可以抄。其实如果掌握了写报告的方法,根本不需要模板抄。而所谓的模板,为了图高大全,往往章节很多很多很多。真实工作中真这么汇...

    接地气的陈老师
  • 手摸手教学之:梳理数据指标体系

    大家好,2020年开年就是一波疫情,就业和经济形势都很严峻。为了提升同学们的职场竞争力,为灾后重建做点贡献,陈老师特别推出一个系列教学。从数据分析的基础方法到具...

    接地气的陈老师
  • 12. 小结:建立开发集和测试集

    • 从分布中选择开发集和测试集 ,它需要反映你将来的数据情况,并且它的效果足够好,这可能与训练的数据不在同一分布。

    YingJoy_
  • 12. 小结:建立开发集和测试集

    YingJoy_
  • UIAlertView、UIActionSheet、UIAlertController使用(一)UIAlertView(二)UIActionSheet(三)UIAlertController

    VV木公子
  • Docker最全教程之Go实战,墙裂推荐(十九)

    Go(又称Golang)是Google开发的一种静态强类型、编译型、并发型,并具有垃圾回收功能的编程语言。在2016年,Go被软件评价公司TIOBE 选为“TI...

    心莱科技雪雁
  • Docker最全教程之Go实战,墙裂推荐(十八)

    Go(又称Golang)是Google开发的一种静态强类型、编译型、并发型,并具有垃圾回收功能的编程语言。在2016年,Go被软件评价公司TIOBE 选为“TI...

    雪雁-心莱科技
  • Error: must set key for <rc-animate> children

    杭州前端工程师
  • 【译】Go 语言实践:编写可维护的程序的建议

    本文为 QCon 2018 上海站主题演讲嘉宾、Heptio 资深工程师、著名 Go 语言专家 David Cheney 关于 Go 语言实践的英文分享。为方便...

    Austin

扫码关注云+社区

领取腾讯云代金券