|
大部分数据分析刚入门的时候，都难逃工具人的宿命，每天被业务吆来喝去的取数据，数据有问题要担责任，报表做了一堆，最后功劳还都是业务的，好不容易熬到了正经的业务数据分析，又不知道该怎么做了，拿着一大堆数据，业务随便抛出个问题，自己根本不知道从何下手，好不容易做出了分析结果，业务又不满意了，说没有价值，有时候老板也不认同。都说数据分析要落地业务才有价值，说起来容易做起来难啊！ 为啥我们做的数据分析难落地？为什么我们的数据分析往往很难落地呢？在说原因之前，我们先来分析一些都是谁在反对我们的分析结果 第一个肯定是业务，很多数据分析师只关注于数据本身，不懂的业务逻辑，所以做出来的东西就会十分的浅显，比如说PV、UV的问题，业务自己肯定知道表面原因，它需要的是深层次的原因，以及做法；另外一方面，千万不要跨过业务部门去提高业绩，我们的工作不是为了验证数据分析能够带来效率的提高，虽然最终体现在业务效绩上，但是你要是提高了业绩，你让业务怎么办？业务存在的意义不就没了嘛，人家自然不会把主动权给你，所以从主动权和被动价值上看，业务都是不会轻易认同我们的数据分析价值的。 然后是领导层，我们还是先从被动价值上看，领导要的结果很简单，提高利润，减少成本。假如说你拿着一份数据分析报告去找老板，说我们要加大广告商的投入，老板问你为什么，你拿着分析报告解释说这样可以提高利润。那么涉及到钱的问题，老板一定会谨慎，所以你需要十分严密的说服逻辑去说服领导，让他们接受你的结果，但是往往老板更相信自己的感觉，所以你的结果如果有任何的一丝不准确，那么就over了 再从主动权上讲，谁来做决策？数据分析来做决策吗？不是，那要领导也没用了，我们数据分析的目的千万千万要记住，是辅助决策，是指导决策，我们的角色是大臣，不是皇帝，决策权不在我们手上，所以千万不要跟老板要求去做数据分析，说不这么做的话我们公司的业绩就完了，老板凭啥信你？凭啥信数据？所以你要做提案，用详细的逻辑去说服。 最后就是自己，也就是我们自身做数据分析的时候，有可能也意识到了，数据分析看上去就是个很虚的东西，我们可能做了很久，但是确实是没什么价值，主要还是在于我们没有什么业务的经验积累，很多人都只是埋着脑袋干活，没有仔细去思考核心的问题和解法。 从数据分析的层次上看，很多人仅仅是做到了第三层的分析结果，而忽略了数据分析方案的落地以及让其产生业务价值，这是阻碍数据分析人进阶的最大问题！ 问题究竟出在哪？ 数据分析的结果如果不能落地，那就只是纸上谈兵；只有真正落地被执行之后，见到了业务的提升，才是数据分析人员的价值所在。 我们可能做了很多的数据分析工作，自认为是有价值的，但其实这里面有一个很大的坑：是否有价值不是由我们来判断的，而是由业务来判断的。 首先，再次强调请树立一个正确的意识：数据分析的目的始终都是解决业务的问题。如果业务发自内心认为我们做的东西有价值，那他们自然而然就会执行分析结果了。 所以数据分析不能落地往往有这么几个原因： 1、我们的数据分析结果可能是错的 比方说你在分析过去一年来产品销售的情况，如果你使用公司的数据库来提取这些数据，首先就需要了解数据库内数据的来源。如果这些数据有缺失，分析师往往很难察觉，一线人员比分析师更有经验来判断这些数值准不准确，如果他们感觉数值不准确就不会相信分析师的分析结果。 2、我们的数据分析结果可能没有实施价值 有的时候就算分析结果准确，实施起来可能也不那么容易，换句话说实施的成本太高。 老板更相信自己的经验，而不是结果老板或者业务觉得数据分析有价值，但是需要做更有价值的事情，也就是数据分析的结果性价比太低。 其他的相关部门不重视有时候数据分析并不是只关联业务部门，其他部门的资源是一定稀缺的，要说服他们支撑我们的数据分析是件很困难的事情。 总结成一句话，其实就是数据分析落地业务的时候，受自身、业务和其他角色三重阻力，想要实现业务赋能，就要想办法克服这三重阻力。 数据分析怎么落地业务？想要突破三重阻力的桎梏，就要从自身、业务与其他角色三个角度入手，逐个击破。 1、搞定自身 首先要避免自己的数据分析是错误的。虽然不可能有不犯错误的数据分析师，但是我们可以尽量不犯低级错误，和自己的需求方进行反复沟通，同时要勇于说“我不知道！” 2、搞定业务 数据分析师往往是用经典案例套业务的需求，或者等待业务需求，然后数据分析来实现，得出分析结论提供给业务使用。但是业务需求变化多样，光靠套模型，并不能解决业务真正想要解决的问题，因此在分析前，一定要吃透分析业务分析需求。所谓吃透分析需求，就是对用户的需求进行深入理解，一方面是看需求是否合理，二是自身对业务的学习、理解过程，三是对需求的全面思考 其次，在分析完成提出解决方案的时候，多想一步，替业务解决后顾之忧，这一点是很多数据分析师目前的缺乏的，大部分人都只管展示自己用各种技术研究到的东西，不告诉业务“然后呢”，或者，分析了半天，告诉业务，其实我也不知道你花时间改了以后可以提升多少KPI，要不然你先改了试试...... 做到上述两点，基本上你的建议是可以落地了。但我的建议是再加上最后一步：不断“跟踪”进行监测甚至迭代。其实，这一步和上一步联系非常紧密。有些数据分析的同学会把建议甩给业务，业务接受以后自己就不管了。但其实我很享受近距离观察自己的建议落地，并且持续监测各大指标，和业务一起优化的过程。当看到各项指标提升的时候，真的非常有成就感。另外，当我们的建议被市场和用户证明了是有价值的以后，我们和业务之间的信任度就会提升非常多，那我们以后的方案再落地也会容易的多。 总之，我们做数据分析，需要转变思维方式，急业务之所急。简而言之，就是“以终为始”——数据分析的终点，一直都是解决业务问题，而不是炫技，更不是使业务更加摸不着头脑。 我们该怎么去了解业务呢？可以从以下两个角度出发
可以用上面这个表格来帮助理解业务，简单来说就是，你得知道和你对接的业务部门的工作内容？他们最关注什么数据？有哪些环节会产生数据？以及哪些行为对数据会产生影响？为什么这些行为会对数据产生影响？影响的幅度大吗？回答好了上面这个表格的问题，你就算对业务有所了解了。 怎么更具体地了解业务？可以通过业务模式、产品、渠道、用户、运营、部门、KPI来充分了解一个公司的业务、信息。具体的方法之前写过了，这里就不细讲了：不懂业务就不要谈数据分析 3、搞定其他角色 最后是搞定其他角色，比如领导，要学会积极向上沟通和管理，说服老板来肯定你的结论，这样其他部门就自然没有意见了。因为本质上看，想驱动决策需要的不是数据而是权威；想提升效率，需要的是把数据优化的结果融入业务过程。如果老板数据化管理意识淡薄，喜欢讲经验、拍脑袋，那驱动决策就无从做起。如果业务部门只喜欢按自己的路子来，对分析结果不管不顾，或是喜欢在分析里夹自己的私货，那提升效率也无从谈起了。所以真的想改变这个情况，需要的不是更复杂的方法或者自动化报表，而是想办法争取老板的认可、业务部门的参与。不要让我们的分析结果躺在PPT里。 |
|
|
