大厂必考:数据分析如何实现闭环
![](https://image.woshipm.com/wp-files/2019/08/0GkAbc8ZooEsibtWEUNO.png!/both/32x32)
想要进大厂或者在大厂的职场人,我相信数据分析对你们来说是很重要的一项能力,而其中能否让数据完成闭环更是关键,希望看这篇文章能够在这方面给你们一些启发。
在工作报告、晋升述职、面试中,我们经常听到这种要求:
“业务有没有采纳过你的数据分析建议?”
“你做的数据分析,有没有落地效果?”
“你有没有实现闭环,形成方法论?”
其实,这些说的都是同一件事:做数据分析,不能光自己搓代码,要有落地应用,形成所谓的“闭环”。可到底该怎么实现这种效果?很多同学并没有清晰的想法,也因此难以通过面试or晋升考察。
今天带大家盘点一下,实现闭环的三种模式,看看哪一种适合自己。
一、方式一:目标导向的闭环
场景:这种方式常在经营分析会使用,主要流程是,监控经营指标达成情况 → 解读问题来源→ 各业务部门讨论,形成跟进计划→下次会议复盘跟进效果(如下图左侧所示)。一般会形成一个待跟进关键事项清单,每次会议复盘跟进情况(如下图右侧所示)。
要点:注意!如果只是罗列指标:“收入低了,要搞高”“成本高了,要搞低”,头疼医头脚疼医脚,是没法形成应对计划的。做分析的同学,要有能力围绕一个问题,把收入、成本、费用、应收、库存等指标串起来,抓住重点,才能推动业务落地。
比如2024年的很多行业不景气,那么该行业客户的收入会少,应收会增加,会带来库存积压,这些问题是一起出现的,就没必要拆分到一张张表里零散说,完全可以拿“应对XX行业不景气”为主线,把各种问题综合起来,找出该行业内哪些客户要保,哪些可以丢,这样更容易促使业务形成方案(如下图)。
优点:
1、经营分析会有大领导镇场,形成的跟进意见有约束力
2、经营分析会每个月固定开,能持续追踪问题
3、事关各部门KPI完成情况,业务有动力参与
缺点:
1、对分析能力要求高,不能只罗列指标涨跌,要洞察关键问题
2、缺少细节分析,无法给出更细建议,依赖业务自己发挥
3、如果大环境不好,业务可能也没啥好办法改进指标
所以,经常有些公司经营分析会开成了“念KPI达成率会”。想改善这一点,我们需要一些更贴近业务需求的,更细节的分析。
二、方式二:需求导向的闭环
场景:这类方式,一般从业务部门提出的一个具体问题开始,比如:
1、我们最近客户活跃不行,不知道问题出在哪里
2、我有个新的产品设计想法,想测试下效果
3、我怀疑我们业绩不行是因为推广方法不对
此时可以接了需求继续做,沿着:业务提出问题→数据转化问题→分析问题→观察解决效果的闭环展开(如下图左侧)。但是注意!业务提问可能是很灵活的,从很朦胧的“我觉得有问题”到很具体的“我要测试一个XX”,因此数据分析接需求的时候,一定要分清楚:到底业务在问啥(如下图右侧)一步步做。
要点:注意!业务的需求可能是许愿式的,比如“给我个99%精准的销售预测”“给分下每个用户流失的理由”你会发现这些需求形同算命,根本不可能满足。
此时一定要引导需求:
1、明确数据用途:比如销售预测,是用来指导备货?选择新品?调配销售费用?
2、理解问题现状:目前使用XX方案做预测,目前准确度如何,在啥时候最不准
3、测量预期效果:如果是90%,80%,70%准确度,业务决策会有什么差异?
这样细细梳理完,才能找到具体解决方案(如下图)。
优点:
1、业务发起的需求,结果更容易被采纳
2、问题来自工作细节,容易做出更具体的成果
3、容易和业务形成默契,推动长期合作
缺点:
1、有些业务部门,就是没需求!有问题也不提
2、有些业务需求,就是“证明我做得很好!”不符合实际
3、有些业务部门的问题是上游传导来的,自己无力解决
其中,没需求的问题最为突出!以至于很多公司的领导要求“数据分析师要有能力自己找问题,主动提出问题”想满足这一点,我们需要能主动从数据中发现问题,并且找到业务的痛点,引起他们的重视。
三、方式三:问题导向的闭环
场景:业务没有需求,数据分析师通过看数据,主动发现了一个异常点,又找到了解决问题的办法,然后告诉业务方,业务方听了大喜,立即执行,发现效果非常好。
这可能是很多人理想(幻想)中的数据闭环方式,但实现起来,难度非常大。因为很多公司的数据分析师脱离业务一线,只能简单拆解数据看到“在A地区指标跌的多”“B类用户流失加剧”但没法深入分析,自然很难提出建议,即使提出建议,业务也不见得采纳,甚至有人觉得“管你啥事”(下图右侧,绩效好+态度差这种)。
要点:如果一开始不熟悉业务,可以三步走
1、先做分层分析,区分表现好/表现差的业务
2、再做标签分析,看表现好/表现差的业务,有哪些差异
3、再看过程指标,找到操作细节差异,从细节提建议(如下图)
4、收集同行做法,也打标签,和本司作对比,一并丢给业务
这样,既输出分析结果,又输出可以抄的作业,业务会很有动力听。当然,万一遇到“要你管!”型的业务,也不需要热脸贴冷屁股,作为优秀的数据分析师,如果你的分析结论是正确的,那么对方不听你的,一定会继续吃瘪!
所以,可以冷眼观察观察,如果他们一意孤行越做越差,你也能验证你的想法了。
优点:
1、不依赖业务提需求,自己能发现问题
2、不指望业务马上落地,能持续修正分析结果
缺点:
1、对分析能力要求高,需要对业务有足够认识
2、有些公司的业务就是把头插在沙子里,不愿意面对问题
甚至,经常有分析能力强的同学,自己收集案例多了,就选择直接跳槽……毕竟一个数据分析师是拯救不了公司的,但是用收集到的案例给自己涨涨薪还是不错的。
作者:接地气的陈老师
来源:微信公众号“接地气的陈老师”
本文由 @接地气的陈老师 原创发布于运营派。未经许可,禁止转载。
题图来自 Unsplash,基于CC0协议。
净说大实话干啥!!!
努力就好,做真实的自己,不留遗憾。
这一看,心里好受多了。
666,学到了,收藏起来。
棒!这篇写的很通俗易懂