首页
时事
民生
政务
教育
文化
科技
财富
体娱
健康
情感
更多
旅行
百科
职场
楼市
企业
乐活
学术
汽车
时尚
创业
美食
幽默
美体
文摘
领导对数据的期望值太高了!怎么破
文摘
2024-11-24 17:30
广东
做数据的同学们,最怕被人喷:“你做的没有用!”
十个“你做的没有用”,至少七个和期望值过高有关
特别是越不懂数据原理的人,对数据的期望值越高
悲剧就是这么来的。怎么破?
问题场景:
某零售企业开始互联网转型,已上线微商城,并配套建设CDP,对微信端用户信息有一点采集(仅限于用户ID+购物行为+七零八落的互动行为)。
现在负责微商城的领导找到数据分析师,表示:我们啥都有了,就差一个高深莫测的分析了,希望你能做出有价值的用户画像模型来提升业务。
问题1:听了以下五位领导的发言,你觉得他们“不懂数据”的程度排序是……A:我们啥都有了,就差一个高级建模了
B:你要做人工智能大数据分析下用户画像模型
C:我们日常的商城报表来来回回就那几个数,也看不出来啥
D:微商城的留存效果不好,用户复购低,得分析下问题
E:比如,买过护肤品的用户,可以看她多久能复购一次
思
考
一
分
钟
什么算不懂数据
拜各路网络文章、网络课程所赐,现在一提起数据,新人们满脑子都是:excel,sql,python,tableau,hadoop,spark,sklearn,tensorflow,那么既然这五位领导一行代码都不会写,那么答案就应该是:A=B=C=D=E=0咯,只有我才是精通数据的大神……
或者还有些新人认为:模型最牛逼,那肯定提模型的领导最牛逼了。所以是B≥A≥D≥C≥E,领导都说了要大数据人工智能用户画像模型了,看我不模他个天翻地覆……
大错特错
生产数据是数据部门的事,但应用数据是每个部门的事,甚至很多资深的业务人员,要比每天跑数的表哥更懂数据的含义和用处。所以从一开始,就不能拿技术能力去要求业务部门,而是得看这些人懂不懂如何用数据。
应用数据最大的瓶颈,当然不是建模,而是采集数据。没有好的数据质量,一切分析建模都是扯淡。而数据质量又和业务流程、建设时间、投入力度息息相关。如果业务方总急着上马新功能,不认真做埋点,不认真清理数据,那数据就是一坨屎。
一大坨屎也很大,但是它还是屎,变不成米饭,这是基础常识。没有数据,无法分析,这也是常识。
因此不要听业务方吹什么“我的数据很大,都在那了”,他如果不了解到底手头有什么数据,说的分析思路基本都是屁话。
所以真正能考察业务方到底懂多少数据的,是看他对已采集的字段了解多少,他对数据指标关注多少,对数据指标背后的问题思考多少。
了解字段的≥了解指标的
了解指标的≥了解数据问题的
了解数据问题的≥了解业务问题的
了解业务问题的≥“就差一个用户画像模型了”
所以这一题的真在答案是:E≥D≥C≥B≥A
如果你面对的领导/客户/同事,对自己的系统到底有什么字段,什么指标毫不清楚,却很希望你建立用户画像,精准预测模型,那可得小心了!这跟指望你炼救命仙丹没啥区别。
就比如本场景里,虽然名义上是微商城,可真实采集到的数据只有用户ID+交易行为,这跟线下门店的数据没啥区别,稍微复杂一点的模型都建不了,用户特征更是无从谈起。这时候反而E领导提的,基于某些交易行为做预测,还有一定可行性,面对其他几位,降低期望值才是正道。
问题一答完了,来问题二
问题2:听了以下五位领导的发言,你觉得他们“期望太高”的程度排序是……A:要是数据分析做得好,肯定业绩蹭蹭蹭
B:有了用户画像模型就能精准营销,极大提高用户购买率
C:至少得分析出来一些,我不知道,但是很重要的问题
D:用户复购原因,得分析得很深入,搞清楚
E:先把复购周期算出来看看
思
考
一
分
钟
估计不思考,也能看出来E的期望值是最低的,那么问题是,ABCD四位的要求算不算高?数据驱动业务,数据就是生产力不是人们都挂在嘴边上的吗?
什么算期望太高
首先,数据驱动业务,这句话本身没有错。
但是主语是:
老板
用数据驱动业务。作为一个用户,你永远不可能为了某个公司的某个程序员敲出来的代码买单,你只会在一个具体的时间、一个具体的地点,以一个具体的价格,买一个具体的商品,满足一种具体的需求。
因此数据想要发挥作用,就得结合宣传渠道,产品配置,价格定位,推广方式,这些需要一个系统化运作,而不是一个程序员敲几行代码。所以,所有指望敲几行代码就能业绩飞涨的行为,都算期望值高,而且是不切实际的高。
其次,没有数据能不能分析问题。
答:能,绝对能。实际上数据是分析问题最缓慢的手段,你还得采集数据,得清理,得存储,得计算。春江水暖鸭先知,在业务一线的人始终能更快速、更细致的感受到问题,并且依据经验、洞察力、测试等手段找到一些答案。
所以,指望数据分析,分析出来业务完全不知道且重要的问题,是非常不现实的。如果真是这样,只能说明公司的业务都是蠢猪,那这些蠢猪采集回来的数据自然也不能信咯。
再次,数据能分析出多少原因?
答:主观类原因都几乎分析不出来。本身人的行为和内心想法就不太一致,经常有口是心非或者欲扬先抑一类做法,目前数据无法记录人内心,只通过行为反推很有缺陷。
其次,用户行为经常分散在各个平台,单一平台记录数据不全,因此除了投诉、退货、参与团购、登记缺货、付款预约这种指向性明显行为外,其他行为也很难指向某个内心想法。所以在分析原因的时候,很有可能只能落到某个事件、某个行为上,真正的原因很难得出来。
所以综上,本体答案是A≥B≥C≥D≥E。同学们可以简单记住如下难度顺序:
直接提升业绩≥提能提升业绩的建议
提能提升业绩的建议≥精准预测走势
精准预测走势≥深入分析问题原因
深入分析问题原因≥评估问题状况
评估问题状况≥了解现状
业务方提的难度越大,越需要沉住气一步步做,特别是争取到业务部门的参与和支持,把数据融入到业务过程里,才能看到作用。有同学会问:到底怎么实现把数据融入业务过程,有兴趣的话,加入我的知识星球哦
:
1、如果你不知道怎么学,加入后就给你
1 V 1 定制学习计划
,我有20门视频课程。
2、如果你害怕学了没有机会练手,我每个月都会组织
训练营
,通过动手和看别人动手,能快速找到短板,进行针对性提高。
3、如果你找工作遇到困难,我有
一对一的简历修改、求职辅导
服务,帮你打败竞争者。
以上服务,都只需要一次付费,无二次及隐藏消费。
和
4700+
小伙伴一起
加入星球后,课程和服务全部免费
我的知识星球已运营了1400+天,有4600+小伙伴加入,帮助很多小伙伴拿到offer,提升工作能力,得到很多好评。我提供
:学知识 → 做报告 → 找工作 → 职场交流
的一条龙服务,共有十大权益,加入星球后都是免费的。
视频课程目录,加入星球都免费听
左右滑动查看更多,
点击查看大图
原创精选
麦肯锡在用的MECE分析法,到底是什么?
数据分析十大模型之五:人货场模型
我,38岁,创办了一个数据分析社群
点击“
阅读原文
”可了解更多
接地气的陈老师
数据总监|数据是基础,分析是能力。《商业分析全攻略》作者
最新文章
ChatBI产品白皮书下载 | 进一步解锁数据价值,实现业务敏捷看数
找数据工作,如何打败对手.pdf
经营分析:决策分析模型搭建指南(附资料下载)
用户画像的超详细真实案例
卷死他们,年度数据分析报告(模板+套路)
很严重,大家做好准备吧...
《数据分析思维手册》PDF,收藏!
算法工程师之死
数据指标异动分析,最强攻略来了
这才是真正的经营分析,而不是罗列同环比
用户流失分析,这是我见过最好的模板
搭建数据指标体系,我总结了标准化全流程
如何搭建高质量的数据看板?
高手的数据分析方法之四:标杆分析法
学好数据分析,从掌握KSA模型开始
五步拆解:如何做一个优秀的数据分析项目
事关升职!数据分析师的绩效,到底该怎么定?
做有价值的经营分析,而不是记流水账
这是我见过最好的用户增长分析模型
我手把手修改了一篇数据分析报告
数据分析师,如何给自己找活干
强悍突围!通向优秀数据分析师的6个阶梯
如何搭建一个高效的运营分析体系?
【干货】经营分析的年度报告模版,赶紧收藏!
还在纠结每天的波动?用户活跃分析这么做!
卷死他们,数据分析师的述职报告(套路+模板)
数据分析终极一问:指标波动有多大,才算是大!
领导对数据的期望值太高了!怎么破
他写了本书,拯救自己的35+职场生涯
用户分析,到底该怎么做?
高手的数据分析方法之三:趋势分析法
年度经营计划&预算怎么做?最全攻略来了!
四个方法,拯救你枯燥的数据日报
详解麦肯锡方法:结构化分析问题的技术
用户画像,如何真正赋能业务增长?
做数据十年,今年这情况…我劝大家多留一手准备吧!
《数据分析思维手册》PDF,收藏!
1.9万字:支付清算生态
感觉自己啥都不会,怎么找好工作?
分析指标波动,数据模型得这么建
太卷了吧,这份【运营分析】思路真是到位
数据分析十大模型之九:OGSM模型
都进入数智决策时代了,你还在同环比?
我,38岁,创办了一个数据分析社群
年薪98w!450万人才缺口,真心建议数据人才冲一冲新兴领域!
接住!写给数据分析师的晋级攻略
什么是顶级的数据分析方法?
经营分析是什么?为什么大厂这么重视它
用户分析,找到一份完整的攻略
为什么你做的数据监控分析,总被人Diss
分类
时事
民生
政务
教育
文化
科技
财富
体娱
健康
情感
旅行
百科
职场
楼市
企业
乐活
学术
汽车
时尚
创业
美食
幽默
美体
文摘
原创标签
时事
社会
财经
军事
教育
体育
科技
汽车
科学
房产
搞笑
综艺
明星
音乐
动漫
游戏
时尚
健康
旅游
美食
生活
摄影
宠物
职场
育儿
情感
小说
曲艺
文化
历史
三农
文学
娱乐
电影
视频
图片
新闻
宗教
电视剧
纪录片
广告创意
壁纸头像
心灵鸡汤
星座命理
教育培训
艺术文化
金融财经
健康医疗
美妆时尚
餐饮美食
母婴育儿
社会新闻
工业农业
时事政治
星座占卜
幽默笑话
独立短篇
连载作品
文化历史
科技互联网
发布位置
广东
北京
山东
江苏
河南
浙江
山西
福建
河北
上海
四川
陕西
湖南
安徽
湖北
内蒙古
江西
云南
广西
甘肃
辽宁
黑龙江
贵州
新疆
重庆
吉林
天津
海南
青海
宁夏
西藏
香港
澳门
台湾
美国
加拿大
澳大利亚
日本
新加坡
英国
西班牙
新西兰
韩国
泰国
法国
德国
意大利
缅甸
菲律宾
马来西亚
越南
荷兰
柬埔寨
俄罗斯
巴西
智利
卢森堡
芬兰
瑞典
比利时
瑞士
土耳其
斐济
挪威
朝鲜
尼日利亚
阿根廷
匈牙利
爱尔兰
印度
老挝
葡萄牙
乌克兰
印度尼西亚
哈萨克斯坦
塔吉克斯坦
希腊
南非
蒙古
奥地利
肯尼亚
加纳
丹麦
津巴布韦
埃及
坦桑尼亚
捷克
阿联酋
安哥拉