首页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

数据分析，如何诊断业务问题

科技 2024-10-17 08:30 北京

诊断业务问题，是很多企业对经营分析、数据分析的基础要求，也是数据驱动业务的三大基础方法之一。在数据分析方法里，业务问题诊断，是典型的“一看就会，一做就错”。

很多同学很苦恼：“为啥我做的问题分析，业务方不认可呢?”今天系统地解答一下。

一、常见做法

业务诊断有标准的流程：

第一步：建立监控指标

第二步：树立判断标准

第三步：发现异常情况

第四步：细分问题来源

第五步：给出诊断建议

举个简单的例子：某公司有4条销售业务线，定了目标是月销1个亿，实际达成9500万，不达标。四条线表现如下图。则可以轻松看出，是A渠道出了问题（如下图）。

如果销售是线上销售，还能进一步看到转化流程，从而诊断出是哪个环节出了问题（如下图）。

于是，常见的诊断建议，就是：“发现A业务线出了问题，投放转化率太低，建议搞高”。

常规的做法即是如此。问题是，相当多的同学这么干完，会得到一句：“你说的都是废话！”的评论。感觉好冤枉。然而问题出在哪里呢？

二、常见问题

常规做法的问题，来自于：就数论数，浮于表面。这么做，就好比病人去看医生，医生说：“你的体温38度，建议搞低。”一样。你是病人，你也会拍案而起：“我TM早知道我发烧了呀！到底咋办呀！”。

单纯地罗列数据，不是问题诊断，充其量算是问题发现。

业务方期待听到的问题诊断，要指向一个具体业务行动。还拿A公司举例子，业务方期望听到的，是如下诊断结果（如下图）。

很多做数据的同学，看到这里会脑瓜子“嗡！”的一声。这些东西太感性了，怎么和DAU、转化率、活跃率、消费金额这些指标关联起来呢？

三、解题关键

用数据驱动业务，最怕业务方说：“你行你上呀，不行别BB”。特别是用数据提出问题的时候，业务方会本能地进行反击。不是甩锅给大环境、上下游部门，就是伸手要资源，要么就祭出终极杀器：“你说的我都知道，我干过了，不行，不信你来干”。如果业务方下决心跟数据分析抬杠的话，数据分析师是非常弱势的，一定吵不赢。

因此在本质上，诊断问题，诊断的是业务方的心病。只有区分清楚谁真正愿意改进问题，才能对症下药。

区分的关键点，有四个：

1、是否真的清楚现状

2、是否已经采取行动

3、是否已有行动计划

4、是否打算申请资源

这四个关键点，能区分出业务方是否真想解决问题，以及业务方企图解决问题的方向。

在诊断业务问题的时候，可以先考虑常见做法里的结果之后，再对这四个关键点逐一确认，逐步导出诊断结果。

▌第一步：区分是否真清楚现状

很有可能，业务方只知道整体情况不好，并不知道具体在哪个部分出了问题。并且业务方的本能反应，也是基于整体认知给的。因此先呈现常见做法的内容，让业务方看清问题点。

如果业务方事先没有看过细节，则可能在看到细节后有解决问题的想法。基础的策略有2种（如下图），数据分析师可以补上对应的参考数据，辅助判断。到这一步，就完成了诊断。

也有可能，业务方已知晓细节，那就进入下一步。

▌第二步：区分是否已采取行动

注意，已采取行动但没见效，和没采取行动，完全是两个状态。如果业务方还没有采取行动，就值得怀疑：“为啥明明看到问题，却不行动？？？”

很有可能，业务方认为问题不重要，到时候就自然消失了。

很有可能，业务方已有安排，认为到时候能一举扭转乾坤。

此时，可以对历史数据进行复盘，找类似场景，有复盘结论后，再针对当前情况下判断（如下图）。

这种情况尚且容易处理，因为业务方没有计划的时候，对其他人的提醒/建议不会很激烈反对，真正难处理的是：已采取行动但没见效的场合。

此时，提给业务方的诊断结论，最好是他们从来没听过且非常有效的，不然铁定被人按着头怼：“你这说的都有啥用！老子刚试过了呀！”这时候下结论要特别小心。

▌第三步：区分是否有行动计划

已采取行动未见效的时候，业务方的本能反应就是：要资源。打仗打不赢，要大号的炮弹，是很正常的思路。

但老板本能反应就是：再想想。一定是你的方法不对，不信我换李云龙上肯定能把山崎大队打下来。

这种反差，使得直接申请资源的计划常常被驳回。如果申请不到资源，业务部门还有可能选择甩锅，不管是谁的问题，反正不是我的问题就行。

此时对于数据分析师来说，问题异常复杂。如果数据分析师贸然表态，很有可能被划入“敌对分子”的范畴，之后不管数据分析师再说什么，人家都会单纯地为了反对而反对。所以这时切忌主动表态。而是提前把可能解决问题/甩锅的选项分析清楚，最后交回给业务/老板评判。

常见的甩锅选项，如：

1、甩锅给外部环境：是否大环境真的变差，影响了所有业务线

2、甩锅给上游部门：是否上游部门真的没做好，所有下游都遭殃

3、帅锅给用户：是否真的某类型用户口味变化，集体流失

常见的解决问题选项，如：

1、上次解决类似问题的方法，本次是否已经用了

2、上次解决方法的投入力度，本次是否已经达到

3、其他业务线，是否有解决问题的类似方法

以上每一点，单独拆出来都是一个专题分析，内容太多，这里不一一举例了。但是想要帮助深陷困境的业务部门真正找到出路，是值得多花些精力的。

或者采用一种简单的方法：标杆分析法。挑出可以复制的标杆，直接对着照抄。这样省事很多。这也是为啥要先介绍标杆分析法，再介绍问题诊断的原因。有些业务部门就是懒得听理论，他们喜欢说：“你直接告诉我谁做得好，我抄他就完了，奥力给！”

标杆分析法见：数据分析的经典方法之：标杆分析法

四、小结

从本质上看，问题诊断之所难，难在两端：

1、行业环境、业务能力、用户口味、操作流程等等因素，都会导致业务上问题，但这些因素大多不能用数据量化，只能一个个细细立假设，做检验。

2、出现问题的时候，大家都怕担责任，因此会本能地找借口、想当然、树立场。然后纯粹因为立场不同而相互攻击，拒绝面对真相。

所谓“屋漏偏逢连夜雨”，就是这个局面。此时，想要用数据描述问题，容易，树个标杆就能看出差距。想用数据诊断问题，就得突破上边层层险阻，争取业务的支持和老板的理解，才能见效。这是从数据到落地的必经之路。

那有没有简单轻松的落地方法呢？当然有！最简单的就是业务/数据/老板说：“我有一个好点子！”。既然已经有好点子了，那可以直接检验效果，是所谓数据实验法。

http://mp.weixin.qq.com/s?__biz=MzIxMzAxNzEwNQ==&mid=2648126034&idx=1&sn=a3a32f12dbea5709bfdd668158a5ce03

一个数据人的自留地

数据人交流和学习的社区，关注我们，掌握专业数据知识、结识更多的数据小伙伴。

最新文章

数据民主化的“神话”

AI横行，它越战越勇！

大模型时代下的私有数据安全与利用

【急聘】七猫-后端开发工程师

代码复用率99%，携程市场洞察平台Donut跨多端高性能技术实践

腾讯、抖音、百度、快手、携程、小米、工行、平安集团如何在大数据架构、数据库管理、运维保障中落地AI技术？丨DAMS峰会

太卷了吧，这份【运营分析】思路真是到位

四大行业、零跑汽车等12家企业BI数字化转型实践

数据驱动？我们连数据都跑不通，更别提驱动了

搞清楚毛利这些指标，总算会做经营分析了！

腾讯语音合成技术：模型优化与推理加速实践

资深PM必懂的项目管理4大模型！

【数据分析干货】一种基于匹配思想的因果分析方法

用户分析，找到一份完整的攻略

终于有人，把数字化转型的本质讲清楚了！

72k，确实可以封神了！

还在错误地统计AB实验效果？快来了解正确方法避坑吧

腾讯基于 LLM 的智能数据分析平台 OlaChat 的落地实践

携程弱网识别技术探索

数据分析十大模型之决策模型

一个基于Python的自动化邮件日报模版

零售消费行业20项BI最佳实践（附下载）

快手电商数据指标体系建设与实践

一种基于贡献度的除法指标异动归因方法

解码智能推荐：多模态大模型在网易云音乐的创新应用

大前端：如何突破动态化容器的天花板？

我们要做数据治理，预算 500 万，到底如何实施工作计划？ | DGI治理框架（七）

卷死他们！数据赋能运营，就得这么干

数据仓库实践之任务调度

大呼专业！找到一个【数据指导运营】的思路

如何提升用户画像标签质量及信任度？

银行快速数智化转型的改革先锋——视频分析大模型技术

用户画像：OneID是如何实现的？

关于你不知道的 Python import 10 件事

深圳数据人线下沙龙活动

数据分析，如何诊断业务问题

深圳数据人线下沙龙活动

一文读懂：数据如何从要素变为资产？

深圳数据人线下沙龙活动

深圳数据人线下沙龙活动

京东大数据治理探索与实践

喜马拉雅基于大模型 ChatBl 实践探索

全域用户建模在美团首页推荐的探索与实践

干货 | 携程国际机票基础数据中台化：构建高效的数据管理和应用平台

运营数据分析体系，最全搭建攻略来了！

重塑数据价值：从数据中台到数据飞轮的跨越

标签 VS 数据指标体系，这篇讲得太清楚了！

用户复购行为，如何分析？

小红书搜索：生成式检索的探索与实践

研究了近6年的Gartner数据和分析趋势报告后，我得到了10个洞察！

分类

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