如何快速提升数据分析能力

发布者:三维推

2022-05-18 15:24:39

阅读: 931

有同学问:“目前数据团队的分析能力偏弱,想提升分析能力,能结合公司业务,快速见效那种”……可见跑数机器的状态,不但个人不满意,连领导也看不下去。可要怎么提升呢?今天系统分享一下。

提升能力的方法

数据分析能力本质,是分析逻辑+业务理解+代码编写。对于已经开始工作的同学来说,最难的是分析逻辑+业务理解部分,因为不能准确理解业务需求,不能主动引导业务思考,就只能被动接受大量的、零散的、逻辑奇怪的取数需求单,不但工作效率低下,还会被业务诟病:“没洞察、没价值、我就要这么点数你都搞不出来……”

然而这一部分却是最难提升的。一来,不是所有人天生逻辑就好,二来,每个公司业务都有差异,硬套模板肯定出问题。所以提升能力的思路,就不是满世界找“一炮搞掂模型”,而是从基础的分析模板开始,逐步迭代能力

第一步:按部门归类需求,形成监控模板

常见的数据分析需求有四类:

1、监控业务情况

2、分析问题原因

3、预测业务走势

4、测试业务想法

这四类中,最该优先做的,是形成监控模板。因为业务流程不会经常变,监控指标,分类维度,在一定时间内是固定的。有利于后续深入解读数据指标变化,而且能大大缩减不固定的、临时性取数数量,从而为团队争取更多时间。

不同部门,可能有不同业务流程,比如销售、运营、产品、供应等等。·建议每个流程单独设计监控指标,这样服务业务更准确。可以由团队内经验丰富的老人,带着新人做,把每个部门的流程梳理一遍,同时把零散需求也梳理一遍,看哪些能融合进常规数据监控报表。这样不但能让新人熟悉业务,也能提升分析逻辑能力。

第二步:了解指标走势,发现周期规律

有了监控指标以后,很多人会直接把指标/维度丢给新人,然后说:“数据分析就是做对比,你自己看看咋对比……”这是非常不负责和错误的做法。在没有分析逻辑的情况下,对比做的越多,思路越乱,拿茄子比苹果更是引发混乱的根源。 

所以有了监控指标以后,先不要急。先把指标基础走势、规律,弄清楚。特别是涉及业务考核的关键指标(KPI指标),比如销售额、利润、新用户数、活跃用户数等。这里有三类规律要关注:

1、自然周期:指标是否和季节变化、节假日有关

2、生命周期:业务从上线到下线的主要指标走势

3、同期群变化:用户注册之后N个时间周期走势

这个过程能让新人理解大家口中“正常走势”“常规变化”是啥意思。能大大减少新人犯常识性错误的机会,同时也能让新人更敏感的关注到真正的异常波动。并且,指标走势观察可以从少了KPI指标延伸到其他指标,由浅入深,避免新人淹没在数据海里。效果非常好。

第三步:拆解内部结构,发现分布规律

了解常规走势以后,还是不要让新人乱做拆分/乱做对比,而是先了解业务的内部结构。业务内部结构有两种:

1、整体由哪几个部分构成

2、结果由哪几个环节构成

比如销售,可以了解:

1、销售过程有几步,有哪些数记录

2、销售渠道有几类,每类表现如何

3、销售产品有几种,每种占比多少

比如供应,可以了解

1、从原料到出品过程有几步

2、每一步消耗哪些资源

3、每一步产出什么结果

这个过程可能很漫长,因为不同业务的数字化程度不同,数字化程度高,能直接看到数据。数字化程度低,只能先理解业务行为,之后再慢慢采集数据or看整体指标影响。

但这么做是很有价值的。因为这是让新人更深入了解业务的必经之路。而且发现数据异常以后,追查异常的基本逻辑,也是沿着指标的内部结构,往下追查,这才是有逻辑的拆分。而且这一步不需要啥技术含量,新人也能自己做。

第四步:收集业务动作,量化主动行为

了解内部结构以后,还是不要让新人乱做拆分/乱做对比,而是收集业务做的事情,然后把其中可量化的部分拿出来,看量化效果。对于不可量化的动作,则观察动作发生后,整体指标变化。

比如提升销售业绩

1、如果是市场部做个促销活动,则可以用数据记录,哪些订单是促销订单,看促销订单的增长情况,计算活动收益。

2、如果是销售部开个销售能力培训会,很可能没有数据记录每个人提升多少。此时只能退而求其次,记录哪些人参与培训/哪些公司参与培训,然后看指标是否有变化。

 这样做,一方面,能加深新人对业务的理解,另一方面,能先从结果上了解业务各种动作的效果,不但在解读数据变化的时候更有思路,而且能够通过结果判断,直接给到业务一些建议,推动数据分析从解读向指导业务发展。

第五步:拆分业务问题,形成分析假设

量化了业务动作以后,还是不要让乱做拆分/乱做对比,而是学会先提假设,再找证据。会提正确的假设,不但能更快形成思路,而且能过滤各种干扰因素,减少反复取数的负担。分析假设也和设计数据测试有关,有清晰的假设,测试抽样才有依据,解读测试数据才更容易。

 分析假设有三个来源

1、根据过往规律、经验、走势提假设

2、根据业务方关心的问题提假设

3、根据结构/分层分析中,发现的问题大的点提假设

这三种方法都需要之前几步的积累,所以提假设摆在了最后。有可能假设很多,这时候需要分析人员梳理假设逻辑。这又是个高级工作,需要团队内有经验的同学带队。对复杂问题,最好是梳理完假设逻辑以后,再交给新人处理。对新人而言,能对单维度的假设进行验证,已经算合格了。(如下图)

小结

综上可见,分析能力的提升,每一步都是围绕:越来越懂业务和越来越有逻辑展开的。这也是为什么反复强调:不要乱拆解,不要乱测试的原因。没有逻辑,光拆解完,看到这个高了那个低了,各种影响因素相互交织,根本分析不出问题。没有逻辑,测试过程随意,有100种因素影响测试结果,事后拆分又是各种蛋疼,这些都只会让新人更混乱。