一个数据分析师必须训练的思维方式

浏览: 466

作者:陈老师,在咨询行业打拼了9年,在如何诊断经营问题、建立分析体系、解决专项问题上有超过30个大型项目积累与实战,天善智能特邀专家。

个人公众号:接地气学堂

分享一个人人都知道,但人人都难做到的思维方式:“具体问题、具体分析”。是滴,估计大家从小学的思想政治课本就听过这八个字。问题是:这句话本身很不具体啊!到底啥样子的问题算“具体”问题,啥样的分析又算“具体”分析。其实并没有一个很明确的标准。

在生活中,我们张口而出的大部分话都是不具体。比如大妈来介绍对象,第一句往往是:“我跟你说啊,这个小伙人可好啦,人品不错,又有钱,长得帅……”

(|| ゚Д゚)……那个,阿姨您歇歇,您这说的都是个啥啊

稍微改进一下:

  • 身高178

  • 体重140

  • XX大学硕士学历

  • 年收入30万

  • 照片在这里,你看看中不?

是不是清爽多了。

“好”“不错”“帅”都是评价。事实+标准→判断→评价,是很自然的思考方式。但是往往我们是基于一些习以为常的、潜意识的标准进行判断,所以很少对别人讲清楚,以至于有时候自己都会忽略掉。SO,“具体问题”的第一条,就是要把事实和标准理清楚(见下图)。然而,这是自然状态下人们很难做到的。我们在现实生活中张口而出的都是评价。描述一个东西是多高,多长,多宽,什么颜色太麻烦了。一句“真好看”要容易的多。

这里还有一个问题。比如:年收入30万。阿姨您是怎么知道的?看到人家的工资单了?看到人家银行账户流水了?看到人家的人行征信了?是滴,这就是伪装成事实的感觉。大部分所谓的“他年入百万”,很有可能是来自于:

  • 他开了个店,所以年入百万吧

  • 他有个好车,所以年入百万吧

  • 他买个大房,所以年入百万吧

  • 他在京东当领导,所以年入百万吧

说到底,瞎猜而已。实际上人们也常在生活中乱加数字。比如催婚这件事,老人家张口就说:“你们这个年纪的人百分之九十九都结婚了“,您老是查过统计年鉴了,还是研究过人口普查数据了?你看到隔壁二狗子娶了老婆就分析出全天下男人都在家憋着下崽了????

SO,“具体问题”的第二条:尽量使用可靠的数据,而非随意丢个数字。数据数据,有据可查的才是数据。比如把年入30万,改成:他15年在XX小区买了个两室一厅的房;改成他是腾讯天美工作室3.1员工;改成他有招行银联白金卡,是不是有据可查多了。然而,这又是自然状态下人们很难做到的,因为随口说个感觉很容易,找数据真的太辛苦,太麻烦了。

即使老人家热心收集各种情报,推荐来的对象还是很容易被自己儿子女儿嫌弃。一个重要原因,是他们的判断标准,往往是自己的标准而非儿女的标准。他们分析的问题是:“我觉得什么样的媳妇/女婿好”而不是“我儿子/女儿觉得什么样的对象好”自然会失败。SO, “具体问题”的第三条:具体问题要有具体的归属人,站在问题归属人的角度看问题。(如下图)既然是想帮自己孩子介绍,就要认真理解孩子的需求,咱这又不是给您找老伴,不是吗……

啊,犹记得我自己还在谈恋爱的时候,家里人各种奇葩介绍,都是泪,(╥╯^╰╥)

小结一下,大家会发现“具体问题”四个字其实要求非常的高。如果不做训练,脱口而出的话一般都不够具体。生活中很多误解,其实就是因为父母子女夫妻长期共处一个环境,自以为别人看到的、知道的和自己一样,在表达时省略了很多内容,于是导致误解。不过好在,生活中我们可以无视老妈催婚的唠叨。即使遇到买土豆梗的场景,再跑一趟菜市场就是了。

但在工作中,麻烦就大了。特别是对于数据分析师这种本来就是专业做分析的岗位。人家可都指望着你给专业分析意见呢。自己没敏感度,不主动问清楚情况,盲目生搬硬套分析模型,结果只会笑掉大牙。有诗为证:

你还不敢对业务说:”那是你事先没说清楚!”人家一句:你才是专业的,你咋不早问!就把人噎死了。所谓具体问题具体分析,是一个爬了无数大坑的老兵的强烈求生欲!

这时候,专业训练就非常重要。比如老板交代一句:XX业务用户流失严重,分析一下原因。很多新人数据分析师就一声:“好嘞”就跑去干活了……可老鸟们会马上意识到:“流失严重”是个判断。连事实都不是。所以会就地思考以下问题:

  • 老板是怎么知道流失严重的,有没有看到真实数据?

  • 如果没看到数据,是什么具体事情产生了这个判断?

  • 如果有看到数据,是谁、什么形式、什么时间提交的数据?

  • 如果有数据,那么我们一般认为多少流失率合适?

  • 如果没有明确数据标准,那参照什么时期、什么业务合适?

这里特别要注意的是标准的问题,老板可能没有看到数据细节,但标准一定是掌握在老板手里的。好多刚做数据分析的新人,喜欢越过老板自己提标准。“我认为”“我觉得”“习惯是”“不就是”“应该是”……结果分析出结果被老板各种往死里K。

上边都理清了就能分析了?nonono,只是开始而已。因为即使证明了“流失率高”是个事实,也不能说明这个真的是个问题。如果只是季节性波动呢?如果用户生命周期已到末尾呢?所以还得进一步具体化:

  • 到底是什么时间开始流失率高的?

  • 一次性、持续性还是周期性高,是否是季节性/周期性波动?

  • 哪些渠道的流失率高,全局性的还是局部性的?

  • 哪些类型客户流失率高,新客/老客,整体的还是局部的?

  • 在以上渠道、客户群、时间点上,是否我方业务有重大变化?

  • 在以上渠道、客户群、时间点上,是否外部环境有重大变化?

上边的都理清了,才知道到底这是正常波动还是异常波动,到底这个问题是否重要到要去解决,要马上去解决。到底和哪些人有关联。下一步,才好具体分析:“为什么在这个时间点、区域、客户身上会出问题?”

有了细致的现状描述,后续分析思路简直如江河泛滥一发不可收拾。因为在描述事情的时候,我们就已经看到不同的组间差异,收集到了潜在影响因素。这对于后边提分析假设,验证分析结果有重大帮助。所以说:具体问题具体分析,有了具体问题,才好具体分析。

然而,职场上新人们往往怕聊具体问题。除了缺乏方法上的训练外,也缺乏胆量上的训练。特别是做数据分析的新人,总怕问多了问题显得自己没本事,总是希望开发一套算法,2000行代码一run治百病。所以连胆量都是得专门训练的。我经常对下边的新人讲:大家不要怕问问题,你看越是资深的医生,越是望闻问切,问的问题越细致。只有医院门口算命大师,才是一见面:“施主你不要张口,我已经算到你今日运势了”。

好的数据分析师与业务协同作战,差的数据分析师摆摊算卦

问问题不可怕,解决不了问题才可怕。况且企业经营中,本身问题就是错综复杂的,不像算法教科书,标记好了哪些是训练集,哪些是测试集。到底现在面对的是不是问题,是多大问题需要管理层自己去判断。这就更需要作为参谋的数据分析师有高敏感度,才能理清状况。

越接近业务,越会发现真实的商业问题是错综复杂的,理清状况,定义问题才是头等大事。可惜基层的分析砖员们只能看到格式化的取数表,体验不到这一点

以上,在做数据分析之前,可能有意无意的会觉得“想问题具体一些好”。可真正靠数据分析混饭吃的时候,就必须得打起十二分精神,告诉自己具体具体再具体一点,才能尽量分析的具体,不被业务嫌弃。可能外行人觉得我们跟算命的差不多,只不过把算盘筛子换成阿尔法狗。那狗厉害啊!智商都能打败人了!可自己做工作就会明白:狗就是狗,思考问题,还是得靠人脑的训练的,哈哈。

课程名称

求职宝典--面试实战指导 + 职业规划解析

课程特色

大数据相关知识多如牛毛,到底要学到什么程度才能获得高薪

各个岗位都号称大数据XX,到底哪个是真前途,哪个是假忽悠

身在校园不懂职场,总感觉越学越心虚,学什么才对长期发展有帮助?

想转型数据类工作,总感觉没有经验积累,从头开始又太难

陈老师基于3年管理经验140份简历实战情况,总结出提升面试成功率靠谱经验,并提供了可供平时训练的操作指南。带领大家看清数据职业前景,帮助大家认清自己真正的优势,找到适合自己的晋级之路。

讲师介绍

陈老师,8年经验数据分析师,资深业务顾问。观客CRM数据运营总监,在金融,零售,家居,美容等行业有丰富经验。负责超过25个数据运营,CRM,精准营销项目落地,参与5个以上数据产品设计与运营。在业务部门最懂数据,在数据部门最懂业务,在数据业务两个交叉领域吐槽最凶猛。 

购课方式

扫描下图二维码即可购买课程

   

  • 免费学习此门课程

  • 1对1面试指导:通过微信辅导学员进行面试准备,包括针对具体岗位的话术准备,面试问题指导及薪酬谈判指导。

  • 1对1职业规划指导:通过微信,解答学员不知道该如何选择岗位,不知道自己选择何种发展方向问题,帮助学员找到合适职业方向

点击阅读原文加入SVIP就可享受专享服务


推荐 0
本文由 人工智能爱好者社区 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。

0 个评论

要回复文章请先登录注册