数据分析到底对企业有什么用?

浏览: 386

作者:陈老师,在咨询行业打拼了10+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

很多同学有疑问:数据分析到底对企业有什么用?数据分析到底能解决什么问题?今天我们一次讲清楚。所谓不识庐山真面目,只缘身在此山中。如果只站在数据分析本位角度看,很容易陷入各种花里胡哨的名词讨论中。我们换种方法,设想一下自己是业务部门的人,看看数据分析到底有什么用。

 

从一个最简单的例子开始。设想下,你刚刚就任一个零售公司大区总监,你管着五个省300家门店。一个风和日丽的早上,你正悠闲的坐在玻璃房里搓手机,忽然财务一个急促的电话把你从游戏里震出来,说这个月业绩KPI没有达标。那么你的第一反应是:

A. 大骂“你是神经病吗!”

B. 让助理定机票,把300家店逛一圈

C. 立即给下属各片区经理打电话,轮着日一遍娘

D. 拿起一包纸巾直冲老板办公室大哭:“经济形势不好,业绩做不起来不管我事啊!”

 

你不会这么选,对不对,随便哪个都显得自己太傻逼了。So,第一件事,当然是看!数!据!到底业绩KPI没达标是个什么情况:

  • 差多少达标?

  • 什么时候开始不达标的?

  • 差距越来越大还是越来越小?

  • 所有区域还是单个区域的问题?

  • 没有问题的是不是在变得有问题?

所有一切,都得数字说话。是滴,这就是数据分析的第一个用途了:定量描述问题现状。或者我更喜欢把它叫:是多少

 

看到数据,有的时间段高于目标,有的低于目标,所以下一步怎么办?你可能本能的想:高了表扬低了骂呗!是滴,确实有些没水平的领导是这么做的。问题是,作为玉树临风的你怎么可能这么没水平呢。想着自己刚刚到任,骂人太多要官逼民反的。因此你很冷静沉着的要给问题定个性:到底没达标是不是个事,是个多大的事。

 

类似的场景多的很,比如:

  • 2亿的总目标,差100万和差1个亿是不是一样的问题?

  • 本月过去7天没达标,和过去27天没达标,是不是一样的问题?

  • 本月12日有大促销,所以累积到本月5号没有达标,是不是个问题?

  • 本月是2月,2月5日过年,所以累积到2月10日没达标是不是个问题?

所以你看,没达标只是个数据结果,不一定是个问题。要通过分析才知道,这个没达标到底是不是个事。是个多大的事。有了轻重缓急的判断,才知道调动什么力量,用什么办法解决。这就是数据分析的第二个用处:树立标准,给现状下判断。俗话说:是什么

 

这里是个大坑,很多从业很久的数据分析师都会踩进去!“是多少”+ 标准判断 才等于 是什么。很多只会无脑跑数的数据分析师,往往本能的看到涨就认为是好,看到跌就是认为是差。既不懂业务,也不会和业务沟通,结果不了解业务的判断标准,很难get到真正的问题,做出的分析自然不知所云了。

 

做完前两步,如果是一个从业10年的大区总监,估计不需要分析也能凭经验做判断了。如果是一个靠资历混上来的大区总监,估计不想分析直接上三板斧了。如果是一个靠关系混上来的大区总监,估计已经在去找老板哭可怜的路上了。然而作为正义感与颜值的你,肯定不会这么lowB,你才上任没经验,还想多分析分析,于是有了以下三项分析工作:

  • 通过数据分析找一下,为什么会不达标(原因分析,或者简称为为什么)。

  • 预测一下销售走势,看看预计业绩缺口多大(预测分析,或者简称为会怎样)。

  • 评估一下过往的措施哪个好用,然后上政策(评估分析,或者简称为又如何)。

 

这三项工作是很多人津津乐道的“高级分析”。甚至还有人就直接把数据分析分成了三类:

  1. 描述性分析

  2. 原因性分析

  3. 预测性分析

认为描述性的就是低级的,原因就是高级的,预测自然被认为是最高贵的。“预测是数据分析的精华”这种奇葩口号都敢喊出来。

可为啥之前描述性分析那里说了这么多,原因和预测讲的那么少呢?因为这些玩意看似高深的玩意,现实中却很少做!大家掐指头算算,是不是自己的时间80%被耗在清理数据、更新报表、做描述性统计上去了。剩下时间,可能大部分还耗在写评估报告上。偶尔找找原因,还是拍脑袋找居多。建模预测?不存在的。

 

其实原因之前已经解释过:一来,找原因、做预测、评绩效都是基于描述性分析的。二来,这些分析可能根本轮不到数据分析师来做,业务部门不是自己搞掂,就是压根懒得去计较。结果,自然是数据分析大把时间都消耗在跑数上。只有数据,没有分析

 

总结一下,数据分析能解决/部分解决五大类问题

  • 是多少(数据描述现状)

  • 是什么(到底现状好不好)

  • 为什么(出现这个事的原因是……)

  • 会怎样(预测一下,这样的后果是)

  • 又如何(总结一下,这个事的结论是)

这五个问题是环环相扣的。有了清晰的描述才能寻找标准,有了标准才有好坏判断,有好坏判断才能思考为什么好/为什么不好。有了对原因的了解,才知道如何构建预测模型,才知道如何全面评估。

诶,这就完了?是滴,就完了!数据分析不是万能的,有相当多的问题不能解决。最常见的,就是这三大类问题:

  • 想不想(我想不想做这个事呢?)

  • 能不能(我能不能干这个事呢?)

  • 会不会(我不会干!怎么干!)

  

因为这三大问题,和意愿、能动性、创造力有关。数据分析方法需要数据才能分析,这就决定了它是一种后置的方法,很难预知创新;数据分析方法是理性、逻辑的代表,也就意味着在解决感性、创造问题上存在劣势。认知了这一点,就能更合理的规划方法,解决工作难题了。在企业工作中,一般要么是交给数据分析的兄弟:市场与用户研究来解决的。要么是现有方案,然后数据做ABtest和效果评估。

 

然而在工作中,才没有人会这么细致的梳理呢。大家都是习惯性的丢一句:“你来分析下这个XXX吗!”这时候,做分析的同学们就得有转化能力,把这些似是而非的问题转化成一个具体的分析问题。

比如“我想不想做这个事”,当然可直接回一句“你爱做做,不做拉倒!”可是稍作转化,把它变成:“如果我做了XXX事会产生什么影响?”这样就把一个“想不想”转化成了“会怎样”,有了具体的行动就可以分析。当问问题的人看了干会怎样,不干又怎样的结果后,自然心里有个判断。

比如“我能不能干这个事”,当然我们回一句:“有能力的人就能干!”这种毫无意义的屁话。但是如果把它转化为“过往做成这个事需要什么条件,你又具备了多少?”这个问题就变成了“是什么”的问题,问问题的人看了自己与条件之间的差距,自然心里也有了答案。

比如“分析下这个事怎么干”,如果转化成:“过往的举措有什么效果”就从“怎么干”变成了“又如何”,当问问题的人看了原来ABCD方法各自是什么效果,心里也有答案了。

所以,数据分析方法在企业经营,个人生活中都有很多用处,关键在于我们如何使用它。数据分析不仅仅是某一条公式或者一串代码。数据分析的真正魅力在于系统的、客观的、有逻辑的思考。用这种思考去代替零散、臆断、盲目。这才是它的做大价值。有些同学会问:既然数据分析有这么大价值,为啥我做分析就是天天在跑数……哈,这就涉及到工作方法问题了。俗话说:“你若安好,跑数到老”数据分析师如果太安于现状,不懂梳理需求,不会管理需求,不会邀功请赏,结果就是天天等着业务部门丢需求,那就真的跑数到老了……这个问题下一篇分享。

这是数据分析成长手册的一部分,在整本成长手册里位置如下:

持续追剧哦

推荐阅读:

  1. 哔!您有一份程序员数学公式宝典,请查收

  2. XGBoost之切分点算法

  3. 不喜欢现在的工作,该怎么办?

  4. 2018年终精心整理|人工智能爱好者社区历史文章合集(作者篇)

  5. 2018年终精心整理 | 人工智能爱好者社区历史文章合集(类型篇)

公众号后台回复关键词学习

回复 免费                获取免费课程

回复 直播                获取系列直播课

回复 Python           1小时破冰入门Python

回复 人工智能         从零入门人工智能

回复 深度学习         手把手教你用Python深度学习

回复 机器学习         小白学数据挖掘与机器学习

回复 贝叶斯算法      贝叶斯与新闻分类实战

回复 数据分析师      数据分析师八大能力培养

回复 自然语言处理  自然语言处理之AI深度学习

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