|
数据分析是业务决策的重要工具，但非常多数据分析师在实质操作中却常常感到困惑，不晓得怎样将数据转化为有价值的业务洞察。本文将系统性地介绍数据分析的标准流程，帮忙数据分析师理清思路，更有效地支持业务决策。 
“数据分析的标准流程是啥？”
“为啥感觉自己只取了数，看不到结果？”
“分析做到什么地步，才算是对业务有用？”
经常有人有这些疑惑，今天咱们来系统讲解下，数据分析的标准流程，帮大众理清思路。做数据分析其实有2种基本流程和6种详细状况，咱们一个个讲。
1、从问题出发的流程
此类流程，典型有三步：问题→数据→答案，通常业务分部会沿着这个路径思考。例如你是一个营销主管，你最关心的肯定是自己业绩表现，于是你会先看： 问题1：我的团队业绩怎样？数据1：当月达标状况……今年累计达标状况……答案1：日前已达标，超额20%当然，有可能你思考得更深入有些。
例如机构日前有一个业绩排名奖：全国每月同比增长排名前5的团队，能够拿一笔奖金。此刻已然20号了，你很想晓得自己有无机会拿到这个奖。
于是，你会进一步分析： 问题2：日前排行+将来10天预计增速，能否让我拿到这个奖数据2：截止19日，同比增长排行……将来10天，各团队预计完成状况答案2：从日前行业+将来增速来看，我能/不可拿到奖金重视！问题2比问题1要繁杂非常多，由于问题1只需要统计历史数据就好了，问题2得预测将来10天的走势。
在怎么预测上，可能有好几种办法，例如： 简单用前20天趋势，模拟将来10天走势（趋势外推）按照去年同期的走势，模拟将来10天走势（周期性分析）按照手头尚在跟进的客户*预计转化率，举荐结果（业务模型）按照营销人数、营销花费等数据建模，再预测结果（算法模型）这便是咱们常说的：繁杂需要。当需要变繁杂的时候，数据分析的流程亦会变长，重点在数据环节，越复杂的办法，需要越多的数据准备。那样，有那些是繁杂办法呢？
2、四种繁杂度下，分析流程
繁杂度一级：认识状况。
这种最简单，直接统计历史数据就可，例如截止1月3日，今年新增多的用户数/累计完成的营销业绩；1月3日时间点上，商品库存有多少等等。重视！单纯陈列数据，并不可解释状况好坏，需要数据+判断标准，例如累计营销业绩+业绩考核标准，这般才可发掘问题。
在这种状况下，数据分析流程便是：业务想认识状况→统计数据指标+判断标准→描述状况。
繁杂度二级：原由分析。
典型的问题，例如业务问：“为何我的业绩没达标？”重视，此时业务有假设和没假设，处理流程不同样: 
总之，想做得深入，必定要业务题假设才行，否则数据自己把指标拆来拆去，特别有可能只输出诸如：“由于人数少了，因此没达标，意见把人数搞高！”一类肤浅结论。
繁杂度三级：优化表现。
典型的问题，例如“我要怎么做，才可让业绩冲第1”。此时，需要把前边两个繁杂度的问题所有做完，才可有结论。 
因此，优化表现类流程会尤其长。非常多数据分析师不晓得怎么提业务提高意见，其实便是由于缺少了前边这几步铺垫，啥状况都不认识，肯定没法直接提意见。
繁杂度四级：预测走势。
在上一节已然举过预测例子，实质上，凡是预测类的问题都很繁杂。起码得先认识状况，晓得问题点，晓得业务有无计划做改进动作，收集一大堆信息以后才可做恰当预测。
此时：
倘若不思虑业务动作，那样能够直接用趋势外推，分析流程就很短：业务想晓得预测结果 → 观察过往趋势→按过往趋势拟合函数→直接外推结果。
倘若业务想思虑自己的动作，例如“我追加投入会怎么样”，此时流程就繁杂了，业务想晓得预测结果 → 观察过往趋势→创立模型，量化投入影响→代入参数，预测结果。
总之，业务上提问越繁杂，需要分析的环节越长，前期铺垫越多，否则很难输出有价值结论。
3、从数据出发的流程
还有一种状况，便是业务端没主动提需要，然则数据分析师需要主动从数据里读出业务含义，发掘业务问题。此时的基本流程是：数据→问题→答案。
然则！这个流程经常走不下去。由于非常多非常多数据分析师只看得到数据，对业务状况不认识。因此呢不晓得该怎么诠释这个数。例如： 晓得累计营销额是多少，但不晓得业务考核标准，因此呢没法诠释“好/欠好”晓得营销排行是啥，但不晓得业务的排行奖励细则，因此呢没法看出谁有潜能拿奖晓得营销欠好，是由于某个制品卖得很差，但不认识制品属性，没法深入分析因此呢本篇用了很长篇幅介绍业务视角怎样展开分析，便是为了提醒哪些每日对着报表发呆的朋友，多和业务沟通，多加深对业务背景/业务情况的认识。好在，有非常多机构业务和数据沟通还是很紧密的，因此呢，能够优化下“数据→问题→答案”的基本流程。
例如：从异动出发，数据→反常波动→业务沟通→问题确认→深入分析/问题结束。这种通常是数据分析师发掘了指标异动，之后向业务确认。倘若异动是业务主动发起/早就晓得/已然采取办法应对，那就再也不纠结，如果是意外状况，就再深入分析，直到落实问题原由。
例如：从标杆出发，数据→寻找标杆→业务沟通→可复制性确认/问题结束。这种通常是数据上，发掘某个制品/某个地区/某个途径表现尤其好，此时数据能够向业务主动确认“是不是一个机会点”“值不值得推广”。倘若业务早就晓得了，那就结束。倘若业务感兴趣，就深入分析标杆可复制性，推动标杆推广。
例如：从分部联动方向：数据→相关状况分析→信息共享→问题确认→深入分析/问题结束。这种通常是做经营分析的时候，例如发掘营销走势下滑，提醒供应重视积压危害；例如发掘营销花钱很猛，关注现金流；例如发掘业务计划大活动，提醒客服/售后准备。先共享信息，再看关联分部是不是有应对，倘若无应对再深入分析。
以上，所有流程总结如下图，方便大众取用： 
本文由人人都是制品经理作者【接地气的陈老师】，微X公众号：【接地气的陈老师】，原创/授权 发布于人人都是制品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
| 
发表于 2024-8-31 23:09:14