转载自网络 不用于商业宣传 版权归原作者所有,侵权删。
在学习数据分析的过程中,我们可能经常只关注于数据本身,却忽略了数据背后的业务需求,常常是自己埋头苦干做出的分析结果,却被业务一句话给否掉:“你这个结果不符合业务逻辑!”
比如领导让你分析一下最近业绩下降的原因,你分析了一大堆流量、客单量、留存等等数据,业务人员却看都不看,因为他觉得业绩下降可能就是销售的问题,你分析的数据根本毫无价值。
这种情况该怎么办?
其实让数据分析与业务结合,一直是业界公认的难题。在我看来最简单的办法就是培养业务思维,懂得用业务的思想去分析数据,了解业务到底需要什么,才能做出既符合业务逻辑、又有数据价值的分析结果。
我们经常说“数据分析要懂业务”,但是很少有人知道什么才是真正的业务思维。
其实,业务思维的内容只有两个重点:
举个简单的例子,某家电商网站的日活出现明显的下降趋势,如果你不懂业务,你可能就是把PV、UV等数据拉出来做做同比、环比,最后提出要加大广告投入这样的结论,对于业务人员来说根本就是废话。
1、如果你拥有业务思维,你应该首先了解业务需求的关注点究竟是什么,是让你单纯的分析流量吗?肯定不是,业务最关心的可能是成交客户的数量,也有可能是销售量,也有可能是转化率。
也就是说,我们要先了解清楚业务想通过数据实现什么需求,再对照着需求分析数据的来源、口径等,评估数据和分析目的是否匹配。
2、了解了业务需求才能对症下药,这时候很多人就会直接套用各种分析方法和模型,比如漏斗模型、RFM模型、矩阵模型等等,但是却忘记了考虑业务模式。
也就是说在分析过程中,你既要关注数据,也要关注外部环境,不能仅仅盯着数据模型和方法不放,也要去关注业务的需求变化和逻辑,这样才能让业务肯定你的工作。
业务分析的流程一般是这样的:
1、吃透业务分析需求
所谓吃透分析需求,就是对业务的需求进行深入理解,一方面是看需求是否合理,另一方面是对需求的全面思考。
先想清楚,业务的需求真的需要解决吗?真的重要吗?真的能实现吗?真的有价值吗?所以要对业务提出的需求进行深度挖掘,直到这个需求真的对其有价值。
其次,业务的需求往往是某个具体问题,零散而片面,所以我们要进行系统化的、全面的需求分析,从全局的角度引导业务分析的需求。
2、建立分析体系
过程如下:
确定分析指标:首先是指标先行,梳理出你需要的指标,建立起指标库,原则是要确定核心指标、剔除虚荣指标、尽可能简化指标;
生成需求指标:很多指标可能并不是直接就有的,比如重度访问用户的占比,就需要组合访问时长和UV这两个指标,形成一个新指标。
建立分析框架:原则是要从指标的角度出发、从业务的角度出发、从流程的角度出发。
选择合理工具:一般分析体系都需要在数据分析工具中呈现,常用的就是各种BI工具,比如FineBI、Tableau等等。
3、了解业务逻辑
把分析体系搭建起来后,与业务部门一碰撞,发现还是不能完全满足需求。这种问题,本质上业务逻辑却是,由三部分构成:
当明确了分析什么样的指标、满足业务什么样的需求后,我们就要考虑整个业务的模式和逻辑,要关注用户角色、运营角色、信息、渠道等,以及他们之间的流转关系,以求用最高效的方式满足户需求。比如微信解决用户的社交需求,其产品定位是社交APP ,所以在它的产品形态上主页即是与好友的消息列表,可以方便地与好友进行互动。
4、分析结论和成果要有明确的业务指向
业务人员看你的分析结论,是要能够马上采取对应行动的,这才是数据分析的根本目的。因此你的分析结论切勿罗列数据结果,一定要有明确的指向性。
就拿报表需求来说,你的报表分析没有任何的逻辑,没有回答业务的疑问,没有加入业务的思考,就完全是一张废纸而已,业务想要的其实只有一句话:“我该怎么办?”
所以,做数据分析,要从具体问题出发,到一个指向业务的行动结束。想要超出业务期望,当然得了解具体业务期望是什么,解答他们的问题,帮他们发现更深层的问题。
还是那句话,没有业务思维指导的数据分析只能是一张废纸,这一点对于刚刚入门数据分析的新手来说,尤其要注重积累和培养。
转载自网络 不用于商业宣传 版权归原作者所有,侵权删。