数极客首页

数据分析的目的性越强,越有价值!

数据分析从功能角度来讲,无非就是两个。

1、有问题,通过数据分析寻找原因,制定决策。

2、有新项目、产品、方案要上线,或企业制定大决断,需要数据分析结论做辅助参考。
数据分析的目的性越强,越有价值!

为什么强调数据分析的目的性?

数据分析的目的是整个研究方案的起点,决定着后续研究的内容,数据的来源,使用的方法。

目的不明确会导致方向性的错误,这里举两个歪例子。

场景A:

某电商双十一跟着淘宝做了一个大促活动,事后想了解活动的效果,于是找到了小王。

于是,小王开始收集数据、处理数据、建立模型、制作报表。最终得出结论:活动期间UV上涨了50%,订单增长了40%,销售额提高了45%云云。

场景B:

感觉最近的天猫的销售量有点低,做个分析看看是什么原因,该怎么做?

小王又开始发起洪荒之力,结合平台的流量数据,订单数据、用户数据,采用聚类分析、主成分分析、相关行分析等分析挖掘手段。发现男性群体的销售量明显下滑,需要提高对这类人群的引流。

以上两个场景,场景A虽然各项数据看上去都提高了,但是实际上该电商是做礼品的,他更需要知道双十一与其他各个节日活动效果的对比,只算了产出,未算计投入,结论和目的一样不清晰。场景B用到了很多算法,挖掘到某群体的变化,但实际上该电商在在该月的男装上新量显著减少,销量下降与季节的调整有关。

所以,以上两个案例,一个不细分研究目的,另一个不做目的性的引导,是分析失败的主要问题。业务不了解数据,数据不了解业务,这种衔接矛盾常常存在。

目的的面纱需要层层揭开

数据分析的目的往往不是那么明确,只是有个大致的方向,这个有时候业务员和领导也没有办法。所以做数据分析时要抖点机灵。

比如让你做一个用户行为分析,出一个研究方案。你一定要知道这并不是真正的需求。你需要与领导再沟通,了解他做用户行为到底是要解决什么问题,摆脱什么困境?如果领导是因为觉得客户流失率太高,想留住客户,那分析方案就应该围绕用户满意度去展开,分析的价值在于研究找到用户不满意的点,并针对这些问题提出改进建议。

如何明确分析的目的?

1、沟通、沟通、再沟通!

领导、业务很多都迫切希望知道结果,原因,该怎么做,有多少提升空间。虽然只是一句话,你要做的岂不止这些,所以要多沟通,找出问题的症结。

2、多问一句,少绕弯路

如果缺乏对业务的认识,在分析时不妨多问一句,关心的指标有哪些?比如分析用户转化率的时候,影响的主要因素有哪些?一般正常的指标是在什么水平?有哪些很客观的外在因素可以排除,比如节假日。

没有目的性的数据分析都是“瞎玩”,都是盲目的。但有人会说,我知道该怎么分析,有目的,但是不知道如何表达,用什么工具操作,找信息部要数据麻烦,做报表困难,Excel只会基本,满足不了需求。那就该应该学一种合适的分析工具。

以下用FineBI做了一张分析的dashboard。连接了后台的数据库,字段间的关系自动构建,设定自动更新数据,这样一张模板就可以展示所需要的数据,做分析了。

数据分析的目的性越强,越有价值!
数据分析的目的性越强,越有价值!

发表评论

评论已关闭。

相关文章