寫數據分析報告,建議部分憋到臉紅,咋整?

你不要光報數字!

要做策略性思考!

要提出可行的建議!

很多做數據的同學都被領導、同事這麼吆喝過。然而,什麼是策略性思考???往往一聽到這種詞,就有同學急不可耐的掏出《麥肯錫方法》之類的鎮山法寶,或者在網上搜《底層思維》、《核心邏輯》、《分析框架》之類的文章。結果除了“裂變”“痛點”“顛覆”這些似懂非懂的詞以外屁都沒有記住,下次寫報告還是繼續同比、環比、三年比,低了要搞高……

咋辦?!

看個簡單的例子,今天HR的小妹妹李芊穎同學被領導罵哭了,因為身為HR,她本人這周的考勤表,長這樣:

寫數據分析報告,建議部分憋到臉紅,咋整?

SO,作為數據分析師的同學們,看到這個咋提建議?


一、缺乏策略性的表現

很快,4個做數據分析的同學都給了答案。

同學1的答案:

本月共22個工作日,遲到11個工作日,遲到率50%

遲到最多的是第二週,共遲到4天,遲到率80%

遲到最少的是第三週,共遲到1天,遲到率20%


同學2的答案:

遲到次數太多,建議不要遲到。

特別建議週一不要遲到。

同學3的答案:

數據來源是……

建模過程是……

經過迴歸模型分析,預測下個月遲到12天。

建議減少遲到。


同學4,還沒給答案

他正在網上找《員工遲到分析模型》。找了一上午沒找到,但是加個五個數據分析討論群,每個群裡都在問:

有沒有數據分析高手?

有沒有HR行業的數據分析師?

有沒有HR方面分析的書,最好PDF版的?

急!可付費!在線等!


問,以上四個同學,哪個能及格


二、核心的癥結


顯然,以上四個都不合格哈!

不合格不僅僅因為他們說的都是空話、廢話.

更因為他們都犯了同一個問題:就數論數,脫離過程

作為HR經理,想聽到的建議是:

建議1:早點出門。

建議2:該打車就打車,省那錢幹啥。

建議3:犯了錯就認罰,哭有屁用!


作為李芊穎小妹妹,想聽到的建議是:

建議1:減少給李芊穎同志的工作量

建議2:由於李芊穎同志住的太遠,建議多批幾天特例

建議3:上個月李芊穎同志太辛苦,建議免於處罰


看到區別木有,無論是業務方的領導和下屬,都不關心具體的數字是什麼,更不關心得出數字的模型是什麼。他們關心的是可以做什麼。做的事情要有依據,能服人就更好了!所謂建議,是業務部門可以做的一個具體動作。這個動作和業務工作流程有密切關係。要能夠達到一個大家認可的結果。

所以在推導建議的時候,不要單純在數字上糾結,特別是不要在類似題目的這種“結果數字”上糾結。單純糾結結果,就會變成“你說我偷懶,我說我沒懶”這種小孩磨牙式爭吵。要想辦法深入到問題發生的過程中,才能找到答案。


三、破題的思路


聯繫到具體過程,我們就能發現:數據對於量化過程、鎖定問題有巨大幫助

比如最簡單的一個建議:“早點出門”,聽起來是個理,實際上至少存在三個漏洞:


1、早到幾點出門不清楚,6點?7點?8點?空口說“早點出門”跟沒說一樣,需要量化


2、有沒有特殊原因,不清楚。很有可能小姑娘哭的梨花帶雨的:“人家前一天加班到半夜,第二天起不來很正常嗎!!!要求正裝出席,出門前化妝不很正常嗎!!!又要人家忙又怪人家,嗚嗚嗚”……不區分具體場景的量化,根本說不服人


3、特殊原因真的假的,不知道。鬼知道她是真在忙,還是前天出去嗨到半夜去了。

更糾結的是,可以直接推導出答案的數據可能是缺失的。你又不是人家男朋友,你怎麼知道人家前一天晚上是出去嗨了還是加班了。沒有直接證據的情況下,就得一步步來:

  • 先清理出來可用的數據,建立一個基本分析框架
  • 再看怎麼挖掘具體場景,排除異常情況


這樣才能做到有理有據,以理服人。


四、答題的順序


▌第一步,先搞清有什麼數據可以用。

通勤這件事,我們其實並不需要那麼多隱私信息:

寫數據分析報告,建議部分憋到臉紅,咋整?


▌第二步,建立基礎的分析框架。


基礎的分析框架中,不考慮各種意外情況、特殊場景,就看業務最基本的數據邏輯。比如通勤這個事,只要選好了起點(李芊穎住的小區)終點(公司),打開高德地圖都能看到:

距離多遠

坐地鐵需要多久

坐車需要多少錢,需要多久


有了這些基本信息,就能判斷出來:這個距離是否真的太遠,從而剔除很多借口/猜疑(如下圖):


寫數據分析報告,建議部分憋到臉紅,咋整?


▌第三步,討論可以量化的特例。


不要一看到小姑娘漂亮就想八卦人家的隱私,除了引發爭吵外沒啥好處。先把能收集到數據的,明面上的問題,比如加班、打車算清楚。這樣一來能看到:是不是真的分工不均,委屈別人了;二來也能堵住找藉口的嘴(如果確實沒加班的話)。


寫數據分析報告,建議部分憋到臉紅,咋整?


▌第四步,推導建議。


有了以上的鋪墊,推導建議就能有理有據了,而且非常具體(如下圖):


寫數據分析報告,建議部分憋到臉紅,咋整?


五、回到現實工作


當然,上邊只是一個逗比的小例子,但是清晰的反映了現實中問題:

  • 業務部門往往處於本位主義思考,提的建議都是對自己有利/自己想表達的,懶得顧及事實,更懶得細緻分類。
  • 數據部門往往陷入數字遊戲,過於關注數字計算,忽視業務過程,最後就數論數,止於數字。


這樣都是不利於得出正確的結論和建議的,最好的做法,就是從過程出發,層層推進,構建起邏輯樹。然而這兩年算法模型概念廣為流傳,一下讓業務方和數據都以為,只要LR,CNN,XGBOOST呼啦啦往上懟,電腦就能開口說話:“李芊穎呀,我是全知全能的阿爾法大狗子,這個月遲到都怪你自己哦”……於是就惹出更多笑話了。

當然,這些都建立在一個基本前提上:你得能分清看到的是結果數據還是過程數據。曾經有個同學問陳老師:“老師,我要如何提升策略性思考能力,你看我們現在明明一切做的很好,可轉化率就是上不去,為啥嗯?”

答曰:你們現在就是李芊穎呀,嘟著粉紅小嘴一臉委屈的:“我明明每天很積極上班了,可咋就是遲到了呢”……想找到答案,光糾結結果沒啥用,得深入過程中哦


分享到:


相關文章: