數據分析師拯救豬隊友的操作指南.doc

人生在世，難免會遇到幾個豬隊友。如何拯救他們？作者分享了他的獨家秘訣。

年初各種盤點、總結、回顧類的報告很多，有一類「不帶腦子」的隊友紛紛上線，搞得做數據分析的同學們非常蛋疼。具體表現嗎，看下圖：

來，陳老師把那句沒說出的買馬匹替大家說了：做業務、做業務，連自己要做成啥樣都不知道，還做個毛線啊！腦子都去哪裡了！不知道早問啊，現在都搞完了，拉了一褲襠了，擦屁股想到老子了……

咋整？我們今天詳細整一整。

不帶腦子？不是蠢就是壞

為什麼會這樣？其一就是：蠢。很多人幹活就是不帶腦子。確實有很多公司的運營、策劃、產品經理，幹活就找模板，想創意就抄競品，其他啥都不會。

你問他為什麼幹？

他回答：

1. 過去是這麼幹的，今年也這麼幹；
2. 我看人家這麼幹，我也這麼幹好了；
3. 老夫從業十年都是這麼幹，為啥不繼續幹；
4. 這是老闆命令的，我也不知道，我也不敢問。

至於這麼幹行不行、會幹成啥樣、幹不好了還能咋樣，完全沒思考過。如果業績風調雨順，就你好我好大家好。如果業績不行，就開始怪大環境，怪對手太兇猛，怪公司沒投入，怪領導瞎指揮。最後一句：「這個得用人工智慧大數據分析下」，把燙手山芋丟過來了……

╮(╯▽╰)╭

還有一類就是：壞。自己寫目標怕完成不了，於是故意留白，等著「人工智慧大數據分析一下」。剛好新入職的小夥子信了！還真以為人工智慧模型能搞掂，兩者一拍即合。

最後的結果：

• 如果分析出來效果特別好，老闆質疑！丫就甩鍋給數據分析師，說：我看不懂呀，都是數據分析搞得；
• 如果分析出來效果不好，丫就站出來說：是不是分析的不夠深入，是不是分析的不夠全面，是不是還少了考慮行業、宏觀、用戶等深層次影響？

總之你拿回去改，你沒有分析到位！

(▼ヘ▼#)

總之，這些亂七八糟事是我們不想面對的。可如果事已至此，隊友真的就沒定目標，並且良心沒有大大滴壞啦，想一起補救，咋辦呢？

破局關鍵：找參照物

想事後補救，最關鍵的是：找參照物。在事後補一個評價標準。這樣做頗有：「先射箭再畫靶子」的味道，是非常不科學的。但是總好過沒有評價標準。因為如果沒有評價標準，單純的計算活動中業績、用戶、銷量等數據，會引發一系列的問題：

你看，完全扯不清楚。

這還是業績類活動。如果是任務類的，比如增加用戶量、清庫存之類，就更扯不清了。到底增加多少用戶才滿意？增長上限是什麼？這一炮把錢都花了剩下幾個月咋辦？清庫存反正都要清啊，憑什麼說你活動做得好？一件都交代不清楚。

所以切記切記：先找參照物，評定對錯好壞，再分析為什麼會好/為什麼會壞，有多少改善空間。這樣做最清晰，最有效率，能減少很多毫無意義的扯皮。

隱藏的剛性目標

本篇例子是促銷活動，從邏輯上講，促銷活動是一定會拉動銷量的，畢竟是砸了真金白銀的。問題的關鍵是：增加的銷量對不對的起投入的成本。這也意味著，促銷活動都是隱含了剛性目標的：

1. 銷售額比沒促銷漲
2. 活動期收入+活動成本，大於活動銷量增長

具體例子看下圖：

如果做了活動反而比沒做還差！活動參與的人壓根沒幾個！那做的是個屁呀，多明顯的問題。

BUT，一般這時候，業務部門會跑出來強行洗地：「做了活動更差，是因為不做活動會更更更差」。這種洗地是毫無節操的，典型的做爛了還不認的行為，你咋不說你不做活動地球就爆炸呢。

這時分兩種情況。如果是上圖1走勢，業績雖然持續下滑，但是跌的輕了，這時候還能洗洗地。如果是上圖2走勢，正常周期波動，丫做了活動業績反而跌了，那就是活動做爛了，洗都沒得洗。

這時候送給業務方的就八個字：下跪認錯，低頭挨打。

其他事後補目標的方法

當然，大部分促銷活動，丟錢下去，還是能見到一點水花的，業績、用戶等等指標還是在漲的。這時候可以用其他方法，事後補個目標。具體的，要看過往活動的開展情況和活動形式。

情況一：過往沒有活動

常見於首次進行活動，或過去很長一段時間內沒有活動，這時候可以選一個同活動時間一樣長的時間段，做參照物，看看活動整體上拉升多少。再拆開看參與活動的各地區，各用戶群體差異。

這樣做，背後的業務含義是：我們拿整體水平做標杆，看怎麼改進做比整體水平低的。通過這種對比，就能暴露活動內能優化的點。同時，既然是首次做，就把本次整體水平保留下來，作為以後的標杆，下次就不糾結了。

情況二：過往沒有活動，且周期性波動

在情況一基礎上，如果活動影響的業務，本身有周期性波動（如上圖所示），那活動有可能有水漲船高的效果，這時可以根據上一周期增長量做自然增長，扣除這一部分後再做評價。

情況三：過往有活動，且僅有單一活動

這時候可以拿上次活動作為參照物，先計算活動投入產出比和帶來總效果。結合這兩個指標可以判斷：繼續做活動是虧是賺，活動影響力極限能去到那裡。

這樣能對活動做個定性：越做越好/越做越差。有個這個判斷，後續再看具體細節怎麼改善，也有了參照物，可以細緻分析。

情況四：過往有活動，且多活動疊加

這時候很難算清楚每個活動的貢獻（也正因為此，很多業務方放棄了設目標，可回頭又要單獨評估，糟心）這時候最好的處理方法是：先看整體的投入產出，定個大基調：本期內活動組合效果高/低。

有了這個基調，後續就能做結構分析，看看每個小活動單獨影響面，從而判斷對於眾多子活動到底是增還是刪。（如下圖）

根本杜絕事後補救的辦法：

吐槽歸吐槽，可能有的業務部門真的不會定目標……這時候就得認真教他們，好在陳老師在雙十一的時候專門有一篇分享，有興趣的看：雙十一備戰手冊

從本質上看，業績是做出來的，不是算出來。事前定目標只是為了更好激勵自己行動，促成更好效果，真正需要複雜分析的是事後的總結。所以業務部門的完全沒必要在這裡背很大心理壓力。話說回來，真業績做不好，還不是自己挨板子，何苦呢。

一個特別提醒的問題

有一類目標要特別小心，叫「滿意度」。一般像用戶數，付費用戶數，銷售額，銷售收入，這些指標都是系統記錄的，含義很清晰，拿來當目標是完全沒問題的。但是「滿意度」這種無法直接記錄、含義不清晰的玩意，要特別小心。

• 首先，什麼叫滿意度很難扯清楚。5星好評的算滿意？那我花10元優惠券買來的好評算不算滿意？先給5星又來投訴的算不算滿意？不留言的算不算滿意？
• 其次，滿意度很難用系統數據量化。沉默大多數問題，導致系統只能記錄到投訴、差評這種極端情況，大部分用戶沒有可靠的系統數據。用抽樣問卷，那數據質量你懂的……
• 再次，滿意度和銷售收入、用戶量這種終極目標沒啥直接關係。越罵越火這種事在很多行業都司空見慣了。

這種定義不清、數據質量不穩定、容易被操控的指標還有很多，類似：NPS、品牌影響力、品牌美譽度、市場佔有率（因為行業數據要第三方提供，第三方你懂的）事前不談清楚口徑，事後又是無休無止扯皮的地方。

偏偏業務方特別喜歡寫這些話「拉動新用戶註冊，提升品牌影響力」……這就是站著說話不腰疼了。建議有類似需求的，讓他們找管市場調查的同事或者找第三方去搞，我們不蹚這趟渾水。

終極解決方案

最終極的辦法，當然是數據分析師參與到策劃過程中去，一開始就給一些專業指導，幫助大家理清思路。並且還能把過去一些失敗項目的數據情況分享出來，提升策劃質量。

如果有機會參會的話，大家可以按以下話術，確認活動信息。

如果業務方說：沒有設參照組，沒有設參照期，該怎麼設來問數據分析師，這樣最好不過了！我們可以結合實際情況提供專業意見，省的麻煩。

然而有些同學會問：這種方法針對一次性活動管用，有些活動是長年做的，比如會員制度，比如新手指引，這種又該怎麼評估呢？我們以後繼續分享。

#專欄作家#

接地氣的陳老師，微信公眾號：接地氣學堂，人人都是產品經理專欄作家。資深諮詢顧問，在網際網路，金融，快消，零售，耐用，美容等15個行業有豐富數據相關經驗。

本文原創發布於人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基於CC0協議

收藏已收藏 | {{ postmeta.bookmark }} 點讚已贊 | {{ postmeta.postlike }}