业务想要的“多维度数据分析”到底是什么？

数据分析的学生有没有遇到过这样的情况——努力工作的数据永远不是业务想要的？业务是过于挑剔，还是你做的数据不是业务想要的？本文将为您分层分析。来看看。 做数据分析的学生都遇到过这个问题：从多维度分析问题，并对业务提出有意义的建议。这个话题看起来很简单，但许多学生努力跑了一堆报告，结果只有一堆抱怨： 这堆你说明了什么！ 你的重点在哪里？ 你的维度太单一了！ 好！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！错！ 为什么有这么多组数据说分析维度不够？今天我们系统地回答它。问题的本质是：业务口中的多维度根本不是你想象的多维度。 一、数据分析眼中的多维度 对于数据分析师来说，多维度通常是指数据指标的拆分维度。 举个简单的例子:3月份销售额3亿。这是一个没有拆分维度的指标。如果添加分类维度，则为以下效果: 注：数据的定位比只看总数、多维拆解数据更准确。 有两种常见的方法： 添加过程指标 根据业务管理方法添加分类维度 例如，只看总销售额，我们发现差额3000万达标，但我们不知道为什么不达标。此时，如果拆卸更详细，例如： 1. 添加分类维度:看哪条业务线做得不好(如下图) 2. 添加过程指标：从用户意图到付费，哪个环节有问题（如下图所示） 增加过程指标 分类维度可以更准确地定位问题。甚至一些简单的结论也准备好了。 因此，许多数据分析师直接将业务口中的多维度理解为多维度。当我听到分析时，我振起手臂喊道：拆卸！拆卸！拆卸！一层一层地制作了大量的交叉表，并制作了所有分类维度的数据（如下图所示）。 但是，光多就够了吗？ 二、业务眼中的多维度 业务口中的多维度根本不是这个意思。 业务头脑中是否安装了数据库中的表结构，而是一个具体的问题。当业务看到3月份销售不达标时，脑海中的多维度是这样的: 看傻眼了吗？…… 你会发现简单的拆解数据根本无法回答上述问题。 是的，没有人能回答。这些问题甚至不能单靠看数据来回答。 即使问题定位为:3月份业绩不达标是因为A区三家分公司的客户意向太少，定位到如此详细的程度，上述问题也无法回答。 因为意图太少，因为对手努力，产品做得不好，活动跟不上，用户需求发生了变化……还是没解释清楚。没有回答任何具体的业务问题。自然业务看起来很傻。 三、真正的多维分析，这样做 本质上，真正的多维分析不是数据计算能力，而是战略能力。具体来说，有三个方面： 将业务原因转化为数据论证。 堵塞借口：不要总是试图扔锅，集中精力做点什么。 找到症结:找到一堆影响因素中最关键的，集中精力。 请注意，这三件事是有序的： 先把数据论证的方式列清楚，避免大家放空枪(数据不能论证的原因就闭嘴，是很好的议事规则)。 之后先堵借口，找借口解决不了问题，先堵各种逃跑路线。 最后，集中精力想办法，从大到小，从粗到细，先搞大问题。 综上所述，这件事可以分六步做。 第一步是对业务明暗提出的说法进行分类 构建分析假设，将业务原因转化为数据逻辑，用数据说话(如下图所示)。 第二步是优先排除借口 让每个人都专注于这个借口：宏观、外部和队友。所以在这里，关键是伪造。只要你能推翻他们逃跑的借口。 证伪最好的办法就是举个例子，也是下雨的时候，为什么别人？同样的流量也很难做到，为什么其他业务线可以继续增长？(如下图所示)。 例如，这种方法的另一个优点是，在反驳借口的同时，它也指出了解决问题的出路。企业讨厌那些只谈论问题而不谈论方法的人，因为每个人都会喷洒，所以很难解决问题。给出具体的学习对象可以极大地刺激业务思维对策，从而达到双赢的效果。 第三步是解决白犀牛，消除明显的重大影响 例如，监管政策、公司战略、主要外部环境等因素确实会在企业管理中发挥重要作用，这些因素只能被普通小员工接受，不能改变。但是！这些主要因素表现在数据上，并且有严格的要求（如下图所示）。 因此，如果有人想逃避这些因素，这取决于： 事实上，这件事发生了吗？ 数据符合不符合趋势的趋势 敲响警钟：不要责怪糟糕的环境。无论你走到哪里，环境都很糟糕。你是一个影响环境的人！首先排除这大因素的影响（或干扰），然后关注我们能做什么。 第四步是解决黑天鹅问题，消除明显的紧急情况 如果真的是紧急情况，很容易找到问题的来源： 积极:促销活动，某群用户骚动，新产品上线…… 负:恶劣天气、紧急情况、系统停机…… 所以先排除单次突发问题，找出原因，再追溯之前的情况，就很容易说清楚了。 第五步:按分工锁定问题点再谈细节 在解决了大问题之后，如果你想讨论更详细的问题，你必须锁定部门，在谈论计划之前先订购人员。以前已经分享过了，这里就不赘述了。 第六步:锁定细节 请注意，即使你专注于一个部门的行动，也很难弄清楚业务原因是什么。因为业务上的事情是各种因素交织在一起，很难澄清，比如: 内容操作：传播渠道、主题、调性、风格、图片、发送时间 活动操作:目标群体、活动门槛、奖励内容、参与规则，差一个可能扑街 用户操作：新人进猛做留存差，留存猛做新人进入成本低，两头两头投资不够 商品运营:选款时看100个维度，但一天不上线，一天不知道真实表现。你上去了，他扑了。 …… 可能做数据的学生的本能反应是：能做到的ABtest呀。 事实上，大多数业务都没有时间和空间去做ABtest 是的，有些东西(如选品、文案)影响维度太多，要做无数组ABtest只能测清楚。 而且，已经发生的事情不能再做了ABtest所以要区分交织因素，必须有更多的辅助方法来配合。 特别说明：本网站的主要目的是收集与互联网运营相关的干货知识，为运营伙伴提供便利。本网站收集的公共内容来自互联网或用户的贡献，这并不意味着本网站同意其观点，也不对网站内容的真实性负责。如有侵权行为，请联系网站管理员删除，。