数据分析师都要具备以终为始的思考逻辑

职场中,需要的是「解决问题」的能力,对于数据分析师同样如此。

数据分析解决业务问题有一套“标准化流程”:从明确需求、清洗数据,到分析原因、提出建议。对于这大同小异的过程,有的分析师驾轻就熟赋能业务,但有的却频频卡壳,或许拿了数据不知从何入手,或许分析一轮后却被否认。

针对这些问题,我们需要「以终为始」,使得数据分析的全流程,始终围绕着同一个目的进行:解决业务问题。

什么是「以终为始」?

  • 以终为始是一种「逆向思维」,要求从目的出发,倒推现阶段要做的事
  • 以终为始是一种「目标管理」,把当下要做的事限制在「目标达成」的框架里
  • 以终为始是一条「通关路径」,沿着它向前奔跑不会偏离方向

比如我要把「饼干数据分析脑暴会」打造成以乐于分享的社群,这是目标,那如何衡量目标达成?确定评估指标为:每月达人直播分享会数量,即每月都有1个达人进行主题直播分享。

要达成这个目标,需要先考虑一个问题:达人为什么会来直播分享?回答:按等价交换原则,达人来分享是帮助提高社群活跃度,那么达人能获得什么呢?从物质、精神维度划分,或许是金钱、名声。所以社群就需要解决付费、以及听众的问题。

听众的问题,可以量化成社群人数,认为社群覆盖的人数足够多,达人即可获得更高知名度; 对于付费的问题,一般认为更多人愿意为优秀产品付费,所以该问题可以转为如何做一场优秀的分享会。

要提高社群人数可以通过内容创作及多渠道宣传,而为了帮助达人做优秀的分享会,需要把分享会经验沉淀成开箱即用工具包,帮助降低分享门槛的同时确保分享会质量。

至此,我们为了达成“乐于分享的社群”的目标,倒推至当下要做的事就是创作内容、积攒分享会经验,逆着以上思路便可形成阶段里程碑。这就是以终为始的具象表达。

为什么「以终为始」很必要?

数据分析过程中很多存在的问题,都是因为没有「以终为始」引发的:

想要转行数据分析,但是学海茫茫,不知从何学起?

「以终为始」:先结合个人发展规划,明确数据分析领域的岗位。对标中大厂该岗位的要求,形成学习技能树目标,“按部就班”即可。

学习过程中,为了学习工具而学习工具,没有困难也要给自己制造困难

「以终为始」:以解决问题的思路,先简单后复杂,先入门后进阶,先完成后完美。在学习过程中,对需要的知识应该有“程度”的把控,某知识点应该学到什么程度?设定里程碑阶段,确保方向正确,才能离目标达成越来越近。

给业务进行数据分析的过程中,没有思路,不知道从何开始搭框架?

「以终为始」:回到此次数据分析的目的,是要解决特定业务场景下的业务问题。没有思路,是否因为没有把对应的业务问题拆透?需要进一步把业务问题根据「业务目的」拆解成多个子问题,才能转成数据问题,才能基于此搭建分析框架。

「案例」数据部门和产品部门沟通,应后者需求搭建模型评估单品价值,过程中一直在讨论要什么数据、什么算法,讨论逐渐往数据、算法本身上去了,效率很低。此时奶茶妹妹提出需要「以终为始」,先让产品部门回答“做这件事的目的”以及“如何评估最终形成的数据模型的作用”这两个问题,围绕着答案,对前面头脑风暴过程中讨论的数据指标进行删减、对算法根据评估指标优化,很快就搭建起了整体框架。

数据分析师如何做到「以终为始」?

做事前,从业务层面思考,先问为什么:

想清楚做这件事是要解决什么问题?

学习数据分析知识前,先明确岗位要求,就是考虑要达成的数据分析能力可以解决什么样的业务问题?比如是围绕用户的运营,还是针对互联网产品的优化。

小Tips:入门数据分析师沟通数据需求,资深数据分析师沟通业务需求。

上述“单品价值模型”的案例中,业务要解决的是库存挤压占用资金成本,希望通过优化「库存结构」来解决此问题。换成商品运营的语言,就是通过采购更多高价值的单品、清理低价值单品等方式,提高库存周转率,提高资金利用率。

从数据层面思考,分解目标:

搞清楚真正的问题在哪?

可以借用Issue Tree逻辑树和SMART原则工具,对目标进行管理,最终映射到数字空间,转成数据问题。

上述“单品价值模型”的案例中,问题转成了如何计算单品的价值?回到业务需求中,优化库存结构的结果通过「存销比」来衡量,也就是说单品价值的计算公式需要与存销比指标挂钩,换句话说需要通过指标公式判断热销产品。

那如何判断热销产品?

在零售行业,可以套用人货场模型:

  • 人:历史数据中更多人买的商品?还是针对核心用户群的商品
  • 货:单价在哪个区间商品?还是不同品类决定了销售情况?
  • 场:热销品是否存在季节效应?

从执行层面思考,制定做事顺序:

形成解决问题的步骤框

这一步需要对由业务问题转成的数据问题进行原因分析。分析过程中,需要「以终为始」思考最终数据分析的产出形式,也就是说在原因分析过程中需要围绕着最终的「业务目标」和「产出形式」形成完整的分析框架。

上述“单品价值模型”的案例中,问题转成了通过人货场模型找到热销产品的特点,考虑到最终的产出是以模型公式的形式,对每个单品的价值进行定义计算,所以在人货场模型的分析后,需要形成公式:单品价值 = 用户指标×商品指标×周期指标。

结尾

如果说什么是数据分析逻辑,我认为「以终为始」就是重要的思考能力,可以帮助我们梳理分析框架的同时,真正解决业务问题。

愿无知者有力,愿有力者前行。
我是@饼干哥哥,持续为您打造数字化时代的分析能力。

文章来源于互联网:数据分析师都要具备以终为始的思考逻辑

THE END
分享
二维码