高级的数据分析,长啥样?

共 2335字,需浏览 5分钟

 ·

2020-07-27 12:19


“你有没有做过高级的数据分析?”这个问题一出,又问劈了很多同学。妈耶,平时都在跑取数单,啥是高级的数据分析见都没见过,咋回答。今天系统解答一下。


 1 

通俗解释,什么算高级


问一个简单的问题:汽车上如果导航,能不能开车?答:绝对可以。实际上导航普及也没几年时间。但没有导航,开车会异常麻烦:找不到路;错过路口兜一大圈;傻乎乎堵在路上不会绕……总之开车效率低了很多这时候,只有各种路况牢记于心的老司机才能又快又准的抵达终点——这是人们通常心目中的“高级司机”。如果你去采访他,他一定有很多“高级开车方法”可以分享。

 

但是有了导航以后,开车学习成本极大降低,以前菜鸟连路都找不到,现在按着导航走,也能大差不差的到达终点。虽然高级的司机肯定还是会略快一点,但是高级程度已经大大下降了——因为结果上的差距拉近了很多。虽然老司机们口头上还是会有很多复杂的,难以学习的技巧,但是结果的差距相近,让人们不再那么迷信他们。反而开始吐槽他们的各种恶习:加塞、压实线、变道不打灯……

 

所以我们看到,所谓的高级有两种理解:

1、业务上的高级:被少数高人掌握,结果上又快又准,口头炫酷复杂。

2、技术上的高级:能帮助大量菜鸟,结果上提升效率,操作简单轻松。

 

那么问题来了:数据分析,算是技术呢?还是业务呢?


 2 

高级的数据分析,需要什么


之所以举导航的例子,是因为数据分析和导航非常类似:

f32a66e1bd1fd4daea9ca5486c43cfe3.webp 

所以理论上,最高级的数据分析成果,就应该类似导航:


142ce6b9cafa4a5a4badb0bcf86405fa.webp

 

真正高级的数据分析,是体系化作战,以业务流程为保障,以数据采集为基础,以报表为骨干,以数据产品为卖点,兼有业务经验沉淀与模型辅助,是一套简单易用的工具体系(如下图所示)。


cf2a168232b8b45b16af6bc9baf000cb.webp

 

但是,如果在面试或者对外交流的时候,经常有些不懂行的人出来嘀咕:你这个做的不够高级呀。为啥呢???


 3 

为啥不识货的人那么多


越高级的数据分析,在菜鸟眼中越简单

因为其中太多脚踏实地干活的部分,

完全不够炫酷、玄幻、高大上吗!


他们会不停嚷嚷:

  • 数据本来就很大呀!

  • 不就是做个报表吗!

  • 不就是做个提醒吗!

  • 你这预测也太简单了!

  • 能不能我嘴上不说,你自动预测我心里想什么!

 

你要是试图给他们解释:这个只是看起来简单,需要打通n个系统,做n多埋点,采集n多数据,进行n次反复实验。就像你要跟他解释导航软件需要搞卫星遥感,街道实拍,预计算路径一样——他既听不懂,也不觉得很高级。他们会继续嚷嚷:导航不是很多人都能做吗,不就是输入一个地址吗,有啥难的。总之,对他们而言,操作简单就是方法简单,只要听懂名字就等于理解过程。他们渴望的是过程听不懂且效果出人意料的牛逼的玩意。

 

是滴,菜鸟们需要的不是个数据分析师,而是个巫师。带着尖尖帽子,拿着魔杖,穿着灰色长袍,口中念着:阿瓦达克拉夫拉!然后变出一堆钞票来。你不张嘴,他掐指一算,便知施主今日星座运势——这看起来多高级!

 

当然,行业里还是有识货的人,但是万一遇上这种菜鸡,还偏爱跟你较真:“你有没有啥高级的方法”,该咋对付呢?


 4 

如何提升数据分析的高级感


我们拿看似最简单的销售分析举个例子。注意,以下方法只适用于面对不懂行且豪横的坏人。本质上,这种质疑来自对数据分析工作的不理解,和对自身能力的过度自负。所以想要怼回去,刹掉对方的锐气,可以这么干:

 

第一步:反客为主。把他想抨击你的话,主动说了。走他的路,让他无路可走。


4424ec2e79411ad4a55c862fa65a7aad.webp

 

第二步:展示神迹。注意:评价数据分析方法是否高级,本质看效果。所以想说一个高级的东西,先讲,这么干有什么好处。(如下图)


c975fee50f365d5a2c5b48236c469dd8.webp

 

第三步:引经据典。本质上菜鸟们喜欢:模型、思维、范式这种巨牛逼的名字,所以起个牛逼名字。比如:“我用数据分析发现了与销售业绩关联度高的5个维度”,直接叫“构建销售五力模型”。是不是逼格一下上来了。类似的:“我按照5个维度对销售进行了聚类分析,划分为5个群体”直接叫“构建分层精准运营体系”……绝对好使!


455763dca6e315166f8e8386164012af.webp

 

第四步:繁花似锦。不要解释太多操作细节,解释多了,他听懂了,还嫌弃你不够“高级”。类似:“我按照XXX规则提取销售名单交给业务部进行跟进,经过1个月检验发现65%预测正确,30%出现误差”就太脚踏实地了。直接叫:“建立赋能系统,进行5轮迭代,持续优化模型效能”直接把人看趴下。


64352cb8a8bbfe34de72d7e8a3738681.webp

 

差不多几步下来,对方或是喷人锐气丧尽,或是被吹得心满意足。如果有诚意合作的就直接往下聊了。如果是故意找茬的人,也无从下口——因为他自己也没有高明到哪里去。只要那些天天吹高大上方法的人,一碰上数据采集,一碰上数据清洗,一碰上落地流程,基本都化成灰了。想反抗都反抗不了。

 

陈老师每次去见类似的好高骛远的客户,都喜欢直接下载他们的APP,或者去他们的门店逛一圈。核心就关注他们的数据采集流程,以及活动规则设定。当我切换到微信小号一遍又一遍薅新人羊毛,让我在销售/导购那里听到:“先生您随便填一下这个就好”,我都会截图、录音记录。之后再遇到跟我扯各种高级、智能、神奇方法的时候,就把这些基础数据质量问题甩出来给大家看,然后话题基本都转成:粪坑之上能不能盖摩天大楼,哈哈哈。效果群拔。

 

当然,作为从业者,我们还是希望业内浮躁盲目的气氛少一点,大家多认真干活,这也是陈老师努力科普的原因。并且这里有些工作,比如预测业绩,比如预测响应率,还是需要用到一定算法,比直接跑报表有技术含量。


有兴趣的话,本篇集齐60在看,下一篇我们来分享:如果做一个真正有用的模型。敬请期待哦。

 

原创精选推荐:
关于如何做出高级的数据分析,陈老师在《商业分析全攻略》视频课程中有详细讲解,购买课程,可加入学员群,获得陈老师一对一指导,点击左下方“阅读原文”了解课程。
扫描关注,更多超棒分析思路及职场经验分享 
浏览 24
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报