数据分析系列剧第二集:七步法的应用

简介:     中秋佳节,小蔡带上月饼和葡萄到师傅老李家串门。寒暄之后,大家开始闲聊。老李:“小蔡,有没有女朋友呢?”小蔡:“还没有呢,我想先有些积蓄,再交女朋友。

    中秋佳节,小蔡带上月饼和葡萄到师傅老李家串门。

寒暄之后,大家开始闲聊。

老李:“小蔡,有没有女朋友呢?”

小蔡:“还没有呢,我想先有些积蓄,再交女朋友。师傅,我现在是月光族,有什么样的方法可以让我攒更多的钱呢?”

 

老李想了想说:“你可以试试麦肯锡的七步法。”

“七步法?”小蔡满脸疑惑。

“七步法,顾名思义七个步骤,是解决问题的常用思路和方法。”——老李拿出一张图(见下图)接着说:“你看,这就是七步法的示意图。”数据分析系列剧第二集:七步法的应用


小蔡看得似懂非懂,怯怯地问:“感觉好复杂,这张图能解决我的问题呢?”

老李递给小蔡一支笔:“你来做个记录,咱们一起分析一下,首先,你的问题是?”

“攒更多的钱!”——小蔡脱口而出。

老李:“没错!你的这个问题就对应着七步法的第一步”

 

老李继续问:“那你认为攒钱的途径有哪些呢?”

小蔡:“应该有开源和节流两个方面吧。”

老李:“你打算如何开源和节流呢?”

小蔡:“在开源方面,可以增加投资收入和工资收入;在节流方面,需要控制自己买东西的数量和价格。”

老李:“没错!你这是在将攒钱的问题逐层分解,这就是七步法的第二步。”

 

老李接着问:“你还要想一想,你刚才提到的这些方法中,哪些可行,哪些不可行?”

小蔡想了想说:“我觉得开源的两种方法目前还都不太可行,投资我不太懂,现在不敢贸然行动。另外,我刚参加工作,还在试用期,向领导提涨工资的事也不合适。所以,我觉得我现在能做的就是节流,少买东西,多买便宜货。”

老李:“没错!你所作的这种选择就是七步法的第三步。”

 

老李清了一下嗓子,继续问道:“你刚才选择了节流,那节流如何怎么做?你需要制定一个时间计划表。”

小蔡想了一下说:“从这个月,我要货币三家,买便宜的东东;此外,我还要制定下月的采购计划。”

老李评价道:“这个计划有点粗,回去可以再列细些。这是七步法的第四步。”

 

接着,老李又抛出个问题:“货比三家、制定下个月采购计划,这两项工作你具体打算怎么做?”

小蔡:“我家附近有3家超市、2个小市场,今后我买东西,会比较这些地方的价格,哪里便宜在哪里买,做到货比三家。此外,我会盘点家里现有的物品,预测家里未来的需求,并把这些需求按轻重缓急排序,以此制定下个月的采购计划。”

    老李:“非常好!这就是七步法的第五步。”

 

    小蔡高兴地说:“老李,谢谢你!经过你的指导,我已经知道我的问题该如何解决了。”

    老李:“作为分析师,你面对的往往是客户的问题。所以,光自己知道还不够,还要能把你的研究成果讲给你的客户听,因此,你要会汇总和表达。”

    小蔡疑惑地问:“汇总和表达怎么做?”

    老李:“可用S-O-I模型,它是用来做逻辑梳理的(见下图)。按S-0-I模型,就可以汇总你的研究成果” 数据分析系列剧第二集:七步法的应用

小蔡点点头,拿起笔,边想边写,不一会儿,就做出了关于攒钱的分析汇总(见下图)。        数据分析系列剧第二集:七步法的应用


老李:“这是七步法的最后两步。到此,你就用七步法解决了你的问题。这个过程你刚才有没有做记录?”

“有做,有做!”——小蔡边说边把做好的记录递给老李(见下图)。      数据分析系列剧第二集:七步法的应用

老李看了看,然后笑着说:“小蔡,够厉害!你的记录,思路清晰、内容充实!”

小蔡摆摆手说:“哪里!师傅,您才高手呢,什么问题到了您那,您都有模型,分析思路特清晰。”

    老李:“模型其实就是一种结构化思维,它可以帮你完整快速地切入和解决问题。结构化思维是从诸多个案中抽提出来的方法论,可以应用在很多方面,比如,你在节前搭建的那个分析体系(见数据分析系列第一集,网址为http://blog.sina.com.cn/s/blog_a032adb90101mz6n.html),也是七步法的应用。”

小蔡惊奇地的瞪大眼睛。

老李拿出当时讨论的底稿,递给小蔡说:“你自己琢磨琢磨,我去给你洗点水果。”

小蔡边对照七步法模型边看底稿,等老李端果盘回来,他已经将思路整理出来了(见下图)。数据分析系列剧第二集:七步法的应用

老李看了看表1说:“整理的不错!美中不足的是第四步计划制定的太粗。”

小蔡连连点头:“是呀,是呀,可是我不知道该怎么定计划!”

老李:“分析师的工作计划主要包括六项内容——分析任务、分析假设、分析内容、

数据来源、负责人/工作时间、最终成果”

见小蔡一脸迷茫,老李接着说:“为了便于理解,举个麦肯锡的经典案例(见下图)。数据分析系列剧第二集:七步法的应用

生动的案例让小蔡恍然大悟,于是小蔡用了20分钟,定出一份自己的工作计划(见下图)。数据分析系列剧第二集:七步法的应用

小蔡将这份计划递给老李:“师傅,评价一下我的计划吧,看看能打几分?”

老李看了一会说:“还不错!我至少给你打70分吧。”

小蔡显然有些失望:“才70分呀!”

老李笑着说:“是至少70分。一份好的计划需要满足7个条件(见下图),你的计划目前已满足了5个,还有2个(频繁和一致)尚待观察,因此我给你打了5*100/770分。

 数据分析系列剧第二集:七步法的应用

小蔡波浪鼓似的点头:“师傅,我明白了!这只是一个初步的计划,节后我还要和周总讨论以达成一致,然后在开展工作的过程中,还需要根据实际情况对计划进行修改和更新。”

老李伸出大拇指赞扬道:“没错!就是这个意思。小蔡,你是一个好苗子,好好努力,待到明年中秋时,再来作客伴佳人。”


转载自《数据小宇军的新浪博客》

目录
相关文章
|
4月前
|
数据采集 数据可视化 数据挖掘
Pandas数据应用:天气数据分析
本文介绍如何使用 Pandas 进行天气数据分析。Pandas 是一个强大的 Python 数据处理库,适合处理表格型数据。文章涵盖加载天气数据、处理缺失值、转换数据类型、时间序列分析(如滚动平均和重采样)等内容,并解决常见报错如 SettingWithCopyWarning、KeyError 和 TypeError。通过这些方法,帮助用户更好地进行气候趋势预测和决策。
182 71
|
5月前
|
数据采集 监控 数据可视化
BI工具在数据分析和业务洞察中的应用
BI工具在数据分析和业务洞察中的应用
155 11
|
21天前
|
机器学习/深度学习 数据可视化 算法
销售易CRM:移动端应用与数据分析双轮驱动企业增长
销售易CRM移动端应用助力企业随时随地掌控业务全局。销售人员可实时访问客户信息、更新进展,离线模式确保网络不佳时工作不中断。实时协作功能提升团队沟通效率,移动审批加速业务流程。强大的数据分析与可视化工具提供深度洞察,支持前瞻性决策。客户行为分析精准定位需求,优化营销策略。某中型制造企业引入后,业绩提升30%,客户满意度提高25%。
|
5月前
|
消息中间件 数据挖掘 Kafka
Apache Kafka流处理实战:构建实时数据分析应用
【10月更文挑战第24天】在当今这个数据爆炸的时代,能够快速准确地处理实时数据变得尤为重要。无论是金融交易监控、网络行为分析还是物联网设备的数据收集,实时数据处理技术都是不可或缺的一部分。Apache Kafka作为一款高性能的消息队列系统,不仅支持传统的消息传递模式,还提供了强大的流处理能力,能够帮助开发者构建高效、可扩展的实时数据分析应用。
219 5
|
4月前
|
存储 数据采集 数据可视化
Pandas数据应用:电子商务数据分析
本文介绍如何使用 Pandas 进行电子商务数据分析,涵盖数据加载、清洗、预处理、分析与可视化。通过 `read_csv` 等函数加载数据,利用 `info()` 和 `describe()` 探索数据结构和统计信息。针对常见问题如缺失值、重复记录、异常值等,提供解决方案,如 `dropna()`、`drop_duplicates()` 和正则表达式处理。结合 Matplotlib 等库实现数据可视化,探讨内存不足和性能瓶颈的应对方法,并总结常见报错及解决策略,帮助提升电商企业的数据分析能力。
203 73
|
3月前
|
存储 数据采集 数据可视化
Pandas数据应用:医疗数据分析
Pandas是Python中强大的数据操作和分析库,广泛应用于医疗数据分析。本文介绍了使用Pandas进行医疗数据分析的常见问题及解决方案,涵盖数据导入、预处理、清洗、转换、可视化等方面。通过解决文件路径错误、编码不匹配、缺失值处理、异常值识别、分类变量编码等问题,结合Matplotlib等工具实现数据可视化,并提供了解决常见报错的方法。掌握这些技巧可以提高医疗数据分析的效率和准确性。
134 22
|
4月前
|
数据采集 数据可视化 索引
Pandas数据应用:股票数据分析
本文介绍了如何使用Pandas库进行股票数据分析。首先,通过pip安装并导入Pandas库。接着,从本地CSV文件读取股票数据,并解决常见的解析错误。然后,利用head()、info()等函数查看数据基本信息,进行数据清洗,处理缺失值和重复数据。再者,结合Matplotlib和Seaborn进行数据可视化,绘制收盘价折线图。最后,进行时间序列分析,设置日期索引、重采样和计算移动平均线。通过这些步骤,帮助读者掌握Pandas在股票数据分析中的应用。
134 5
|
5月前
|
机器学习/深度学习 数据采集 算法
机器学习在医疗诊断中的前沿应用,包括神经网络、决策树和支持向量机等方法,及其在医学影像、疾病预测和基因数据分析中的具体应用
医疗诊断是医学的核心,其准确性和效率至关重要。本文探讨了机器学习在医疗诊断中的前沿应用,包括神经网络、决策树和支持向量机等方法,及其在医学影像、疾病预测和基因数据分析中的具体应用。文章还讨论了Python在构建机器学习模型中的作用,面临的挑战及应对策略,并展望了未来的发展趋势。
390 1
|
5月前
|
数据采集 数据可视化 数据挖掘
数据驱动决策:BI工具在数据分析和业务洞察中的应用
【10月更文挑战第28天】在信息爆炸的时代,数据成为企业决策的重要依据。本文综述了商业智能(BI)工具在数据分析和业务洞察中的应用,介绍了数据整合、清洗、可视化及报告生成等功能,并结合实际案例探讨了其价值。BI工具如Tableau、Power BI、QlikView等,通过高效的数据处理和分析,助力企业提升竞争力。
129 5
|
6月前
|
机器学习/深度学习 并行计算 数据挖掘
R语言是一种强大的统计分析工具,广泛应用于数据分析和机器学习领域
【10月更文挑战第21天】R语言是一种强大的统计分析工具,广泛应用于数据分析和机器学习领域。本文将介绍R语言中的一些高级编程技巧,包括函数式编程、向量化运算、字符串处理、循环和条件语句、异常处理和性能优化等方面,以帮助读者更好地掌握R语言的编程技巧,提高数据分析的效率。
130 2

热门文章

最新文章