只需八步,做一个完整的数据分析

简介: 大家好,我是爱学习的小xiong熊妹。很多小伙伴不清楚做数据分析的流程,经常疑惑:到底做到什么程度才算是一个完整的分析?其实,数据分析是有标准模板的,一共分8步走,只要全部做完就可以了。

八个步骤是:


  1. 提出问题       5.识别异常
  2. 寻找指标       6.问题归因
  3. 现状描述       7.走势预测
  4. 梳理标准       8.结论建议


具体含义见下图


image.png


举个简单的例子。财务部门的小姐姐来问:“小熊妹,最近销售情况怎么样?”这就是一个典型的数据分析问题。收到问题后,我就按照这八步,完成分析啦(如下图)



image.png


做完啦,多简单。


当然,实际工作中,很多时候并不是都从第一步开始的。因为很多日常数据,有监控报表。业务部门的小伙伴也经常看报表,所以提的问题,可能是从中间某一步开始的。


举例1


部门领导问:“今天给运营的日报数据是多少”这就是跳到第3步


image.png


举例2


产品经理问:“昨天登录数据有问题不?”这就是跳到第4步



image.png


举例3


销售部的同事问:“为啥这个月业绩没有达标呀?”这就是直接跳到第6步了。因为有指标,有明确标准,已识别出异常


image.png


举例4


运营部的同事们问:“预测一下,下个月指标走势?”这就是直接跳到第7步了。那么马上反问一句:前边几步准备好了吗?


image.png


注意!之所以要分八步,是因为这是环环相扣,缺一不可的。


  1. 不知道问题,就无法找到对应的指标


  1. 不树立标准,就无法评价好坏,更无法进一步分析


  1. 不识别问题,就不知道到底往哪里深入分析


  1. 不了解原因,就不知道未来走势,也没法提建议


而实际工作中90%的问题,都是以上四个环节没有理清楚,所导致的。比如:


一、光说:“分析下销售情况”,不知道是啥部门提的。


  • 财务想看销售情况,关心的是销售的回款、账目、资金


  • 销售想看销售情况,关心的是目标,各小组任务,奖金


  • 运营想看销售情况,关心的是整体表现,要不要上活动


道不同不相为谋。不同的提问人,关心的指标都不一样,不问清楚就拿数,不返工就怪了。


二、没有标准,瞎胡乱改标准。


这个问题在运营分析中非常多,活动分析是重灾区中的重灾区。经常是运营事前不提标准,事后发现活动做得不好,拼命找理由改标准,反正得改到合格。
更可气的是,我原本以为进了“大厂”就没这种事了,结果发现根本是天下乌鸦一般黑……匿了匿了。


三、不找问题原因,只会做拆分。


这个问题在解读日常指标波动的时候很常见。很多人就是傻乎乎的拆分、拆分、拆分,拿各种分析维度做交叉。折腾一整天,才发现是人家业务自己做的调整……总之,指标高了低了,只是表现。

业务做了调整、对手做了动作、追加投入见效了、产品做了改版……这些才是真正的原因,数据是用来探索/验证真正原因的,做分析不要止步于数据本身的计算。


四、不做预测就瞎提建议。

  • 有的事,人家业务已经部署整改计划了,可做分析的还傻乎乎的“建议提升XXX”


  • 有的事,即使按当前趋势发展,也不会惹啥大问题,可做分析的还傻乎乎的“建议改进”


  • 有的事,明明处于“三不管”状态,根本没人理会,可做分析的还傻乎乎的“建议保持”



总结


总之,提建议不是看到指标涨了就“保持”,看到指标跌了就“加强”。而是得根据实际情况来对症下药。


所以在想要分析问题的时候,强烈建议大家按八步走,检查下每个环节的信息全不全,如果有遗漏,及时补充。如果对方提的问题,环节越靠后,就得往前补充越多的信息。


这样就不至于分析报告被领导骂过,才跑过来“小熊妹,小熊妹,领导说分析的不行,咋办呀……”这样多耽误大家下班呀。以上就是今天的分享,希望大家喜欢哦。喜欢的话,转发+在看+点赞三连,支持一下哦。


可能有的小伙伴会说:我在第2步,找指标那里就挂掉了。到底怎么确认每个问题找哪些指标?如果没经验的话,可以直接熟读背诵一些常用指标哦,这个下一篇文章给大家分享。


相关文章
|
9月前
|
SQL 数据可视化 数据挖掘
Day01-数据分析图鉴
Day01-数据分析图鉴
|
SQL 数据采集 分布式计算
EMPS:个人做数据分析处理的4重境界
自从事数据科学行业以来,便每天在与各种数据处理打交道,当然这里的数据处理是多方面的:既有数据采集和读写,也有数据清洗与变换,当然还有数据分析和挖掘。从主用工具的角度来看,大体上经历了这4重境界:Excel->MySQL->Pandas->Spark,姑且就称之为EMPS吧。
235 0
EMPS:个人做数据分析处理的4重境界
|
机器学习/深度学习 分布式计算 算法
数据分析的职业规划
最近有不少同学在后台问我数据分析的职业发展相关,这里先列一个简易大纲。它更多是以我所在的互联网行业展开的。 入门和职业规划应该从两个角度考虑:领域和路线。 领域是不少新人常忽略的要素,其实数据分析不会脱离业务存在。
1494 0
|
数据可视化 数据挖掘 数据处理
《R语言游戏数据分析与挖掘》一1.3 数据分析师的能力要求
本节书摘来华章计算机《R语言游戏数据分析与挖掘》一书中的第1章 ,第1.3节,谢佳标 著 更多章节内容可以访问云栖社区“华章计算机”公众号查看。
1803 0
|
数据挖掘 数据库
《R语言游戏数据分析与挖掘》一2.4 小结
本节书摘来华章计算机《R语言游戏数据分析与挖掘》一书中的第2章 ,第2.4节,谢佳标 著 更多章节内容可以访问云栖社区“华章计算机”公众号查看。
1194 0
|
数据挖掘 大数据
《R语言游戏数据分析与挖掘》一导读
随着大数据的概念越来越流行,越来越多的企业开始重视数据,期待从数据中寻找有价值的结论,以指导公司管理层决策,最终创造更大的价值。但是在游戏行业,数据分析的发展相对缓慢,很多游戏公司是在发现人口红利消失后才逐渐重视数据,希望利用数据驱动产品。
2136 0
|
数据挖掘
《R语言游戏数据分析与挖掘》一3.4 小结
本节书摘来华章计算机《R语言游戏数据分析与挖掘》一书中的第3章 ,第3.4节,谢佳标 著 更多章节内容可以访问云栖社区“华章计算机”公众号查看。
1137 0
|
数据挖掘 数据库
《R语言游戏数据分析与挖掘》一1.4 小结
本节书摘来华章计算机《R语言游戏数据分析与挖掘》一书中的第1章 ,第1.4节,谢佳标 著 更多章节内容可以访问云栖社区“华章计算机”公众号查看。
1028 0
|
机器学习/深度学习 数据挖掘