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
|
自然语言处理 数据可视化 数据挖掘
【文末送书】AIGC时代的数据分析与可视化
【文末送书】AIGC时代的数据分析与可视化
212 0
【文末送书】AIGC时代的数据分析与可视化
|
5月前
|
数据采集 Web App开发 数据可视化
程序员必知:对厦门二手房的数据分析与可视化分析
程序员必知:对厦门二手房的数据分析与可视化分析
67 0
|
6月前
|
监控 数据可视化 数据挖掘
热门的数据分析软件推荐
热门的数据分析软件推荐
|
6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
|
机器学习/深度学习 人工智能 数据可视化
十种数据分析方法
数据分析方法逐渐成为商业分析、市场营销、金融和医疗领域等多个行业所必需的技能。
430 0
|
数据挖掘
分享五个常用的数据分析方法论,让你的数据分析报告更上一层楼~
如果你在做数据分析的时候,发现自己常常不知道从哪些维度去开展分析或者分析出来的报告总感觉逻辑上不连贯,内容上不完整,那么你一定是缺乏一个合适的数据分析方法论来指导你进行数据分析。
808 0
分享五个常用的数据分析方法论,让你的数据分析报告更上一层楼~
|
机器学习/深度学习 存储 Web App开发
机器学习如何做到疫情可视化——疫情数据分析与预测实战
机器学习如何做到疫情可视化——疫情数据分析与预测实战
518 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。
1789 0