很多人掌握了很多数据分析工具和技巧,但还是做不好数据分析。面对具体的商业问题,我们很容易两眼一抹黑。光知道工具和技巧是不够的,还要有数据分析思维。
数据思维决定了你如何思考问题,如何匹配这些分析方法,如何得出结论,如何确定问题。
那么到底什么是分析思维呢?我认为有以下几个方面。
1、说事实,而不是观点
1.讲事实,而不是观点。
数据分析师接受培训的第一种思维方式是只说事实,不说观点。
事实和意见这两个名词似乎很不一样。但实际上,在生活中,我们经常会混淆这两者。
比如你的同事告诉你,最近转化率急剧下降。这句话是事实还是观点?显然,这句话是一种意见。跌幅多大算是大跌?可能你认为的大跌在我看来变化不大。
所以如果他说:转化率下降了。
这句话是事实还是观点?这句话看起来很像真理,其实还是属于观点。
有一种情况,短期内转化率看似在下降,但你站在宏观层面,以月甚至年为单位,是在上升的。所以你真的说是涨还是跌?
那么真相是什么呢?
只有分清观点和事实,才能继续分析。因为观点的传达会有误差,但事实不会。如果带着意见交流,自然会有很多误解。
2、用客观标准代替主观判断
2.用客观标准代替主观判断。
但是,只有数据对业务问题的分析没有帮助。毕竟我们要知道这个数据带来了什么商业信息,所以最后的事实要总结为“观点”。
要解读一个观点,首先需要找到一个标准。
标准怎么找?
可以是老板定的标准,看数据是否符合老板心目中的标准。虽然这也是当头一棒,但老板毕竟是老板,他们脑子里的一些战略想法都是建立在一定条件被满足的基础上的。
可以看看行业和竞品的平均标准,看看数据下滑是不是行业普遍现象。
看企业过去的平均水平,可以在历史数据中找到类似场景的数据,与自己的过去进行对比。
然后我们将数据与这些标准进行比较,得出一个观点。
3、不预设立场
3.没有预设位置
人们总是习惯于通过已有的经验和知识来判断未知的事物。这种预设的思维在原始时代是很有价值的。其优点在于:不浪费宝贵的精力,快速决策,避免因低效决策而错失良机。
在数据分析的场景中,我们需要尽可能地找出真正的原因。这时候这种预设的决策方***造成很多错误,因为现有的经验和知识在处理未知时是不足的,有偏差的。
如果出现业务问题,相关业务方往往会预设一个立场:没有看起来那么糟糕,或者与我无关。
比如转化率下降的时候,业务端的回应往往是这个数据下降肯定和自己没关系。
显然我自己的运营活动已经很成功了,转化率的下降一定是行业因素、用户素质等等其他因素造成的。于是为了证明这一点,他们顺着这个前提,找到了一些相关的证据来解释转化率下降的现实。
其实如果你想证明一个观点,只要你愿意去寻找,不管这个观点有多可笑,你总能找到支持你的理由。不仅辛普森悖论这种统计学上的小把戏可以得出完全相反的结论,就连最简单的“不完全讲真话”的方法也能达到这个目的。
比如我举一个很荒诞的例子:比如中国男足,是否可以用世界一流球队来形容?当然可以。
1.哥斯达黎加是世界杯历史上为数不多的能击败华南的国家。2.即使是巴西这样的世界顶级球队,也只赢过华南一次。3.自2002年韩日世界杯以来,中国队在世界杯上的不败纪录已经保持了12年。4.纵观世界杯漫长的历史,中国只输过三次。5.中国在世界杯点球大战中从未输过。6.中国队从未在领先时失球。
你看,只要你想证明什么,总能找到一些证据。所以先预设一个立场,再去找证据,是相当不靠谱的。
数据分析部门一般独立于业务部门,以保证数据分析师没有业绩压力,分析独立。因为数据分析的独立性,最后的问题是在产品、运营还是市场。数据分析师不会有明显的偏见,只认客观数据。
但假设验证与预设位置不同。
前提是找到证据证明猜想。如果一个数据不好,就换另一个数据。直到这一点可以被证明。
验证假设是预先计划和验证这个假设所需的数据。如果数据最后不符合假设,那么就抛弃这个假设。
一个好的数据分析师可以根据客观数据,随时抛弃旧的假设,建立新的假设。
抛弃固有的思维定势是非常反人类的,这也是数据分析需要专业训练的原因。
4、演绎而不是归纳
4.演绎而非归纳
逻辑思维方法分为归纳和演绎。
归纳法是由特殊到一般的推理,是从结果中寻找原因的方法。也就是说,通过观察许多个体事物的特殊性,然后总结相似事物的特征。
但是我们一般不可能观察到这个东西的所有样本。所以归纳法得出的结论是不确定的。
你听过这个故事吗:
在一个火鸡农场里,一只火鸡发现,无论是阳光灿烂还是狂风暴雨,无论是炎热还是寒冷,无论是周三还是周四,主人都会在每天早上9点准时出现,给它喂食。于是,就来了一条惊天动地的定律:“我的主人总是早上9点喂我。”圣诞节的前一天,早上9点,主持人又准时出现了,但这次,主持人把它变成了食物,而不是食物。
是英国哲学家伯特兰·罗素提出的问题,被称为“罗素的火鸡”。用来讽刺那些归纳通过有限的观察可以从自身得到的结论。
比如1-3月,成交量不断上升,初级分析师常说:成交量呈上升趋势。
这句话的潜台词是,预计4月份交易金额会上涨。
这是典型的归纳思维:因为过去是这样,所以未来也应该继续这样。这个和那个土耳其的思维其实没有本质区别。
而且和不分析是一样的。如果你把数据扔给业务方,他们也能看出目前有上升趋势。想做好数据分析,就不能滥用归纳,归纳还是很反人类的。
那么我们如何用演绎法来思考这个问题呢?
演绎是从一般到特殊的推理,是从原因中寻找结果的方法。
要预测4月份的成交额,首先需要分析为什么前三个月的成交额会上升。当时的背景是什么?上升需要什么条件?4月份这些条件还存在吗?如果交易量增加的条件不变,我们可以说这种上升趋势将在4月份继续。
演绎推理的结论是合理的,我们深挖发现了内在的原因,这也是商务人士想知道的。
这就是数据分析的价值。
5、找出背后的逻辑
5.找出背后的逻辑
数据分析师需要大量的逻辑思维训练,但是光靠我们自己是不够的。我们的工作一定要和业务方沟通,帮助他们解决实际的业务问题。
但是很多商务人士来沟通都没有想清楚,他们的需求可能充满了逻辑问题。这时候就需要帮助对方理清思路,找出对方说法背后的逻辑。
数据分析师经常听到业务方问:本周转化率比上周下降了5%。我该怎么办?这句话听起来没问题,但其实逻辑并不是特别严密。
首先,这句话的前半句很好的表达了事实,值得表扬。如果前半句是观点,我们得先找到事实。
但是这句话的后半部分有问题。这句话后半部分的“怎么办”,放在这个语境里,其实是这样的:
本周转化率较上周下降5%。
这是一个糟糕的情况。
这个问题需要解决。
我该怎么办?
对比最初的说法,我们分析出这句话有两个衍生问题。
问题1:转化率降低5%真的是一个不好的情况吗?
这涉及到标准。如前所述,我们需要找到一个客观的标准,通过标准来解决数据的业务意义。所以首先要协助业务方找到一个标准。
问题二:如果数据表现真的很差,这是现在急需解决的问题吗?
这个问题的答案是不一定。世界上有太多的问题需要解决。同时,总会出现各种各样的问题。企业的资源是有限的,不可能同时解决所有问题。解决问题要有轻重缓急。
那么为什么要先解决转化率的问题,而不是解决引流、留存、活跃度的问题呢?
数据分析师必须知道企业当前的战略方向,把有限的资源投入到更重要的方向。
如果没有想清楚以上两个隐藏的问题,就开始分析怎么办,那么这种分析师的工作往往会吃力不讨好,做很多低绩效的工作。
摘要
很多人想要快速的数据分析。他们认为“自然理性”加上“分析工具和方法”可以做好数据分析。分析工具和方法等技能确实可以很迅速,但是数据分析的能力却超出了自然理性的控制。
想要成为一名优秀的数据分析师,就必须具备数据分析的思维。如果你学了很多数据分析的工具和技巧,还是做不好数据分析,建议你试着练习一下本文提到的思路。
本文来自奶味小仙女投稿,不代表舒华文档立场,如若转载,请注明出处:https://www.chinashuhua.cn/24/486239.html