診斷業(yè)務問題，是很多企業(yè)對經營分析、數據分析的基礎要求，也是數據驅動業(yè)務的三大基礎方法之一。在數據分析方法里，業(yè)務問題診斷，是典型的一看就會，一做就錯。
很多同學很苦惱：為啥我做的問題分析，業(yè)務方不認可呢?今天系統(tǒng)地解答一下。
一、常見做法
業(yè)務診斷有標準的流程：
第一步：建立監(jiān)控指標
第二步：樹立判斷標準
第三步：發(fā)現(xiàn)異常情況
第四步：細分問題來源
第五步：給出診斷建議
舉個簡單的例子：某公司有4條銷售業(yè)務線，定了目標是月銷1個億，實際達成9500萬，不達標。四條線表現(xiàn)如下圖。則可以輕松看出，是A渠道出了問題（如下圖）。
如果銷售是線上銷售，還能進一步看到轉化流程，從而診斷出是哪個環(huán)節(jié)出了問題（如下圖）。
于是，常見的診斷建議，就是：發(fā)現(xiàn)A業(yè)務線出了問題，投放轉化率太低，建議搞高。
常規(guī)的做法即是如此。問題是，相當多的同學這么干完，會得到一句：你說的都是廢話！的評論。感覺好冤枉。然而問題出在哪里呢？
二、常見問題
常規(guī)做法的問題，來自于：就數論數，浮于表面。這么做，就好比病人去看醫(yī)生，醫(yī)生說：你的體溫38度，建議搞低。一樣。你是病人，你也會拍案而起：我TM早知道我發(fā)燒了呀！到底咋辦呀！。
單純地羅列數據，不是問題診斷，充其量算是問題發(fā)現(xiàn)。
業(yè)務方期待聽到的問題診斷，要指向一個具體業(yè)務行動。還拿A公司舉例子，業(yè)務方期望聽到的，是如下診斷結果（如下圖）。
很多做數據的同學，看到這里會腦瓜子嗡！的一聲。這些東西太感性了，怎么和DAU、轉化率、活躍率、消費金額這些指標關聯(lián)起來呢？
三、解題關鍵
用數據驅動業(yè)務，最怕業(yè)務方說：你行你上呀，不行別BB。特別是用數據提出問題的時候，業(yè)務方會本能地進行反擊。不是甩鍋給大環(huán)境、上下游部門，就是伸手要資源，要么就祭出終極殺器：你說的我都知道，我干過了，不行，不信你來干。如果業(yè)務方下決心跟數據分析抬杠的話，數據分析師是非常弱勢的，一定吵不贏。
因此在本質上，診斷問題，診斷的是業(yè)務方的心病。只有區(qū)分清楚誰真正愿意改進問題，才能對癥下藥。
區(qū)分的關鍵點，有四個：
1、是否真的清楚現(xiàn)狀
2、是否已經采取行動
3、是否已有行動計劃
4、是否打算申請資源
這四個關鍵點，能區(qū)分出業(yè)務方是否真想解決問題，以及業(yè)務方企圖解決問題的方向。
在診斷業(yè)務問題的時候，可以先考慮常見做法里的結果之后，再對這四個關鍵點逐一確認，逐步導出診斷結果。
▌第一步：區(qū)分是否真清楚現(xiàn)狀
很有可能，業(yè)務方只知道整體情況不好，并不知道具體在哪個部分出了問題。并且業(yè)務方的本能反應，也是基于整體認知給的。因此先呈現(xiàn)常見做法的內容，讓業(yè)務方看清問題點。
如果業(yè)務方事先沒有看過細節(jié)，則可能在看到細節(jié)后有解決問題的想法?；A的策略有2種（如下圖），數據分析師可以補上對應的參考數據，輔助判斷。到這一步，就完成了診斷。
也有可能，業(yè)務方已知曉細節(jié)，那就進入下一步。
▌第二步：區(qū)分是否已采取行動
注意，已采取行動但沒見效，和沒采取行動，完全是兩個狀態(tài)。如果業(yè)務方還沒有采取行動，就值得懷疑：為啥明明看到問題，卻不行動？？？
很有可能，業(yè)務方認為問題不重要，到時候就自然消失了。
很有可能，業(yè)務方已有安排，認為到時候能一舉扭轉乾坤。
此時，可以對歷史數據進行復盤，找類似場景，有復盤結論后，再針對當前情況下判斷（如下圖）。
這種情況尚且容易處理，因為業(yè)務方沒有計劃的時候，對其他人的提醒/建議不會很激烈反對，真正難處理的是：已采取行動但沒見效的場合。
此時，提給業(yè)務方的診斷結論，最好是他們從來沒聽過且非常有效的，不然鐵定被人按著頭懟：你這說的都有啥用！老子剛試過了呀！這時候下結論要特別小心。
▌第三步：區(qū)分是否有行動計劃
已采取行動未見效的時候，業(yè)務方的本能反應就是：要資源。打仗打不贏，要大號的炮彈，是很正常的思路。
但老板本能反應就是：再想想。一定是你的方法不對，不信我換李云龍上肯定能把山崎大隊打下來。
這種反差，使得直接申請資源的計劃常常被駁回。如果申請不到資源，業(yè)務部門還有可能選擇甩鍋，不管是誰的問題，反正不是我的問題就行。
此時對于數據分析師來說，問題異常復雜。如果數據分析師貿然表態(tài)，很有可能被劃入敵對分子的范疇，之后不管數據分析師再說什么，人家都會單純地為了反對而反對。所以這時切忌主動表態(tài)。而是提前把可能解決問題/甩鍋的選項分析清楚，最后交回給業(yè)務/老板評判。
常見的甩鍋選項，如：
1、甩鍋給外部環(huán)境：是否大環(huán)境真的變差，影響了所有業(yè)務線
2、甩鍋給上游部門：是否上游部門真的沒做好，所有下游都遭殃
3、帥鍋給用戶：是否真的某類型用戶口味變化，集體流失
常見的解決問題選項，如：
1、上次解決類似問題的方法，本次是否已經用了
2、上次解決方法的投入力度，本次是否已經達到
3、其他業(yè)務線，是否有解決問題的類似方法
以上每一點，單獨拆出來都是一個專題分析，內容太多，這里不一一舉例了。但是想要幫助深陷困境的業(yè)務部門真正找到出路，是值得多花些精力的。
或者采用一種簡單的方法：標桿分析法。挑出可以復制的標桿，直接對著照抄。這樣省事很多。這也是為啥要先介紹標桿分析法，再介紹問題診斷的原因。有些業(yè)務部門就是懶得聽理論，他們喜歡說：你直接告訴我誰做得好，我抄他就完了，奧力給！
標桿分析法見：數據分析的經典方法之：標桿分析法
四、小結
從本質上看，問題診斷之所難，難在兩端：
1、行業(yè)環(huán)境、業(yè)務能力、用戶口味、操作流程等等因素，都會導致業(yè)務上問題，但這些因素大多不能用數據量化，只能一個個細細立假設，做檢驗。
2、出現(xiàn)問題的時候，大家都怕?lián)熑?，因此會本能地找借口、想當然、樹立場。然后純粹因為立場不同而相互攻擊，拒絕面對真相。
所謂屋漏偏逢連夜雨，就是這個局面。此時，想要用數據描述問題，容易，樹個標桿就能看出差距。想用數據診斷問題，就得突破上邊層層險阻，爭取業(yè)務的支持和老板的理解，才能見效。這是從數據到落地的必經之路。
那有沒有簡單輕松的落地方法呢？當然有！最簡單的就是業(yè)務/數據/老板說：我有一個好點子！。既然已經有好點子了，那可以直接檢驗效果，是所謂數據實驗法。
看完覺得寫得好的，不防打賞一元，以支持藍海情報網揭秘更多好的項目。
感謝您的支持，我會繼續(xù)努力的!
打開支付寶掃一掃，即可進行掃碼打賞哦
手機直接保存圖片,掃一掃識別二維碼,即可進行掃碼打賞哦
