做數(shù)據(jù)的同學(xué)們，最怕被人噴：你做的沒有用！
十個(gè)你做的沒有用，至少七個(gè)和期望值過高有關(guān)
特別是越不懂?dāng)?shù)據(jù)原理的人，對數(shù)據(jù)的期望值越高
悲劇就是這么來的。怎么破？
問題場景：某零售企業(yè)開始互聯(lián)網(wǎng)轉(zhuǎn)型，已上線微商城，并配套建設(shè)CDP，對微信端用戶信息有一點(diǎn)采集（僅限于用戶ID+購物行為+七零八落的互動行為）?，F(xiàn)在負(fù)責(zé)微商城的領(lǐng)導(dǎo)找到數(shù)據(jù)分析師，表示：我們啥都有了，就差一個(gè)高深莫測的分析了，希望你能做出有價(jià)值的用戶畫像模型來提升業(yè)務(wù)。問題1：聽了以下五位領(lǐng)導(dǎo)的發(fā)言，你覺得他們不懂?dāng)?shù)據(jù)的程度排序是……A：我們啥都有了，就差一個(gè)高級建模了
B：你要做人工智能大數(shù)據(jù)分析下用戶畫像模型
C：我們?nèi)粘５纳坛菆?bào)表來來回回就那幾個(gè)數(shù)，也看不出來啥
D：微商城的留存效果不好，用戶復(fù)購低，得分析下問題
E：比如，買過護(hù)膚品的用戶，可以看她多久能復(fù)購一次
什么算不懂?dāng)?shù)據(jù)
拜各路網(wǎng)絡(luò)文章、網(wǎng)絡(luò)課程所賜，現(xiàn)在一提起數(shù)據(jù)，新人們滿腦子都是：excel，sql，python，tableau，hadoop，spark，sklearn，tensorflow，那么既然這五位領(lǐng)導(dǎo)一行代碼都不會寫，那么答案就應(yīng)該是：A=B=C=D=E=0咯，只有我才是精通數(shù)據(jù)的大神……
或者還有些新人認(rèn)為：模型最牛逼，那肯定提模型的領(lǐng)導(dǎo)最牛逼了。所以是B≥A≥D≥C≥E，領(lǐng)導(dǎo)都說了要大數(shù)據(jù)人工智能用戶畫像模型了，看我不模他個(gè)天翻地覆……
大錯(cuò)特錯(cuò)
生產(chǎn)數(shù)據(jù)是數(shù)據(jù)部門的事，但應(yīng)用數(shù)據(jù)是每個(gè)部門的事，甚至很多資深的業(yè)務(wù)人員，要比每天跑數(shù)的表哥更懂?dāng)?shù)據(jù)的含義和用處。所以從一開始，就不能拿技術(shù)能力去要求業(yè)務(wù)部門，而是得看這些人懂不懂如何用數(shù)據(jù)。
應(yīng)用數(shù)據(jù)最大的瓶頸，當(dāng)然不是建模，而是采集數(shù)據(jù)。沒有好的數(shù)據(jù)質(zhì)量，一切分析建模都是扯淡。而數(shù)據(jù)質(zhì)量又和業(yè)務(wù)流程、建設(shè)時(shí)間、投入力度息息相關(guān)。如果業(yè)務(wù)方總急著上馬新功能，不認(rèn)真做埋點(diǎn)，不認(rèn)真清理數(shù)據(jù)，那數(shù)據(jù)就是一坨屎。
一大坨屎也很大，但是它還是屎，變不成米飯，這是基礎(chǔ)常識。沒有數(shù)據(jù)，無法分析，這也是常識。
因此不要聽業(yè)務(wù)方吹什么我的數(shù)據(jù)很大，都在那了，他如果不了解到底手頭有什么數(shù)據(jù)，說的分析思路基本都是屁話。
所以真正能考察業(yè)務(wù)方到底懂多少數(shù)據(jù)的，是看他對已采集的字段了解多少，他對數(shù)據(jù)指標(biāo)關(guān)注多少，對數(shù)據(jù)指標(biāo)背后的問題思考多少。
了解字段的≥了解指標(biāo)的
了解指標(biāo)的≥了解數(shù)據(jù)問題的
了解數(shù)據(jù)問題的≥了解業(yè)務(wù)問題的
了解業(yè)務(wù)問題的≥就差一個(gè)用戶畫像模型了
所以這一題的真在答案是：E≥D≥C≥B≥A
如果你面對的領(lǐng)導(dǎo)/客戶/同事，對自己的系統(tǒng)到底有什么字段，什么指標(biāo)毫不清楚，卻很希望你建立用戶畫像，精準(zhǔn)預(yù)測模型，那可得小心了！這跟指望你煉救命仙丹沒啥區(qū)別。
就比如本場景里，雖然名義上是微商城，可真實(shí)采集到的數(shù)據(jù)只有用戶ID+交易行為，這跟線下門店的數(shù)據(jù)沒啥區(qū)別，稍微復(fù)雜一點(diǎn)的模型都建不了，用戶特征更是無從談起。這時(shí)候反而E領(lǐng)導(dǎo)提的，基于某些交易行為做預(yù)測，還有一定可行性，面對其他幾位，降低期望值才是正道。
問題一答完了，來問題二
問題2：聽了以下五位領(lǐng)導(dǎo)的發(fā)言，你覺得他們期望太高的程度排序是……A：要是數(shù)據(jù)分析做得好，肯定業(yè)績蹭蹭蹭
B：有了用戶畫像模型就能精準(zhǔn)營銷，極大提高用戶購買率
C：至少得分析出來一些，我不知道，但是很重要的問題
D：用戶復(fù)購原因，得分析得很深入，搞清楚
E：先把復(fù)購周期算出來看看
估計(jì)不思考，也能看出來E的期望值是最低的，那么問題是，ABCD四位的要求算不算高？數(shù)據(jù)驅(qū)動業(yè)務(wù)，數(shù)據(jù)就是生產(chǎn)力不是人們都掛在嘴邊上的嗎？
什么算期望太高
首先，數(shù)據(jù)驅(qū)動業(yè)務(wù)，這句話本身沒有錯(cuò)。
但是主語是：老板用數(shù)據(jù)驅(qū)動業(yè)務(wù)。作為一個(gè)用戶，你永遠(yuǎn)不可能為了某個(gè)公司的某個(gè)程序員敲出來的代碼買單，你只會在一個(gè)具體的時(shí)間、一個(gè)具體的地點(diǎn)，以一個(gè)具體的價(jià)格，買一個(gè)具體的商品，滿足一種具體的需求。
因此數(shù)據(jù)想要發(fā)揮作用，就得結(jié)合宣傳渠道，產(chǎn)品配置，價(jià)格定位，推廣方式，這些需要一個(gè)系統(tǒng)化運(yùn)作，而不是一個(gè)程序員敲幾行代碼。所以，所有指望敲幾行代碼就能業(yè)績飛漲的行為，都算期望值高，而且是不切實(shí)際的高。
其次，沒有數(shù)據(jù)能不能分析問題。
答：能，絕對能。實(shí)際上數(shù)據(jù)是分析問題最緩慢的手段，你還得采集數(shù)據(jù)，得清理，得存儲，得計(jì)算。春江水暖鴨先知，在業(yè)務(wù)一線的人始終能更快速、更細(xì)致的感受到問題，并且依據(jù)經(jīng)驗(yàn)、洞察力、測試等手段找到一些答案。
所以，指望數(shù)據(jù)分析，分析出來業(yè)務(wù)完全不知道且重要的問題，是非常不現(xiàn)實(shí)的。如果真是這樣，只能說明公司的業(yè)務(wù)都是蠢豬，那這些蠢豬采集回來的數(shù)據(jù)自然也不能信咯。
再次，數(shù)據(jù)能分析出多少原因？
答：主觀類原因都幾乎分析不出來。本身人的行為和內(nèi)心想法就不太一致，經(jīng)常有口是心非或者欲揚(yáng)先抑一類做法，目前數(shù)據(jù)無法記錄人內(nèi)心，只通過行為反推很有缺陷。
其次，用戶行為經(jīng)常分散在各個(gè)平臺，單一平臺記錄數(shù)據(jù)不全，因此除了投訴、退貨、參與團(tuán)購、登記缺貨、付款預(yù)約這種指向性明顯行為外，其他行為也很難指向某個(gè)內(nèi)心想法。所以在分析原因的時(shí)候，很有可能只能落到某個(gè)事件、某個(gè)行為上，真正的原因很難得出來。
所以綜上，本體答案是A≥B≥C≥D≥E。同學(xué)們可以簡單記住如下難度順序：
直接提升業(yè)績≥提能提升業(yè)績的建議
提能提升業(yè)績的建議≥精準(zhǔn)預(yù)測走勢
精準(zhǔn)預(yù)測走勢≥深入分析問題原因
深入分析問題原因≥評估問題狀況
評估問題狀況≥了解現(xiàn)狀
業(yè)務(wù)方提的難度越大，越需要沉住氣一步步做，特別是爭取到業(yè)務(wù)部門的參與和支持，把數(shù)據(jù)融入到業(yè)務(wù)過程里，才能看到作用。
看完覺得寫得好的，不防打賞一元，以支持藍(lán)海情報(bào)網(wǎng)揭秘更多好的項(xiàng)目。
標(biāo)簽： 數(shù)據(jù) 業(yè)務(wù) 分析 隨筆
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(jìn)行掃碼打賞哦
手機(jī)直接保存圖片,掃一掃識別二維碼,即可進(jìn)行掃碼打賞哦
