读数据分析思维通识课06用数据说话

1. 确定问题
1.1. 与利益无关的问题都不值得做数据分析
1.2. 第一步,对理想状况与现状进行对比
1.3. 第二步,6W2H法
-
1.3.1. Who*:指的是涉及这件事情的人、组织职务等,一般会涉及决策者、行动者和客户等
-
1.3.2. What*:列出与我们所讨论问题相关的这个方向的整体事实或架构,这些问题和哪些因素有关?条件是什么?重点是什么?与什么有关?
-
1.3.3. Whom*:紧接着列出这个目标是针对谁制定的?工作对象是谁?关键干系人都有谁?谁会受益?
-
1.3.4. When*:明确实施的时间周期,预计何时能完成?需要几天才合理?
-
1.3.5. Where*:确认渠道、地点、周边环境,以及资源位置。
-
1.3.6. Why*:列出可能的原因,以及一些前提条件或意图。
-
1.3.7. How*:思考一下现在的问题,以及未来有可能使用哪些手段、方法来提高和改进这些问题。
-
1.3.8. How much*:确认最后要花费的时间、人力和费用等。
1.4. 只看到了一些代表结果的数据,而没有具体分析问题
1.5. 数据驱动并非只是利用“数据”做驱动,而是要用数据分析思维来驱动
-
1.5.1. 确定分析的问题,再采集数据
-
1.5.2. 鱼骨图
1.6. 数据分析的重点在于所要分析的问题,而不是数据
2. 采集数据
2.1. 明确方向和问题列表后,我们需要明确数据来源
2.2. 第一类数据来源:一手数据
-
2.2.1. 一手数据主要来自企业内部的大数据平台、数据仓库以及相关系统,还有部分数据来自用户访谈和调研问卷,以及内部沉淀的历史文档
-
2.2.2. 一手数据的特点就是数据可控,也正因为数据都掌握在企业手中,理论上只要付出成本价,就可以拿到所有需要的数据
-
2.2.3. 数字化转型升级应该从创新业务流程开始
-
2.2.4. 数据的采集和计算一定要从明细数据开始
-
2.2.4.1. 明细数据不需要经过层层二次加工获得
-
2.2.5. 在做数据分析时,对数据质量的要求高于对数据量的要求
2.3. 第二类数据来源:二手数据
-
2.3.1. 二手数据主要来自行业内部,并非企业自身产生
-
2.3.2. 二手数据可以让我们看清行业内的竞争对手或者行业整体趋势
-
2.3.3. 二手数据一般来自政府部门的报告、行业协会、企业财报、投资机构,以及企业官网和新闻稿,有时也来自行业内的沟通或者专业咨询公司出具的分析报告
2.4. 数据探索
-
2.4.1. 趋势分析法
-
2.4.1.1. 就是找到某种类型的数据后,捕捉此类数据在一个时间段内的变化
-
2.4.1.2. 通过观察这些变化,我们可以了解数据的历史波动,以及对结果数据的影响,从而找到问题的关键点和原因
-
2.4.1.3. 使用折线图、散点图和回归方法来分析趋势并确定离群点
-
2.4.1.4. 查看整体趋势时,我们要注意呈指数增长的数据,它们往往对我们非常有意义
-
2.4.2. 快照扩展法
-
2.4.2.1. 截取某个时间点的数据情况,然后通过下钻的方式扩展该指标的分布情况,以了解各部分对整体的贡献和影响
-
2.4.2.2. 会用直方图、散点图、聚类分类和数据分布中的各种方法,查看各个细分渠道、部门的分布情况,从而找到我们要重点分析的部门、渠道或原因
-
2.4.2.3. 有助于明确分析的范围,因为不加区分地处理所有数据,我们可能无法获得任何有价值的信息
-
2.4.3. 衍生指标法
-
2.4.3.1. 衍生指标就像几何中的辅助线,可以帮助我们发现更有意义的数据
-
2.4.3.2. 数据质量把控
-
2.4.3.3. 避免辛普森悖论
2.4.3.3.1. 在分析快照扩展法状态值数据时,尽量对领域和时间进行细分
- 2.4.3.4. 避免因果倒置
2.5. 仅依靠企业自身的数据还不够,很多时候还要参考业内的二手数据,将其作为衡量准绳,通过行业整体趋势得到更多指导
3. 写好故事线
3.1. 设计故事线
-
3.1.1. 如果只陈述事实,而不能用通俗易懂的方式让听众理解你的观点,则很可能会让你的观点难以推广,错失良机,因此设计故事线十分重要
-
3.1.2. 经典的故事三段论结构,即情节(陈述)-起伏(惊喜)-结尾(结论)
-
3.1.3. 对于数据分析报告来说,高层汇报一般建议20~30分钟,PPT 10~20页
-
3.1.4. 中层和执行层面汇报建议40~60分钟,整体内容建议30~40页
-
3.1.5. PPT介绍里不要有大量技术架构图、产品功能图等,因为这些内容往往专业性过强,只有部分听众能够理解
-
3.1.6. 目标是用数据分析结果推动问题的解决,所以你需要获得相关部门的认可
3.2. 一图解千愁
- 3.2.1. 随着时间的推移,可能很多沟通细节大家已经记不清了,但是你一定会给人留下一个感觉
4. 用结果说话
4.1. 精益的方法就是在进行数据驱动实践时不要设定一个宏大的目标,而是通过一系列快速实验,以小步快跑的方式迭代验证数据理论
4.2. 创新扩散模型
-
4.2.1. 数据驱动实践不可避免地会对公司内部造成改变和创新
-
4.2.2. 创新者*:他们是勇敢的先行者,自觉推动创新。创新者在创新交流过程中,发挥着非常重要的作用
-
4.2.3. 早期采用者*:他们是受人尊敬的社会人士,是公众意见领袖,他们乐意引领时尚、尝试新鲜事物,但行为谨慎
-
4.2.4. 早期大众*:他们是有思想的一群人,也比较谨慎,但他们较之普通人会更愿意、更早地接受变革
-
4.2.5. 后期大众*:他们是持怀疑态度的一群人,只有当社会大众普遍接受了新鲜事物时,他们才会接受
-
4.2.6. 迟缓者*:他们是保守传统的一群人,习惯于因循守旧,对新鲜事物吹毛求疵,只有当新的发展成为主流、成为传统时,他们才会被动接受
4.3. 一份好的数据分析报告并非终点,如果报告仅用于一次汇报,那么你的数据分析报告最后极有可能在领导的案头落灰
4.4. 实用的方法
-
4.4.1. 用精益的方法,小步快跑
-
4.4.2. 用拆分实验的方式降低使用门槛
-
4.4.3. 用创新扩散模型找到第一波实验的企业内部用户
-
4.4.4. 用理性行为理论说服每一个干系人,从理念认同到落实行动
4.5. 用数据分析的方法是可以帮助企业和个人有效提升的
浙公网安备 33010602011771号