数据分析:破除误区,建立正确的数据观

  • A+
所属分类:个人体验

数据分析能力,就是通过数据思维和方法,解决实际业务问题的能力

针对不同的业务场景,数据分析能力有四个层级,每个层级都需要你掌握和应用不同的工具和方法。那现在你一定迫不及待地想要学习数据分析了。

但在讲数据分析能力之前,这节课我会先带你破除一些常见的思维误区。

数据分析:破除误区,建立正确的数据观

为什么不直接讲能力呢,我们先来看一个例子:“有研究表明:颜值高的人,收入也更高。”

听到这个结论,你第一反应是不是觉得还挺有道理的。往往长得好看或者颜值高的人,更容易被人注意到,拿到更多的机会。

既然有道理,那想要在职场获得更好的发展,是不是应该去整个容?显然不是。

可能是因为,颜值高的人相对比较自信,而自信的人容易在职场上获得成功,所以收入更高。也有可能,是收入高的人有能力装扮自己,所以看起来颜值更高。

换言之,你可能不应该去整容,而应该通过提升实力,获得更高的收入,和更强的自信心。所以,颜值高的人收入也更高,只是在说颜值和收入相关,并不是因果关系。

如果我们凭借直觉,简单把成功的原因归结到外表,反而会妨碍我们提升实力,在职场取得更好的发展。所以有时候,我们面对所谓的调研结果和数据,往往会非常感性。

 

你可能会很好奇,数据几乎是用来描述世界最客观、最理性的语言, 为什么还会让我们陷入感性的误区。难道,“数据会说谎”嘛?

 

事实上,每个人的思维都有一定的局限性,面对看似合理的数据,大脑有时候会欺骗自己,让我们更加相信自己愿意相信的事情,陷入数据的误区里。在出现这种情况的时候,我们是没有办法停下来理性思考,去分析、描述、诊断和预测业务的,在工作上也是一样。

比如,你是不是遇到过类似的情况:

 

你精心策划了一个运营活动,希望提升“双十一”期间的产品销量,说服老板通过你的方案,给你提供预算和更多资源

在正式活动上线之前,你在用户当中做了一个a/b测试,测试结果发现,通过运营活动领取优惠券的用户,相比之前没有参加活动的用户,下单比例提高了35%,证明活动有效。

你非常高兴地把这个数据拿去给老板批预算。结果老板问了一个问题:“这次测试推送的用户,和之前的用户是同一批吗?”

 

你回去重新分析数据,发现因为是测试,所以推送的对象是对产品已经有一定了解的忠实用户,而不是新用户。你回到新用户当中再次测试,结果发现,购买结果的提升并不明显,方案当然也没有通过

 

精心策划的活动,明明拿到了看起来不错的数据结果,最终却没有通过上线,这正是因为我们陷入了数据的误区,而且一旦找到了看似合理数据支持,反而会阻碍我们寻找真正的结论和洞见

所以,当我们被“数据”欺骗的时候,是没有办法做出正确决策的。因此,在正式开始学习数据分析之前,我们先要正确理解数据,培养面对数据的理性和基本的数据素养。只有这样,才能进入理性的状态,做好业务决策。

 

好了,现在你已经了解培养数据理性的重要性。那么要想做好数据分析,需要破除的思维误区主要有哪些呢

 

数据分析:破除误区,建立正确的数据观

一、 数据误区 | 相关当因果

 

“啤酒和尿布”的捆绑销售,可谓是营销届的经典故事。两件商品看上去没有关系,摆放在一起进行销售,就能获得更好的销售额。

这种现象反应的是消费者行为对购物决策的影响,类似电商平台的“猜你喜欢”功能,也就是商品之间的相关性。但当我们真正去分析货架数据的时候,就会发现啤酒的销量会和很多商品相关。

 

如果你经营一家餐饮店或是超市,会发现当啤酒销量上升的时候,冰淇淋的销量也会上升。但是不是这两个商品互为因果关系呢?是不是买了啤酒的用户,就更有可能购买冰淇淋呢?

当然不是!

 

其实不难发现,这两种产品的销量增长,都和另外一个因素相关,那就是气温 。夏天天气炎热的时候,喝啤酒和买冰淇淋的用户都会变多,也就是说,两种产品的销量都会和“天气”这个变量相关。

 

如果你把冰淇淋销量和啤酒销量的相关性,当成了因果关系,就会做出错误的决策。比如世界杯期间,啤酒销量上涨。你由此来判断,冰淇淋的销量也会随之增长,可能就会造成冰淇淋供过于求,因库存冗余而遭受损失。

数据分析:破除误区,建立正确的数据观

 

二、 数据误区 | 经验当事实

 

我们常常说的两个概念“信息茧”或者“回声效应”,这往往是因为我们把经验泛化成了事实。比如拼多多刚出来的时候,很多人看不明白,然后它在央视打广告说“有3亿用户”。

很多人都说:“不可能,我朋友圈几千个好友,都没人用,3亿是假的”。但问题是,我们的朋友圈,都是和我们相似的人,这个抽样并不代表中国。所以后来王兴提到的数据“中国有本科学历的人只有4%”,才让很多人震撼。

数据分析:破除误区,建立正确的数据观

三、 数据误区 | 个体当整体

 

在市场营销领域有一个永恒的话题,为什么我们做市场调研,花费大量时间精准抽样,最后得到的预测结果往往还是失灵?

比如说,我们要去调查中国95后的消费习惯。那么,我们到底是找身边的95后做调研,还是要考虑全中国不同城市的95后消费者?

居住在海外的95后需要考虑吗,他们会不会有什么特别的需求未得到满足?同样是生活在一线城市的95后,他们的教育背景、家庭环境、收入情况本来就不一样。

有的在职场上打拼,有的从事自由职业,有的自己选择创业,他们的消费习惯是否也有不同。这样一看,你会发现,我们很难从一个小样本,预测大样本的全貌

 

而不幸的是,你看到的大部分行业洞见和市场调研,都是未经统计验证的“随便抽样”。所以,下次如果你看到一份报告,告诉你“67%的95后都喜欢……的老板”,先不要急着高兴或者生气。

先问问自己,这里指的是哪一群95后人群?和你的同事或者团队是不是一致。

数据分析:破除误区,建立正确的数据观

四、 数据误区 | 眼见当事实

 

你的下属年底向你汇报公司业绩,这时候你看到A区和B区的负责人,分别给你呈现了这样两份报告。这两个大区的业务量一直差不多,竞争也很厉害。

那我们快来看看今天谁的业务完成情况更好?A区,还是B区呢?我也把报告图表附在今天课程的文字稿里。如果不方便看视频,只要下滑页面就可以看到两张“大区每月销售额”图表。

 

这两张图都呈现了大区过去12个月的收入情况,它们的数据单位也是一样的,可为什么看起来差别这么大呢?A区看起来没什么进展,B区看起来一路猛涨,你是不是应该表扬B区的负责人呢?

 

数据分析:破除误区,建立正确的数据观

 

等等,仔细观察一下,聪明的你就会发现:A区的收入走势看起来之所以稳定,是因为这张图的纵轴是以“0”为原点;而B区的纵轴是从200万开始的,所以才显得涨势喜人。

 

如果把图表坐标轴修改一致,结果就大为不同,大家可以上下进行对比。

数据分析:破除误区,建立正确的数据观

所以,完全一致的数据,改变展现方式,就会改变、甚至扭转你对数据的解读和判断,这就是数据感性的谎言

数据分析:破除误区,建立正确的数据观

数据分析能力的四个层级

 

好,现在你已经摈弃了感性误区,通过了第一关,接下来我们就要进入理性的分析了。你在课程介绍里应该已经听过,数据分析有四个层级,接下来的4节课程也都是从这里逐层展开。

数据分析:破除误区,建立正确的数据观

我在这里会用一个例子,把这四个层级串联起来,让你对数据分析能力有一个更加系统的认识。

假如你是一家电商公司的运营负责人,希望通过双十一的活动吸引更多新用户,将注册用户总数提升到100万人。如果是你,你会怎么做呢?

 

好,为了达成这个目标,首先你需要了解业务的现状。比如我们现在的注册用户数量是多少,用户是从哪里来的,从广告投放到登陆注册的各个环节的流失情况,以及用户每个月的自然增长数量和活动期间的用户增长数量。

所以,你就要求团队负责用户运营的同学,提供一张业务报表,把这些数据整理出来发给你。这就是用数据描述业务,能够帮助你客观了解业务现状。

接下来,你就需要分析,过去的用户获取方式上,是否存在问题:哪些活动或者措施是有效的,哪些广告投放虽然有效,但是费用高昂。哪些渠道用户质量很好,但是没有投入足够多的资源。这就需要负责运营活动和投放渠道的同事,给你提供系统的业务分析和诊断,帮助你发现业务存在的问题和原因

 

通过梳理,你发现我们在信息流渠道上获客成本远高于市场平均水平,有极大的优化空间。而节省出来的费用,可以投入到抖音、快手这一类的短视频渠道上。这些新兴渠道竞争对手还没有进入,所以获客成本相对较低。

另外,我们的用户注册环节过于复杂,用户需要点击6个页面,才能完成注册,流失率远远高于竞争对手

所以,你和产品负责人一起简化用户注册页面,降低流失率;也要求市场投放负责人调整不同渠道的广告投入。在预算不变的情况下,提高广告投放带来的新用户数量,最终把获客效率提升了30%

这就是业务优化的环节,能够通过数据分析,结合分析诊断的结论,提出合理的优化方案,提升业务结果

 

最后,你发现优化完成之后,我们按照自然增长趋势,和去年双十一的活动力度,也只能达成96万用户注册总量。距离目标还差4万人

所以这时候,你从活动运营主管的数据里看到,今年年初结合热播电视剧做过一次“和主角用同款”的主题活动。在没有任何投入的情况下,增加了老用户的转发量,带来了大量精准的新用户。所以,你打算结合时下热播偶像综艺节目,再次策划一个新活动。加大活动投入力度,预计可以在活动期间为你带来2万新用户

同时,你注意到双十一期间竞争对手的用户增长率远高于我们。所以也请运营主管重新策划双十一活动,加大爆款商品的优惠力度。结合短视频渠道做精准引流,根据历史数据和市场数据,预计可以在双十一期间额外带来3-4万新用户

当然,这些方案需要产品部门设计页面、市场部门配合宣传,还需要新招两位有短视频经验的运营,支持项目。

所以,最终你用数据结果说服老板,拿到资源,争取到跨部门的配合。在双十一活动首日就提前达成百万用户的目标,给团队拿到一笔丰厚的项目奖金,可以开心过年了。

数据分析:破除误区,建立正确的数据观

好,到这里,你已经了解了数据分析的四个层级,以及在业务中对应的场景。

你可以结合自己的工作,看看自己平时一般会应用哪个层级的分析能力,以及自己下一个阶段的职业发展目标需要具备哪个层级的分析能力。

比如说一般岗位至少需要具备用数据量化工作,呈现工作结果的能力;资深岗位或者项目负责人往往更多通过数据定位业务问题,带领团队优化业务结果部门管理者或者企业高管就需要具备业务规划的能力,能够预测未来一年或者一个季度的业务发展,根据目标提前制定计划,协调资源,达成业务结果。

另外你有没有发现,我们今天讲述的数据分析,层级顺序和课程介绍里的不太一样。前面我们介绍了Gartner的数据分析定义,它把“规范性分析”,也就是业务优化放在了最后一步。

但通常在实际工作里,我们一般会先分析现状,找到当中的问题,并且针对问题进行优化,最后才会基于优化后的业务结果预测未来的发展。这其实更加符合我们的工作逻辑,所以课程讲述也对应做出了调整。

我们说过,数据分析能力本质上就是解决业务问题的能力。虽然能力有分级,但在实际工作里,你可以根据工作目标选取合适的分析方法和工具。比如有时候我们可能只需要对业务现状进行客观描述,有些可能需要先优化再分析诊断,不同步骤的运用顺序是可以灵活调整的。

这其实也是圈外的教学理念 —— 无论教什么课程,圈外会更加注重讲述内容在实际应用中是否具备实操性,而不会只是传递教科书的知识,讲一个固定的公式或者模型。

我也希望你在学会课程之后,可以回到工作中灵活运用,真正帮助你解决实际的业务问题。

数据分析:破除误区,建立正确的数据观

好,我们来总结一下,这节课程,你已经了解了数据思维常见的四种误区:分别是把相关当因果、经验当事实、个体当整体、以及眼见当事实。

破除这些误区,可以让你在面对数据时,保持理性,进一步用数据描述、诊断、优化和预测业务,达成更好的工作结果。

我们在今天的作业区也准备了几个数据结论,请你来辨认看看,它们当中是否存在数据思维的误区,巩固一下今天你所学习的内容。

 

另外,你现在是不是好奇,既然数据可以“欺骗”我们的大脑,就说明使用不同数据的描述和表达方式。能让别人get到的信息也是不一样的

没错,所以下一讲,我们就会进一步学习,如何描述数据才能更加准确高效地展示和分析业务结果,让你的数据会说话

虎头财商

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: