您現在的位置是:首頁 > 手機遊戲首頁手機遊戲

7步走!做出高質量的資料分析專案

  • 由 人人都是產品經理 發表于 手機遊戲
  • 2023-02-07
簡介比如“使用者畫像”,可能上專案時就是嘴上一說,到底是業務不清楚使用者現狀,還是想基於畫像做啥動作,一定要了解清楚

中國黃金的鋼印什麼樣

7步走!做出高質量的資料分析專案

每到年底,都有同學感慨:“忙了一年,感覺都是常規資料報表,連個拿得出手的專案都沒有!”那到底高質量的資料分析專案該咋做?

一、怎樣算高質量

想回答這個問題,得先明確:啥叫“高質量”專案。從本質上看,資料分析是個支撐型崗位,工作質量高不高,主要由被服務的部門決定。如果是在企業裡工作的話,主要看管理層/業務部門的評價意見。如果在面試時,則主要由面試HR/用人領導評價。摸清對方的需求,擊中對方的痛點才是關鍵。

經常有同學在這裡犯迷糊,覺得:用了線性迴歸模型的(複雜的模型不會)/圖表blingbling閃光的/查一個數sql 寫了2000行的,才算是“高質量”,忽視了這些玩意對業務到底有沒有用,結果自然是鬧笑話了。

前幾天還有個同學急匆匆來問,說他們建了流失使用者預測模型,結果運營表示:“你們搞著幹啥?預測了我也不知道咋用!”然後專案就黃掉了……這就是典型的閉門造車結果。

那要怎麼弄,才能中業務痛點呢?

二、找準核心需求

資料分析對業務,是個“隨風潛入夜,潤物細無聲”的事,往往有資料看得時候大家不覺得很厲害,但是沒資料看了,就有人會著急。所以想找到業務的痛點,最好不要強行推銷:“我有一個人工智慧阿爾法大狗子模型,百測百準,客官您要不要試試!”而是先看,對方部門最關注什麼問題,最缺什麼資料。

常見的缺資料的情況有四種:

基礎資料都沒有,迫切想看到數

有資料但不知道怎麼解讀,乾著急

有資料,有解讀,想進一步驗證想法

有資料,有解讀,想進一步做預測

接業務方需求的時候,一定要清晰真實需求。比如“使用者畫像”,可能上專案時就是嘴上一說,到底是業務不清楚使用者現狀,還是想基於畫像做啥動作,一定要了解清楚。專案開始時不清晰,中間過程也要逐步清晰,不然夯吃夯吃打了一堆標籤再被人質疑“你這有啥用!”那就是啞巴吃黃連了……

三、報表型專案的要點

報表型專案數量最多,但最容易被資料分析師們忽視,很多新人總嫌棄它技術上不復雜。但實際上,報表型專案是最容易出成績的,關鍵在於:做領導們關心的,領導們看得見的。接需求的時候,區分報表使用人,優先把領導們需求做視覺化,讓領導們直觀感受到資料。

並且,透過報表型專案,可以有效鑑別業務方合作態度。如果業務方態度好,那麼可以深入合作。既然已經有了業務監控報表,那麼下一步就可以做業務走勢異常分析。先記錄非業務主動行為產生的異常點,之後再深入分析:

多大幅度變化算異常

是什麼因素導致的異常

如何透過資料提前發現異常

有了這些積累,就可以進一步做自動化異常提醒+問題診斷,讓單純的資料展示更上一層樓,同時能為後續深入分析打好基礎。

7步走!做出高質量的資料分析專案

四、分析型專案的要點

在很多人原始印象裡,資料分析就應該是拿到一堆數字,然後般若媽咪哄一通分析,告訴業務三句話,讓業務多賺18萬!

因此往往人們對分析型專案期望甚高。但實際上分析型專案特別容易踩雷。對業務不夠了解,缺少監控資料,缺少異常分析的經驗,都會讓問題分析流於表面。做專案時“雷聲大、雨點小”是常態。

因此,分析型專案在報表型專案基礎上孵化出來,成功率比較高。如果發現業務方對問題本身監控不足、認識不清,可以退回到報表型專案做起。有了一定積累後,想見效,最好的辦法是先共識業務假設,搞清楚業務方到底對啥沒信心,對啥有信心。證偽比證真容易,直接驗假設更容易出結果。

如果問題涉及太多難以量化的疑難雜症,還有個解決思路,就是把問題轉化成測試型專案。直接看業務方手頭有什麼解決問題的辦法,然後測試那種辦法管用。這樣也能輸出解決問題的方案。

7步走!做出高質量的資料分析專案

五、測試型專案的要點

測試型專案相對容易成功,本質上看,測試也屬於“業務沒資料,特別想看個數據”的情況。只不過要注意的是,到底要測啥,得事先想清楚了。在測試中最重要的就是:對影響結果的因素有前期瞭解,測試想測的關鍵因素,控制其他干擾項。

因此,一般頁面設計測試容易成功,對消費結果測試容易亂套。因為頁面設計測試點少,容易出準確、穩定的結果。但影響消費結果的因素太多了在做測試之前沒想清楚,很容易因為測試方案之間可比性不高,參與測試群體差異大,關鍵干擾因素沒排除等原因導致結果失靈。

7步走!做出高質量的資料分析專案

所以,在做測試前,基礎分析工作是很必要的,梳理清楚到底哪些因素會有影響,幾套測試方案之間差異點到底有多大,能有效提升專案質量。

六、預測型專案的要點

預測型專案的關鍵在於:確認真實的預測需求,避免盲目賭命式的“我要100%精確”。不但做不到,而且沒意義。比如開篇講的流失使用者預測,如果運營是全量投放資源召回流失使用者,那把目標改成預測:“哪些人自然會迴流”這樣就能節省經費。

如果運營想獲取最大效果,可以把目標改成:“使用者預計響應哪種方式的召回”這樣可以做多輪推送最大化喚醒使用者。總之,先搞清楚運營的計劃再下手,比自己閉門造模型管用的多。

七、儀式感很重要

資料分析專案特別需要儀式感!因為資料分析成果很少能成為白花花的銀子,等年底做總結的時候可能大家都忘得差不多了。因此一定要做足儀式。比如專案啟動時和合作方一起開個會,開到中午大家一起大圓桌搓一頓。

專案結束彙報時專門約上大老闆,彙報完合影留念。專案成果儘量上BI,專門做個《資料資產大屏》擺在老闆辦公室裡,每週滾動一下,又新累積了多少多少資料,助力業務產生多少多少效益。《雙十一作戰大屏》當然要擺上,而且記得拍照,記錄下同事們在大屏前歡呼的盛況……

具體方法還有很多,大家可以根據自己企業的風格酌情采用,不過核心思路只有一個,就是多團結同事,多搞會議,多上系統,不要默默交個ppt,交個excel,交個csv了事。裡子都辛苦做出來了,面子一定要做足!

寫到這,肯定有同學想問:“那麼面試的時候怎麼體現專案質量高呢?”面試時候思路和實際工作不太一樣,因為面試時存在認知差,有可能實際工作業務方很喜歡的東西,對方企業覺得:“這個很一般呀,不過如此嗎!”想打動面試官,需要另一個套路。

Top