您现在的位置是:主页 > 运营 > 数据分析 >

数据分析必备思维之:问题思维

2020-09-13 22:20数据分析 人已围观

简介数据分析问题是业务人员和数据分析人员之间的纽带,学会提一个好问题是分析问题的基础。但究竟什么样的问题算是一个好问题。 这种不合格的问题会导致花费大量时间在需求沟通上...

  数据分析问题是业务人员和数据分析人员之间的纽带,学会提一个好问题是分析问题的基础。但究竟什么样的问题算是一个好问题。

数据分析必备思维之:问题思维

  这种不合格的问题会导致花费大量时间在需求沟通上,或者干脆给出一些不痛不痒的分析。最后业务方对分析结果不满意,分析师怪业务方需求没有说清楚,最后大家互骂一句“傻X”。

  数据分析问题是业务人员和数据分析人员之间的纽带,学会提一个好问题是分析问题的基础,我们之前讲了很多内容是关于如何分析问题,但究竟什么样的问题算是一个好问题。

  《金字塔原理》介绍了一种序言的结构,也就是大名鼎鼎的SCQA结构,即背景、冲突、疑问、答案。

数据分析必备思维之:问题思维

  这种结构可以用来作为我们提出数据分析问题的一种结构,按照背景、冲突、疑问的结构就能提出一个比较清晰的问题。

  方差君为思考了很久,总结了一些要点和新的结构形式,感觉很实用。不过由于是个人思考的原创方法,还有瑕疵和改善空间,看完后有意见和建议欢迎交流。

  可能是,也可能不是。也许小明原来的成绩只能考30多,这次的目标是超过50分,拿到59分他反而很高兴。所以冲突一定得有个目标,同样一件事,目标不同,就可能不是冲突。

  很多问题的冲突是不完整的,只有一个看起来和“考了59分”一样的现状,但是到底目的是啥?没写清楚,所以冲突的部分,必须写上两部分:目标+现状。

数据分析必备思维之:问题思维

  如果是希望触达更多的用户,到底是要触达多少用户?100万还是200万?如果是希望转化率更高,那么想要提高到多少?5%还是10%?

  目标具体到数字这个要求对于一些探索类需求可能不适用,探索类需求本身并不清楚能找到哪些结论。不过大部分的公司和数据分析师估计根本没有时间做探索型分析。

  然后如果有了方案,接下去的目的是确定该方案是否经济且可行,对应的现状是该方案需要X万元经费,不确定是否超出预算。

  所以这个案例的问题,目标和现状不是完全对应,虽然有关但是不直接相关。这种问题在逻辑上就是不严密的,需要重新梳理一下。

  之前提到冲突是有目标和现状构成的,不过目标的背后一定还有目标。比如:目标是A1产品落地页的转化率能够提升到5%。

  可能是A1产品的月销量需要达到100万,其中用户数目标是200万,转化率目标是5%,人均消费10元。

  这个背景可能还需要继续深挖,A1产品月销量需要达到100万的背景,可能是整个A品类的销量要达到300万。然后衍生出3个字母表,A1、A2、A3月销量分别达到100万。

  这就需要一些结构化思维的能力了,日常工作中的复杂目标基本都是这样被拆解成更小的子目标的。因为大目标往往比较泛,需要靠一个个可落地的小目标来实现。

数据分析必备思维之:问题思维

  所以具体分析工作遇到的那些小目标,背后一定还有一个更大的目标,找出这个更大的目标,以及这个目标的拆解结构,把它们说清楚,就可以作为一个问题的背景部分。

  要知道,问题本身就是答案。比如你喜欢睡懒觉,所以上班经常迟到,于是你问:有哪些上班不打卡的公司?

  这个问题的方向就变成了,怎么样消除自己迟到的根本原因。问题本身会限制思考方向,所以不宜加太多的限定。

  背景:A类产品的总销量目标是300万,其中A1产品的目标是100万。要达成这个目标,A1落地页的月用户数需要200万,落地页转化率需要提升至5%,人均消费金额10元。

  想知道落地页转化率是多少,是高还是低,其实就是为了看看这个落地页能否挖掘出新的增量,从而提高整体的增量。

  所以那些“如何”,“为什么”,“是什么”,“是多少”,“是不是”等等疑问,这些问题中有些问题是另一些问题的前提,他们之间的关系一般来说是这样的:是多少→是什么→又怎样→为什么→会怎样→怎么办。这其中的逻辑关系,方差君会在之后的模块二里详细讲解。

数据分析必备思维之:问题思维

  这个问题虽然也属于“怎么办”的范畴,不过违反了之前时候的限制词的原则,会影响我们的分析角度。

数据分析必备思维之:问题思维

  背景:A类产品的总销量目标是300万,其中A1产品的目标是100万。要达成这个目标,A1落地页的月用户数需要200万,落地页转化率需要提升至5%,人均消费金额需要10元。

  冲突是因为有一个和目标存在差距的现状,所以只要现状达到了目标,也就不存在冲突了。因此首先需要思考,怎么样才能改变现状。

  这和平时的分析也比较类似,唯一的不同是标准的问题让沟通成本变低,能够快速了解业务目的,快速开展分析工作。

  具体的分析思路因为业务场景的不同而各有不同,这个就需要用到一些数据分析的方法结合业务经验进行分析,没什么特别的技巧,只能通过提升分析思维和业务知识来实现。

  看过系统性思维文章的同学,一定能想到这样做的问题。这里的目标调整了,其他的目标也必须跟着调整,否则整体目标还是无法完成。

  背景:A类产品的总销量目标是300万,其中A1产品的目标是100万。要达成这个目标,A1落地页的月用户数需要200万,落地页转化率需要提升至5%,人均消费金额需要达到10元。

  只要在其他两个部分补上缺口,总目标也能完成。不过因为转化率无法完成,额外的任务会转移到其他的目标上。

  背景2::落地页转化率在2.5%且难以提升,因此A1落地页的月用户数需要达到250万,人均消费金额需要达到16元。

  有时候在一个问题上没有进展,可以考虑在另一个问题上补救回来。如果这个问题还是无法解决,可能就得再消费金额上再想办法。

数据分析必备思维之:问题思维

  这样就能把一个简单的取数需求,变成一个专题类的分析。最终提供的内容就不再只是那么冷冰冰的数字,而是围绕目标的各个维度的分析结果和建议。

  很多分析师想把需求做深,最大的痛苦就是在于没有理解业务方的需求到底是什么。这种问题结构可以很好地解决这个问题。

  当然,校准目标是一种没办法的办法。很多时候一个目标完成不了,还是自己的分析实力还不够。想要提升分析能力,继续关注三元方差专栏,后续的模块二模块三将会更深入地讲解如何做好业务数据分析。

  这样的结构大家容易理解,交流的成本比较低。而且对于分析师来说,基本上拿到问题,就能知道问题的分析方向有哪些。

  平时沟通需求为什么会效率低下,对比一下本文提到的问题结构,你会发现平时的需求没有明确的目标,更不要说目标背后的背景了,然后最后的疑问经常会限制在一个非常窄的范围。

  本文提供的方法简单易学,是一种能够快速解决这种矛盾的方法,值得数据人员和业务人员都好好读一遍,并在公司内推广,可以有效提高数据分析的效率。(适用于分析类的需求,不太适合取数类)

  之前那么多的要点,可以看出想要提出一个好问题需要很多的基础知识。方差君在之前几篇中提到的目标思维、逻辑思维、结构化思维、系统性思维几乎全部都用到了。

  单单提一个问题都有这么多的讲究,更何况后续更复杂的问题分析部分?想要从事数据分析工作,工具、方法的学习只能让你入行,想要提升只能不断完善自己的思维体系。

  背景:A类产品的总销量目标是300万,其中A1产品的目标是100万。要达成这个目标,A1落地页的月用户数需要200万,落地页转化率需要提升至5%。

  三元方差,公众号:三元方差(sanyuanfangcha),人人都是产品经理专栏作家。专注用数据驱动业务增长,擅长数据分析、用户增长。喜欢阅读、思考和创作。

  人人都是产品经理(是以产品经理、运营为核心的学习、交流、分享平台,集媒体、培训、社群为一体,全方位服务产品人和运营人,成立9年举办在线+期,线+场,产品经理大会、运营大会20+场,覆盖北上广深杭成都等15个城市,在行业有较高的影响力和知名度。平台聚集了众多BAT美团京东滴滴360小米网易等知名互联网公司产品总监和运营总监,他们在这里与你一起成长。


数据分析必备思维之:问题思维

Tags: 运营 

标签云

站点信息

  • 文章统计13332篇文章
  • 标签管理标签云
  • 微信公众号:扫描二维码,关注我们