进阶
8大能力框架
这时候如果直接丢一堆数据分析转业概念，比如描述性统计，探索性分析，假设检验，因果关系blaba，估计就把他们直接整晕了。我们可以提供一个简单的思路来梳理问题
在讨论问题的时候，一步步推演，把每一步建立在坚实的数据基础上。比如当业务部领导问道：“为什么业绩增长这么乏力”的时候。可以拆解出几层问题：
- 信息来源：业绩增长乏力这个感觉哪里来的？看没看过数据？
- 是多少：业绩增长的数值是多少？从什么时候开始看？
- 是什么：怎么就叫乏力了？标准是什么？依这个标准，是从什么时候开始乏力的？是全局性乏力还是局部乏力？是持续性乏力还是偶发乏力？
- 为什么：有没有怀疑对象？有没有过往类似经验？
这样一步步来，很容易就从千头万绪中缕出一条主线，排除一堆无需缥缈的恐惧。全程没有一个专业名词，非常适合不懂数据的人参与进来讨论。就像医生诊病一样，医学很专业，但医生问的问题却是个人都答的上来：“哪难受？什么时候开始难受的？之前有过没有？……”
所谓久病成医，和这些部门过几次分析思路以后，就慢慢能让他们学会一些分析思路。起码遇到问题不要急着拍脑袋，而是去找一下报表，看看哪些数据指标真的有问题，量化思考一下。能达到这一步，后续的合作就不愁了。
分析业务需求：要求不等于需求
类似的问题还有很多，比如“做一个判断模型”“做一个聚类分析”“做一个回归预测”这些都是具体的要求，而不是需求。遇到这一类问题，一定要打起十二分精神，问清楚：
- 做一个模型用来解决XXXX问题？（真实痛点）
- 这个问题有没有预判或假设？（真实困惑）
- 解决问题的时间、方法有没有限制？（可行性）
这样摸清底，后续就会做出
- 很想要的（真实的痛点才真实想要）
- 眼前一亮（解决了真实的疑惑）
- 非常有用（考虑了执行可行性）
的分析成果。废话，我们已经到他们知道什么不知道什么吗。很多同学苦思冥想，试图想出一个业务方见都没见过的东西，以为这样才算是分析的高深。殊不知，真要丢出这种结果，十有八九会得到一个：“太离谱了，不符合业务逻辑”的评价。其实好的
分析成果不一定复杂，不一定异想天开。答疑解惑，药到病除，才是最好的状态。
新奇的东西不等于有效和高深
若有收获，就点个赞吧
0 人点赞
