[[407875]]

本文轉載自微信公眾號「接地氣學堂」，作者接地氣的陳老師。轉載本文請聯系接地氣學堂公眾號。

每天都在跑數，煩

跑完了數，業務愛看不看，更煩

好不容易提個建議，業務方當耳邊風，煩煩煩

很多做數據的新人都有這個困惑，今天陳老師給大家解這個局。這里問題的核心在于：如果不能按自己的建議做項目，是不是就不能提升數據分析能力了?回答當然是：否!數據分析的能力晉級分為四個層級，所謂“按我的意見做”根本就不在這個晉級體系里。

那數據分析能力晉級體系到底有啥?結合一個具體例子，細細看：

1第一層：跑個數

比如一個互聯網業務，新用戶獲取數量，消費比例，消費金額數據如下：

這個肯定是數據分析師整理出來的。這也是第一層數據分析能力。跑正確的數，是基礎中的基礎，如果連數都跑不出來，可以直接轉行做利用數據的業務部門，比如用戶運營、增長黑客、渠道推廣啥的。

問題是：跑完了數以后呢?

2第二層：提建議

如果只是被動地等著業務提需求→跑個數→再提→再跑，不但做得很辛苦，而且沒啥價值產出。大家都不喜歡這個狀態。因此至少應該：把自己跑的數看一遍。在解讀數據的基礎上，找深入分析的機會點，提一些業務上建議，找一找數據變現的機會。

比如有一名數據分析師看到這個數據，提出建議如下：

這個就叫：從數據到建議。先不管這個建議靠不靠譜，起碼不再僅僅是就數論數了，有了對業務有價值的思考。

然而，這種建議很可能不會被業務接受。負責新用戶獲取的增長部門表示：“你這分析我早知道了，行業內有很多9塊9引流的方案在做呀，我要做個不一樣的，做個單價200元的新人大禮包!現在就是沒人做所以才沒人買，我做了就有人買!”

這時候，最菜雞的一批數據分析師已經嘆口氣退出了，然后仰天長嘆：“我懷才不遇!如果到一家數據驅動型公司，一定全公司的人都乖乖聽我的話，做他個9塊9的引流……”

而有點經驗的新手數據分析師，會奮起反擊，列出業務部門想法的錯誤之處：

• 錯誤點1：如果新用戶真有消費力，目前也有200元的產品，累計購買率才7%
• 錯誤點2：目前新用戶僅識別手機號，如果給新用戶太多優惠，很容易被薅羊毛
• 錯誤點3：老用戶中，有大量用戶能買200以上，他們會冒充新人來薅這個大禮包

注意：做到這一步，才算做到了“提建議”。提建議不止是對著數字拍腦袋，而是有論點，有論據，最好有正反向論據的支持(如下圖)

然鵝，增長部門完全無視了數據的建議，就自己上200元的大禮包了。此時，新手數據分析師也退出了，然后仰天長嘆：“我懷才不遇!如果到一家數據驅動型公司，……”

那么數據分析的老鳥們，此時在干啥?

3第三層：做梳理

真正老練的數據分析師，根本不會牽扯到這種爭論里。真正老練的數據分析師，根本不會死抓著自己的一種觀點和別人吵架，而是根據MECE的方法，把可能的情況梳理清楚(如下圖)

當任何一方提出業務建議時，第一時間做的，不是去吵好不好，而是先引導大家，建立判斷情況好不好的標準。

比如：針對業務提的方案：

• 最佳情況：新用戶業績提升，老用戶業績不變
• 中間情況：新用戶業績提升，老用戶業績下降，且提升部分遠遠大于下降部分
• 最差情況：新用戶業績提升，老用戶業績下降，且提升部分小于等于下降部分

(如下圖)

這三種情況，分別對應三種假設：

• 假設1：新用戶真的更喜歡高價值產品禮包
•  假設2：新用戶有部分人喜歡，另外有一批老用戶也喜歡
• 假設3：新用戶完全不喜歡這個禮包，都是老用戶在薅羊毛

這三種假設對應的下一步分析動作也是不同的：

• 假設1后續：可以持續推進新用戶禮包
• 假設2后續：深入分析新用戶群體，區分出喜歡大禮包/低價產品的用戶特征，對比兩類用戶長期價值，為后續策略做鋪墊
• 假設3后續：放棄新用戶禮包，嘗試低價產品

綜上，以下四個步驟，才是數據老鳥的工作重點：

1、設定監控指標

2、設定評價標準

3、提出分析假設

4、制定分析計劃

這樣做讓運營和高層領導都很舒服，可以很清晰地看到方案的來龍去脈，并且用數據說話，而不是靠官銜、嗓門、資歷來判定對錯，也不會牽扯上各種無意義的口水戰。數據才是判官，數據分析師只是宣讀判決文件的書記員。

當然，很有可能領導們會說：“那站在數據分析角度，你認為會是哪種情況?”這時候數據分析師可以表達自己觀點了。

自己的觀點選哪一個都行，理直氣壯地說：“從數據角度看，這個方案很傻逼，成功率極低”也是OK的。因為數據分析師的觀點，只是一種觀點而已，最終檢驗觀點對錯，還是得數據說話。這才是數據分析師的真正價值。

注意!如果真的數據分析的判斷很準的話，那么就不但能分析出來哪條方法是可行的，也能分析出來哪種方法不可行。數據分析的判斷，不受“別人不聽我的意見”的限制。

恰恰相反，如果業務一意孤行，且數據分析提前預判了業務的失敗，那在老板心中對數據的信任反而更上一層樓。這種和業務的“對賭”，其實考察的是更高層的一種分析能力：數據判斷力。

4第四層：下判斷

數據判斷力是數據分析的終極階段。就是基于數據能對業務走勢做出準確的判斷，并且能用數據修正自己的判斷邏輯，讓對業務走勢的判斷越來越精準(如下圖)：

如果真的能做到這一點，就是各種史書古籍中所謂的“算無遺策”的最佳狀態了。如果數據分析師真達到這個狀態，其實和一個合格的業務部門領導，在分析能力上已經沒有差異了。如果能再強化一下對流程的管理能力，再補一下對下屬的組織能力，就可以真正成為一個事業部級管理的大佬了。

遺憾的是，以上四個層級里：

• 大部分新手在第一層，只能當工具人。
• 少部分人晉升到第二層，但止于第二層，然后感慨自己“懷才不遇”。
• 只有極少部分人能做到第三層，這些人不是大企業的數據部門總監，就是專業顧問。

至于第四層，反而很少有數據出身的人能做到。倒是業務部門的領導兼任數據部門管理以后，強化了數據分析能力，更容易做到這一點。

這和專職的數據分析師在基礎數據處理、數據質量上花了太多精力有關。精力投在技術層面多了，就沒有余力顧及搞組織、建流程、掙資源這些事了。

不過這都是神仙打架的事。對剛入門的新手同學而言，終極目標就是做到第三層。不要讓自己的思路止于：我有一個好點子。想辦法梳理清楚各種可能性，建立檢驗標準與監控機制，利用數據結果不斷修自己的判斷，這樣才能真正體現數據分析的價值，提升自己的數據分析能力。以上，與大家共勉。