什么才算是“可执行”的数据建议?如何做数据分析,提出可执行的建议?

很多同学在工作和面试时都遇到一个要求:数据的分析要给出“可执行”的建议。

“可执行”这仨字难倒了好多人,怎么才算可执行?

我要给销售一个可执行的建议,所以我要自己去卖几百万的货?我要给内容运营一个可执行的建议,所以我要建议她在标题里“震惊!”“沸腾!”一下?我平时就会写:“活跃率低了,要搞高”,该咋办呀!以上种种问题,今天系统解答一下。

什么叫可执行

很多做数据的新人,喜欢写:活跃率低了,建议搞高,。这就是典型的“不可执行”的建议。

“搞”是一个动词,光秃秃一个动词丢出来,别人铁定问:谁来搞?要搞谁?在哪搞?怎么搞?搞多少?……一连串连珠炮似的问题。

面对这种疑问,没有经验的同学会直接被突突晕掉。可有经验的同学知道,这里是有套路的,就是

5w2h方法,按这个思路梳理需求,就很容易整明白:到底要具体到哪些细节(如下图)

数据分析,怎么做才能“可执行”

然而梳理完成后,又有一个新问题:怎么从数据里推导出这些细节呢

这里要结合具体的例子来讲。我们就举在线教育的例子,假设你是一个在线教育机构数据分析师,虽然全世界都在吹“在线教育

2020年要火”可眼前就是光见花钱圈用户,收入不见提升。领导要求你分析出“可执行”的建议了!咋办?咱可以这么做。

如何做“可执行”的数据分析?

第一步:清晰宏观方向

虽然具体的方案千差万别,但是归根溯源,都跟俩个东西有关:

  • 时间紧迫性:需要用多久解决问题
  • 资源丰富性:到底有多少投入

两者对干货方法的影响,如下图所示。

数据分析,怎么做才能“可执行”

所以想让自己的建议可行,首先得保证宏观上的判断正确:

  1. 这个事是多大的事,要搞到什么程度才算结束(why)
  2. 这个事是不是现在要搞,能预留多久解决?(when)

把这两个定下来,后边就能调配资源,才能谈细节。

我们给的场景是:光见花钱圈用户,收入不见提升。到底用户增长,收入增长情况如何?通过趋势分析法,可以进行初步判断,比如下边两种场景,对应的问题严重性,紧迫性就不一样。

数据分析,怎么做才能“可执行”

经过趋势判断+目标计算,我们可以得出一个大致范围。比如:如目前趋势持续3个月,年度销售目标将无法达成。

想达成目标,以下三个月必须扭转局面,需要把人均付费做到1000以上,需要至少拉动20000个付费用户。

有个这个测算,我们就对宏观形势有了判断,可以争取资源,锁定工作范围。

注意:很多做数据的同学,在这一步会很纠结。越是做数据的,越想用一个精细的模型来论证未来走势。经常做项目的人完全不这么干,他们反而倾向于简单的加减乘除算账,语言表达也很简单直接:“现在一个月就500万上下,不做到1000万任务完不成!!!”

这是因为,这里测算是为了争取资源,需要领导们认同。

因此,越复杂的方法,反而越容易误导决策,越容易让人们把精力放在“数字算的对不对”而不是“这个事到底该不该做”上。越简单的推算,反而越容易让不同知识背景、能力层次、认知水平的领导们达成共识。最终推动事情往下做。

所以,如果做数据的同学们真想做可执行的建议,一定要控制自己的纠结程度。牢记:“说服别人才是第一目的,达成共识才是最终结果”,千万别自己陷进细节出不来了。

第二步:落实作战范围

明确了方向,锁定资源以后,可以具体讨论该怎么干活。

这就涉及:谁来干?(who)哪里干?(where)干谁?(what)这三个问题。

真想让项目落地,选中责任人是最重要一环

责任不清楚,事情没人理。做数据分析的同学们往往缺少这个责任意识,只是泛泛建议:“要推高客单价产品,要加强付费刺激,要做多活跃用户”。

这种建议当然不够落地了,比如:“做多活跃用户”,既可以让渠道多拉一些优质客源,也能让运营多做一些拉活跃活动,还能让商品管理出一些吸引力商品,几乎人人工作都和它有关。人人负责就等于人人不负责,所以泛泛而言是无法落地的。

这里有三个问题,在实际解决时候反而没那么复杂,因为企业的组织架构往往和任务是捆绑的。往往锁定了where或者what的同时就把who一起搞掂了。所以熟悉组织架构,了解每个部门对应哪个环节,哪个群体进行工作,非常必要。

数据分析,怎么做才能“可执行”

在线教育机构,可能组织架构与任务对应如下图:

数据分析,怎么做才能“可执行”

因此,对分析而言,这里最要的是:找到关键问题症结,集中发力。比如原问题:光见用户多,不见收入涨。

可以衍生出若干假设:

  • 投放问题:用户本身质量不高,对课程没有需求
  • 推广流程问题:推广环节多(比如先拉群,听直播再推付费课),效率低
  • 运营问题:学生复购低,原本推出来引流的课程无转化
  • 课程质量问题:课程吸引力低,竞争力差

之后分别寻找数据,验证假设推导出核心问题。

注意:这是数据分析师最能发挥作用的地方,没有之一。因为一般业务部门讨论这些问题的时候,都会陷入本位主义,大家相互指责,都想证明自己没问题。或者大家争抢资源,都想证明自己的环节最重要。特别在在线教育,这种串行业务逻辑,上下游争吵更激烈。数据分析师作为第三方角色,可以输出更有说服力的答案。

第三步:锁定执行细节

假设在第二步分析中,我们明确了:

  • 首要问题内容产出不佳,对用户吸引力不够
  • 次要问题是投放力度不足,需要增加投入
  • 产品本身和竞品差异不大,不怕竞争

那么,在第三步,可以聚焦解决“如何设计优秀内容,做好投放”上了。这样分析建议离落地只差最后一步:建议以何种形式做。

大量数据分析同学都倒在了这一步。往往大家一听“如何做”就怕了。“我是真不会写文案啊!”其实完全不需要大家自己写。站在数据分析角度,关注的不是某个具体idea,而是哪个套路更管用

所谓:方向不对,努力白费。结合数据,找到更好的套路,才是数据分析的作用方式。

想找套路,就要先研究套路。这里需要数据分析师对常用的业务套路所有了解。比如在线课程,是有常用推广方式的:

数据分析,怎么做才能“可执行”

有了分类以后,我们可以对每个分类推广效果做分析,找到:

  • VS自身,哪个类型推广更容易达成效果
  • VS行业,哪个类型与同业差异最大
  • VS时间,哪个类型可以持续用

这样在最后给建议的时候,可以给的非常精准:我们是XX类做的太少,需要加大力度到XX水平就能达成目标。比起空口说“要多做内容引流”,我们在开头已经计算过具体还欠多少业绩,因此完全可以根据每一类引流ROI,推算出花多少钱,达成多少效果。已经给足了时间和经费,后续想再做创意也有了空间。

数据分析,怎么做才能“可执行”

小结

纵观整个过程,大家会发现通过数据分析解决可执行问题,是一种从上自下层层递进的方法。

先确保方向正确,再落实到具体责任人,再具体到对象,再看具体操作大类的投入产出,至于最后的创意,能有就有,没有拉倒。

反正给足了时间、费用,只要做到平均水平,也能交差。

颇有一种“只要开好了分矿,你平A过去就赢了”的感觉。

当然,这种层层递进的逻辑方法,也是数据分析的短板。

从经验上看,数据分析师做的方案往往倾向于保守,往往缺少创意,这些都是太过理性的后遗症。而实际上商业成功往往不是理性的结果。天才的创意、勇猛的胆识、无敌的运气、过人的机智、诱人的魅力、不可挑战的权力,可能都是成功的因素。

然而,数据分析的独特吸引力也在这里。你会发现创意、机智、魅力是天生的,权力、运气可遇不可求的,胆识加在蠢人身上就是灾难。

唯独数据分析能力是可以通过学习、训练、实验、记录来不断提升的。所以,基于数据提可行性建议,可能不会被采纳,但只会越来越被重视。经济大潮来了,怎么都能成功,现在水势不明的时候,就是数据方法大放异彩了。与大家共勉。

 

作者:接地气的陈老师

来源:微信公众号:“接地气学堂”

本文由@接地气学堂 授权发布于运营派,未经许可,禁止转载

题图来自Unsplash, 基于CC0协议

15人收藏

评论( 6

登录后参与评论
  1. 最就刚报名了起点学院的运营课程,工作三四年,感觉还是要系统梳理一下

    0 回复
  2. 公交车上一位男孩睡着了 靠在我的肩膀上 我把他推开了 因为我这人不可靠

    0 回复
  3. 每当你想批评别人的时候,要记住,这世上并不是所有人,都有你拥有的那些优势。

    0 回复
  4. 净说大实话干啥!!!

    0 回复
  5. 营销服务型项目的创业最大的痛苦就是要当苦力,还要当着一群苦力的包工头。但好处就是腾挪性比较大,不行了就迅速调转方向,很灵活,不会有任何产品的拖累。如果我要是开局就做互联网产品比如小程序,APP,估计现在只剩骨灰了。

    受教了! :???:

    0 回复
  6. 受教了

    0 回复
加入圈子
关注微信公众号

可能感兴趣的文章

互联网运营学习、交流、分享平台

弹幕