公眾號：接地氣學(xué)堂

作者：接地氣的陳老師

2020年，你在工作中做了幾個成功的數(shù)據(jù)分析項目呢？問題一出，又是發(fā)新手同學(xué)一陣哀嚎：

“沒項目做呀！”

“每天瞎忙?。　?

“業(yè)務(wù)方：我早知道了，你做的有啥用，你分析的不準(zhǔn)確一鍵三連呀！”

今天我們先不談“為啥每天瞎忙沒項目做”的問題，就談“為啥已經(jīng)開工的項目會失敗”。因為認(rèn)真梳理下會發(fā)現(xiàn)，至少四分之三的數(shù)據(jù)分析項目失敗，和這個事有關(guān)。

問題場景1

需求1：

“我們要建立大數(shù)據(jù)用戶畫像”。這個需求很常見，業(yè)務(wù)部門動不動就“來個用戶畫像分析”。那么問題便來了，真的做這個需求，有多大概率撲街？

非常大

因為不知道做了到底干啥呀。業(yè)務(wù)方可能很隨意的說：做了用戶畫像，就知道用戶特征了。問題是：這個需求報表不能滿足嗎！如果真是不知道，直接把用戶特征各個維度跑一遍數(shù)，列個excel表就好了呀，為哈要費事上一個用戶畫像項目呢？！

這種需求叫：無目標(biāo)需求。漫無目標(biāo)，大概率做完了被人扔一句：“我早知道了！”因為對方確實可以通過日常報表、用戶調(diào)查、自己體驗獲得一些數(shù)據(jù)。這種項目接過來過，夯吃夯吃打標(biāo)簽、整數(shù)據(jù)、做看板，最后鐵定失敗。

問題場景2

需求2：

受到場景1啟發(fā)，有同學(xué)會問：做用戶畫像干什么？

業(yè)務(wù)方答：做來看哪些用戶喜歡A產(chǎn)品

那么，真的做這個需求，有多大概率撲街？

非常大

問題在什么叫“喜歡”？？？

如果是“過往X個月內(nèi)購買次數(shù)大于X次，購買金額大于X元”叫喜歡，那直接拖一張報表就能滿足需求呀，為啥需要起一個項目。

如果是“未來有大概率會購買A產(chǎn)品”，那實際需要的就不是什么用戶畫像，而是針對A產(chǎn)品的預(yù)測。那起個毛線的用戶畫像項目，直接做預(yù)測呀。

這種需求叫：需求不清晰。驢頭不對馬嘴，這種項目接過來做，分分鐘落一個：“你做的沒啥用”的評價。找不準(zhǔn)真實的痛點，項目必定失敗。

問題場景3

需求3：

受到場景2啟發(fā)，同學(xué)知道了業(yè)務(wù)方想預(yù)測銷售

現(xiàn)在，業(yè)務(wù)方提出：希望能精準(zhǔn)預(yù)測銷量

那么，真的做這個需求，有多大概率撲街？

非常大

問題在：預(yù)測的到底是啥玩意不清楚。

如果預(yù)測的是新上市款，壓根沒數(shù)據(jù)呀，預(yù)測個毛線。這時候，最關(guān)鍵的問題就是：要不要做測試。如果已經(jīng)有選定產(chǎn)品，需要測試效果，這就是測試問題。直接設(shè)計ABtest，拿去測一測效果，收集一波數(shù)據(jù)再做預(yù)測。

如果沒有做預(yù)測,這時候?qū)嶋H上是：分類問題。基于競爭對手的選擇，自身商品管理的判斷，過往同價位/同客群/同品類銷量走勢，對待上的新品進(jìn)行評估。由于完全是憑空預(yù)測，因此輸出的結(jié)果必定不能很準(zhǔn)。這時候最好的做法是先對產(chǎn)品定性，它的潛力是：爆款、流量款、利潤款、補充款、普通款、還是吊車尾。有了定性判斷，再看配多少資源，多少人力給它。再看能不能基于資源投入預(yù)測。

這種需求叫：需求不具體。看似有目標(biāo)，但是少了背景條件，甚至一字之差，離題萬里。這種項目接過來做，分分鐘落一個：“你做的沒啥用”的評價。找不準(zhǔn)真實的痛點，項目必定失敗。很有可能夯吃夯吃塞了一堆現(xiàn)有產(chǎn)品數(shù)據(jù)，結(jié)果發(fā)現(xiàn)根本沒考慮業(yè)務(wù)動作，也不能推廣到新品，最后落一句：分析不精準(zhǔn)?。?

問題場景4

需求4：

受到場景3啟發(fā)，同學(xué)問了業(yè)務(wù)方，得知：

想預(yù)測銷售，是指導(dǎo)銷售團隊工作。

那么，真的做這個需求，有多大概率撲街？

非常大

問題在：知道預(yù)測結(jié)果，人家又能干啥。

如果預(yù)測業(yè)績很好，so what！銷售還是該干啥干啥呀，說不定還會搞搞陣，藏點單啥的。

如果預(yù)測業(yè)績不好，so what！這東西根本不需要預(yù)測呀，拖一張報表就能看到做的好不好呀，看到業(yè)績不達(dá)標(biāo)，還需要預(yù)測嗎，麻溜的開發(fā)客戶去呀。

所以這個預(yù)測值，對于銷售部門來說沒啥實際用處。這個需求可能只是出于好奇，可能就是隨口一說?？傊?，這叫：需求不夠剛性。這不是業(yè)務(wù)部門的核心問題點，因此項目上了也是白上，最后很容易被批為：分析有啥用。

問題場景5

需求5：

受到場景4啟發(fā)，同學(xué)問了業(yè)務(wù)方，得知：

想預(yù)測銷售，是指導(dǎo)庫存管理。因為供應(yīng)鏈不能控制銷售，只能被動看訂單供貨，所以能預(yù)測出來銷售值就很重要。如果銷售預(yù)測準(zhǔn)了，備貨自然能按照銷售來備，庫存損失也能減少多好！這次是剛需了吧。

那么，真的做這個需求，有多大概率撲街？

非常大

問題在：影響庫存損耗的不止一個因素，只考慮銷售太過偏頗。

這叫：需求不準(zhǔn)確。本質(zhì)上，供應(yīng)鏈損耗受到采購計劃、銷售能力、生產(chǎn)排期三方面影響，和銷售有關(guān)，也有可能和領(lǐng)導(dǎo)私心（收了供應(yīng)商錢，野心過大的擴張計劃）有關(guān)。因此只抓一個因素，很有可能不能解決問題庫存損耗的問題。繞路走，是數(shù)據(jù)分析頭號大忌。

既然預(yù)測是為了減少損耗，就直接把目標(biāo)設(shè)為減少損耗。注意：即使再優(yōu)化，也不可能做到馬上進(jìn)馬上出，因為總有一些市場意外，總有一些商品滯銷，所以最后控制目標(biāo)也不是直接壓到0，而是控到一個可接受水平，或者控制促使整體損耗下降。這樣才是可能成功的目標(biāo)，梳理到此，可以繼續(xù)往下做了（如下圖）

小結(jié)

四分之三的數(shù)據(jù)分析需求，在開始的時候就注定失敗的。

l 不清晰

l 不具體

l 啥都想搞

l 不知道做了啥用

l 做了也沒啥用

只是聽說市面上流行“數(shù)字化轉(zhuǎn)型”“人工智能大數(shù)據(jù)精準(zhǔn)用戶畫像”就急匆匆往上懟。最后自然必敗無疑。

有趣的是，識別偽需求的最好方法，就是拖一張報表。通過業(yè)務(wù)部門對報表的利用情況，可以反向觀察：

l 哪些部門真的數(shù)據(jù)，哪些就是說說而已

l 哪些數(shù)據(jù)真的能有用處，哪些看了就看了沒屁用

l 看了數(shù)據(jù)能做哪些動作，哪些又是看了也無能為力

這樣，即使業(yè)務(wù)部門沒有能力講清楚需求，數(shù)據(jù)分析師也能夠?qū)椖磕繕?biāo)、工作重點、輸出內(nèi)容有自己的判斷。所以做數(shù)據(jù)分析的同學(xué)們，不要被網(wǎng)絡(luò)上爽文洗腦了：報表才是數(shù)據(jù)分析工作的立命之所。一個會玩報表的數(shù)據(jù)分析師，才有機會做出高大上的模型。切記切記。有同學(xué)會感興趣：到底啥樣才算會玩報表，有興趣的話，本篇集齊60留言，下一篇我們來分享，敬請期待哦。