面對同一個場景，不同的數據分析師會有不同的應對策略。這篇文章從數據分析師出發，列舉了五個數據分析師在工作中會遇到的問題以及對策，總結出了做優秀數據分析項目五大坑點，幫助數據分析師更好的應對職場生活。

　　場景還原：某互聯網企業的B2B商務拓展團隊，主要通過電話銷售聯系潛在客戶，外呼名單管理混亂，隻有客戶企業名稱、聯系電話兩個字段，銷售成功率極低，且團隊管理混亂，隻記錄成交金額，沒有對未成交原因做記錄，也沒有跟進記錄。業績完成差，團隊流失嚴重，領導很着急。

　　問題一（選擇題） 你是這個企業的數據分析師，此時你會：

　　A、在月報裡認真分析成功率低原因，寫20頁整改建議

　　B、月報隻列數字，等着他們來找你談合作

　　（題目簡單，思考一秒鐘）

　　經過上一篇的教育，大家都選B。是滴，這個場景裡的問題根本是業務管理混亂導緻的，數據能幫上忙就見鬼了。如果業務自己意識不到痛，隻是數據分析師作為外人blablabla，根本沒人理。所以不要幹這種出力不讨好的事。

　　退一步講，即使你幹了，人家聽了你的建議效率提高了，也是業務獨攬大功，關你分析屁事，你怎麼證明他們聽了呢？人家會說：“我早想到了”“你不說我也知道”。所以最好的策略是等他們來找，立項目，比如叫“銷售業績提升項目”成立項目組，發郵件告知老闆們正式開工，Ok，走起！

　　問題二（判斷題） 現在團隊領導找到你，決定立項開幹，你把項目目标定為“提升銷售成功率”請問是對還是錯？

　　A、對

　　B、錯

　　（題目簡單，思考一秒鐘）

　　這是很多做分析的同學常範的問題：把終極目标當眼前目标。或者壓根不知道業務目标是什麼。隻是憑感覺說：“我們是電商，所以要提GMV”“我們做增長，所以要做DAU”……請注意：在管理混亂、數據缺失、團隊跑路的情況下，指望寫200行代碼，出個ppt就能拉動業績，是完全不現實的。所以要和業務領導認真談談，除了提升銷售成功率外，還有沒有二級目标可以做。比如：

　　論證改善結果需要時間，争取時間論證當前無力做改善，調低KPI探索穩定團隊的做法，穩定軍心找到一些成功标杆，總結經驗 實際上，真遇到業績不行，業務領導往往第一位想到的是要資源，第二位想到的是調KPI，第三位想到的是找案例。别人真沒心思聽你說：“活躍率低了，要！搞！高！”。因此，梳理目标，确定一級、二級目标，非常重要。所以這題選B。

　　問題三（選擇題） 現在确認一級目标：提升銷售成功率；二級目标：找成功銷售經驗。馬上有人跳出來說：“你都沒做過銷售，你怎麼分析！！！”問：怎麼辦？

　　A、通過數據分析出最佳銷售方法

　　B、承認自己不懂

　　（題目簡單，思考一秒鐘）

　　這是很多做分析的同學常犯的問題*2：指望數據直接算出一個最佳方案。帶着這種想法的同學往往會被人用：“你成交過幾單？”“你行你上啊”打趴下。在談及“如何做”這個問題時，數據分析的作用不是算出最佳的方案。

　　因為每一個成功的個案，一定有不可複制的獨特優勢，比如銷售，有些人就是天生巧舌如簧，天生形象好讓人喜歡，你不能回避這些。數據分析的作用是：分析具體案例，區分可複制部分和不可複制部分。把可複制部分沉澱為經驗，把不可複制的特征提取出來，以後找更多類似特征。

　　比如我們發現本地靓女做銷售成交高，那就讓每個城市在本地招聘高顔值閨女就好了；如果是某個特殊時間，特殊動作要做，那就讓其他人複制這個操作。數據分析擅長的不是賣貨，而是總結經驗，尋找特征。這個題選B。

　　問題四（看圖說話） 一個月基本工資1300，每單提成250，以下兩種分層哪種好用？

　　A、圖1

　　B、圖2

　　（題目稍複雜，思考一分鐘）

　　出這個題不是考如何分層，而是考一個基本思路：根據業務需求找分類标準。比如這個例子裡，有個很大的問題是：團隊流失嚴重。可能人均訂單10單、8單、4單在統計上是有區分的，但在業務上毫無區分，一個業務員不管是10還是8，都掙不夠一個月的生活費,他還是會跑路。

　　但25單可以讓他掙到25*250 1300=7550的收入，對電話小哥來說很可觀了。這是數據分析與數據挖掘的一個核心區别。我們建數據模型，為的是大概率模拟現實情況，所以可以處理掉一些數據，虛拟填充一批數據，反正為的是整體效果。做數據分析，有獨特效果：能指導業務部門創造現在不存在的情況。

　　比如業務覺得，能月入7500的骨幹至少占比20%，團隊才穩定，那現有的薪酬制度、操作系統、招聘流程都能改，這就打破了現狀。

　　因此做數據分析，往往更看重對業務的指導意義，找标準，要找符合業務需求的标準。此題選B。

　　問題五（看圖說話） 還是上圖，如采用B圖分層，是否可鎖定第一層就是業務标杆，進行深入研究。

　　A、能

　　B、不能

　　（題目稍複雜，思考一分鐘）

　　答：不能。因為尚不知道這些人業績好，是持續性好、還是偶爾好。如下圖所示，有可能一個月内選出來的優勝者，有四種不同走勢：

　　注意：一般為了取數方便，我們不會一次撈所有數據。因此推進項目往往是從個案到普遍，從單月到整年，這樣分步驟輸出成果。

　　一方面可以提高效率，不至于項目拖很久不見産出；另一方面，短期突發情況更容易被解讀，想知道是不是真的找到規律，就得從短期推廣到長期來看。比如這個例子，我們可以從一個月表現裡先選出準标杆，再看他們的穩定情況。從而解讀出更豐富業務含義，建立下一步分析假設。有了分析假設，就可以繼續深入，做更深的分析。

　　這個題目，是陳老師做内訓題目之一。原題可沒這麼多提示，就六個字段：

　　業務員ID客戶漢字名稱客戶聯系電話是否成交成交時間成交金額 很多同學看完一臉懵逼：“卧槽這分析啥啊，啥都沒有。”可他真真就是很多公司現狀。挂個“互聯網企業”的名号，實際管理比傳統企業還落後。從解題步驟來看，隻要目标設定合理，一步步做，還是可以産生很多有用結論的。哪怕最後發現，銷售就是很随機的，那對于業務也是很大支持，至少以後就可勁招人好了，搞人海戰術。如果能總結出一套标杆話術，當然是更理想的結果了。

　　而且，也不是所有數據都不能獲得。比如我們真的選出标杆，他的話術、聯系客戶時間，跟進次數就是可以記錄和補充的。基于這些分析結果，我們可以進一步推動系統升級改造。有了更好的系統，業務既能提高效率，數據也能有更多分析素材，大家都有獲益。

　　既然提到數據采集，那麼問題又來了，從哪裡做起呢？

　　問題五（排序題） 經過第一階段分析，業務認可複制标杆的做法，想進一步完善數據，那麼下邊數據數據都是需要系統支持的，優先級排序是：

　　A、用爬蟲爬客戶詳細信息

　　B、把業務員簡曆錄入系統

　　C、上CRM記錄業務員操作

　　D、完善客戶信息表讓業務員填

　　（題目稍複雜，思考一分鐘）

　　有多少程序員小哥是把A排在第一位的？請舉手，哈哈。請注意，雖然ABCD選項都需要系統，但數據本身的獲取難度、需要業務支持程度、有用性是不一樣的：

　　簡曆：格式化程度最高，且不要經銷售的手，被污染可能最低。CRM數據：直接記錄操作，不需要經銷售的手。信息表：需要經銷售的手，得有配套管理措施。爬蟲：看似可做，可很難保證數據質量穩定性（特指本例，B2B商務數據可能很零散，不像電商銷量、評論可以集中爬）。 因此從易到難，排序是B≥C≥D≥A。舉這個例子，隻是為了提示大家：不要因為我們是做技術的，就沉迷技術。很多技術工具需要配套制度，以保證數據不被污染。這時候要和業務通力合作，考慮技術的可用性，便捷性。有些小哥太沉迷搞數據，會把業務流程搞得巨複雜，數據表搞得太多字段，結果銷售們随便應付，到頭來坑的還是自己。小結

　　之前是文章，我們列出了做出優秀數據分析項目五大關鍵。這一篇，我們總結下做優秀數據分析項目五大坑點：

　　沒有立項，沒有共識，隻談數據，沒法落地直接拿最高目标當項目目标，無法完成生搬硬套模型，結果陷于數據不足動彈不得一次做的太複雜，遲遲出不了結果沒有循序漸進叠代，成果至于一張ppt 想避免這些大坑，核心就是：拒絕閉門造車，結合業務需求，從低到高進化。在這個過程中，需要大量的需求洞察，溝通協作，這樣才能讓業務測試分析結果，最後去僞存真，推動業務進化。這就是為啥網上“泰坦尼克”“波士頓房價”“美國某信用卡”“貓眼電影評論”一類的玩意不算項目的原因。這些所謂的網紅項目，就是跑一張數據表而已。

　　況且很多自學者都不是自己跑這張數據表，代碼都是抄網上現成的。除了打字能力（和讀英文單詞能力）以外，沒有任何溝通、需求分析、方案制定、結果測試、叠代升級過程。雖然這些網紅項目都會冠以“人工智能”“21天轉行年薪百萬”之類名字，但丫就是自娛自樂而已。

　　所謂：猛将必發于卒伍，宰相必起于州郡。好的數據分析師，不是一上來就搬弄模型，而是能從數據細節裡，讀出企業的問題；能基于哪怕最簡單的數據基礎，設計出可行方法幫助業務從低端向高端升級。這才是好的數據分析師真正起到的作用。

　　專欄作家

　　接地氣的陳老師，接地氣學堂，人人都是産品經理專欄作家。資深咨詢顧問，在互聯網，金融，快消，零售，耐用，美容等15個行業有豐富數據相關經驗。

　　本文原創發布于人人都是産品經理。未經許可，禁止轉載。

　　題圖來自 Unsplash，基于CC0協議。

　　該文觀點僅代表作者本人，人人都是産品經理平台僅提供信息存儲空間服務。

　　,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!