很多同学很苦恼:“为啥我做的问题分析,业务方不认可呢?”今天系统地解答一下。
一、常见做法
业务诊断有标准的流程:
第一步:建立监控指标
第二步:树立判断标准
第三步:发现异常情况
第四步:细分问题来源
第五步:给出诊断建议
举个简单的例子:某公司有4条销售业务线,定了目标是月销1个亿,实际达成9500万,不达标。四条线表现如下图。则可以轻松看出,是A渠道出了问题(如下图)。
图片
如果销售是线上销售,还能进一步看到转化流程,从而诊断出是哪个环节出了问题(如下图)。
图片
于是,常见的诊断建议,就是:“发现A业务线出了问题,投放转化率太低,建议搞高”。
常规的做法即是如此。问题是,相当多的同学这么干完,会得到一句:“你说的都是废话!”的评论。感觉好冤枉。然而问题出在哪里呢?
二、常见问题
常规做法的问题,来自于:就数论数,浮于表面。这么做,就好比病人去看医生,医生说:“你的体温38度,建议搞低。”一样。你是病人,你也会拍案而起:“我TM早知道我发烧了呀!到底咋办呀!”。
单纯地罗列数据,不是问题诊断,充其量算是问题发现。
业务方期待听到的问题诊断,要指向一个具体业务行动。还拿A公司举例子,业务方期望听到的,是如下诊断结果(如下图)。
图片
很多做数据的同学,看到这里会脑瓜子“嗡!”的一声。这些东西太感性了,怎么和DAU、转化率、活跃率、消费金额这些指标关联起来呢?
三、解题关键
用数据驱动业务,最怕业务方说:“你行你上呀,不行别BB”。特别是用数据提出问题的时候,业务方会本能地进行反击。不是甩锅给大环境、上下游部门,就是伸手要资源,要么就祭出终极杀器:“你说的我都知道,我干过了,不行,不信你来干”。如果业务方下决心跟数据分析抬杠的话,数据分析师是非常弱势的,一定吵不赢。
因此在本质上,诊断问题,诊断的是业务方的心病。只有区分清楚谁真正愿意改进问题,才能对症下药。
区分的关键点,有四个:
1、是否真的清楚现状
2、是否已经采取行动
3、是否已有行动计划
4、是否打算申请资源
这四个关键点,能区分出业务方是否真想解决问题,以及业务方企图解决问题的方向。
图片
在诊断业务问题的时候,可以先考虑常见做法里的结果之后,再对这四个关键点逐一确认,逐步导出诊断结果。
第一步:区分是否真清楚现状
很有可能,业务方只知道整体情况不好,并不知道具体在哪个部分出了问题。并且业务方的本能反应,也是基于整体认知给的。因此先呈现常见做法的内容,让业务方看清问题点。
如果业务方事先没有看过细节,则可能在看到细节后有解决问题的想法。基础的策略有2种(如下图),数据分析师可以补上对应的参考数据,辅助判断。到这一步,就完成了诊断。
图片
也有可能,业务方已知晓细节,那就进入下一步。
第二步:区分是否已采取行动
注意,已采取行动但没见效,和没采取行动,完全是两个状态。如果业务方还没有采取行动,就值得怀疑:“为啥明明看到问题,却不行动???”
很有可能,业务方认为问题不重要,到时候就自然消失了。
很有可能,业务方已有安排,认为到时候能一举扭转乾坤。
此时,可以对历史数据进行复盘,找类似场景,有复盘结论后,再针对当前情况下判断(如下图)。
图片
这种情况尚且容易处理,因为业务方没有计划的时候,对其他人的提醒/建议不会很激烈反对,真正难处理的是:已采取行动但没见效的场合。
此时,提给业务方的诊断结论,最好是他们从来没听过且非常有效的,不然铁定被人按着头怼:“你这说的都有啥用!老子刚试过了呀!”这时候下结论要特别小心。
第三步:区分是否有行动计划
已采取行动未见效的时候,业务方的本能反应就是:要资源。打仗打不赢,要大号的炮弹,是很正常的思路。
但老板本能反应就是:再想想。一定是你的方法不对,不信我换李云龙上肯定能把山崎大队打下来。
这种反差,使得直接申请资源的计划常常被驳回。如果申请不到资源,业务部门还有可能选择甩锅,不管是谁的问题,反正不是我的问题就行。
此时对于数据分析师来说,问题异常复杂。如果数据分析师贸然表态,很有可能被划入“敌对分子”的范畴,之后不管数据分析师再说什么,人家都会单纯地为了反对而反对。所以这时切忌主动表态。而是提前把可能解决问题/甩锅的选项分析清楚,最后交回给业务/老板评判。
常见的甩锅选项,如:
1、甩锅给外部环境:是否大环境真的变差,影响了所有业务线
2、甩锅给上游部门:是否上游部门真的没做好,所有下游都遭殃
3、帅锅给用户:是否真的某类型用户口味变化,集体流失
常见的解决问题选项,如:
1、上次解决类似问题的方法,本次是否已经用了
2、上次解决方法的投入力度,本次是否已经达到
3、其他业务线,是否有解决问题的类似方法
以上每一点,单独拆出来都是一个专题分析,内容太多,这里不一一举例了。但是想要帮助深陷困境的业务部门真正找到出路,是值得多花些精力的。
或者采用一种简单的方法:标杆分析法。挑出可以复制的标杆,直接对着照抄。这样省事很多。这也是为啥要先介绍标杆分析法,再介绍问题诊断的原因。有些业务部门就是懒得听理论,他们喜欢说:“你直接告诉我谁做得好,我抄他就完了,奥力给!”
标杆分析法见:数据分析的经典方法之:标杆分析法
图片
四、小结
从本质上看,问题诊断之所难,难在两端:
1、行业环境、业务能力、用户口味、操作流程等等因素,都会导致业务上问题,但这些因素大多不能用数据量化,只能一个个细细立假设,做检验。
2、出现问题的时候,大家都怕担责任,因此会本能地找借口、想当然、树立场。然后纯粹因为立场不同而相互攻击,拒绝面对真相。
所谓“屋漏偏逢连夜雨”,就是这个局面。此时,想要用数据描述问题,容易,树个标杆就能看出差距。想用数据诊断问题,就得突破上边层层险阻,争取业务的支持和老板的理解,才能见效。这是从数据到落地的必经之路。
那有没有简单轻松的落地方法呢?当然有!最简单的就是业务/数据/老板说:“我有一个好点子!”。既然已经有好点子了,那可以直接检验效果,是所谓数据实验法。