收入,对电话小哥来说很可观了。这是数据分析与数据挖掘的一个核心区别。我们建数据模型,为的是大概率模拟现实情况,所以可以处理掉一些数据,虚拟填充一批数据,反正为的是整体效果。做数据分析,有独特效果:能指导业务部门创造现在不存在的情况。
比如业务觉得,能月入7500的骨干至少占比20%,团队才稳定,那现有的薪酬制度、操作系统、招聘流程都能改,这就打破了现状。
因此做数据分析,往往更看重对业务的指导意义,找标准,要找符合业务需求的标准。此题选B。
问题五(看图说话)
还是上图,如采用B图分层,是否可锁定第一层就是业务标杆,进行深入研究。
A、能
B、不能
(题目稍复杂,思考一分钟)
答:不能。因为尚不知道这些人业绩好,是持续性好、还是偶尔好。如下图所示,有可能一个月内选出来的优胜者,有四种不同走势:
注意:一般为了取数方便,我们不会一次捞所有数据。因此推进项目往往是从个案到普遍,从单月到整年,这样分步骤输出成果。
一方面可以提高效率,不至于项目拖很久不见产出;另一方面,短期突发情况更容易被解读,想知道是不是真的找到规律,就得从短期推广到长期来看。比如这个例子,我们可以从一个月表现里先选出准标杆,再看他们的稳定情况。从而解读出更丰富业务含义,建立下一步分析假设。有了分析假设,就可以继续深入,做更深的分析。
这个题目,是陈老师做内训题目之一。原题可没这么多提示,就六个字段:
- 业务员ID
- 客户汉字名称
- 客户联系电话
- 是否成交
- 成交时间
- 成交金额
很多同学看完一脸懵逼:“卧槽这分析啥啊,啥都没有。”可他真真就是很多公司现状。挂个“互联网企业”的名号,实际管理比传统企业还落后。从解题步骤来看,只要目标设定合理,一步步做,还是可以产生很多有用结论的。哪怕最后发现,销售就是很随机的,那对于业务也是很大支持,至少以后就可劲招人好了,搞人海战术。如果能总结出一套标杆话术,当然是更理想的结果了。
而且,也不是所有数据都不能获得。比如我们真的选出标杆,他的话术、联系客户时间,跟进次数就是可以记录和补充的。基于这些分析结果,我们可以进一步推动系统升级改造。有了更好的系统,业务既能提高效率,数据也能有更多分析素材,大家都有获益。
既然提到数据采集,那么问题又来了,从哪里做起呢?
问题五(排序题)
经过第一阶段分析,业务认可复制标杆的做法,想进一步完善数据,那么下边数据数据都是需要系统支持的,优先级排序是:
A、用爬虫爬客户详细信息
B、把业务员简历录入系统
C、上CRM记录业务员操作
D、完善客户信息表让业务员填
(题目稍复杂,思考一分钟)
有多少程序员小哥是把A排在第一位的?请举手,哈哈。请注意,虽然ABCD选项都需要系统,但数据本身的获取难度、需要业务支持程度、有用性是不一样的:
- 简历:格式化程度最高,且不要经销售的手,被污染可能最低。
- CRM数据:直接记录操作,不需要经销售的手。
- 信息表:需要经销售的手,得有配套管理措施。
- 爬虫:看似可做,可很难保证数据质量稳定性(特指本例,B2B商务数据可能很零散,不像电商销量、评论可以集中爬)。
因此从易到难,排序是B≥C≥D≥A。举这个例子,只是为了提示大家:不要因为我们是做技术的,就沉迷技术。很多技术工具需要配套制度,以保证数据不被污染。这时候要和业务通力合作,考虑技术的可用性,便捷性。有些小哥太沉迷搞数据,会把业务流程搞得巨复杂,数据表搞得太多字段,结果销售们随便应付,到头来坑的还是自己。小结
之前是文章,我们列出了做出优秀数据分析项目五大关键。这一篇,我们总结下做优秀数据分析项目五大坑点:
- 没有立项,没有共识,只谈数据,没法落地
- 直接拿最高目标当项目目标,无法完成
- 生搬硬套模型,结果陷于数据不足动弹不得
- 一次做的太复杂,迟迟出不了结果
- 没有循序渐进迭代,成果至于一张ppt
想避免这些大坑,核心就是:拒绝闭门造车,结合业务需求,从低到高进化。在这个过程中,需要大量的需求洞察,沟通协作,这样才能让业务测试分析结果,最后去伪存真,推动业务进化。这就是为啥网上“泰坦尼克”“波士顿房价”“美国某信用卡”“猫眼电影评论”一类的玩意不算项目的原因。这些所谓的网红项目,就是跑一张数据表而已。
况且很多自学者都不是自己跑这张数据表,代码都是抄网上现成的。除了打字能力(和读英文单词能力)以外,没有任何沟通、需求分析、方案制定、结果测试、迭代升级过程。虽然这些网红项目都会冠以“人工智能”“21天转行年薪百万”之类名字,但丫就是自娱自乐而已。
所谓:猛将必发于卒伍,宰相必起于州郡。好的数据分析师,不是一上来就搬弄模型,而是能从数据细节里,读出企业的问题;能基于哪怕最简单的数据基础,设计出可行方法帮助业务从低端向高端升级。这才是好的数据分析师真正起到的作用。
专栏作家
接地气的陈老师,微信公众号:接地气学堂,人人都是产品经理专栏作家。资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。
本文原创发布于人人都是产品经理。未经许可,禁止转载。
题图来自 Unsplash,基于CC0协议。
该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。