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。