5

数据分析报告,被批“写错了”,我到底错哪了?

 4 years ago
source link: https://www.36kr.com/p/669057090721795
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.

编者按:本文来自微信公众号 “接地气学堂” ,作者:接地气的陈老师,36氪经授权发布。

你错了!

写数据报告,最怕听见这三个字。特别是新同学,听到这三字简直如雷贯耳被吓得不知所措。其实,并非所有的错误都是我们的问题。今天我们就系统讲解下,数据分析报告常见的错误,和其中真正应该警觉的部分。

1 常见的四类错误 

▌错误一:数据错误。

比如:

  • 漏了单位:销量1800万,写成了180。

  • 数字算错:用户15000人,算成了16000。

  • 指标用错:消费次数1500,用成了消费人数1500。

这种错误是很低级,很严重的!因为数据真实、正确是分析的基础。老板看到这种错误,暴怒炒人的大有人在,特别是传统企业,特别是60、70后领导。所以千万不能犯。

▌错误二:表述错误。

比如:

FJJ3U3n.png!web

这种错误往往是做数据的同学不注意细节,用词欠讲究导致的。数字没有错,但读数字的人会出现歧义、误解、看不懂等问题。最好的办法是写好了找几个不懂数据的人挑挑刺,搞两次就进步了。

▌错误三:方向错误。

J7v22uR.png!web

这种错误往往是做数据的同学不懂业务,强找因果,胡乱交叉,就数论数导致的。讲的都是一些没有实际意义的废话。要改变这种问题,就得平时多练功夫,贴合业务实际组织分析报告,而不是抱着《谁说老子不会数据分析》埋头苦读。

▌错误四:判断错误。

比如

3uMVvaU.png!web

看着很搞笑,可实际情况就是这么尴尬。

比如,我们马上问三个问题:

  • 你公司今年战略目标是??

  • 你们今年用户数、销售额、利润目标是?

  • 4月份应当完成的用户数、销售额、利润目标是?

十个人有九个人答不上来。答上来的那个,还是恰好今天在做日报、月报的同学。当然这不全是做数据的锅。有很多公司,业务和数据沟通不畅,懒得给数据提供信息;有的公司业务部门自己的人都稀里糊涂,更不要提跟别人说清楚了。最典型的,如下图:

IJNvY3E.png!web

判断错误是四种错误里最难搞的一个。因为前三个基本都是数据自己的事,只要刻苦练习怎么都能提高,但判断错误的产生不是数据自己能搞掂的。如果业务不配合,甚至业务故意浑水摸鱼,指鹿为马,很有可能搞得数据有理说不清。所以我们得单独看看,怎么搞掂它。

2 避免错误的操作步骤

▌第一步:分清报告类型。

  • 报告类型:第一次报告还是n次报告

  • 报告内容:通报结果/评价好坏/分析原因/预测走势

  • 报告背景:业务方有预判/无预

这一步在提笔之前就得做,认清形势,不打无准备之战。

  • 如果是第一次报告或者通报结果的话,那就平铺直叙讲数据。

  • 如果是评价好坏,一定提前和业务方沟通评价标准。

  • 如果是分析原因,要结合业务方预判,优先判断业务方关心的问题。

  • 如果是预测走势,要讲清楚预测依据。

▌第二步:明确业务目标。

明确目标,是为树立判断标准做依据。目标只要清晰了,标准就差不远。如果是业绩、收入、用户数这种单指标、结果数据的目标,可以直接用拆解法,找到当前时间下判断标准。

3YFNRbv.png!web

特别注意:如果遇到运营想和你谈“我们的目标是,比自然增长率拉升5%”,这时候要特别小心!因为自然增长率不是个直接采集来的指标,甚至都不是一个固定的指标。丫本身就有很多种算法,每种算法本身都有一定的BUG,并没有绝对好的自然增长率算法(如下图所示)。

zum6Bf3.png!web

所以大家切记:如果涉及判断,一定要提前、提前、提前沟通(重要的事说三遍)。比如评价下个月活动效果好坏。提前问业务:你们要达到什么目标?判断好坏的标准是啥?最好提前让业务把下个月的预期给了!预判是涨是跌,提前说,这样能省去90%的烦恼。

▌第三步:核对数据,检查表述。

这里都是基本功,和具体取数习惯有关,有机会的话,找个数据集对着跟大家说。这里先不展开。但是不管自己怎么看,总是会漏一些bug,最好的办法是在业务方有个熟人,有了报告提前看一眼。越是陌生人,越能一眼看出问题。

▌第四步:沉着应对挑战。

遭到挑战是不可避免的,遇到事不要着急吵,不要着急改,先分清楚:

  • 数据本身有没有问题

  • 数据的描述有没问题

  • 分析维度有没有问题

  • 判断标准是否被改

数据有问题/描述不清楚,这是我们自己的锅,站好,挨打,认错,改正!

分析维度业务不认可,表面上看是沟通出了问题,本质上是业务理解还不到位,这是个纯技术问题。因此不必因此自责内疚,探讨好一个新维度,重新做就是了。

判断标准如果是我们提的,业务觉得不适合,那就按业务提的重新做,这个也是纯技术问题,标准只要大家认可就行。判断标准如果是业务提的,但是他们反口了!是滴,他们为了粉饰太平反口了!记得保留会议记录,这个不是我们的锅!我们可以按新标准重新做,但是锅是坚决不背的。

当然还有最恶劣的一种情况:业务啥都不懂,脾气还大。自己要完成啥目标讲不清楚,判断标准说不明白,只会原样转述领导要求,然后拼命催你:“用大数据人工智能分析呀!”这时候千万不要怀疑自己,这就是业务的锅,这种业务毫无水平,不长脑子。如果领导还支持这种业务,就是这个公司傻X,领导傻X,无他。做业务的连自己要做啥都不知道,还做毛线。同学们千万不要跟这种人一般计较,这种时候不是我们写错了,而是丫说错了。哈哈


About Joyk


Aggregate valuable and interesting links.
Joyk means Joy of geeK