数据分析师必备思维·问题思维

挖数网精选
挖数网精选
挖数网精选
446
文章
0
评论
2020-04-2902:05:00 评论 1,395 4628字
摘要

日常工作中,我们经常会遇到一些很奇葩的需求。这些需求描述的问题很模糊,或者需求方自己都没有想清楚到底要分析的是什么。所以,我们要学会提一个好问题。

日常工作中,我们经常会遇到一些很奇葩的需求。

这些需求描述的问题很模糊,或者需求方自己都没有想清楚到底要分析的是什么。

这种不合格的问题会导致花费大量时间在需求沟通上,或者干脆给出一些不痛不痒的分析。最后业务方对分析结果不满意,分析师怪业务方需求没有说清楚,最后大家互骂一句"笨蛋"。

数据分析问题是业务人员和数据分析人员之间的纽带,学会提一个好问题是分析问题的基础,我们之前讲了很多内容是关于如何分析问题,但究竟什么样的问题算是一个好问题。

一.好问题的基本结构

《金字塔原理》介绍了一种序言的结构,也就是大名鼎鼎的SCQA结构,即背景,冲突,疑问,答案。

数据分析师必备思维·问题思维

这种结构可以用来作为我们提出数据分析问题的一种结构,按照背景、冲突、疑问的结构就能提出一个比较清晰的问题。

不过既然原书中的结构是给序言总结的,我们在应用到数据分析的需求上时得做一些小小的修改。

方差君为思考了很久,总结了一些要点和新的结构形式,感觉很实用。不过由于是个人思考的原创方法,还有瑕疵和改善空间,看完后有意见和建议欢迎交流。

二.什么是冲突

1. 冲突必须有目标

小明考试成绩不及格,只考了59分。是不是冲突?

可能是,也可能不是。

也许小明原来的成绩只能考30多,这次的目标是超过50分,拿到59分他反而很高兴。

所以冲突一定得有个目标,同样一件事,目标不同,就可能不是冲突。

冲突就是一个和目标存在差距的现状。

一个好的问题的标准之一,就是要有冲突。

很多问题的冲突是不完整的,只有一个看起来和"考了59分"一样的现状,但是到底目的是啥?没写清楚,所以冲突的部分,必须写上两部分:目标+现状。

数据分析师必备思维·问题思维

2. 目标必须清晰

很多目标并不明确,比如说希望广告更好地触达用户。

什么叫"更好"?这个概念太过模糊。

是指触达更多的用户,还是触达的用户转化率更高?这完全是两种不同的需求方向。

如果是希望触达更多的用户,到底是要触达多少用户?100万还是200万?

如果是希望转化率更高,那么想要提高到多少?5%还是10%?

目标具体到数字这个要求对于一些探索类需求可能不适用,探索类需求本身并不清楚能找到哪些结论。不过大部分的公司和数据分析师估计根本没有时间做探索型分析。

目标清晰的这个要求虽然很基础,但是估计已经可以拍死一大批需求了。

3. 现状和目标必须逻辑相关

好问题的目标现状和疑问之间逻辑是相关的。这里会用到一些逻辑思维的知识。

逻辑不相关的案例:

  • 目的:我们需要解决一个问题
  • 现状:目前的方案需要X元的经费
  • 问题:是否需要批准该方案?

这个问题的目标和现状其实并不直接相关。

如果我们目的是需要解决一个问题(需要解决方案),那么冲突的现状应该是现状没有方案。

然后如果有了方案,接下去的目的是确定该方案是否经济且可行,对应的现状是该方案需要X万元经费,不确定是否超出预算。

所以这个案例的问题,目标和现状不是完全对应,虽然有关但是不直接相关。这种问题在逻辑上就是不严密的,需要重新梳理一下。

三.什么是背景

之前提到冲突是有目标和现状构成的,不过目标的背后一定还有目标。

比如目标是A1产品落地页的转化率能够提升到5%。这个目标的背后是什么呢?

可能是A1产品的月销量需要达到100万,其中用户数目标是200万,转化率目标是5%,人均消费10元。

这个目标背后的目标就是背景。

这个背景可能还需要继续深挖,A1产品月销量需要达到100万的背景,可能是整个A品类的销量要达到300万。然后衍生出3个字母表,A1、A2、A3月销量分别达到100万。

这就需要一些结构化思维的能力了,日常工作中的复杂目标基本都是这样被拆解成更小的子目标的。因为大目标往往比较泛,需要靠一个个可落地的小目标来实现。

数据分析师必备思维·问题思维

所以具体分析工作遇到的那些小目标,背后一定还有一个更大的目标,找出这个更大的目标,以及这个目标的拆解结构,把它们说清楚,就可以作为一个问题的背景部分。

四.什么是疑问

1. 疑问不要太多限制

最后的疑问如果增加了太多限制,分析问题就容易走入死胡同。要知道,问题本身就是答案。

比如你喜欢睡懒觉,所以上班经常迟到,于是你问:有哪些上班不打卡的公司?

这样的问题直接限定了解决问题的方向,即找到一家不打卡公司,然后想办法进入这家公司。

但是如果你问:我怎么样才能改掉睡懒觉的毛病?

这个问题的方向就变成了,怎么样消除自己迟到的根本原因。

问题本身会限制思考方向,所以不宜加太多的限定。

比如之前的案例:

  • 背景:A类产品的总销量目标是300万,其中A1产品的目标是100万。要达成这个目标,A1落地页的月用户数需要200万,落地页转化率需要提升至5%,人均消费金额10元。
  • 目标:A1产品的落地页转化率提升到5%
  • 现状:A1产品的落地页转化率是2.5%
  • 疑问:如何提升A1产品的落地页转化率到5%?
  • 这个问题限定了如何提升转化率,思路就容易框定在这个范围内。

如果我改成这个问句:

疑问:A1产品的落地页转化率提升到5%这个目标是否可行?

这样的问法会把分析师引导到一个不同的分析角度,思考整体方案是否要重新设计。

2. 疑问归根到底是"怎么办"

想知道落地页转化率是多少,是高还是低,其实就是为了看看这个落地页能否挖掘出新的增量,从而提高整体的增量。

想知道落地页的转化率为什么偏低,其实是为了之后的落地页改版提供决策支持。

所以那些"如何","为什么","是什么","是多少","是不是"等等疑问,这些问题中有些问题是另一些问题的前提,他们之间的关系一般来说是这样的:是多少→是什么→又怎样→为什么→会怎样→怎么办。这其中的逻辑关系,方差君会在之后的模块二里详细讲解。

所以归根到底,其实所有的问题最终都是为了解决"怎么办"的问题。

数据分析师必备思维·问题思维

这几个问题之间的关系实际上也是数据分析能解决的问题范围,这个"怎么办"也不需要加限制词,比如怎么做才能达到5%的转化率?

这个问题虽然也属于"怎么办"的范畴,不过违反了之前时候的限制词的原则,会影响我们的分析角度。

所以,如果说在疑问的环节不知道该怎么正确的提问,最简单的方式,就是加一句"怎么办?"

综上所述,一个高质量的问题的组成结构如下所示。

数据分析师必备思维·问题思维

五.问题的分析框架

按照上述标准梳理出来的一个标准的分析类问题,一般长这样:

  • 背景:A类产品的总销量目标是300万,其中A1产品的目标是100万。要达成这个目标,A1落地页的月用户数需要200万,落地页转化率需要提升至5%,人均消费金额需要10元。
  • 冲突-目标:A1产品的落地页转化率提升到5%
  • 冲突-现状:A1产品的落地页转化率是2.5%
  • 疑问:怎么办?

有些人会想,最后这个怎么办问的太宽泛了,完全不知道该如何入手啊。

其实,如果分析需求真能按照这个格式来写,你就偷着乐吧。

这种逻辑清晰的问题一看就知道后续应该如何分析,相比逻辑不清的问题,不知道高到哪里去。

方法1:改变现状

冲突是因为有一个和目标存在差距的现状,所以只要现状达到了目标,也就不存在冲突了。

因此首先需要思考,怎么样才能改变现状。

比如上面的案例里,要改变现状就需要把A1产品的落地页的转化率提升到5%。这和平时的分析也比较类似,唯一的不同是标准的问题让沟通成本变低,能够快速了解业务目的,快速开展分析工作。

具体的分析思路因为业务场景的不同而各有不同,这个就需要用到一些数据分析的方法结合业务经验进行分析,没什么特别的技巧,只能通过提升分析思维和业务知识来实现。

这里不多做讲解,后续的模块会讲到一些分析方法和技巧。

方法2:校准目标

有时候现状难以改变,就需要从目标这个角度思考:是不是目标出了问题。

是不是目标定得太高了,然后把目标从5%调整成4%就行了?这样难度降低,目标也就容易完成了。

这里的目标调整了,其他的目标也必须跟着调整,否则整体目标还是无法完成。

之前也提到了,目标背后还有目标。目标背后的目标在哪?在背景介绍里。

如何重新校准目标?

还是之前的案例,之前的目标是:A1产品的落地页转化率提升到5%。

这个目标的背景是啥呢?

背景:A类产品的总销量目标是300万,其中A1产品的目标是100万。要达成这个目标,A1落地页的月用户数需要200万,落地页转化率需要提升至5%,人均消费金额需要达到10元。

背景里的总目标拆分成了三部分,分别是用户数、转化率和人均消费金额三个指标。

既然转化率做不上去,那么就思考一下另外两个个方向:用户量和人均消费金额。

只要在其他两个部分补上缺口,总目标也能完成。

不过因为转化率无法完成,额外的任务会转移到其他的目标上。

我们可以稍加修改,重新定义问题。

  • 背景1:A类产品的总销量目标是300万,其中A1产品的目标是100万。
  • 背景2::落地页转化率在2.5%且难以提升,因此A1落地页的月用户数需要达到250万,人均消费金额需要达到16元。
  • 目标:A1产品的月用户数提升到250万
  • 现状:A1产品落地页的月用户数是100万
  • 疑问:怎么办?

这个问题的方向就转移到如何提升用户数上去了。

有时候在一个问题上没有进展,可以考虑在另一个问题上补救回来。如果这个问题还是无法解决,可能就得再消费金额上再想办法。

如果这样还是分析不出什么有用的信息,那么还得继续找目标背后的目标,再往上找。

整个的过程如下图所示:

数据分析师必备思维·问题思维

这样就能把一个简单的取数需求,变成一个专题类的分析。最终提供的内容就不再只是那么冷冰冰的数字,而是围绕目标的各个维度的分析结果和建议。

很多分析师想把需求做深,最大的痛苦就是在于没有理解业务方的需求到底是什么。这种问题结构可以很好地解决这个问题。

当然,校准目标是一种没办法的办法。很多时候一个目标完成不了,还是自己的分析实力还不够。想要提升分析能力,继续关注我们公众号,后续的模块二模块三将会更深入地讲解如何做好业务数据分析。

六.总结

1. 问题的组成

问题公式:目标的背景+和目标存在差距的现状+怎么办。

如果能把问题梳理出以上结构,这基本上这就是一个好问题了。

这样的结构大家容易理解,交流的成本比较低。而且对于分析师来说,基本上拿到问题,就能知道问题的分析方向有哪些。

2. 日常沟通效率低下的原因

平时沟通需求为什么会效率低下,对比一下本文提到的问题结构,你会发现平时的需求没有明确的目标,更不要说目标背后的背景了,然后最后的疑问经常会限制在一个非常窄的范围。

业务方觉得数据人员反正不懂业务,只需要按照自己的要求分析特定方向即可。

而数据人员根本没有了解业务的机会,反而无法提供有全面的有价值的信息。

本文提供的方法简单易学,是一种能够快速解决这种矛盾的方法,值得数据人员和业务人员都好好读一遍,并在公司内推广,可以有效提高数据分析的效率。(适用于分析类的需求,不太适合取数类)

3. 要提一个好问题不容易

之前那么多的要点,可以看出想要提出一个好问题需要很多的基础知识。我们在之前几篇中提到的目标思维、逻辑思维、结构化思维几乎全部都用到了。

单单提一个问题都有这么多的讲究,更何况后续更复杂的问题分析部分?想要从事数据分析工作,工具、方法的学习只能让你入行,想要提升只能不断完善自己的思维体系。

最后,看一下原问题和优化后问题的问题,感觉一下这种差别:

原需求:A1落地页的转化率较低,为什么?

优化后:

  • 背景:A类产品的总销量目标是300万,其中A1产品的目标是100万。要达成这个目标,A1落地页的月用户数需要200万,落地页转化率需要提升至5%。
  • 冲突-目标:A1产品的落地页转化率提升到5%
  • 冲突-现状:A1产品的落地页转化率是3%
  • 疑问:怎么办?

End.

作者:Jason

来源:三元方差

本文均已和作者授权,如转载请联系作者

  • 我的微信公众号
  • 微信扫一扫
  • weinxin
  • 我的微信公众号
  • 微信扫一扫
  • weinxin
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: