数据分析如何落地
-
对于不少产品经理来说,掌握数据分析的核心能力并不在于了解丰富的模型和方法论,而是能敏锐的发现数据并且从中找出潜在规律。
数据落地的常见错误:很多同学一看到问题,就说:老师,这题我会!工单=需求数*转化率吗,既然要提高完成工单件数,那要做的就是,把需求数和转化率两个指标:搞高!所以数据落地的方式,就是:一要多签厂商客户,二要多签企业客户,三要做大个人流量,四要提高客服效率,五要加强上门管理,六要提升师傅技能。
想落地第一步,就是停止在数据层面:坐而论数,就数论数。数据到底从哪个业务流程里来,又受哪个流程影响,得先理清楚。业务层的梳理,一般由粗到细,剥洋葱般层层深入。比如本案例中,虽然涉及业务的角色很多,但以客服收到线索为界限,可以划分为:需求/供给量大部分。
第二步:树立判断标准。这是寻找判断标准的工作,建立标准工作后,还得跟各部门共识,才能达成一致认可。这一步很重要,很多同学之所以难以落地,从第一步就是:只有数字,没有判断。或者判断条件不严谨,导致后边一深入,发现有很多业务上定义模糊,相互扯皮的地方。
第三步:从短期到长期。注意:时间拖长,可能有季节性变化。比如特定设备在夏季/冬季使用频率高,更容易出故障。因此基于一个月份建立标准后,可以看一整年的情况,进一步锁定问题。
第四步,找重点、抓重点。整体情况确定以后,再看局部问题。比如在第一阶段,锁定了问题来自:供给端,就是供给不够,那么该怎么进一步分析呢?
首先,业务有三条线,三条线谁是重点,要先区分出来。因为厂商/企业这种toB类客户和toC类个人用户,是根本两个发展思路,不仅当前在工单总数中占比不同,而且对未来发展重要性也不同,很有可能toB才是公司生命线。
在不同重要性影响下,即使当前数据相同,对未来发展的判断也可能是不同的,要先做判断,再往下细看。第六步,从局部到细节。最后,售后服务是分2个环节执行的,到底是客服派单慢,还是售后执行差,再分出来。
这个分解最为复杂。因为客服派单派不出去,很有可能是因为该区域/该大客户服务团队的工作已经饱和了,或者是因为节假日等正常原因,或者是因为在等零件调货等客观原因,所以不拿到接到单以后的服务团队/配套情况/节假情况等明细数据,很难说清楚到底是派单员的问题,还是服务的问题。
在考虑落地方案的时候,越细节的问题,越放在后边解决。因为很有可能落到特别细的细节以后,你会发现根本没有数据……手头有啥数据就用啥,这也是分析的基本原则。
西南地区IT社群(QQ)
- 云南
- 【昆明网页设计交流吧】243627302
- 【昆明nodejs交流吧】 243626749
- 【VUE】838405306
- 【云南程序员总群】343606807
- 【昆明UI设计】104031254
- 【云南软件外包】15547313
- 贵州
- 【PHP/java源码/站长交流群】55692114
- 四川
- 【成都Java/JavaWeb交流】86669225
- 【vaScript+PHP+MySql】116270060
- 【UI设计/设计交流学习群】135794928
- 重庆
- 【诺基亚 JAVA游戏博物馆】 559479780
- 【PHP,Java,Python,C++接单】 442103442
- 西藏