大家經(jīng)常找我感慨：“忙來忙去，感覺都是常規(guī)數(shù)據(jù)報(bào)表，連個(gè)拿得出手的項(xiàng)目都沒有！”那到底高質(zhì)量的數(shù)據(jù)分析項(xiàng)目該咋做？

怎樣算高質(zhì)量

想回答這個(gè)問題，得先明確：啥叫“高質(zhì)量”項(xiàng)目。從本質(zhì)上看，數(shù)據(jù)分析是個(gè)支撐型崗位，工作質(zhì)量高不高，主要由被服務(wù)的部門決定。如果是在企業(yè)里工作的話，主要看管理層/業(yè)務(wù)部門的評價(jià)意見。如果在面試時(shí)，則主要由面試HR/用人領(lǐng)導(dǎo)評價(jià)。摸清對方的需求，擊中對方的痛點(diǎn)才是關(guān)鍵。

經(jīng)常有同學(xué)在這里犯迷糊，覺得：用了線性回歸模型的（復(fù)雜的模型不會）/圖表blingbling閃光的/查一個(gè)數(shù)sql 寫了2000行的，才算是“高質(zhì)量”，忽視了這些玩意對業(yè)務(wù)到底有沒有用，結(jié)果自然是鬧笑話了。

前幾天還有個(gè)同學(xué)急匆匆來問，說他們建了流失用戶預(yù)測模型，結(jié)果運(yùn)營表示：“你們搞這干啥？預(yù)測了我也不知道咋用！”然后項(xiàng)目就黃掉了……這就是典型的閉門造車結(jié)果。

那要怎么弄，才能切中業(yè)務(wù)痛點(diǎn)呢？

找準(zhǔn)核心需求

數(shù)據(jù)分析對業(yè)務(wù)，是個(gè)“隨風(fēng)潛入夜，潤物細(xì)無聲”的事，往往有數(shù)據(jù)看的時(shí)候大家不覺得很厲害，但是沒數(shù)據(jù)看了，就有人會著急。

所以想找到業(yè)務(wù)的痛點(diǎn)，最好不要強(qiáng)行推銷：“我有一個(gè)人工智能阿爾法大狗子模型，百測百準(zhǔn)，客官您要不要試試！”而是先看，對方部門最關(guān)注什么問題，最缺什么數(shù)據(jù)。

常見的缺數(shù)據(jù)的情況有四種：

1、基礎(chǔ)數(shù)據(jù)都沒有，迫切想看到數(shù)

2、有數(shù)據(jù)但不知道怎么解讀，干著急

3、有數(shù)據(jù)，有解讀，想進(jìn)一步驗(yàn)證想法

4、有數(shù)據(jù)，有解讀，想進(jìn)一步做預(yù)測

接業(yè)務(wù)方需求的時(shí)候，一定要清晰真實(shí)需求。比如“用戶畫像”，可能上項(xiàng)目時(shí)就是嘴上一說，到底是業(yè)務(wù)不清楚用戶現(xiàn)狀，還是想基于畫像做啥動(dòng)作，一定要了解清楚。項(xiàng)目開始時(shí)不清晰，中間過程也要逐步清晰，不然哼哧哼哧打了一堆標(biāo)簽再被人質(zhì)疑“你這有啥用！”那就是啞巴吃黃連了……

報(bào)表型項(xiàng)目的要點(diǎn)

報(bào)表型項(xiàng)目數(shù)量最多，但最容易被數(shù)據(jù)分析師們忽視，很多新人總嫌棄它技術(shù)上不復(fù)雜。但實(shí)際上，報(bào)表型項(xiàng)目是最容易出成績的，關(guān)鍵在于：做領(lǐng)導(dǎo)們關(guān)心的，領(lǐng)導(dǎo)們看得見的。接需求的時(shí)候，區(qū)分報(bào)表使用人，優(yōu)先把領(lǐng)導(dǎo)們需求做可視化，讓領(lǐng)導(dǎo)們直觀感受到數(shù)據(jù)。

并且，通過報(bào)表型項(xiàng)目，可以有效鑒別業(yè)務(wù)方合作態(tài)度。如果業(yè)務(wù)方態(tài)度好，那么可以深入合作。既然已經(jīng)有了業(yè)務(wù)監(jiān)控報(bào)表，那么下一步就可以做業(yè)務(wù)走勢異常分析。

先記錄非業(yè)務(wù)主動(dòng)行為產(chǎn)生的異常點(diǎn)，之后再深入分析：

• 多大幅度變化算異常
• 是什么因素導(dǎo)致的異常
• 如何通過數(shù)據(jù)提前發(fā)現(xiàn)異常

有了這些積累，就可以進(jìn)一步做自動(dòng)化異常提醒+問題診斷，讓單純的數(shù)據(jù)展示更上一層樓，同時(shí)能為后續(xù)深入分析打好基礎(chǔ)。

分析型項(xiàng)目的要點(diǎn)

在很多人原始印象里，數(shù)據(jù)分析就應(yīng)該是拿到一堆數(shù)字，然后般若媽咪哄一通分析，告訴業(yè)務(wù)三句話，讓業(yè)務(wù)多賺18萬！因此往往人們對分析型項(xiàng)目期望甚高。

但實(shí)際上分析型項(xiàng)目特別容易踩雷。對業(yè)務(wù)不夠了解，缺少監(jiān)控?cái)?shù)據(jù)，缺少異常分析的經(jīng)驗(yàn)，都會讓問題分析流于表面。做項(xiàng)目時(shí)“雷聲大、雨點(diǎn)小”是常態(tài)。

因此，分析型項(xiàng)目在報(bào)表型項(xiàng)目基礎(chǔ)上孵化出來，成功率比較高。如果發(fā)現(xiàn)業(yè)務(wù)方對問題本身監(jiān)控不足、認(rèn)識不清，可以退回到報(bào)表型項(xiàng)目做起。有了一定積累后，想見效，最好的辦法是先共識業(yè)務(wù)假設(shè)，搞清楚業(yè)務(wù)方到底對啥沒信心，對啥有信心。證偽比證真容易，直接驗(yàn)假設(shè)更容易出結(jié)果。

如果問題涉及太多難以量化的疑難雜癥，還有個(gè)解決思路，就是把問題轉(zhuǎn)化成測試型項(xiàng)目。直接看業(yè)務(wù)方手頭有什么解決問題的辦法，然后測試哪種辦法管用。這樣也能輸出解決問題的方案。

測試型項(xiàng)目的要點(diǎn)

測試型項(xiàng)目相對容易成功，本質(zhì)上看，測試也屬于“業(yè)務(wù)沒數(shù)據(jù)，特別想看個(gè)數(shù)據(jù)”的情況。只不過要注意的是，到底要測啥，得事先想清楚了。在測試中最重要的就是：對影響結(jié)果的因素有前期了解，測試想測的關(guān)鍵因素，控制其他干擾項(xiàng)。

因此，一般頁面設(shè)計(jì)測試容易成功，對消費(fèi)結(jié)果測試容易亂套。因?yàn)轫撁嬖O(shè)計(jì)測試點(diǎn)少，容易出準(zhǔn)確、穩(wěn)定的結(jié)果。但影響消費(fèi)結(jié)果的因素太多了在做測試之前沒想清楚，很容易因?yàn)闇y試方案之間可比性不高，參與測試群體差異大，關(guān)鍵干擾因素沒排除等原因?qū)е陆Y(jié)果失靈。

所以，在做測試前，基礎(chǔ)分析工作是很必要的，梳理清楚到底哪些因素會有影響，幾套測試方案之間差異點(diǎn)到底有多大，能有效提升項(xiàng)目質(zhì)量。

預(yù)測型項(xiàng)目的要點(diǎn)

預(yù)測型項(xiàng)目的關(guān)鍵在于：確認(rèn)真實(shí)的預(yù)測需求，避免盲目賭命式的“我要100%精確”。不但做不到，而且沒意義。

比如開篇講的流失用戶預(yù)測，如果運(yùn)營是全量投放資源召回流失用戶，那把目標(biāo)改成預(yù)測：“哪些人自然會回流”這樣就能節(jié)省經(jīng)費(fèi)。如果運(yùn)營想獲取最大效果，可以把目標(biāo)改成：“用戶預(yù)計(jì)響應(yīng)哪種方式的召回”這樣可以做多輪推送最大化喚醒用戶。

總之，先搞清楚運(yùn)營的計(jì)劃再下手，比自己閉門造模型管用得多。