前瞻性

前瞻性

老板嫌你的数据分析没有前瞻性，总是在分析大家都知道事情。面对这种情况，你需要转变思维，换一种数据分析方法了。

有同学问：领导总让做“有前瞻性”的分析，不要说那些“大家都知道的事”。

可到底什么是前瞻性？

有时候明明写了预计未来情况，可还是被批判为：没啥前瞻性，真不知道咋办了。

先看看一个简单的例子如下，看图回答问题：6月的GMV是多少？

这时候还有谁说6月是400？很有可能1-5月的只是正常的业绩波动而已。

所以，单纯用惯性思维判断，完全没有体现数据分析的价值，做的结论还极有可能是错误的。

错误三：习以为常

还是上图数据，很多同学看了三年趋势，然后脱口而出：因为过去6月份会涨，所以今年6月份也会涨。

这种说法，很有可能被业务评价为：我早知道了！你分析了啥？

因为历史规律，特别是这种宏观迹象这么明显的规律，是个人只要不瞎都看得到，说出来当然没啥意思。况且，谁说去年涨，今年就一定涨？万一今年涨的少，甚至跌了呢？仅凭一根线又怎么判断呢？

真正的前瞻性，是定性预测

本质上，所谓的前瞻性，是需要我们做一个定性预测。

虽然没有精确的数据或模型，但是能通过分析，判断未来走势（相对应的，建数据模型详细计算的是定量预测）。

做预测的关键，是找到影响未来的因素。

这些影响因素，才是支撑指标曲线的真正支柱。支柱倒了，指标自然下跌；支柱稳固，指标自然高企。

所以，想做好预测，不能只对着数据本身就数论数，而是得找到数据背后的原因。

比如，上图中6月，11月大涨，可能有几个原因：

行业因素：行业本身就是夏季、冬季前有一波高峰（比如旅游相关机票、酒店、住宿，赶在寒暑假前大量预定）；促销因素：618，双11是主战场，要拼命做大GMV产品因素：这个行业每年6，11月上新品；其他因素。

在做预测之前，我们要先了解业务，掌握影响因素。

根据影响因素的可辨识程度，大致可分成三类，我们一类一类来看：

第二类：投入产出型

投入产出型事件，往往是大家都知道有影响，但具体影响多少不清楚，这时能体现一定的数据价值。

有前瞻性数据支持，可以方便业务安排活动，也能准备相关人力物力资源（比如做促销，商品、客服、服务器流量，有可能都要准备），这种前瞻性是非常有帮助的。

计算投入产出的常用方式有三种（如下图）：

小结

看完三种类型，大家会发现，领导们想看的，都是第三类问题。

通过细致的分析，看到深层次问题，讲出来没人知道的惊天秘密——听起来多厉害，可实际上没那么理想。

业绩指标的波动，从来都是多种因素综合作用的结果，也并非每次变化都一定有深层次的原因，有可能就是自然波动、某个产品/活动做烂了、没钱还装逼，道理就这么简单。

能区分出来关键因素，提示问题才是重要的。

所以，数据分析的价值，不是神神叨叨地讲没人知道的秘密。

了解业务，区分事件；能量化的，量化预测；不能量化，评估范围；做好监控，提示问题。

以上都能做到了，就是最好的前瞻性。

当然，有同学会问：有定性的预测，那有定量的预测吗？

当然有，而且有不止一种做法，不止一种算法；有兴趣的话，后续再继续分享。

作者：接地气的陈老师，微信公众号：接地气学堂。十年资历的数据分析师，做最接地气的分享。

本文由 @接地气的陈老师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

本文来自最新的寂寞投稿，不代表一阔营销立场，如若转载，请注明出处：https://www.1kuo.com/247897.html