数据分析，如何给出有价值的建议

接地气的陈老师 2023-08-06 15:26:52

很多同学写数据分析报告，最怕的就是建议部分。要么不知道建议该怎么写，要么就是简单的写两句“GMV下降了，建议搞高！”写完了还被业务嫌弃：“你要给出有价值建议！要有洞察！”到底该咋办呀，今天咱专门聊这个。

一、破题关键

破题的关键，得搞清楚：业务到底想要什么。并不是所有的业务部门都掌握了数据思维，有些部门对数据不上心，有的却对数据盯得很紧，说不定自己都做过很多分析。

想要服务好业务部门，首先得考虑的，就是：“这些人对数据了解多少“，然后对症下药。相比之下，对数据了解多的人，会更期望我们给到具体建议，因此先讨论这个情况。

二、安抚神经过敏者

在了解数据的人里边，有一类人特别讨厌：神经过敏患者。今天涨个2%，也要你“深入分析一下”；明天降个1%，也要你“深入分析一下”。最过分的，你分析下跌的报告还没写完，指标已经升回来了，又得转头写上升分析报告……

从本质上看，这种人既不了解数据的常规走势，也没有先看大趋势再看细节的习惯。因此，他们没有能力区分常规波动，也没能力识别真正的异常走势。所以才纠结鸡毛蒜皮的问题。

这时候，确实很想给他们一个“别瞎折腾”的建议。当然，我们是很有素质的，文明提法是：“建议了解基础数据规律，关注发展趋势。我们会持续监控该指标”。这样不但能安抚他们，而且也有利于发现真正的问题（如下图）。

三、指引方向缺失者

有一类人会看数据，但是翻来覆去只看KPI数据和结果数据。看到KPI指标同比跌、环比跌，总量不达标，急得团团转，却没有办法。注意！这类人是最讨厌“要搞高！”这种说法的，他自己也知道要搞高，只是不知道怎么搞。

这时候，分析要做得更细致，建议用标杆分析法或者过程诊断法，帮他们看到自己和标杆之间差距，看到自己执行过程的问题，这样更容易形成思路。

最后给建议，也是分学标杆/改弱点两个方向给的：

“建议向XX标杆学习，改进XXX做法”
“建议改进XX问题，预期提升整体表现x%”

（如下图）

四、验证有假设对象者

有一类人看数据，会自己把常规的交叉分析，对比分析，过程分析都做了，直接形成问题假设。这个时候，再跟他聊“学标杆/改问题”，他就会说：“我早知道了，能不能聊点关键问题”。

这时，最好是直接拿到他的分析假设，然后去验证，直接解答他的问题，就是最有效的建议。这里的难度在于，可能他的分析假设太过复杂，很难直接量化。此时可以拆解假设，从一些可量化角度分析（如下图）。

最后给出的建议，可以直接点明：“业务部门关心的XX问题，经我核实，问题为真，影响因素确实存在，建议尽快处理”。

这里有一种情况要注意，就是业务部门的假设全部是指向外部环境，这时候十有八九丫想甩锅。作为数据分析师，自然不能这么没节操地帮人洗地，我们可以收集一些外部环境的数据，至于建议部分，直陈事实即可。

五、协助测试落地

还有一类人，已经连假设验证都自己做过了，丫内心有了一个明确的方案，就差试一试了。这时候最好直接支持他做测试，连检验他的方案都可以省了——人家苦思冥想了那么久，你随便去挑刺，分分钟吵起来，而对着一个没有发生的事吵架本身也没啥意义。

此时的建议，可以直接写“建议进行测试，建议效果”。这里要注意一点，就是测试之前，假设一定要列清楚，特别是是否有影响结果的强特征，是否在测试过程里考虑了这些特征，一定要提前说。不然解读测试结果的时候，会被虐得褪层皮的。此时的建议，可以升级为：“考虑到XX因素对结果影响较大，建议设计实验时，做XX处理”（如下图）

六、应付不了解数据的各路人马

以上各类人，对数据有了解，能直接就数据讨论。但是下边要出现的三类人，压根对数据不了解，甚至发自内心认为数据没用。面对这些不了解数据的人，给建议就可以省省事，甚至不吭声也是个好策略。

有的业务对数据无感，纯粹是因为素质低，看不懂复杂的报表。这时候甩给他们的数据越多，反而丫越看不懂。此时要做的，就是给出主要的KPI监控数据，然后在KPI出问题的时候提醒他们：“建议关注KPI走势的变化，有可能出问题”。如果他们感兴趣，再深入探讨。

有的业务对数据无感，是因为其KPI指标表现很好，于是欣欣然，觉得不需要再考虑什么了。这个时候随便你说啥，他都是：“哦，听到了”或者“分析还不深入啊，你再看看”。对这些人，不需要每次都讲一堆建议，而是抓住隐藏在KPI之下的问题。如果能点破问题，不但能引起他们的注意，也能让领导认可我们的能力（如下图）。