2024年了,教你几种“数据驱动”的方法

经常做过数据分析的朋友都知道,提升业绩最快的方法只有一个,那就是改口径。

改口径只要一瞬间就能完成,而且一搬只需要一个数据分析师就够了,人均的产出极高

相比其他的方式要动用大量的人力物力,还需要小半年的时间才能见效的方法,不知道高到哪里去。

业务同学要提高业绩增长,还需要靠产品驱动,营销驱动等等不同的策略。

但数据分析师很简单直接,改改数据,直接用“数据驱动”。

这里分享一下怎么用数据驱动的几种方法。

一、加定语

第一种“数据驱动”的方法是加定语。

只要定语加的多谁都可以是第一。

这两年新能源市场出新车的速度之快,让人目不暇接。厂家为了让人记住他们的车子,就要不停的出现在公众视线内,于是各种排行榜就出现了。

比如理想发布新势力品牌销量榜,榜上理想遥遥领先。为啥?因为这个榜单限定了“新势力”。理想自从在这个榜单上遥遥领先后,几乎每周都发布这个榜单,使得理想的品牌知名度快速提高。

2024年了,教你几种“数据驱动”的方法

不过理想这个榜单还不算特别离谱,毕竟新势力还算是对手众多,在新势力中拿一个第一确实也算是比较好的成绩了。

下面这位就稍稍有点离谱了。

某图2021年的新车上市后发布了一张海报,拿下了某个市场的第一

这个第一的定语足够长,我给你念念“以超32万品牌知道均价位列成熟车企中国品牌第一位”,一共24个字,32万品牌指导均价、成熟车企、中国品牌,至少三个定语,这样限定条件下基本上已经没剩啥了对手了把。

2024年了,教你几种“数据驱动”的方法

去年的合资车日子不好过,曾经的销冠丰田大众都下跌很厉害。于是丰田的海报也只能开始加定语了,去年2月的销量也只是写上了“合资”的新头部。

这样的例子比比皆是,除了汽车圈,手机圈里也满满的都是这样的限定定语的榜单。

2024年了,教你几种“数据驱动”的方法

总之,只要不是第一,就加定语。

只要定语足够多,对手足够少,总能找到一个第一。

二、改指标逻辑

第二种办法是修改指标的逻辑。

这种做法不单单是数据分析师会做,就算在以严谨著称的财务分析当中,这种情况也相当常见。

财务的分析,因为财务指标就是固定的三张表,指标本身基本不能够修改,但是指标的计算逻辑是可以修改的。

比如,在2013年,鞍钢集团面临巨大的盈利压力。该公司已连续两年亏损,如果当年再次亏损,可能面临暂停交易甚至退市的风险。

到了2014年4月9日,鞍钢公布了其财务报告,宣布2013年实现了正盈利,同比增长高达119.13%,成功避免了亏损的局面。

那么,鞍钢是如何实现这一扭亏为盈的呢?

其实答案就是“数据驱动”。

在那几年,钢铁市场长期低迷,市场环境很差,普遍认为扭亏几乎无望。鞍钢能够实现扭亏,靠的是调整折旧年限的方法来实现的。

鞍钢把房屋和建筑物的折旧年限从30年延长到了40年,机械设备和传动设备的折旧年限也从15年增加到了19年。这样一来,每年的折旧成本被摊薄了。

调整之后,鞍钢在2013年的净利润比2012年增加了约9亿,达到了7.7亿元。换句话说,如果不对折旧年限进行调整,鞍钢2013年的净利润实际上仍是亏损的。

这种做法不是一家公司这样操作。当年三钢闽光、山东钢铁、富春环保、方太特岗、河北钢铁等多家企业都用过这样的方法。

业务本身没变化,改了一个口径,业务就扭亏为盈了。数据驱动你就说厉不厉害把。

三、换指标

第三种方法,就是换一个指标。

举个例子,有个产品功能新上线,本来目的是希望能提升用户的使用时长。但上线后发现,这个功能并没有像预期那样影响用户的停留时长。

这时候怎么办呢?

那就不看停留时长了,看看有什么其他增长的指标。经过数据分析师一顿操作,终于在一百多个口径下的指标中发现,产品上线后,安卓用户中的活跃用户打开APP的次数更高了。于是产品功能的上线终于算是取得了成功。

这种做法的核心就是一定要找到一个满意的指标为止,如果找不到满意的指标,那么就是数据分析做的还不够深入,没有找到隐藏的信息。

还有些情况更加直接。有的领导安排的任务就是“分析一下这个功能的价值”,也就表明了领导需要找一个正向指标做汇报,不是正向的指标就一直分析到正向为止。

甚至我有个朋友告诉我,他们的领导直接要求找到一个能显示增长30%的指标,然后让数据团队去凑这样的数据,当时听到真的惊了。

这些都是数据分析领域里常见的一些“潜规则”。

四、假数据

如果你嫌前面的“数据驱动”太麻烦,还得找指标改口径啥的,其实还有更简单的方法,那就是直接造假。

指标还是这个指标,口径还是这个口径,定语也是这个定语,但是报给你的数就是个假数字

这个方法近两年的日企向我们展示了很多次。

随手一搜,就看到很多这样的案例:

  1. 2017年8月,日本钢铁企业神户制钢所被曝光产品篡改数据、以次充好。潜在受害者遍及约500家日本国内外企业,波及汽车、铁路、航空、航天等众多行业。
  2. 2017年11月,日本碳纤维材料巨头东丽集团承认子公司东丽HC篡改车用材料产品强度数据。公司高层早已知悉此事,但辩称篡改数据并不违法,“没有发现任何安全问题”。
  3. 2018年2月,三菱电机全资子公司TOKAN承认253种橡胶产品未经质量检查,其产品在新干线铁路车辆和电梯等设备上广泛应用。
  4. 2021年2月,制药企业小林化工被曝光造假,累计有200多名患者服用该公司药品后出现不同程度的健康受损。一些患者服药后失去意识,造成了22起交通事故,还有2名患者服药后死亡。更离谱的是,企业管理层承认16年前就掌握这一情况,却一直放任不管。
  5. 2021年7月,三菱电机被曝光产品检验数据造假,且可能持续30年以上。三菱电机社长杉山武史引咎辞职。

这种做法非常方便,而且几乎没有损失,只需要鞠躬致歉即可。

这方面,小日子的数据驱动的技术遥遥领先。

五、小结

今天这篇是纯粹的整活文章,内容均不是真正的“数据驱动”,千万不要模仿。

如果真的是没办法必须要做,那么加定语、改逻辑、换指标这几项还可以搞搞,毕竟估计你平时也没少干。有时候业务也确实需要一些这样的灵活性。

但假数据这种事可千万别干,稍微正规有点的企业发现了主观作假都是会辞退的甚至会有法律风险。

最后,2024年到了,祝各位数据分析师新的一年,不会遇到上面这种奇葩需求。

版权声明

本文来自互联网用户投稿,文章观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符,请点击 举报 进行投诉反馈!

相关文章

立即
投稿

微信公众账号

微信扫一扫加关注

返回
顶部