Tại sao bạn không có kiến ​​thức về phân tích dữ liệu?

Bài viết này đi sâu vào những quan niệm sai lầm và vấn đề phổ biến trong phân tích dữ liệu và đưa ra các giải pháp thực tế. Bài viết kết thúc bằng cách nhấn mạnh tầm quan trọng của việc kết hợp các kịch bản kinh doanh, làm rõ vấn đề và mục tiêu, lập luận logic, thử nghiệm và xác minh, cũng như tích lũy kinh nghiệm thông qua nhiều vòng thử nghiệm. Cho dù bạn là người mới làm quen với phân tích dữ liệu hay là một chuyên gia muốn phát triển thêm kỹ năng của mình, bài viết này sẽ cung cấp cho bạn những hiểu biết có giá trị và hướng dẫn thực tế.

Nhiều sinh viên phàn nàn: "Tôi không có ý tưởng gì khi phân tích dữ liệu!" Trên thực tế, có nhiều lý do có thể dẫn tới kết quả này. Chúng ta hãy cùng đánh giá hệ thống ngày hôm nay.

Trong một số trường hợp, đây lại là vấn đề của chính nhà phân tích dữ liệu. Ba điều sau đây là phổ biến:

1. Câu hỏi 1: Tìm đinh bằng búa

Có nhiều phương pháp để nghiên cứu toán học, thống kê và nghiên cứu hoạt động, và việc đọc sách có thể khiến mọi người cảm thấy thỏa mãn. Vì vậy, một số học sinh đang say mê đọc sách đã bắt đầu dùng búa để tìm đinh. Ví dụ, hôm nay tôi thấy phân phối chuẩn trong thống kê, nó rất thú vị, vì vậy bây giờ mọi người tôi nhìn thấy đều trông giống như một người bình thường. Ngày mai tôi sẽ thấy một chương về phân tích hồi quy và mọi người sẽ muốn thực hiện một số phân tích hồi quy...

Làm như vậy sẽ gây ra rắc rối. Ví dụ, một số sinh viên tính toán hiệu quả của một hoạt động bằng cách hồi quy nguồn vốn hoạt động và hiệu suất tổng thể, sau đó xem xét giá trị R bình phương và cho rằng hoạt động này không có tác dụng. Kết quả là, ông đã bị các nhân viên kinh doanh chỉ trích.

Hơn nữa, làm như vậy không có nghĩa là bạn đã thực sự hiểu cuốn sách. Nếu bạn thực sự hiểu, ít nhất bạn có thể phân biệt được:

Đây có phải là thống kê mẫu hay thống kê tổng thể không?

Đây có phải là vấn đề dự đoán hay vấn đề phân loại?

Nó được đánh dấu nhưng không được dán nhãn

Có logic nội tại nào trong dữ liệu này không?

Chỉ bằng cách nghiên cứu sâu các tình huống kinh doanh, bạn mới có thể biết phương pháp nào trong sách là phù hợp. Nhiều phương pháp viết sách có các tình huống ứng dụng cố định.

2. Câu hỏi 2: Mang giày vào chân

Đây là câu hỏi tương tự với câu hỏi trước, cả hai đều là hành vi ngớ ngẩn, nhưng cuốn sách đã được đổi từ "Thống kê" thành "Quản lý":

*Vì trong sách có 4 chữ P nên trước tiên hãy vẽ các ô chứa 4 chữ P

*Vì trong sách có PEST nên trước tiên hãy rút bốn ô

*Vì có RFM trong sách, trước tiên chúng ta hãy tính RFM

Vậy thì sao? …Lúc đó tôi thấy choáng váng và không biết phải làm gì, rồi tôi bị chỉ trích: “Mày làm cái quái gì thế…”

Giải pháp cũng giống như bài toán trước. Đầu tiên phải hiểu rõ tình hình kinh doanh, tìm ra vấn đề thực sự, sau đó lập kế hoạch giải quyết. Thay vì lấy bao cao su và đeo vào mọi nơi bạn nhìn thấy. Phân tích dữ liệu phục vụ cho doanh nghiệp. Mức độ hiểu biết của doanh nghiệp về vấn đề này chính là điểm khởi đầu của quá trình phân tích (như thể hiện trong hình bên dưới).

Câu hỏi 3: Tháo rời mọi thứ

Điều này cũng rất phổ biến, bất kể vấn đề là gì, trước tiên hãy kéo một loạt bảng chéo.

* Ví dụ, khi phân tích DAU, chúng ta có thể tham chiếu chéo DAU với các chiều như giới tính và độ tuổi.

*Ví dụ, để phân tích GMV, chúng ta có thể tham chiếu chéo GMV với giới tính, độ tuổi và các khía cạnh khác.

Nó cũng được gọi là: linh hồn của phân tích dữ liệu là so sánh, và cốt lõi là tháo rời

Kết quả là: khi không có logic và giả định, càng có nhiều so sánh, suy nghĩ càng trở nên mơ hồ. Mọi người thường làm điều ngượng ngùng là so sánh táo với tê giác. Hơn nữa, sự giao thoa không mục đích này thường dẫn đến những ý tưởng kinh doanh sai lệch. Bộ phận kinh doanh sẽ giữ bạn lại và yêu cầu bạn giải thích từng câu một: tại sao lại có sự khác biệt 5% ở đây và 3% ở kia? Cuối cùng, suy nghĩ của bạn ngày càng trở nên hỗn loạn hơn...

Vì vậy, có thể thực hiện so sánh, nhưng chỉ bằng cách liệt kê các giả định trước, dán nhãn cho chúng và so sánh các giả định với nhau thì mới có thể đưa ra khám phá.

Trong một số trường hợp, vấn đề có thể không nằm ở dữ liệu, mà chính dữ liệu đang nhận lỗi. Sau đây là bốn ví dụ phổ biến:

Vấn đề 4: Không có mục tiêu kinh doanh

Ví dụ:

*Khi thực hiện giám sát chỉ số, yêu cầu đánh giá chỉ số là gì? không có ý tưởng

*Khi phân tích một hoạt động, cần cải thiện những chỉ số nào? không có ý tưởng

*Khi phân tích sản phẩm, mục đích của việc sửa đổi sản phẩm là gì? không có ý tưởng

Vậy thì tôi không biết phải phân tích thế nào nữa…

Trong trường hợp này, tôi thực sự không biết phải phân tích thế nào. Giống như bắn cung, trước tiên bạn cần phải có mục tiêu thì mới biết được mình có thể bắn chính xác hay không. Thậm chí không có mục tiêu, họ chỉ nhắm mắt lại và nói "Tiến lên!" và bắn ngẫu nhiên. Và sau đó họ yêu cầu chúng tôi phân tích xem liệu vụ nổ súng ngẫu nhiên này có làm thay đổi tình hình hay không. Chà! Phân tích nhảm nhí.

Tất nhiên, phần lớn những vấn đề này đều do kinh doanh gây ra. Tuy nhiên, sinh viên đang thực hiện phân tích cần được nhắc nhở làm rõ mục tiêu trước. Và chủ động nhắc nhở bộ phận kinh doanh: nếu mục tiêu không rõ ràng thì việc phân tích đương nhiên sẽ không rõ ràng. Nếu không thì rất dễ bị đổ lỗi ở đây. Nhiều phòng ban kinh doanh không đặt ra mục tiêu cho mình và sau đó buộc các nhà phân tích dữ liệu phải viết: "Việc bắn ngẫu nhiên này cải thiện đáng kể hiệu suất của công ty!" Sau đó khi ông chủ hỏi họ, họ nói "Tất cả đều do nhà phân tích dữ liệu viết ra, tôi vô tội"...

Có nhiều cách để đặt mục tiêu, đừng nói bạn không biết cách thực hiện (như minh họa bên dưới).

Vấn đề 5: Mục tiêu lẫn lộn và tự lừa dối

Vấn đề này trái ngược với "không có mục tiêu", tức là bộ phận kinh doanh chỉ làm một chút công việc nhưng kết quả lại được thổi phồng thành một bức tranh khổng lồ. Ví dụ, họ đưa ra phiếu giảm giá 10 nhân dân tệ rồi bắt đầu khoe khoang: Phiếu giảm giá 10 nhân dân tệ này có thể tăng GMV, đánh thức người dùng cũ và thu hút người dùng mới. Dù sao thì, các hiệu ứng đều rất tuyệt vời, và sau đó chúng ta cần phân tích dữ liệu để tìm ra mức độ hiệu quả của từng hiệu ứng và đưa ra các đề xuất khả thi...

Nhiều sinh viên cảm thấy bối rối. Cái quái gì thế này? Tôi nên phân tích nó như thế nào? Tôi không biết phải làm gì vì điều này thật vô lý. Mỗi loại hình kinh doanh đều có hình thức cố định. Không có nhiều cách để "sử dụng một thủ thuật để chinh phục thế giới". Vì vậy, nếu muốn hình thành một ý tưởng, chúng ta phải hiểu được những thói quen chung và hình thức cố định của doanh nghiệp, để có thể phân biệt rõ tình huống khi gặp phải những điều vô lý như vậy.

6. Vấn đề 6: Phương pháp kinh doanh kém

Các dự án phổ biến nhất là: lập hồ sơ người dùng, dự đoán tỷ lệ mất khách hàng, đề xuất sản phẩm, v.v. Có rất nhiều dữ liệu, nhưng không có thủ thuật kinh doanh nào.

Bạn đã nỗ lực để dự đoán xác suất mất khách hàng của những người dùng khác nhau, nhưng kết quả là gì? Phía doanh nghiệp vừa gửi tin nhắn văn bản thu hồi... Đúng, đó là tin nhắn văn bản, nhưng tỷ lệ phản hồi lại thấp hơn 1%. Sự khác biệt giữa việc xây dựng mô hình và không xây dựng mô hình là gì? Cuối cùng, doanh nghiệp phàn nàn: "Phân tích của anh vô dụng".

Tương tự với việc đề xuất sản phẩm. Nhiều công ty không thể đưa ra được một vài sản phẩm mạnh. Họ giới thiệu sản phẩm chỉ để giới thiệu, rồi sau đó lại hỏi bạn: "Tại sao phân tích của bạn lại vô dụng thế?"

Kiểu đặt câu hỏi này sẽ khiến những sinh viên làm việc với dữ liệu rơi vào trạng thái tự ti sâu sắc và tự hỏi "Liệu mình có đang suy nghĩ sai không?" Tuy nhiên, không còn nghi ngờ gì nữa rằng đây không phải là vấn đề về ý tưởng mà là vấn đề không thể thực hiện được do thiếu phương tiện kinh doanh.

Để phá vỡ tình trạng này: bạn cần phải phân tích cơ bản tốt, có hiểu biết cơ bản về sản phẩm, người dùng và phương pháp kinh doanh, đồng thời biết được năng lực hiện tại của công ty. Bằng cách này, bạn có thể dễ dàng xác định: Có phải suy nghĩ của tôi sai, hay những người này chỉ giỏi việc này?

7. Vấn đề 7: Thiếu sự lặp lại và tích lũy

Một mô hình phân tích dữ liệu tốt được phát triển thông qua quá trình lặp lại, chứ không phải là thứ tự nhiên có. Cách đúng đắn là xác định mục tiêu, tiến hành nhiều vòng thử nghiệm và tìm ra giới hạn trên và dưới của từng phương pháp kinh doanh. Điều này sẽ cho phép bạn thấy được phương pháp nào hữu ích, khám phá logic bên trong và tích lũy kinh nghiệm phân tích.

Nhưng một số công ty lại thích đi theo con đường quanh co, chẳng hạn như:

1. Khi lập kế hoạch kinh doanh, có rất nhiều mục tiêu, chẳng hạn như "chúng ta cần XX, XX và XX, phối hợp XX và cùng nhau làm việc để đạt được XX". Không rõ nên đo theo hướng nào.

2. Phân tích, phân tích và phân tích lại mỗi ngày, nhưng không thực hiện bất kỳ thử nghiệm nào

3. Phân tích, phân tích và phân tích lại mỗi ngày. Sau khi phân tích, doanh nghiệp sử dụng một bộ ý tưởng hoàn toàn khác để thử nghiệm

4. Nếu bạn không thể đạt được mục tiêu, hãy thay đổi mục tiêu và cố gắng che giấu vấn đề.

Làm như vậy cũng giống như bay mà không có đầu vậy. Không cần phải tích lũy kinh nghiệm hiệu quả, tự nhiên cuối cùng sẽ không thu được gì. Tuy nhiên, những học sinh nào bị cuốn sâu vào thì chỉ cảm thấy đầu óc quay cuồng và thích nghi ngờ: Có phải vì suy nghĩ của mình không rõ ràng không... Thực ra không phải vậy, đây là trường hợp tự gây ra ngẫu nhiên thông thường.

bản tóm tắt

Phân tích dữ liệu và tư duy phân tích nên được tích hợp chặt chẽ với hoạt động kinh doanh.

Kết hợp với các kịch bản kinh doanh cụ thể

Có vấn đề và mục tiêu rõ ràng

Tranh luận một cách logic

Xác minh kết quả thông qua thử nghiệm

Tích lũy kinh nghiệm thông qua nhiều vòng thử nghiệm

Đây là cách đúng đắn để giúp tư duy phân tích của bạn ngày càng rõ ràng hơn.

Tất nhiên, môi trường ở một số công ty không tốt, dẫn đến tình trạng sinh viên luôn tỏ ra lười biếng khi làm việc và bị nói rằng "Bạn không có ý tưởng rõ ràng". Lúc này, chỉ cần mọi người làm tốt công việc của mình và tích lũy thêm kinh nghiệm thực tế về những vấn đề cụ thể thì sẽ có cơ hội rời khỏi cái công ty ngu ngốc này và tìm được một công việc phù hợp hơn với mình. Vì vậy, việc thảo luận chi tiết là rất quan trọng. Nếu bạn không xem xét đến các chi tiết và chỉ tập trung vào lý thuyết hoặc sự hời hợt, bạn sẽ kết thúc bằng việc tự biến mình thành kẻ ngốc như ở đầu bài viết này.