Các nhà phân tích dữ liệu nên làm gì nếu họ luôn phải đối mặt với nhiều khó khăn khác nhau?

Sinh viên làm việc với dữ liệu có thể gặp nhiều khó khăn. Vậy làm sao để giải quyết vấn đề này?

Các bạn sinh viên làm việc trong lĩnh vực dữ liệu, có bao giờ gặp rắc rối trong công việc không? Bạn thường gặp phải những vấn đề nào và khiến mọi người khó chịu đến phát bực? Trong số những chủ đề mà các bạn cùng lớp phàn nàn trước đây, tôi đã chọn ra 8 câu hỏi thường gặp nhất. Chúng ta hãy cùng xem xét chúng ngày hôm nay. Để ý! Năng lượng cao sắp tới, hãy chuẩn bị thuốc huyết áp nhé~

Câu hỏi 1: "Chỉ là một con số thôi mà, sao lại mất nhiều thời gian thế?"

Vấn đề này rất phổ biến. Hầu hết mọi người không biết "một con số" thực sự có nghĩa là gì, và điều đầu tiên trẻ em học ở trường mẫu giáo là đếm, vì vậy mọi người lầm tưởng rằng "lấy được một con số" cũng dễ như đếm vậy.

Nếu bạn muốn giải quyết vấn đề, trước tiên bạn phải giải thích cho doanh nghiệp biết dữ liệu đến từ đâu, dữ liệu không phải từ trên trời rơi xuống. Và thiết lập một bộ tiêu chuẩn và liên tục thúc đẩy chúng trong doanh nghiệp:

1. Những gì cần phải thu thập lại?

2. Những thứ đã được thu thập nhưng chưa được làm sạch và không sử dụng được?

3. Những cái nào có sẵn, nhưng các điều kiện truy vấn rất phức tạp

4. Những loại nào có sẵn và dễ truy vấn?

5. Những gì không cần phải truy vấn và có báo cáo đầu ra cố định?

Khi quảng bá, hãy quảng bá đồng thời: nếu bạn muốn phản hồi nhanh chóng, hãy ngồi lại và thảo luận về nhu cầu và đưa chúng vào báo cáo. Điều này không chỉ nâng cao nhận thức về doanh nghiệp mà còn thúc đẩy hệ thống BI của chúng tôi, tăng tỷ lệ sử dụng BI và loại bỏ các nhu cầu phân tán và tạm thời, đây chính là giải pháp lâu dài.

Để ý! Khi quảng bá, đừng đăng các bài viết như “Tencent/ByteDance/Huawei áp dụng dữ liệu lớn như thế nào” mô tả sức mạnh của dữ liệu lớn, vì những bài viết này chỉ kích thích sự thèm muốn của doanh nghiệp. Chúng ta nên chuyển tiếp nhiều sách và sơ đồ kỹ năng hơn về dữ liệu lớn/kho dữ liệu/quản trị dữ liệu/phân tích dữ liệu để họ có thể trực tiếp trải nghiệm “Ồ, thứ này phức tạp quá!”

Câu hỏi 2: “Dữ liệu của chúng tôi rất lớn và tất cả đều có ở đó, tại sao bạn không thể phân tích nó?”

Câu hỏi này và câu hỏi trước là hai câu hỏi liên quan đến nhau. Bản chất của cả hai trường hợp này là các nhà lãnh đạo không hiểu dữ liệu và nghĩ rằng một vài con số là "dữ liệu lớn".

Vấn đề này còn có một mặt khác nữa. Khi bạn được tuyển dụng, người lãnh đạo của bạn đã nói một cách nghiêm túc: "Dữ liệu của chúng tôi rất lớn và tất cả đều có ở đó. Chúng tôi chỉ cần bạn phân tích nó thôi." Lúc này bạn phải cẩn thận vì dữ liệu của họ có thể chưa được dọn dẹp và mã sản phẩm cùng số đơn hàng là dữ liệu giao dịch rất lộn xộn.

Nếu bạn thêm điều khoản “không có nhóm dữ liệu” hoặc “bạn bị cô lập khỏi nhóm dữ liệu”, hãy thận trọng khi gia nhập công ty, vì bạn sẽ bị PUA đến mức nghi ngờ cuộc sống của mình.

Câu hỏi 3: “Phân tích dữ liệu không phải là vấn đề phân tích dữ liệu sao? Tại sao tôi nên tham gia?”

Lưu ý rằng câu này là câu hỏi chứ không phải câu hỏi tu từ. Doanh nghiệp có thể thực sự không biết mối quan hệ giữa mình và dữ liệu. Lúc này, chúng ta cần sự kiên nhẫn để hướng dẫn:

1. Thu thập dữ liệu trước khi bạn có dữ liệu

2. Thu thập dữ liệu đòi hỏi các quy trình kinh doanh

3. Thông tin cơ bản của người dùng phải được thu thập

4. Trang cần được nhúng để có dữ liệu về hành vi của người dùng

5. Thông tin sản phẩm phải được duy trì theo cách chuẩn hóa, nếu không chúng tôi không thể hiểu được.

6. Thông tin nhà cung cấp, thông tin vật liệu, thông tin hoạt động và thông tin phiếu giảm giá giống như trên

7. Nếu bạn sử dụng chúng một cách ngẫu nhiên trong các hoạt động kinh doanh, bạn sẽ không thể biết được dữ liệu nào là chính xác.

…

Tóm lại, hãy nêu chi tiết ưu và nhược điểm và cố gắng giành được sự ủng hộ của doanh nghiệp. Nói đến khô miệng và lưỡi, doanh nghiệp vẫn bỏ qua, nhớ viết biên bản cuộc họp, sau đó dữ liệu trở nên lộn xộn. Ai đó phải chịu trách nhiệm...

Nếu câu này là câu hỏi tu từ, vui lòng tham khảo câu tiếp theo để biết giải pháp.

Câu hỏi 4: "Bạn cứ tính toán thôi, sao lại hỏi nhiều thế?"

Câu hỏi này có hai dạng. Hình thức đầu tiên là doanh nghiệp đến với chúng tôi để lấy dữ liệu nhưng không thể giải thích rõ ràng cơ sở cho việc thu thập dữ liệu. Lúc này, bất kể thái độ của đối phương có hung hăng đến đâu, bạn cũng phải xác nhận rõ ràng trước. Nếu bạn không xác nhận rõ ràng trước, sau này anh ta vẫn sẽ trách bạn: "Kết quả không chính xác! Mọi việc bạn làm đều sai!" Nếu đối phương thực sự hung dữ và ngu ngốc, hãy sử dụng từ điển dữ liệu để cho họ kiểm tra xem cần xem những chỉ số nào và xem trong bao lâu.

Hình thức thứ hai là chúng ta muốn chủ động tìm hiểu công việc kinh doanh sau đó, nhưng cuối cùng lại cảm thấy thất vọng. Chú ý! Một số người trong bộ phận kinh doanh thực sự khó phục vụ, vì vậy đừng ép buộc tất cả những người làm kinh doanh phải hợp tác. Nếu họ thực sự không muốn giao tiếp, hãy tỏ ra nghiêm túc với họ và giao tiếp với người khác. Thông thường, có một hoặc hai phòng ban hợp tác tốt với nhau, còn các phòng ban khác chỉ làm việc với nhau.

Câu hỏi 5: "Tôi đã biết việc anh làm rồi. Anh có phân tích sâu hơn không?"

Câu hỏi này và câu hỏi trước là hai câu hỏi chị em. Tất cả đều do thái độ hợp tác kinh doanh kém. Bạn thậm chí còn không nói cho tôi biết những gì bạn biết thì làm sao tôi biết được bạn có biết hay không? Miễn là chúng ta chủ động giao tiếp thì trách nhiệm không còn nằm ở phía chúng ta nữa. Nếu chúng ta chưa từng giao tiếp trước đây, thì chúng ta nên suy nghĩ về điều đó và giao tiếp tích cực hơn cho đến khi gặp phải thất bại.

Trên thực tế, có thể có một giải pháp đôi bên cùng có lợi ở đây: doanh nghiệp cung cấp các giả thuyết phân tích trước và phân tích dữ liệu sẽ xác minh các giả thuyết sau đó. Nó không chỉ có thể đi thẳng vào vấn đề mà doanh nghiệp quan tâm nhất mà còn có thể giúp dữ liệu hiểu được suy nghĩ của doanh nghiệp, cuối cùng dẫn đến tình huống đôi bên cùng có lợi. Tuy nhiên, điều này đòi hỏi bộ phận kinh doanh phải có tinh thần hợp tác, và mọi người đều có thể lựa chọn đúng người để hành động.

Câu hỏi 6: “Dự đoán của bạn chính xác đến mức nào?”

Câu hỏi này luôn được hỏi. Để ý! Đừng tranh cãi với anh ấy về việc "cái nào chính xác hơn: 80%, 90% hay 95%". Đây là một cái bẫy. Bất cứ khi nào có vấn đề gì với doanh nghiệp trong tương lai, anh ta sẽ đổ lỗi cho bạn, "Dự đoán của anh không chính xác. Lợi nhuận gộp của sản phẩm của tôi chỉ có 5 điểm. Dự đoán chính xác 95% của anh có ý nghĩa gì? Tất cả là lỗi của anh!"

Bản chất của câu hỏi này là: Doanh nghiệp nên làm gì với dự báo này? !

• Nếu trước tiên dự đoán xu hướng tự nhiên và sau đó doanh nghiệp đưa ra phán đoán dựa trên xu hướng tự nhiên đó thì kết quả cuối cùng sẽ bị ảnh hưởng bởi hành vi kinh doanh và chắc chắn sẽ khác so với dự đoán.
• Nếu chúng ta xem xét hành vi kinh doanh trước rồi mới dự đoán kết quả, thì trước tiên doanh nghiệp phải cho chúng ta biết họ sẽ làm gì, nếu không thì dự đoán chắc chắn sẽ không chính xác.
• Nếu các chỉ số dự đoán không liên quan gì đến doanh nghiệp thì hiệu suất kinh doanh kém không nên đổ lỗi cho dự đoán (người ta nói rằng điều này không liên quan gì đến doanh nghiệp, nhưng bạn vẫn muốn đổ lỗi!)

Tất nhiên, tình huống lý tưởng là: dự đoán sẽ có vấn đề, nhưng sau những nỗ lực kinh doanh sẽ không còn vấn đề gì nữa. Sau đó, doanh nghiệp khen ngợi quá trình phân tích dữ liệu vì đã phát hiện kịp thời các vấn đề và quá trình phân tích dữ liệu khen ngợi các hành động của doanh nghiệp vì đã ngăn chặn hiệu quả các vấn đề. Khen ngợi nhau chẳng phải là điều tuyệt vời sao? Tại sao lại làm tổn thương nhau?

Câu hỏi 7: “Nếu bạn có thể dự đoán chính xác 100%, tôi chắc chắn có thể làm tốt công việc kinh doanh!”

Có nhiều câu trả lời tương tự cho câu hỏi này, chẳng hạn như "Tôi đã không làm tốt, tất cả là do phân tích dữ liệu không thể xác định chính xác 100% vấn đề". Tóm lại, nếu doanh nghiệp không thực hiện tốt thì lỗi sẽ thuộc về dữ liệu và bản thân doanh nghiệp không phải chịu trách nhiệm.

Nhiều sinh viên sẽ hỏi lại: "Phân tích của tôi có vấn đề gì vậy?" Đây là một cái bẫy. Đừng tranh luận với những người này.

Cuối cùng, anh ta sẽ luôn đổ lỗi cho bạn về chi tiết phân tích, chẳng hạn như: "Tại sao bạn không thể phân tích chính xác 100% rằng người dùng sẽ mở APP vào ngày nào và giây nào!" Nếu chúng ta không có quả cầu pha lê ma thuật thì điều này là không thể.

Cách tốt nhất là sử dụng sức mạnh của đối thủ để chống lại bạn. Để ý! Các ông chủ thực sự ghét kiểu kinh doanh mà mọi người trốn tránh trách nhiệm. Do đó, cách tốt hơn để giải quyết vấn đề này là tiến hành phân tích theo từng cấp độ và tóm tắt thêm nhiều ví dụ về doanh nghiệp thành công. Phân tích dữ liệu cũng hỗ trợ điều này, tại sao người khác có thể làm tốt, còn bạn thì không? Hướng lời chỉ trích vào "lý do tại sao bạn không giỏi bằng người khác" và "cách kinh doanh nên thế nào". Điều này không chỉ tránh đổ lỗi mà còn giải quyết vấn đề một cách thực tế.

Câu hỏi 8: "Làm thế nào để chứng minh rằng phân tích của bạn có liên quan đến việc cải thiện hiệu suất của công ty?"

Câu hỏi này thường nảy sinh trong quá trình đánh giá hiệu suất. Khi nghe câu hỏi này, mọi người sẽ nghiến răng căm ghét và muốn chửi bới: "Lúc xin số anh như chó, giờ nhìn số liệu xong lại bảo tôi xấu!" Tuy nhiên, những câu hỏi này thường được các nhà lãnh đạo đặt ra. Ngoài việc tức giận từ chức, còn có cách nào tốt hơn không?

Trên thực tế, tất cả các chức năng hỗ trợ đều sẽ gặp phải vấn đề này ở một mức độ nào đó. Về bản chất, chúng là những chức năng "công cụ". Người ta chỉ cảm thấy chúng hữu ích khi được sử dụng và bị lãng quên khi không được sử dụng. Nếu bạn muốn giải quyết vấn đề, bạn phải bắt đầu từ nguồn đánh giá hiệu suất. Bạn không chỉ cần những tiêu chuẩn đánh giá hợp lý mà còn cần phải cố tình tạo ra nhiều “khoảnh khắc đẹp” hơn để các nhà lãnh đạo có thể nhìn thấy và ghi nhớ.

Tác giả: Cô giáo Chen giản dị; Nguồn tài khoản công khai: Giáo viên thực tế Chen (ID: 773891)