Làm thế nào để nhanh chóng cải thiện khả năng phân tích dữ liệu

Làm thế nào để cải thiện khả năng phân tích của nhóm dữ liệu? Tác giả chia nhỏ logic phân tích + hiểu biết kinh doanh thành năm bước và chia sẻ một phương pháp có hệ thống.

Một bạn học hỏi: "Hiện tại khả năng phân tích của nhóm dữ liệu còn yếu. Chúng em muốn nâng cao khả năng phân tích của mình và kết hợp với hoạt động kinh doanh của công ty để đạt được kết quả nhanh chóng." Có thể thấy, tình trạng máy chạy dữ liệu không chỉ không làm hài lòng cá nhân mà ngay cả lãnh đạo cũng không thể chịu đựng được. Nhưng làm sao để cải thiện nó? Hôm nay tôi xin chia sẻ hệ thống này.

1. Phương pháp cải thiện khả năng của bạn

Bản chất của khả năng phân tích dữ liệu là logic phân tích + hiểu biết kinh doanh + viết mã. Đối với những sinh viên đã đi làm, phần khó nhất là phần logic phân tích + phần hiểu biết về kinh doanh. Bởi vì họ không thể hiểu chính xác nhu cầu kinh doanh và không thể chủ động hướng dẫn tư duy kinh doanh nên họ chỉ có thể thụ động chấp nhận một lượng lớn các yêu cầu thu thập dữ liệu phân tán với logic kỳ lạ. Không những hiệu quả công việc thấp mà họ còn bị doanh nghiệp chỉ trích: "Không có hiểu biết, không có giá trị, tôi đã yêu cầu dữ liệu nhưng bạn thậm chí không thể làm được..."

Tuy nhiên, đây là phần khó cải thiện nhất. Đầu tiên, không phải ai sinh ra cũng có tư duy logic tốt. Thứ hai, hoạt động kinh doanh của mỗi công ty đều khác nhau và việc áp dụng một mẫu nhất định chắc chắn sẽ gây ra vấn đề. Do đó, ý tưởng cải thiện năng lực của bạn không phải là tìm kiếm “mô hình một lần” trên thế giới, mà là bắt đầu với các mẫu phân tích cơ bản và dần dần lặp lại năng lực của bạn.

1. Bước 1: Phân loại yêu cầu theo phòng ban và lập mẫu giám sát

Có bốn yêu cầu phân tích dữ liệu phổ biến:

1. Theo dõi tình hình kinh doanh
2. Phân tích nguyên nhân của vấn đề
3. Dự đoán xu hướng kinh doanh
4. Kiểm tra ý tưởng kinh doanh

Trong bốn hạng mục này, ưu tiên hàng đầu là hình thành mẫu giám sát. Vì các quy trình kinh doanh không thay đổi thường xuyên nên các chỉ số giám sát và chiều phân loại được cố định trong một khoảng thời gian nhất định. Điều này có lợi cho việc giải thích sâu hơn về những thay đổi trong các chỉ số dữ liệu và có thể giảm đáng kể số lượng dữ liệu thu thập không thường xuyên và tạm thời, do đó có thêm thời gian cho nhóm.

Các phòng ban khác nhau có thể có các quy trình kinh doanh khác nhau, chẳng hạn như bán hàng, vận hành, sản phẩm, cung ứng, v.v. Nên thiết kế các chỉ số giám sát cho từng quy trình riêng biệt để hoạt động kinh doanh dịch vụ chính xác hơn. Các thành viên cấp cao giàu kinh nghiệm trong nhóm có thể hướng dẫn các thành viên mới sắp xếp các quy trình của từng phòng ban, cũng như các nhu cầu phân tán, để xem nhu cầu nào có thể được tích hợp vào các báo cáo giám sát dữ liệu thường xuyên. Điều này không chỉ giúp người mới làm quen với doanh nghiệp mà còn cải thiện khả năng phân tích và logic của họ.

2. Bước 2: Hiểu xu hướng của các chỉ số và khám phá mô hình chu kỳ

Sau khi có các chỉ số giám sát, nhiều người sẽ trực tiếp đưa các chỉ số/kích thước cho người mới rồi nói: "Phân tích dữ liệu là để so sánh, bạn tự tìm cách so sánh nhé..." Đây là cách tiếp cận rất vô trách nhiệm và sai lầm. Nếu không có logic phân tích, bạn càng so sánh thì suy nghĩ của bạn sẽ càng trở nên mơ hồ. Việc so sánh cà tím với táo là nguyên nhân gây nhầm lẫn.

Vì vậy, sau khi bạn có các chỉ số giám sát, đừng vội vàng. Đầu tiên, hãy hiểu các xu hướng và quy tắc cơ bản của các chỉ số. Đặc biệt là các chỉ số chính (chỉ số KPI) liên quan đến đánh giá doanh nghiệp như doanh số, lợi nhuận, số lượng người dùng mới, số lượng người dùng đang hoạt động, v.v. Có ba loại quy tắc cần chú ý:

1. Chu kỳ tự nhiên: liệu chỉ số có liên quan đến những thay đổi theo mùa và ngày lễ hay không
2. Vòng đời: Xu hướng của các chỉ số kinh doanh chính từ khi ra mắt đến khi ngừng ra mắt
3. Thay đổi nhóm: Xu hướng trong N khoảng thời gian sau khi người dùng đăng ký

Quá trình này có thể giúp người mới hiểu được ý nghĩa của "xu hướng bình thường" và "thay đổi thường xuyên". Nó có thể làm giảm đáng kể khả năng người mới mắc phải những sai lầm thường gặp, đồng thời khiến họ nhạy cảm hơn với những biến động bất thường thực sự. Ngoài ra, việc quan sát xu hướng chỉ báo có thể được mở rộng từ các chỉ báo KPI sang các chỉ báo khác, từ nông đến sâu, để tránh tình trạng người mới tham gia bị chết chìm trong biển dữ liệu. Hiệu quả rất tốt.

3. Bước 3: Tháo rời cấu trúc bên trong và khám phá mô hình phân phối

Sau khi hiểu được xu hướng chung, tốt hơn hết là không nên để người mới phân chia/so sánh ngẫu nhiên mà hãy hiểu rõ cấu trúc nội bộ của doanh nghiệp trước. Có hai loại cơ cấu kinh doanh nội bộ:

1. Toàn bộ bao gồm những bộ phận nào?
2. Các thành phần tạo nên kết quả là gì?

Ví dụ, trong bán hàng, bạn có thể hiểu:

• Có bao nhiêu bước trong quy trình bán hàng và dữ liệu nào được ghi lại?
• Có bao nhiêu loại kênh bán hàng và mỗi loại hoạt động như thế nào?
• Có bao nhiêu sản phẩm được bán và tỷ lệ của mỗi sản phẩm là bao nhiêu?

Ví dụ, cung cấp, bạn có thể hiểu

1. Có một số bước từ nguyên liệu thô đến thành phẩm
2. Những nguồn tài nguyên nào được tiêu thụ ở mỗi bước
3. Mỗi bước tạo ra kết quả gì?

Quá trình này có thể mất nhiều thời gian vì mỗi doanh nghiệp có mức độ số hóa khác nhau. Mức độ số hóa cao cho phép bạn xem dữ liệu trực tiếp. Do mức độ số hóa thấp nên trước tiên chúng ta chỉ có thể hiểu được hành vi kinh doanh, sau đó mới từ từ thu thập dữ liệu hoặc xem xét tác động của các chỉ số tổng thể.

Nhưng việc đó là đáng làm. Bởi vì đây là cách duy nhất để người mới có thể hiểu sâu hơn về doanh nghiệp. Hơn nữa, sau khi phát hiện ra các bất thường về dữ liệu, logic cơ bản để theo dõi các bất thường này là theo dõi chúng dọc theo cấu trúc bên trong của chỉ báo. Đây là sự phân chia hợp lý. Hơn nữa, bước này không đòi hỏi bất kỳ kỹ năng chuyên môn nào, ngay cả người mới bắt đầu cũng có thể tự mình thực hiện.

4. Bước 4: Thu thập các hành động kinh doanh và định lượng các hành vi chủ động

Sau khi hiểu được cấu trúc bên trong, tốt hơn hết là không nên để người mới phân chia/so sánh một cách ngẫu nhiên. Thay vào đó, hãy thu thập những gì doanh nghiệp thực hiện, sau đó loại bỏ những phần có thể định lượng và xem xét những tác động định lượng. Đối với các hành động không thể định lượng, hãy quan sát những thay đổi tổng thể của chỉ số sau khi hành động xảy ra.

Ví dụ, cải thiện hiệu suất bán hàng

• Nếu bộ phận tiếp thị đang thực hiện chương trình khuyến mãi, họ có thể sử dụng dữ liệu để ghi lại đơn hàng nào là đơn hàng khuyến mãi, quan sát sự tăng trưởng của đơn hàng khuyến mãi và tính toán doanh thu của hoạt động này.
• Nếu phòng bán hàng tổ chức buổi đào tạo năng lực bán hàng, có thể sẽ không có dữ liệu ghi lại mức độ tiến bộ của từng người. Lúc này, bạn chỉ có thể thực hiện biện pháp tốt nhất tiếp theo, đó là ghi lại những người/công ty nào đã tham gia đào tạo và sau đó xem các chỉ số có thay đổi không.

Làm như vậy, một mặt, có thể giúp người mới hiểu sâu hơn về doanh nghiệp, mặt khác, có thể giúp họ hiểu được tác động của nhiều hành động kinh doanh khác nhau ngay từ kết quả. Điều này không chỉ giúp họ có thêm ý tưởng khi diễn giải những thay đổi dữ liệu mà còn cho phép họ trực tiếp đưa ra một số gợi ý cho doanh nghiệp dựa trên kết quả, do đó thúc đẩy phân tích dữ liệu từ việc diễn giải sang định hướng phát triển doanh nghiệp.

5. Bước 5: Phân tích vấn đề kinh doanh và hình thành giả thuyết phân tích

Sau khi định lượng các hoạt động kinh doanh, hãy tránh việc phân chia/so sánh ngẫu nhiên. Thay vào đó, hãy học cách đưa ra giả định trước rồi mới tìm bằng chứng. Việc đề xuất các giả thuyết đúng không chỉ giúp bạn hình thành ý tưởng nhanh hơn mà còn lọc ra nhiều yếu tố gây nhiễu khác nhau và giảm bớt gánh nặng thu thập dữ liệu nhiều lần. Giả định phân tích cũng liên quan đến việc thiết kế các bài kiểm tra dữ liệu. Với những giả định rõ ràng, việc lấy mẫu thử nghiệm có cơ sở và việc diễn giải dữ liệu thử nghiệm trở nên dễ dàng hơn.

Các giả định phân tích xuất phát từ ba nguồn:

1. Đưa ra giả định dựa trên các quy tắc, kinh nghiệm và xu hướng trong quá khứ
2. Đưa ra giả định dựa trên mối quan tâm kinh doanh
3. Dựa trên các vấn đề chính được tìm thấy trong phân tích cấu trúc/phân cấp, các giả thuyết được đề xuất

Cả ba phương pháp đều yêu cầu tích lũy từ các bước trước đó, do đó việc đưa ra giả định được thực hiện ở cuối. Có thể có nhiều giả định và các nhà phân tích được yêu cầu phải sắp xếp logic của các giả định đó. Đây là một công việc nâng cao khác đòi hỏi phải có một sinh viên có kinh nghiệm trong nhóm để lãnh đạo nhóm. Đối với những vấn đề phức tạp, tốt nhất là sắp xếp các giả định và logic trước khi giao cho người mới. Đối với người mới, việc có thể xác minh được giả thuyết một chiều đã được coi là thành công. (Như hình dưới đây)

2. Tóm tắt

Từ những điều trên, chúng ta có thể thấy rằng mọi bước trong việc nâng cao khả năng phân tích đều xoay quanh: hiểu rõ hơn về doanh nghiệp và trở nên logic hơn. Đây là lý do tại sao chúng tôi liên tục nhấn mạnh: không tháo rời hoặc thử nghiệm một cách ngẫu nhiên. Không có logic nào cả. Sau khi tháo rời, bạn sẽ thấy cái này cao, cái kia thấp. Nhiều yếu tố ảnh hưởng đan xen vào nhau và không thể phân tích được vấn đề. Không có logic, quá trình thử nghiệm là ngẫu nhiên, có 100 yếu tố ảnh hưởng đến kết quả thử nghiệm và việc phân tách sau đó rất phiền phức, tất cả những điều này chỉ khiến người mới thêm bối rối.

Tác giả: Cô giáo Chen giản dị; Tài khoản công khai WeChat: Giáo viên Chen thực tế