Năm cạm bẫy của các dự án phân tích dữ liệu, đừng mắc phải!

Phân tích dữ liệu hiện là kỹ năng mà hầu hết các công ty đều cần. Hãy cùng theo dõi tác giả để tránh năm cạm bẫy của các dự án phân tích dữ liệu.

Trong bài viết trước [Năm câu hỏi để xem bạn có thể thực hiện một dự án phân tích dữ liệu tốt hay không], mọi người đều có hiểu biết nhất định về các dự án phân tích dữ liệu. Hôm nay, chúng ta sẽ lấy một tình huống cụ thể để phân tích cách làm cho dự án trở nên nổi bật. Năm câu hỏi tương ứng với năm cạm bẫy lớn. Hãy suy nghĩ cẩn thận và tránh rơi vào bẫy.

Phục hồi cảnh:

Nhóm phát triển kinh doanh B2B của một công ty Internet chủ yếu liên hệ với khách hàng tiềm năng thông qua bán hàng qua điện thoại. Việc quản lý danh sách cuộc gọi đi rất hỗn loạn, chỉ có hai trường: tên công ty khách hàng và số điện thoại liên lạc. Tỷ lệ bán hàng thành công cực kỳ thấp và việc quản lý nhóm thì hỗn loạn. Nó chỉ ghi lại số tiền giao dịch mà không ghi lại lý do không chốt được giao dịch hoặc không theo dõi được. Hiệu suất kém, tình trạng luân chuyển nhân sự trong nhóm nghiêm trọng và người lãnh đạo rất lo lắng.

Câu hỏi 1 (trắc nghiệm)

Bạn là nhà phân tích dữ liệu của công ty này. Vào lúc này, bạn sẽ:

A. Phân tích cẩn thận các lý do dẫn đến tỷ lệ thành công thấp trong báo cáo hàng tháng và viết 20 trang đề xuất cải tiến

B. Báo cáo hàng tháng chỉ liệt kê số lượng, chờ họ đến để thảo luận hợp tác

(Câu hỏi này rất đơn giản, hãy suy nghĩ một chút)

Sau khi tìm hiểu từ bài viết trước, mọi người đều chọn B. Đúng vậy, vấn đề trong tình huống này đơn giản là do quản lý kinh doanh hỗn loạn. Dữ liệu không thể giúp ích được gì.

Nếu bản thân doanh nghiệp không nhận thức được nỗi đau này, và nhà phân tích dữ liệu, với tư cách là người ngoài cuộc, blablabla, sẽ không ai chú ý đến. Vì vậy, đừng làm loại công việc vô ơn này. Nhìn lại một bước, ngay cả khi bạn đã làm được, và những người khác lắng nghe những đề xuất của bạn và trở nên hiệu quả hơn, thì công lao đó chỉ thuộc về doanh nghiệp, và không liên quan gì đến phân tích của bạn. Làm sao bạn chứng minh được là họ đã lắng nghe? Mọi người sẽ nói: "Tôi đã nghĩ đến điều đó từ lâu rồi" và "Tôi biết điều đó ngay cả khi bạn không nói với tôi".

Vì vậy, chiến lược tốt nhất là chờ họ tìm đến bạn, lập một dự án, chẳng hạn như thành lập một nhóm dự án mang tên "Dự án cải thiện hiệu suất bán hàng" và gửi email thông báo cho các sếp để chính thức bắt đầu công việc. Được rồi, chúng ta đi thôi!

Câu hỏi 2 (Đúng hay Sai)

Bây giờ trưởng nhóm tìm thấy bạn và quyết định bắt đầu dự án. Bạn đặt mục tiêu của dự án là "tăng tỷ lệ bán hàng thành công". Điều này đúng hay sai?

A. Có

B. Sai

(Câu hỏi này rất đơn giản, hãy suy nghĩ một chút)

Đây là một vấn đề thường gặp ở nhiều sinh viên khi làm phân tích: coi mục tiêu cuối cùng là mục tiêu trước mắt. Hoặc họ không biết mục tiêu kinh doanh là gì. Chỉ dựa trên cảm nhận của bạn, bạn nói: "Chúng tôi là một công ty thương mại điện tử, vì vậy chúng tôi cần tăng GMV" "Chúng tôi đang tăng trưởng, vì vậy chúng tôi cần tính DAU"...

Xin lưu ý: Trong trường hợp quản lý hỗn loạn, thiếu dữ liệu và nhóm bỏ rơi, việc mong đợi tăng hiệu suất bằng cách viết 200 dòng mã và tạo ra PPT là hoàn toàn không thực tế. Do đó, bạn cần phải nói chuyện nghiêm túc với các nhà lãnh đạo doanh nghiệp của mình để tìm hiểu xem có mục tiêu thứ cấp nào có thể đạt được ngoài việc cải thiện tỷ lệ bán hàng thành công hay không.

Ví dụ:

• Cần có thời gian để chứng minh và cải thiện kết quả. Mua thời gian
• Chứng minh sự bất lực trong việc cải thiện hiện tại và hạ thấp KPI
• Khám phá những cách để ổn định đội ngũ và ổn định tinh thần của quân đội
• Tìm một số chuẩn mực thành công và tóm tắt kinh nghiệm

Trên thực tế, khi các nhà lãnh đạo doanh nghiệp gặp phải tình trạng hiệu suất kém, điều đầu tiên họ nghĩ đến là yêu cầu cung cấp nguồn lực, điều thứ hai họ nghĩ đến là điều chỉnh KPI và điều thứ ba họ nghĩ đến là tìm ra các trường hợp. Những người khác thực sự không muốn nghe bạn nói: “Tỷ lệ hoạt động thấp, chúng ta cần phải tăng lên!” Vì vậy, việc sắp xếp các mục tiêu và xác định mục tiêu chính và mục tiêu phụ là rất quan trọng. Vậy câu trả lời cho câu hỏi này là B.

Câu hỏi 3 (trắc nghiệm)

Bây giờ hãy xác nhận mục tiêu cấp độ đầu tiên: cải thiện tỷ lệ bán hàng thành công; Mục tiêu cấp độ thứ hai: tìm kiếm kinh nghiệm bán hàng thành công. Có người lập tức nhảy ra nói: "Bạn chưa từng làm bán hàng, làm sao có thể phân tích được!!!" Câu hỏi: Tôi nên làm gì?

A. Phân tích phương pháp bán hàng tốt nhất thông qua dữ liệu

B. Thừa nhận rằng bạn không hiểu

(Câu hỏi này rất đơn giản, hãy suy nghĩ một chút)

Đây là một lỗi thường gặp ở nhiều sinh viên khi phân tích*2: mong đợi dữ liệu có thể trực tiếp tính toán ra giải pháp tốt nhất. Những sinh viên có lối suy nghĩ này thường bị người khác đánh bại bằng những câu hỏi như: "Bạn đã hoàn thành bao nhiêu giao dịch rồi?" hoặc "Nếu bạn có thể làm được thì hãy làm đi."

Khi nói đến câu hỏi "làm thế nào để thực hiện", vai trò của phân tích dữ liệu không phải là tính toán giải pháp tốt nhất. Bởi vì mỗi trường hợp thành công phải có những lợi thế riêng biệt không thể sao chép được. Ví dụ, trong nghề bán hàng, một số người sinh ra đã có tài ăn nói và hình ảnh tốt khiến mọi người thích họ. Bạn không thể tránh được những điều này.

Vai trò của phân tích dữ liệu là phân tích các trường hợp cụ thể và phân biệt giữa các phần có thể sao chép và không thể sao chép. Trích xuất các phần có thể sao chép thành kinh nghiệm, trích xuất các tính năng không thể sao chép và tìm kiếm nhiều tính năng tương tự hơn trong tương lai.

Ví dụ, nếu chúng ta thấy những cô gái địa phương xinh đẹp có doanh thu bán hàng cao, thì chúng ta có thể để mỗi thành phố tuyển dụng những cô gái xinh đẹp tại địa phương; nếu có thời gian đặc biệt và cần thực hiện hành động đặc biệt thì hãy để người khác sao chép thao tác này. Phân tích dữ liệu không hiệu quả trong việc bán sản phẩm mà chỉ hiệu quả trong việc tóm tắt kinh nghiệm và tìm ra tính năng. Câu trả lời cho câu hỏi này là B.

Câu hỏi 4 (Mô tả hình ảnh)

Mức lương cơ bản là 1.300 một tháng và hoa hồng cho mỗi đơn hàng là 250. Trong hai mức lương sau, mức nào tốt hơn?

A. Hình 1

B. Hình 2

(Câu hỏi hơi phức tạp, hãy suy nghĩ một phút)

Câu hỏi này không phải về cách phân tầng mà là về ý tưởng cơ bản: tìm ra tiêu chuẩn phân loại dựa trên nhu cầu kinh doanh. Ví dụ, trong ví dụ này, một vấn đề lớn là: sự thay đổi nhân sự nghiêm trọng. Có thể có sự khác biệt về mặt thống kê giữa 10, 8 hoặc 4 đơn hàng của mỗi người, nhưng không có sự khác biệt trong kinh doanh. Cho dù một nhân viên bán hàng có kiếm được 10 hay 8 đô la, anh ta cũng không kiếm đủ tiền trang trải chi phí sinh hoạt một tháng và anh ta vẫn sẽ bỏ trốn. Nhưng 25 đơn hàng có thể giúp anh ta kiếm được 25*250+1300=7550, một số tiền khá lớn đối với một nhân viên điện thoại.

Đây là sự khác biệt cốt lõi giữa phân tích dữ liệu và khai thác dữ liệu. Chúng tôi xây dựng các mô hình dữ liệu nhằm mô phỏng tình huống thực tế với xác suất cao, để chúng tôi có thể xử lý một số dữ liệu và điền vào một loạt dữ liệu ảo, dù sao thì cũng để có hiệu ứng tổng thể.

Phân tích dữ liệu có tác dụng độc đáo: nó có thể hướng dẫn các phòng ban kinh doanh tạo ra những tình huống hiện chưa tồn tại. Ví dụ, nếu doanh nghiệp tin rằng đội ngũ sẽ ổn định chỉ khi nhân sự trụ cột có thể kiếm được 7.500 nhân dân tệ mỗi tháng chiếm ít nhất 20%, thì có thể thay đổi hệ thống lương, hệ thống vận hành và quy trình tuyển dụng hiện tại, điều này sẽ phá vỡ nguyên trạng. Do đó, khi phân tích dữ liệu, chúng ta thường chú ý nhiều hơn đến ý nghĩa chỉ đạo của dữ liệu đối với doanh nghiệp và tìm kiếm các tiêu chuẩn đáp ứng nhu cầu kinh doanh. Câu trả lời cho câu hỏi này là B.

Câu hỏi 5 (Mô tả hình ảnh)

Vẫn sử dụng hình trên, nếu chúng ta sử dụng lớp của Hình B, chúng ta có thể xác định lớp đầu tiên là chuẩn mực kinh doanh và tiến hành nghiên cứu chuyên sâu không:

A. Có thể

B. Không

(Câu hỏi hơi phức tạp, hãy suy nghĩ một phút)

Trả lời: Không. Bởi vì chúng ta không biết liệu thành tích tốt của những người này có được duy trì hay chỉ thỉnh thoảng. Như thể hiện trong hình bên dưới, có bốn xu hướng khác nhau cho những người chiến thắng có thể được chọn trong vòng một tháng:

Lưu ý: Nói chung, để thuận tiện cho việc thu thập dữ liệu, chúng tôi sẽ không thu thập toàn bộ dữ liệu cùng một lúc. Do đó, các dự án thường được thúc đẩy từ các trường hợp riêng lẻ thành các dự án chung, từ một tháng đến cả năm và kết quả được đưa ra theo từng bước. Một mặt, nó có thể cải thiện hiệu quả và ngăn chặn các dự án bị trì hoãn trong thời gian dài mà không mang lại kết quả nào; Mặt khác, các trường hợp khẩn cấp ngắn hạn dễ giải thích hơn. Nếu bạn muốn biết liệu mình có thực sự tìm ra một mô hình hay không, bạn phải mở rộng nó từ ngắn hạn sang dài hạn.

Ví dụ, trong ví dụ này, trước tiên chúng ta có thể chọn các chuẩn mực bán chuẩn từ hiệu suất của một tháng và sau đó xem xét tính ổn định của chúng. Điều này giúp chúng tôi diễn giải các ý nghĩa kinh doanh sâu sắc hơn và thiết lập giả thuyết cho bước phân tích tiếp theo. Với giả thuyết phân tích đã có, bạn có thể đi sâu hơn và thực hiện phân tích chuyên sâu hơn.

Chủ đề này là một trong những chủ đề mà cô giáo Trần sử dụng để đào tạo nội bộ. Câu hỏi gốc không có nhiều gợi ý, chỉ có sáu trường:

1. Mã số nhân viên bán hàng

2. Tên tiếng Trung của khách hàng

3. Số điện thoại liên lạc của khách hàng

4. Giao dịch đã hoàn tất chưa?

5. Thời gian giao dịch

6. Số tiền giao dịch

Nhiều sinh viên sau khi đọc đã cảm thấy bối rối: "Phân tích này là cái quái gì vậy? Chẳng có gì cả." Nhưng nó thực sự phản ánh tình hình hiện tại của nhiều công ty. Mặc dù được gọi là “doanh nghiệp Internet” nhưng thực tế cách quản lý của nó còn lạc hậu hơn cả các doanh nghiệp truyền thống.

Xét từ các bước giải quyết vấn đề, chỉ cần đặt ra mục tiêu hợp lý và thực hiện từng bước thì có thể rút ra được nhiều kết luận hữu ích. Ngay cả khi cuối cùng chúng ta phát hiện ra rằng doanh số bán hàng chỉ là ngẫu nhiên thì đó vẫn là sự hỗ trợ tuyệt vời cho doanh nghiệp. Ít nhất thì trong tương lai chúng ta có thể tuyển dụng được càng nhiều người càng tốt và sử dụng chiến thuật biển người. Tất nhiên, sẽ lý tưởng hơn nếu chúng ta có thể tóm tắt một tập hợp các từ chuẩn.

Hơn nữa, không phải tất cả dữ liệu đều không có sẵn. Ví dụ, nếu chúng ta thực sự chọn một điểm chuẩn, phong cách nói chuyện, thời gian liên hệ với khách hàng và số cuộc gọi theo dõi có thể được ghi lại và bổ sung. Dựa trên những kết quả phân tích này, chúng ta có thể thúc đẩy hơn nữa việc nâng cấp và chuyển đổi hệ thống. Với một hệ thống tốt hơn, hiệu quả kinh doanh có thể được cải thiện và dữ liệu có thể cung cấp nhiều tài liệu phân tích hơn, và mọi người đều được hưởng lợi.

Bây giờ chúng ta đã đề cập đến việc thu thập dữ liệu, câu hỏi đặt ra là: chúng ta bắt đầu từ đâu?

Câu hỏi 6 (Trình tự)

Sau giai đoạn phân tích đầu tiên, doanh nghiệp nhận ra việc sao chép chuẩn mực và muốn cải thiện dữ liệu hơn nữa. Sau đó, tất cả dữ liệu sau đều cần có sự hỗ trợ của hệ thống và thứ tự ưu tiên là:

A. Sử dụng trình thu thập thông tin để thu thập thông tin chi tiết của khách hàng

B. Nhập sơ yếu lý lịch của nhân viên bán hàng vào hệ thống

C. Ghi lại các hoạt động của nhân viên bán hàng trên CRM

D. Hoàn thành mẫu thông tin khách hàng để nhân viên bán hàng điền vào

(Câu hỏi hơi phức tạp, hãy suy nghĩ một phút)

Có bao nhiêu lập trình viên đặt chữ A lên trước? Xin hãy giơ tay lên, haha. Xin lưu ý rằng mặc dù tất cả các tùy chọn ABCD đều yêu cầu một hệ thống, nhưng mức độ khó khăn trong việc thu thập dữ liệu, mức độ hỗ trợ kinh doanh cần thiết và tính hữu ích của dữ liệu lại khác nhau:

• Sơ yếu lý lịch: Được định dạng nhiều nhất và không do nhân viên bán hàng xử lý, do đó ít có khả năng bị sai lệch.
• Dữ liệu CRM: ghi lại hoạt động trực tiếp mà không cần thông qua bán hàng.
• Phiếu thông tin: Cần thông qua nhân viên bán hàng và có biện pháp quản lý hỗ trợ.
• Trình thu thập dữ liệu: Có vẻ khả thi, nhưng khó có thể đảm bảo tính ổn định của chất lượng dữ liệu (cụ thể trong trường hợp này, dữ liệu kinh doanh B2B có thể rất phân tán, không giống như doanh số bán hàng và bình luận thương mại điện tử có thể được thu thập theo cách tập trung).

Do đó, từ dễ đến khó, thứ tự là B≥C≥D≥A. Tôi đưa ra ví dụ này chỉ để nhắc nhở mọi người: Đừng quá ám ảnh với công nghệ chỉ vì chúng ta đang làm trong lĩnh vực công nghệ. Nhiều công cụ kỹ thuật cần có hệ thống hỗ trợ để đảm bảo dữ liệu không bị nhiễm bẩn. Vào thời điểm này, chúng ta cần phải hợp tác chặt chẽ với doanh nghiệp và cân nhắc đến tính khả dụng và tiện lợi của công nghệ. Một số người quá ám ảnh với dữ liệu và làm cho quy trình kinh doanh trở nên cực kỳ phức tạp, với quá nhiều trường trong bảng dữ liệu. Kết quả là, những người bán hàng giao dịch với họ một cách hời hợt và cuối cùng họ là những người phải chịu tổn thương.

bản tóm tắt

Trong bài viết trước, chúng tôi đã liệt kê năm chìa khóa để thực hiện một dự án phân tích dữ liệu xuất sắc. Trong bài viết này, chúng tôi tóm tắt năm cạm bẫy chính khi thực hiện các dự án phân tích dữ liệu xuất sắc:

1. Không có dự án, không có sự đồng thuận, chỉ có dữ liệu, không có triển khai
2. Việc lấy mục tiêu cao nhất làm mục tiêu của dự án sẽ không đạt được
3. Áp dụng mô hình một cách máy móc sẽ dẫn đến tình trạng kẹt do dữ liệu không đủ
4. Quá phức tạp để thực hiện cùng một lúc và mất nhiều thời gian để có kết quả.
5. Không có sự lặp lại dần dần và kết quả chỉ là một PPT

Chìa khóa để tránh những cạm bẫy này là từ chối làm việc một cách biệt lập, kết hợp các nhu cầu kinh doanh và phát triển từ thấp đến cao. Trong quá trình này, cần có nhiều hiểu biết sâu sắc về nhu cầu, giao tiếp và cộng tác để có thể tách biệt kết quả phân tích thử nghiệm kinh doanh khỏi sai sót và thúc đẩy kết quả đúng đắn nhằm phát triển doanh nghiệp.

Đây là lý do tại sao những thứ như "Titanic", "Giá nhà ở Boston", "Một loại thẻ tín dụng của người Mỹ" và "Đánh giá phim Maoyan" trên Internet không được coi là dự án. Những dự án được gọi là của người nổi tiếng trên Internet này thực chất chỉ là chạy một bảng tính dữ liệu.

Hơn nữa, nhiều người tự học không tự chạy bảng dữ liệu này mà phải sao chép mã từ Internet. Ngoài kỹ năng đánh máy (và khả năng đọc các từ tiếng Anh), không có giao tiếp, phân tích nhu cầu, xây dựng kế hoạch, thử nghiệm kết quả hoặc quy trình nâng cấp lặp đi lặp lại. Mặc dù những dự án của người nổi tiếng trên mạng này được gọi là "trí tuệ nhân tạo" và "thay đổi nghề nghiệp trong 21 ngày và kiếm được một triệu đô la một năm", nhưng chúng chỉ nhằm mục đích giải trí mà thôi.

Tục ngữ có câu: Tướng quân dũng cảm phải xuất thân từ trong quân ngũ, tể tướng phải xuất thân từ các quận, huyện. Một nhà phân tích dữ liệu giỏi không bắt đầu bằng việc mày mò các mô hình mà có khả năng đọc được các vấn đề của công ty từ các chi tiết dữ liệu; anh ấy có thể thiết kế các phương pháp khả thi dựa trên cả những dữ liệu đơn giản nhất để giúp doanh nghiệp nâng cấp từ cấp thấp lên cấp cao. Đây chính xác là những gì một nhà phân tích dữ liệu giỏi thực sự làm.

Tuy nhiên, một số học sinh sẽ nói: Thưa thầy, tình huống này là một điểm khó khăn trong kinh doanh, hãy đến gặp chúng em để giải quyết. Nhưng còn một kịch bản khác: bản thân doanh nghiệp không biết mình muốn gì? Sau đó họ yêu cầu chúng tôi, "Các bạn phải diễn giải một điều mà chúng tôi không biết và điều đó rất quan trọng." Lúc này, mọi thứ đều mơ hồ và hỗn loạn. Tôi nên làm gì?

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