Báo cáo phân tích dữ liệu, phần [Gợi ý] viết như thế nào?

Làm thế nào để đưa ra các khuyến nghị chiến lược hiệu quả trong phân tích dữ liệu? Bài viết này sử dụng một ví dụ đơn giản để chỉ ra cách sử dụng tư duy dữ liệu để đào sâu tìm hiểu nguyên nhân đằng sau vấn đề và đưa ra các đề xuất cụ thể và khả thi.

Đừng chỉ báo cáo số liệu! Hãy suy nghĩ một cách chiến lược! Đưa ra những đề xuất khả thi!

Nhiều sinh viên làm việc với dữ liệu đã từng bị lãnh đạo và đồng nghiệp la mắng như thế này. Nhưng tư duy chiến lược là gì? ? ? Thông thường, khi nghe những từ này, sinh viên thường háo hức lấy những cuốn sách hướng dẫn như "Phương pháp McKinsey" ra đọc hoặc tìm kiếm các bài viết như "Suy nghĩ cơ bản", "Logic cốt lõi" và "Khung phân tích" trên Internet.

Kết quả là, tôi không nhớ bất cứ điều gì ngoại trừ những thuật ngữ mơ hồ như "phân hạch", "điểm đau" và "sự gián đoạn". Lần tới khi viết báo cáo, tôi sẽ tiếp tục so sánh theo từng năm, từng tháng và ba năm. Nếu chúng quá thấp, tôi sẽ cố gắng làm cho chúng cao hơn...

Phải làm gì? !

Chúng ta hãy lấy một ví dụ đơn giản. Hôm nay, Li Qianying, một cô gái trẻ làm việc tại phòng nhân sự, đã bị sếp mắng và khóc vì với tư cách là một nhân viên nhân sự, bảng chấm công tuần này của cô trông như thế này:

Vậy, với tư cách là nhà phân tích dữ liệu, bạn có đề xuất gì sau khi xem nội dung này?

1. Thiếu hiệu suất chiến lược

Ngay sau đó, bốn sinh viên đang phân tích dữ liệu đã đưa ra câu trả lời.

Câu trả lời của học sinh 1:

• Tháng này có 22 ngày làm việc, trong đó có 11 ngày đi làm trễ, tỷ lệ đi làm trễ là 50%.
• Tuần thứ hai là tuần chậm nhất, với 4 ngày chậm trễ và tỷ lệ chậm trễ là 80%.
• Tuần thứ ba có số lượng học sinh đến muộn ít nhất, với 1 ngày đến muộn và tỷ lệ đi muộn là 20%.

Câu trả lời của học sinh 2:

• Có quá nhiều lần đến muộn nên lời khuyên là không nên đến muộn.
• Đặc biệt khuyến cáo không nên đến muộn vào thứ Hai.

Câu trả lời của học sinh 3:

• Nguồn dữ liệu là...
• Quá trình tạo mô hình là...
• Sau khi phân tích mô hình hồi quy, dự đoán tháng tới sẽ chậm 12 ngày.
• Khuyến khích giảm tình trạng đi trễ.

Học sinh 4 vẫn chưa đưa ra câu trả lời:

Anh ấy đang tìm kiếm "Mô hình phân tích tình trạng đi trễ của nhân viên" trên Internet. Tôi tìm kiếm suốt buổi sáng nhưng không tìm thấy, nhưng tôi đã tham gia năm nhóm thảo luận về phân tích dữ liệu và mọi người trong mỗi nhóm đều hỏi:

• Có chuyên gia phân tích dữ liệu nào ở đây không?
• Có chuyên gia phân tích dữ liệu nào trong ngành nhân sự không?
• Có sách nào về phân tích nguồn nhân lực không, tốt nhất là ở định dạng PDF?
• cấp bách! Có thể thanh toán! Đang chờ trực tuyến!

Câu hỏi: Trong bốn học sinh trên, ai có thể đỗ?

2. Vấn đề cốt lõi

Rõ ràng là không có đáp án nào trong bốn đáp án trên là đủ tiêu chuẩn!

Họ không đủ trình độ chỉ vì họ nói những lời sáo rỗng và vô nghĩa. Hơn nữa, tất cả họ đều mắc phải cùng một lỗi: họ chỉ thảo luận về các con số và bỏ qua quá trình.

Với tư cách là một nhà quản lý nhân sự, lời khuyên tôi muốn nghe là:

• Mẹo 1: Ra ngoài sớm.
• Gợi ý 2: Hãy đi taxi khi bạn cần. Tại sao phải tiết kiệm tiền?
• Gợi ý 3: Nếu bạn mắc lỗi, hãy thừa nhận lỗi của mình. Khóc lóc chẳng có ích gì cả!

Là em gái của Lý Thiên Anh, lời khuyên tôi muốn nghe là:

• Đề xuất 1: Giảm bớt khối lượng công việc cho đồng chí Lý Thiên Anh.
• Đề xuất 2: Do đồng chí Lý Thiên Anh ở quá xa nên đề nghị cấp ngoại lệ đặc biệt thêm vài ngày nữa.
• Đề xuất 3: Đồng chí Lý Thiên Anh đã làm việc quá sức vào tháng trước, vì vậy chúng tôi đề nghị miễn hình phạt cho đồng chí này.

Bạn không thể thấy sự khác biệt. Cả lãnh đạo doanh nghiệp và cấp dưới đều không quan tâm đến những con số cụ thể cũng như mô hình được sử dụng để đưa ra những con số đó. Họ quan tâm đến những gì có thể thực hiện được. Những gì bạn làm phải có cơ sở, và sẽ còn tốt hơn nữa nếu nó có thể thuyết phục được mọi người! Gợi ý là một hành động cụ thể mà bộ phận kinh doanh có thể thực hiện. Hành động này có liên quan chặt chẽ đến quy trình làm việc kinh doanh. Để có thể đạt được kết quả được mọi người công nhận.

Do đó, khi đưa ra gợi ý, đừng chỉ chú trọng vào con số, đặc biệt là đừng chú trọng vào "con số kết quả" như trong những câu hỏi như thế này. Nếu bạn cứ mãi nghĩ về nó, kết quả sẽ chỉ là một cuộc tranh cãi trẻ con như "Bạn nói tôi lười biếng, tôi nói tôi không lười biếng". Chỉ bằng cách tìm ra cách đi sâu vào quá trình xảy ra vấn đề, chúng ta mới có thể tìm ra câu trả lời.

3. Ý tưởng để giải quyết vấn đề

Khi chúng ta liên hệ dữ liệu với quy trình cụ thể, chúng ta có thể thấy rằng dữ liệu rất hữu ích trong việc định lượng quy trình và xác định vấn đề.

Ví dụ, đề xuất đơn giản nhất là "ra ngoài sớm", nghe có vẻ hợp lý nhưng thực tế có ít nhất ba lỗ hổng:

1. Tôi không chắc mình nên rời nhà sớm vào lúc mấy giờ, 6 giờ chăng? 7 giờ? 8 giờ? Chỉ nói "ra ngoài sớm" cũng giống như không nói gì cả. Nó cần phải được định lượng.
2. Tôi không biết có lý do đặc biệt nào không. Rất có thể cô bé sẽ bật khóc: "Hôm trước làm thêm đến nửa đêm không dậy được thì có bình thường không!!! Bắt mặc đồ chỉnh tề, trang điểm trước khi ra ngoài thì có bình thường không!!! Muốn tôi bận rồi đổ lỗi cho tôi, wuwuwu"... Định lượng mà không phân biệt tình huống cụ thể thì không thuyết phục.
3. Tôi không biết lý do đặc biệt đó có đúng hay không. Chỉ có Chúa mới biết liệu cô ấy thực sự bận rộn hay đã đi dự tiệc đến tận nửa đêm ngày hôm kia. Điều đáng lo ngại hơn nữa là dữ liệu có thể được sử dụng để tìm ra câu trả lời trực tiếp có thể bị thiếu. Bạn không phải là bạn trai của cô ấy, vậy làm sao bạn biết được liệu cô ấy có đi dự tiệc hay làm thêm giờ vào đêm hôm trước không?

Vì không có bằng chứng trực tiếp, chúng ta phải tiến hành từng bước:

1. Đầu tiên, hãy dọn sạch dữ liệu có sẵn và thiết lập một khuôn khổ phân tích cơ bản
2. Hãy cùng xem cách khám phá các tình huống cụ thể và loại bỏ các tình huống bất thường

Chỉ bằng cách này, chúng ta mới có thể có căn cứ vững chắc và thuyết phục người khác bằng lý lẽ.

4. Thứ tự trả lời câu hỏi

Bước đầu tiên là tìm hiểu dữ liệu nào có sẵn.

Khi nói đến việc đi lại, chúng ta thực sự không cần nhiều thông tin riêng tư đến vậy:

Bước thứ hai là thiết lập một khuôn khổ phân tích cơ bản.

Trong khuôn khổ phân tích cơ bản, nhiều tình huống bất ngờ và kịch bản đặc biệt không được xem xét, chỉ có logic dữ liệu cơ bản nhất của doanh nghiệp được xem xét.

Ví dụ, khi nói đến việc đi lại, chỉ cần bạn chọn điểm bắt đầu (khu phố nơi Li Qianying sống) và điểm kết thúc (công ty), bạn có thể mở Amap và xem:

• Bao xa thế nào
• Phải mất bao lâu để đi tàu điện ngầm?
• Chuyến đi này có giá bao nhiêu và mất bao lâu?

Với thông tin cơ bản này, chúng ta có thể xác định khoảng cách thực sự có quá xa hay không, do đó loại bỏ được nhiều lý do/nghi ngờ (như minh họa bên dưới):

Bước thứ ba là thảo luận về những trường hợp đặc biệt có thể định lượng được.

Đừng buôn chuyện về một cô gái xinh đẹp ngay khi bạn nhìn thấy cô ấy. Nó chẳng mang lại lợi ích gì cho bạn ngoại trừ việc gây ra tranh cãi. Đầu tiên, hãy tính toán các vấn đề rõ ràng có thể thu thập được từ dữ liệu, chẳng hạn như tiền làm thêm giờ và tiền taxi. Bằng cách này, chúng ta có thể thấy liệu có thực sự có sự phân công lao động không đồng đều hay không và liệu những người khác có bị đối xử bất công hay không; Thứ hai, nó cũng có thể ngăn mọi người đưa ra lời bào chữa (nếu họ thực sự không làm thêm giờ).

Bước 4: Đưa ra khuyến nghị.

Với sự chuẩn bị trên, các gợi ý về phép suy diễn có thể được chứng minh là hợp lý và rất cụ thể (như thể hiện bên dưới):

5. Quay lại công việc thực sự

Tất nhiên, ví dụ trên chỉ là một ví dụ vui nhưng nó phản ánh rõ ràng vấn đề trong thực tế:

• Các phòng ban kinh doanh thường suy nghĩ theo cách ích kỷ và những đề xuất họ đưa ra đều vì lợi ích của riêng họ/những gì họ muốn thể hiện. Họ quá lười để xem xét sự thật, chứ đừng nói đến việc phân loại chi tiết.
• Các phòng dữ liệu thường bị cuốn vào trò chơi con số, tập trung quá nhiều vào việc tính toán số liệu và bỏ qua các quy trình kinh doanh, và cuối cùng chỉ nói về số liệu và dừng lại ở số liệu.

Điều này không có lợi cho việc đưa ra kết luận và đề xuất đúng đắn. Cách tiếp cận tốt nhất là bắt đầu từ quy trình, tiến hành từng bước và xây dựng một cây logic. Tuy nhiên, khái niệm về mô hình thuật toán đã được lưu hành rộng rãi trong hai năm qua, khiến phía doanh nghiệp và phía dữ liệu nghĩ rằng chỉ cần LR, CNN và XGBOOST được đẩy lên thì máy tính sẽ có thể nói: "Li Qianying, tôi là AlphaGo toàn năng. Tháng này đến muộn là lỗi của anh"... Điều này gây ra nhiều trò đùa hơn.

Tất nhiên, tất cả những điều này đều dựa trên một tiền đề cơ bản: bạn phải có khả năng phân biệt được liệu bạn đang thấy dữ liệu kết quả hay dữ liệu quy trình. Một học sinh đã từng hỏi thầy Trần: "Thầy ơi, em phải làm sao để nâng cao khả năng tư duy chiến lược? Thầy thấy đấy, hiện tại chúng em làm tốt mọi việc, nhưng tỷ lệ chuyển đổi lại không tăng. Tại sao vậy?"

Trả lời: Bây giờ bạn chính là Lý Thiên Anh, chu môi hồng và tỏ vẻ buồn bực: "Tôi đi làm rất tích cực mỗi ngày, nhưng tại sao tôi luôn đi muộn?"... Nếu bạn muốn tìm ra câu trả lời, thì chỉ lo lắng về kết quả là vô ích, bạn phải đi sâu hơn vào quá trình.

Vì vậy, đừng chỉ xếp chồng các con số hoặc thêm một loạt hình tròn và ô. Cách đúng đắn là phân tích cụ thể các vấn đề.

Tác giả: Thầy giáo thực tế Chen

Tài khoản công khai WeChat: Giáo viên thực tế Chen (ID: gh_abf29df6ada8)