- 产品
- 产品解决方案
- 行业解决方案
- 案例
- 数据资产入表
- 赋能中心
- 伙伴
- 关于
时间:2022-04-06来源:停滞的呼吸浏览数:196次
你问我答:有明确的问题要解答
我说你听:无明确问题,需要从常规数据中解读
今天先讲:你问我答。因为有明确问题,所以回答起来更聚焦,容易讲解。1
初级报告
昨天的销售业绩是多少
明天的销售业绩是多少
今天的销售业绩是多
思考1分钟 ▌问题1解读大家记得这个标准:一问一答,正面回答,简单清晰。昨天的销售业绩这个数很清楚的,答出来就行了。答1:昨天的销售业绩是1000万。OK,过关。▌问题2解读注意时间状态。明天,是还没有发生的,因此是个预测值。涉及预测,就得讲清楚:预测方法、预测依据、预测结果。预测方法有很多种,需要的数据量也不同,看菜下饭就好了。没理由领导随口问一下,你大喝一声:“呆!给我定住,三个月后我的超牛逼精准人工智能模型就好了……”所以可以简单回复,答:根据上周规律来看,明天预计1200万,比今天多20%。 当然,这种简单推测也是有前提的,见下:2
中级报告
上个月业绩情况如何?
为什么第三周业绩较前两周下跌了?
▌问题1解读 回答问题1前,先思考:这里有几个指标?
这里有几个维度?
第一问有几个问题?
这里只有一个指标:业绩,但是有3个分类维度:周、日、产品。很多新人会脱口而出:两个分类维度,时间和产品。请注意,时间是又分成周和日的,不区分清楚,后边回答就很混乱。因为这个指标很明显有周循环趋势,因此周这个维度是不能省略的。 这里显然不止一个问题。因为有了分类维度,所以有了整体和部分的区别。我们不能像初级汇报时候那样丢一个“总业绩是XXX”交差。遇到整体和部分,大家记得这个顺序:整体-局部-个案的顺序。在解释局部的时候,如果有多个分类维度,一般说完一个再说另一个。比如眼前这个例子,可以这么说:3
高级报告
我们常说:在数据分析领域,没有高级的方法,只有高难度的问题。如果所有的问题,都能像初级、中级汇报那样清晰明了,自然解答也是清晰明了。但,实际工作是:问题本身含糊不清,南辕北辙,莫名其妙。这就一下把报告的难度从初级提到高级了。比如下边这些问题: 为什么这个月业绩很差? 我们的产品体验有什么问题? 为什么我的领导会听到顾客不满意的抱怨 新人特别容易在这里栽跟头!这些问题都是看似清晰,实则一塌糊涂。和中级报告的最大区别是:中级报告是基于数据谈问题,而以上根本连基础的事实、数据都没有。这种情况下要牢记:先问是不是,再问为什么。因为:脱离概率谈个案、脱离整体谈细节、脱离数据谈现状、脱离标准谈判断,统统都是耍流氓!我们做数据分析,就是要用理性对抗感性,用逻辑性对抗情绪化,这些感觉、情绪、冲动都是我们的大敌,要坚决消灭!▌问题1解读 回答问题1,要先摆事实,再树标准,最后再分析。可以回答:这个月业绩数值是XXX
判断好和差的标准是(上月、去年同月、KPI指标……)
和标准对比,差的程度是(不存在,轻,中,重)
这个(轻,中,重)级别的差,是因为……
如果问题不存在,干脆就不答了
▌问题2解读 回答问题2,要先明确数据指标,再树标准,再分析。用户体验的考核指标是XXX
这些指标好/坏的标准是XXX
和标准对比,有问题的地方是XXX
问题的程度是(不存在,轻,中,重)
这个(轻,中,重)级别的问题,是因为……
如果问题不存在,干脆就不答了
▌问题3解读 回答问题3,套路也是一样的。只不过问题3更不靠谱。面对问题3,先落实:我的领导是谁
我的领导在什么时间、地点、以什么方式
听到了哪一个用户,关于什么问题的抱怨
落实到具体的问题,先看看是真的有这个事,还是主观臆断,还是道听途说,还是空穴来风,还是无风起浪,之后再做分析。4
小结
我们常说:高质量的问题带来高质量的答案。针对我问你答类报告,最大的问问往往是问题本身不清楚,相互混合,真假难辨,导致报告怎么做都很别扭。而大家回味下,不管是工作中还是生活中,我们脱口而出的问题往往都是很含糊、很随意的。所以要坚决清理好问题,后续报告都好做了。下一篇:AI在医疗影像的应用和探索...