天生對數字不敏感的人,如何提升對數據的敏感度?

目前在數據從業者的招聘職責中都會有一項要求——對數據敏感。

今天我們一起來聊聊數據敏感度到底是啥?數據分析師缺乏數據敏感度會怎樣?數據敏感度這個東西該怎麼培養?

1、數據敏感度到底是啥

討論中,大家對於這個問題的答案基本趨於一致。

數據敏感度強,意味着對業務更熟悉;

有數據敏感度的分析師,可以將感覺拆解爲可操作可執行的步驟;

看到數據指標能夠了解其業務含義,能夠發現數據中的異常值,知道一個數代表着“是好是壞”,“是高是低”,是否反映了業務中的某些問題

那麼在定義數據敏感度到底是什麼之前,我們先一起看看下面這些生活中常見的例子:

人類正常的體溫在36°-37°之間,但是小明此時體溫達到了38.5°;

25歲168cm的女性參考體重爲55公斤,同樣年齡身高的小紅體重卻達到了80公斤;

從上面這兩個生活中的例子,你很快能想到:小明好像發燒了;小紅的體重有些不健康。這種能將數字指標與實際生活之間的關聯起來的能力就是數據敏感度。

類比到工作中,當看到一組業務數字的時候,我們能迅速根據已有數據結合標準判斷業務狀態是否正常並且能感知到指標細微變化的不同意義,就是擁有數據敏感度的體現。比如體溫從36°變到36.5°可能屬於正常範圍。但是從37°到37.5°可能就是異常體溫了。雖然變化值一樣,但基於不同的情況所反映的最終結果卻不同。那麼在工作中也是一樣,用戶留存率降了5%,到底是不是正常範圍內的波動,需不需要出策略進行干預?能迅速對此作出反應,是一個合格分析師的必備技能。

2、缺乏數據敏感度會怎麼樣

數據敏感度是基於對工作中數據指標的熟悉以及對業務的掌握所形成的。那麼對於一名數據分析師而言缺乏敏感度會怎麼樣呢?沒有數據敏感度的數據分析師,就像沒有任何醫學知識的醫生一樣。

你試想上例中的小明,去找醫生看病。醫生告訴他,正常人的溫度是36°-37°之間,你已經38.5°了這是發熱了回去吃藥吧。小明絕對會認爲這醫生是個庸醫。因爲是個正常人都知道小明發熱了,要吃藥。但是小明想知道的是:爲什麼我突然發熱了?我想退熱應該喫什麼藥?如何避免以後在突然發熱?

當然這個例子看着有些不可思議。但是,你細想下身邊是不是有這樣的分析師。數據下降了,他告訴你:指標平時是x,今天突然變成了y。環比變化了z,這是異常值。要趕緊出個方案解決。業務就跟小明一樣,心裏想着:公司從哪裏招來這個人的?顯然業務想知道的是:爲什麼指標平時是x,今天是y?哪些因素導致的?目前這個指標異常能解決嗎?如果能,應該怎麼解決?如何在以後避免這種指標異常波動?

所以,我們能夠發現缺乏數據敏感度的分析師,通常有以下特徵:

無法發現關鍵指標的異常狀態缺乏數據敏感度的分析師無法敏銳的對日常數據變化產生洞察。

比如:我們app的次日留存率爲25%,有數據敏感性的分析師很快能判斷出這個指標相比較於以往是高了還是低了?如果對數據指標的不熟悉,那麼沒有數據敏感性的分析師可能對這個指標毫無感覺。

無法還原指標變化所對應的業務場景缺乏數據敏感度的數據分析師無法將數據指標的波動與真實業務場景關聯起來。比如:體檢的時候的各個指標,根據檢查單我們可以知道各個指標是否在正常的範圍內。但是如果指標有波動的話,我們無法確認這個波動是否正常?反映了我們身體存在什麼問題?這正是因爲我們缺乏醫療行業的業務知識和數據敏感度。

無法挖掘業務間的內在數據聯繫對於企業而言,指標與指標、業務與業務之間絕不是相互獨立的而是相輔相成、相互依賴的。對於缺乏數據敏感度的分析師很難發現其間的數據聯繫。比如:今天的退款非常多,我們會去做的第一件事情可能是去察看營銷部門的數據,我看到今天UV猛增,所以退款才特別多,這是可能合理的。但是,我從客服數據中發現一些退款是少量的賣家產生出來的,那就另當別論了,因爲這說明這個商業場景也有可能是作弊,此時就需要對營銷、客服和風控等多組數據綜合起來進行解釋。

3、如何培養數據敏感度

數據方面

瞭解指標定義,理清指標關係,常與標準作對比——我們可以在有新業務時,嘗試自己設計指標體系。指標體系可以把你從局部的點拉昇到整體的面上,這樣就能更深刻的理解到指標之間的相互聯繫。最常見的標準就是部門的KPI,如果某個指標沒有定KPI,也可以跟競品或同行業的數據標準對齊。

多看數據報表,積累感覺——可以定期的總結自己所負責業務的數據特性,瞭解指標存在的趨勢性。這點類似於我們以前上學的時候,英語老師讓我們多讀文章積累語感。

對待數據波動多思考,推斷業務發展狀態——對待數據指標波動,不能單維度考量。就算小的數據波動也可以考慮有哪些因素可能會影響數據,多思考指標之間的關係,業務之間的關聯性。

業務方面

與業務方多溝通、多交流——有條件可以參加業務方的組會,讓他們抄份週報給你。保持多聽,多問。

遇到不理解的問題及時問爲什麼,爲什麼我們主要監控的是A指標,不是B指標。爲什麼有的指標波動的很大,但是業務同學一點也不着急。很多同學不願意問別人,就會想:哎呀這個問題會不會太簡單,我問了別人會不會覺得我水平很低之類這樣的想法。這種想法大可不必,術業有專攻而已。反正我們的目標都是爲了讓業務發展的更好。當然提問也是一門藝術,有興趣的同學可以瞭解下“5 why分析法”。

把自己放在主動位上——有的時候心態也會影響我們對工作的態度。不要侷限於自己數據分析師的工作。如果你給自己的定位就是數據支撐,那從一開始的定位就錯了。我們可以適當的脫離數據,將自己放在業務的位置上,想一想如果要完成業務的KPI有哪些資源可以調用。這個時候再結合數據,看看我們用數據能否發現其中的隱藏點,從而獲得業務上的突破。

源:數據有聊

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章