干货丨数据驱动决策的13种思维,你知道几种?

2023-05-31 0 738

干货丨数据驱动决策的13种思维,你知道几种?

萨德基:

现代学术研究说明,大脑内部结构主要就由右下中肠组成,它们各有明晰的社会分工,右脑主要就完成词汇、方法论等知觉与行为,而右脑则具有摄影艺术、发明缔造以及系统性观念的能力,蕴含着收敛观念、反向观念、关连观念等碳酸铯的观念才华,正是这里迸发出着无穷无尽缔造生机。

大统计数据黄金时代的革新关键的是须要缔造一种捷伊方法论,须要人们在通常状态下重新启动右脑的同时,来充份唤起沈睡的右脑,唤起技术创新观念。

商业性史上,擅于唤起右脑缔造力的成功先行者俯拾即是。雷诺擅于充份发挥右脑广度缔造力,在重大经营范围上经常做出缔造力重大决策,实乃驰名世界的“汽车三宝”;贾伯斯从来不青睐市场,特别强调产品与外无与伦比崇尚的他,创举了“苹果公司”的光辉。

所以,在现今信息信息黄金时代、在睿智火星的技术创新黄金时代,我们切不可失去了右脑观念的白眉林、举重若轻和缔造力。统计数据驱动力重大决策,为了不许这句话成为空谈,请先武器装备以下13种思想枪械,坚信今后你一定会用上!

今天的该文撷取给大家,Enjoy it。

该文

效度与效度观念

干货丨数据驱动决策的13种思维,你知道几种?

该些也许是概要最难认知的部分,但我觉得也最关键。没有这个观念,重大制定者很有可能在统计数据中沉沦。

干货丨数据驱动决策的13种思维,你知道几种?

到统计数据分析工作的各方面。

所谓效度,是指一个统计数据或指标自身的可靠程度,包括准确性和稳定性”取数方法论是否正确?有没有计算错误?这属于准确性;每次计算的算法是否稳定?口径是否一致?以相同的方法计算不同的对象时,准确性是否有波动?这是稳定性。做到了以上两个方面,就是一个好的统计数据或指标了?其实还不够,还有一个更关键的因素,就是效度!

所谓效度,是指一个统计数据或指标的生成,需贴合它所要衡量的事物,即指标的变化能够代表该事物的变化。”

只有在效度和效度上都达标,才是一个有价值的统计数据指标。举个例子:要衡量我身体的肥胖情况,我选择了穿衣的号码作为指标,一方面,相同的衣服尺码对应的实际衣服大小是不同的,会有美版韩版等因素,使得准确性很差;同时,一会儿穿这个牌子的衣服,一会儿穿那个牌子的衣服,使得该衡量方式形成的结果很不稳定;所以,衣服尺码这个指标的效度不够。

另一方面,衡量身体肥胖情况用衣服的尺码大小?你一定觉得荒唐,尺码大小并不能反映肥胖情况,是吧?因此效度也不足。体脂率,才是效度和效度都比较达标的肥胖衡量指标。

在我们的现实工作中,许多人会想当然地拿了指标就用,这是非常值得警惕的。你要切骨头却拿了把手术刀,是不是很可悲?效度和效度的本质,其实就是**统计数据质量**的问题,这是一切分析的基石,再怎么重视都不过分!!

平衡观念

干货丨数据驱动决策的13种思维,你知道几种?

干货丨数据驱动决策的13种思维,你知道几种?

说到天平大家都不陌生,平衡的观念坚信各位也都能很快认知。简单来说,在统计数据分析的过程中,我们须要经常去寻找事情间的平衡关系,且平衡关系往往是关乎企业运转的大问题,如市场的供需关系,薪资与效率关系,工作时长与错误率的关系等等。

平衡观念的关键点,在于寻找能展示出平衡状态的指标!”也就是如图中红框,我们要去寻找这个准确的量化指标,来观察天平的倾斜程度。怎么找这个指标呢?以我的经验,一般先找双向型的问题,即高也不是低也不是的问题,然后量化为指标,最后计算成某个比率,长期跟踪后,观察它的效度和效度。

分类观念

干货丨数据驱动决策的13种思维,你知道几种?

干货丨数据驱动决策的13种思维,你知道几种?

客户分群、产品归类、市场分级、绩效评价…许多事情都须要有分类的观念。主管拍脑袋也可以分类,通过机器学习算法也可以分类,那么许多人就模糊了,到底分类观念怎么应用呢?

关键点在于,分类后的事物,须要在核心指标上能拉开距离!集群的倾向。

举个例子:假设该图反映了某个消费者分群的结果,横轴代表购买频率,纵轴代表客单价,那么绿色的这群人,就是明显的“人傻钱多”的“剁手金牌客户”。

矩阵化观念

干货丨数据驱动决策的13种思维,你知道几种?

干货丨数据驱动决策的13种思维,你知道几种?

矩阵观念是分类观念的发展,它不再局限于用量化指标来进行分类。许多时候,我们没有统计数据做为支持,只能通过经验做主管的推断时,是可以把某些关键因素组合成矩阵,大致定义出好坏的方向,然后进行分析。大家可以百度经典的管理分析方法“波士顿矩阵”模型。

管道/漏斗观念

干货丨数据驱动决策的13种思维,你知道几种?

干货丨数据驱动决策的13种思维,你知道几种?

这种观念方式已经普及:注册转化、购买流程、销售管道、浏览路径等,太多的分析场景中,能找到这种观念的影子。

但我要说,看上去越是普世越是容易认知的模型,它的应用越得谨慎和小心。在漏斗观念当中,我们尤其要注意“漏斗的长度”

漏斗从哪里开始到哪里结束?以我的经验,漏斗的环节不该超过5个,且漏斗中各环节的百分比数值,量级不要超过100倍(漏斗第一环节100%开始,到最后一个环节的转化率数值不要低于1%)。若超过了我说的这两个数值标准,建议分为多个漏斗进行观察。当然,这两个是经验数值,仅仅给各位做个参考。

理由是什么呢?超过5个环节,往往会出现多个重点环节,那么在一个漏斗模型中分析多个关键问题容易产生混乱。数值量级差距过大,数值间波动相互关系很难被察觉,容易遗漏信息。比如,漏斗前面环节从60%变到50%,让你感觉是天大的事情,而漏斗最后环节0.1%的变动不能引起你的注意,可往往是漏斗最后这0.1%的变动非常致命。

相关观念

干货丨数据驱动决策的13种思维,你知道几种?

干货丨数据驱动决策的13种思维,你知道几种?

我们观察指标,不仅要看单个指标的变化,还须要观察指标间的相互关系!有正相关关系(图中红色实线)和负相关关系(蓝色虚线)。最好能经常计算指标间的相关系数,定期观察变化。

相关观念的应用太广了,我提往往是被大家忽略的一点。现在的很多企业管理层,面对的问题并不是没有统计数据,而是统计数据太多,却不知道怎么用。相关观念的其中一个应用,“就是能够帮助我们找到最关键的统计数据,排除掉过多杂乱统计数据的干扰!

如何执行呢?你可以计算能收集到的多个指标间的相互关系,挑出与其他指标相关系数都相对较高的统计数据指标,分析它的产生方法论,对应的问题,并评估效度和效度,若都满足标准,这个指标就能定位为核心指标!

远近度观念

干货丨数据驱动决策的13种思维,你知道几种?

干货丨数据驱动决策的13种思维,你知道几种?

现在与许多处在管理层的朋友交流后,发现他们往往手握众多统计数据和报表,注意力却是非常的跳跃和分散。如何避免呢?一是上文说的通过相关观念,找到最核心的问题和指标;二就是该些要说的,建立远进度的思维方式。

确定好核心问题后,分析其他业务问题与该核心问题的远近程度,由近及远,把自己的精力有计划地分配上去。比如:近期你地核心任务就是提高客服人员的服务质量,那么客服人员的话术、客户评价通道、客服系统的

方法论树观念

干货丨数据驱动决策的13种思维,你知道几种?

干货丨数据驱动决策的13种思维,你知道几种?

如图的树状方法论坚信大家已经见过许多回了。一般说明方法论树的分叉时,都会提到“分解”和“汇总”的概念。我这里把它变一变,使其更贴近统计数据分析,称为“下钻”和“上卷”。当然,这两个词不是我发明的,早已有之。

所谓下钻,就是在分析指标的变化时,按一定的维度不断的分解。比如,按地区维度,从大区到省份,从省份到城市,从省市到区。所谓上卷就是反过来。随着维度的下钻和上卷,统计数据会不断细分和汇总,在这个过程中,我们往往能找到问题的根源。

下钻和上卷并不是局限于一个维度的,往往是多维组合的节点,进行分叉。方法论树引申到算法领域就是重大决策树。有个关键便是何时做出重大决策(判断)。当进行分叉时,我们往往会选择差别最大的一个维度进行拆分,若差别不够大,则这个枝桠就不在细分。能够产生显著差别的节点会被保留,并继续细分,直到分不出差别为止。经过这个过程,我们就能找出影响指标变化的因素。

举个简单的例子:我们发现全国客户数量下降了,我们从地区和客户年龄层级两个维度先进行观察,发现各个年龄段的客户都下降,而地区间有的下降有的升高,那我们就按地区来拆分第一个方法论树节点,拆分到大区后,发现各省间的差别是显著的,那就继续拆分到城市,最终发现是浙江省杭州市大量客户且涵盖各个年龄段,被竞争对手的一波推广活动转化走了。就此通过三个层级的方法论树找到了原因。

时间序列观念

干货丨数据驱动决策的13种思维,你知道几种?

干货丨数据驱动决策的13种思维,你知道几种?

很多问题,我们找不到横向对比的方法和对象,那么,和历史上的状况比,就将变得非常关键。其实很多时候,我更愿意用时间维度的对比来分析问题,毕竟发展地看问题,也是“红色方法论”中的关键一环。这种方式容易排除掉一些外在的干扰,尤其适合技术创新型的分析对象,比如一个新行业的公司,或者一款全捷伊产品。

时间序列的观念有三个关键点:“一是距今越近的时间点,越要重视”(图中的深浅度,越近期发生的事,越有可能再次发生);二是要做“同比”(图中的尖头指示,指标往往存在某些周期性,须要在周期中的同一阶段进行对比,才有意义);三是“异常值出现时,须要重视”(比如出现了历史最低值或历史最高值,建议在时间序列作图时,添加平均值线和平均值加减一倍或两倍标准差线,便于观察异常值)。

时间序列观念有一个子概念不得不提一下,就是“生命

队列分析观念

干货丨数据驱动决策的13种思维,你知道几种?

干货丨数据驱动决策的13种思维,你知道几种?

随着统计数据运算能力的提高,队列分析的方式逐渐展露头脚。英文名称为cohort analysis,说实话我不知道怎么表述这个概念,我的认知就是“按一定的规则,在时间颗粒度上将观察对象切片,组成一个观察样本,然后观察这个样本的某些指标随着时间的演进而产生的变化”。目前使用得最多的场景就是留存分析。

举个经常用的例子:假设5.17我们举办了一次促销活动,那么将这一天来的新用户作为一个观察样本,观察他们在5.18、5.19…之后每天的活跃情况。

队列分析中,指标其实就是时间序列,不同的是衡量样本。队列分析中的衡量样本是在时间颗粒上变化的,而时间序列的样本则相对固定。

循环/闭环观念

干货丨数据驱动决策的13种思维,你知道几种?

干货丨数据驱动决策的13种思维,你知道几种?

循环/闭环的概念可以引申到很多场景中,比如业务流程的闭环、用户生命周期闭环、产品功能使用闭环、市场推广策略闭环等等。许多时候你会觉得这是一个不落地的概念,因为提的人很多,干出事情来的例子很少。

但我觉得这种思考方式是非常必要的。业务流程的闭环是管理者比较容易定义出来的,列出公司所有业务环节,梳理出业务流程,然后定义各个环节之间相互影响的指标,跟踪这些指标的变化,能从全局上把握公司的运行状况。

比如,一家软件公司的典型业务流:推广行为(市场部)➡流量进入主站(市场+产研)➡注册流程(产研)➡试用体验(产研+销售)➡进入采购流程(销售部)➡交易并部署(售后+产研)➡使用、续约、推荐(售后+市场)➡推广行为,一个闭环下来,各个衔接环节的指标千万不要用一个漏斗来衡量一个循环”。

有了循环观念,你能比较快的建立有方法论关系的指标体系。

测试/对比观念

干货丨数据驱动决策的13种思维,你知道几种?

干货丨数据驱动决策的13种思维,你知道几种?

AB test,大家肯定不陌生了。那么怎么细化一下这个概念?一是在条件允许的情况下,重大决策前尽量做对比测试;二是测试时,一定要注意参照组的选择,建议任何实验中,都要留有不进行任何变化的一组样本,作为最基本的参照。

指数化观念

干货丨数据驱动决策的13种思维,你知道几种?

干货丨数据驱动决策的13种思维,你知道几种?

指数化观念,是指将衡量一个问题的多个因素分别量化后,组合成一个综合指数(降维),来持续追踪的方式。把这个放在最后讨论,目的就是特别强调它的关键性。前文已经说过,许多管理者面临的问题是“统计数据太多,可用的太少”,这就须要“降维”了,即要把多个指标压缩为单个指标。

指数化的好处非常明显,“一是减少了指标,使得管理者精力更为集中;二是指数化的指标往往都提高了统计数据的效度和效度”;三是指数能长期使用且便于认知。

指数的设计是门大学问,这里简单提三个关键点:一是要遵循“独立和穷尽”的原则;二是要注意各指标的单位,尽量做“标准化”来消除单位的影响;三是权重和须要等于1。

独立穷尽原则,即你所定位的问题,在搜集衡量该问题的多个指标时,各个指标间尽量相互独立,同时能衡量该问题的指标尽量穷尽(收集全)。

举个例子:当初设计某公司销售部门的指标体系时,目的是衡量销售部的绩效,确定了核心指标是销售额后,我们将绩效拆分为订单数、客单价、线索转化率、成单周期、续约率5个相互独立的指标,且这5个指标涵盖了销售绩效的各个方面(穷尽)。我们设计的销售绩效综合指数=0.4*订单数+0.2*客单价+0.2*线索转化率+0.1*成单周期+0.1*续约率,各指标都采用max-min方法进行标准化。

通过这个例子,坚信各位就能认知指数化观念了。

干货丨数据驱动决策的13种思维,你知道几种?

今日互动

你想去却一直没有踏出第一步的“无人区”是哪里?

留言给我们,我们将送出《牧羊少年奇幻之旅》5本,12月13日公布获奖名单。

干货丨数据驱动决策的13种思维,你知道几种?

猜你喜欢:

启示丨老板们,你们能做的最好的事情就是别阻碍员工工作!

思考丨不靠KPI、不靠涨工资,什么可以让90后玩命工作?

星河互联CEO傅淼:中国企业全球化关键在于如何把中国动能与全球资源有效结合

深思丨压死创业者的最后一根稻草不是钱,而是“情感成本”

干货丨数据驱动决策的13种思维,你知道几种?

相关文章

发表评论
暂无评论
官方客服团队

为您解决烦忧 - 24小时在线 专业服务