前瞻性的重要性 前瞻性

老板嫌你的数据分析没有前瞻性,总是在分析大家都知道事情 。面对这种情况,你需要转变思维,换一种数据分析 *** 了 。

前瞻性的重要性  前瞻性

文章插图
有同学问:领导总让做“有前瞻性”的分析,不要说那些“大家都知道的事” 。
可到底什么是前瞻性?
有时候明明写了预计未来情况,可还是被批判为:没啥前瞻性,真不知道咋办了 。
先看看一个简单的例子如下,看图回答问题:6月的GMV是多少?
前瞻性的重要性  前瞻性

文章插图
有多少同学是脱口而出“400”?
常见的问题,就从这里开始 。
没有前瞻性的分析,长这样
错误一:复读机型看到上图数据,写出来的是:
月均GMV720
更大值1000
最小值500
中间值700
这肯定没有任何前瞻性,这根本就是把图表又用文字复读了一遍 。只要业务方不是瞎子,能看到数字,都会觉得这没啥意义 。
错误二:惯性思维还是上图数据,你认为6月的GMV是多少?
有多少同学是脱口而出“400”?
——这就是典型的惯性思维 。
其实,只有一年的数据完全不说明问题,但是人们就是会很惯性地认为:过去跌的就一定跌,过去涨的就一定涨 。特别是出现这种5432顺序排列的数据,惯性得就会认为下个数字是1 。
其实,这正是数据分析要打倒的大敌 。如果我们引入过往年份数据,很有可能曲线长这样:
前瞻性的重要性  前瞻性

文章插图
这时候还有谁说6月是400?很有可能1-5月的只是正常的业绩波动而已 。
所以,单纯用惯性思维判断,完全没有体现数据分析的价值,做的结论还极有可能是错误的 。
错误三:习以为常还是上图数据,很多同学看了三年趋势,然后脱口而出:因为过去6月份会涨,所以今年6月份也会涨 。
这种说法,很有可能被业务评价为:我早知道了!你分析了啥?
因为历史规律,特别是这种宏观迹象这么明显的规律,是个人只要不瞎都看得到,说出来当然没啥意思 。况且,谁说去年涨,今年就一定涨?万一今年涨的少,甚至跌了呢?仅凭一根线又怎么判断呢?
真正的前瞻性,是定性预测本质上,所谓的前瞻性,是需要我们做一个定性预测 。
虽然没有精确的数据或模型,但是能通过分析,判断未来走势(相对应的,建数据模型详细计算的是定量预测) 。
做预测的关键,是找到影响未来的因素 。
这些影响因素,才是支撑指标曲线的真正支柱 。支柱倒了,指标自然下跌;支柱稳固,指标自然高企 。
所以,想做好预测,不能只对着数据本身就数论数,而是得找到数据背后的原因 。
比如,上图中6月,11月大涨,可能有几个原因:
行业因素:行业本身就是夏季、冬季前有一波高峰(比如旅游相关机票、***、住宿,赶在寒暑假前大量预定);促销因素:618,双11是主战场,要拼命做大GMV<;/li>产品因素:这个行业每年6,11月上新品;其他因素 。在做预测之前,我们要先了解业务,掌握影响因素 。
根据影响因素的可辨识程度,大致可分成三类,我们一类一类来看:
前瞻性的重要性  前瞻性

文章插图
之一类:宏观事件型宏观事件往往备受关注,媒体会大量报道,因此辨识度很高 。但相应的,辨识度越高的东西,讲出来价值就越低 。
因此,在做定性预测的时候,提及宏观事件,是个必选项 。提了,不一定被认可;不提,一定被视作“你都不懂业务”“这么明显都看不到” 。
有些坏习惯会影响做数据的同学关注到宏观事件 。比如,很多做数据分析的同学只看数据类文章,反而每天沉迷在数字和代码里,对行业发生了什么都不知道 。这样一来,当然很容易被批了 。
需注意,之所以是定性预测,因为很多宏观因素的影响可能无法预测 。
循环出现的,可以看过往的历史规律(比如节假日影响、行业周期性波动);但是个案出现的,就很难去预测 。比如,突然出台新政策,禁掉了某些业务 。
无法预测效果,只能去研究政策细节,看看到底影响面有多大,做个预警 。
前瞻性的重要性  前瞻性

文章插图
第二类:投入产出型投入产出型事件,往往是大家都知道有影响,但具体影响多少不清楚,这时能体现一定的数据价值 。

推荐阅读