上一篇大家对数据分析项目有了一定的认知，今天我们拿一个具体场景来解析下，怎么做才能让项目出彩。五个问题对应五大坑点，认真思考，不要踩坑哦。
场景还原：
某互联网企业的B2B商务拓展团队，主要通过电话销售联系潜在客户，外呼名单管理混乱，只有客户企业名称、联系电话两个字段，销售成功率极低，且团队管理混乱，只记录成交金额，没有对未成交原因做记录，也没有跟进记录。业绩完成差，团队流失严重，领导很着急。
问题一（选择题）你是这个企业的数据分析师，此时你会：A、在月报里认真分析成功率低原因，写20页整改建议
B、月报只列数字，等着他们来找你谈合作
（题目简单，思考一秒钟）
经过上一篇的教育，大家都选B。是滴，这个场景里的问题根本是业务管理混乱导致的，数据能帮上忙就见鬼了。
如果业务自己意识不到痛，只是数据分析师作为外人blablabla，根本没人理。所以不要干这种出力不讨好的事。退一步讲，即使你干了，人家听了你的建议效率提高了，也是业务独揽大功，关你分析屁事，你怎么证明他们听了呢？人家会说：我早想到了你不说我也知道。
所以最好的策略是等他们来找，立项目，比如叫销售业绩提升项目成立项目组，发邮件告知老板们正式开工，Ok，走起！
问题二（判断题）现在团队领导找到你，决定立项开干，你把项目目标定为提升销售成功率请问是对还是错？
A、对
B、错
（题目简单，思考一秒钟）
这是很多做分析的同学常范的问题：把终极目标当眼前目标。或者压根不知道业务目标是什么。只是凭感觉说：我们是电商，所以要提GMV我们做增长，所以要做DAU……
请注意：在管理混乱、数据缺失、团队跑路的情况下，指望写200行代码，出个ppt就能拉动业绩，是完全不现实的。所以要和业务领导认真谈谈，除了提升销售成功率外，还有没有二级目标可以做。
比如：
论证改善结果需要时间，争取时间
论证当前无力做改善，调低KPI
探索稳定团队的做法，稳定军心
找到一些成功标杆，总结经验
实际上，真遇到业绩不行，业务领导往往第一位想到的是要资源，第二位想到的是调KPI，第三位想到的是找案例。别人真没心思听你说：活跃率低了，要！搞！高！。因此，梳理目标，确定一级、二级目标，非常重要。所以这题选B。
问题三（选择题）现在确认一级目标：提升销售成功率；二级目标：找成功销售经验。马上有人跳出来说：你都没做过销售，你怎么分析！！！问：怎么办？
A、通过数据分析出最佳销售方法
B、承认自己不懂
（题目简单，思考一秒钟）
这是很多做分析的同学常犯的问题*2：指望数据直接算出一个最佳方案。带着这种想法的同学往往会被人用：你成交过几单？你行你上啊打趴下。
在谈及如何做这个问题时，数据分析的作用不是算出最佳的方案。因为每一个成功的个案，一定有不可复制的独特优势，比如销售，有些人就是天生巧舌如簧，天生形象好让人喜欢，你不能回避这些。
数据分析的作用是：分析具体案例，区分可复制部分和不可复制部分。把可复制部分沉淀为经验，把不可复制的特征提取出来，以后找更多类似特征。
比如我们发现本地靓女做销售成交高，那就让每个城市在本地招聘高颜值闺女就好了；如果是某个特殊时间，特殊动作要做，那就让其他人复制这个操作。数据分析擅长的不是卖货，而是总结经验，寻找特征。这个题选B
问题四（看图说话）一个月基本工资1300，每单提成250，以下两种分层哪种好用？
A、图1
B、图2
（题目稍复杂，思考一分钟）
出这个题不是考如何分层，而是考一个基本思路：根据业务需求找分类标准。比如这个例子里，有个很大的问题是：团队流失严重。可能人均订单10单、8单、4单在统计上是有区分的，但在业务上毫无区分，一个业务员不管是10还是8，都挣不够一个月的生活费,他还是会跑路。但25单可以让他挣到25*250+1300=7550的收入，对电话小哥来说很可观了。
这是数据分析与数据挖掘的一个核心区别。我们建数据模型，为的是大概率模拟现实情况，所以可以处理掉一些数据，虚拟填充一批数据，反正为的是整体效果。
做数据分析，有独特效果：能指导业务部门创造现在不存在的情况。比如业务觉得，能月入7500的骨干至少占比20%，团队才稳定，那现有的薪酬制度、操作系统、招聘流程都能改，这就打破了现状。因此做数据分析，往往更看重对业务的指导意义，找标准，要找符合业务需求的标准。此题选B。
问题五（看图说话）
还是上图，如采用B图分层，是否可锁定第一层就是业务标杆，进行深入研究
A、能
B、不能
（题目稍复杂，思考一分钟）
答：不能。因为尚不知道这些人业绩好，是持续性好、还是偶尔好。如下图所示，有可能一个月内选出来的优胜者，有四种不同走势：
注意：一般为了取数方便，我们不会一次捞所有数据。因此推进项目往往是从个案到普遍，从单月到整年，这样分步骤输出成果。一方面可以提高效率，不至于项目拖很久不见产出；另一方面，短期突发情况更容易被解读，想知道是不是真的找到规律，就得从短期推广到长期来看。
比如这个例子，我们可以从一个月表现里先选出准标杆，再看他们的稳定情况。从而解读出更丰富业务含义，建立下一步分析假设。有了分析假设，就可以继续深入，做更深的分析。
这个题目，是陈老师做内训题目之一。原题可没这么多提示，就六个字段：
1、业务员ID
2、客户汉字名称
3、客户联系电话
4、是否成交
5、成交时间
6、成交金额
很多同学看完一脸懵逼：卧槽这分析啥啊，啥都没有。可他真真就是很多公司现状。挂个互联网企业的名号，实际管理比传统企业还落后。
从解题步骤来看，只要目标设定合理，一步步做，还是可以产生很多有用结论的。哪怕最后发现，销售就是很随机的，那对于业务也是很大支持，至少以后就可劲招人好了，搞人海战术。如果能总结出一套标杆话术，当然是更理想的结果了。
而且，也不是所有数据都不能获得。比如我们真的选出标杆，他的话术、联系客户时间，跟进次数就是可以记录和补充的。基于这些分析结果，我们可以进一步推动系统升级改造。有了更好的系统，业务既能提高效率，数据也能有更多分析素材，大家都有获益。
既然提到数据采集，那么问题又来了，从哪里做起呢？
问题五（排序题）经过第一阶段分析，业务认可复制标杆的做法，想进一步完善数据，那么下边数据数据都是需要系统支持的，优先级排序是：
A、用爬虫爬客户详细信息
B、把业务员简历录入系统
C、上CRM记录业务员操作
D、完善客户信息表让业务员填
（题目稍复杂，思考一分钟）
有多少程序员小哥是把A排在第一位的？请举手，哈哈。请注意，虽然ABCD选项都需要系统，但数据本身的获取难度、需要业务支持程度、有用性是不一样的：
简历：格式化程度最高，且不要经销售的手，被污染可能最低。
CRM数据：直接记录操作，不需要经销售的手。
信息表：需要经销售的手，得有配套管理措施。
爬虫：看似可做，可很难保证数据质量稳定性（特指本例，B2B商务数据可能很零散，不像电商销量、评论可以集中爬）。
因此从易到难，排序是B≥C≥D≥A。举这个例子，只是为了提示大家：不要因为我们是做技术的，就沉迷技术。很多技术工具需要配套制度，以保证数据不被污染。这时候要和业务通力合作，考虑技术的可用性，便捷性。有些小哥太沉迷搞数据，会把业务流程搞得巨复杂，数据表搞得太多字段，结果销售们随便应付，到头来坑的还是自己。
小结上一篇，我们列出了做出优秀数据分析项目五大关键。这一篇，我们总结下做优秀数据分析项目五大坑点：
1、 没有立项，没有共识，只谈数据，没法落地
2、 直接拿最高目标当项目目标，无法完成
3、 生搬硬套模型，结果陷于数据不足动弹不得
4、 一次做的太复杂，迟迟出不了结果
5、 没有循序渐进迭代，成果至于一张ppt
想避免这些大坑，核心就是：拒绝闭门造车，结合业务需求，从低到高进化。在这个过程中，需要大量的需求洞察，沟通协作，这样才能让业务测试分析结果，最后去伪存真，推动业务进化。
这就是为啥网上泰坦尼克波士顿房价美国某信用卡猫眼电影评论一类的玩意不算项目的原因。这些所谓的网红项目，就是跑一张数据表而已。
况且很多自学者都不是自己跑这张数据表，代码都是抄网上现成的。除了打字能力（和读英文单词能力）以外，没有任何沟通、需求分析、方案制定、结果测试、迭代升级过程。虽然这些网红项目都会冠以人工智能21天转行年薪百万之类名字，但丫就是自娱自乐而已。
所谓：猛将必发于卒伍，宰相必起于州郡。好的数据分析师，不是一上来就搬弄模型，而是能从数据细节里，读出企业的问题；能基于哪怕最简单的数据基础，设计出可行方法帮助业务从低端向高端升级。这才是好的数据分析师真正起到的作用。
看完觉得写得好的，不防打赏一元，以支持蓝海情报网揭秘更多好的项目。
感谢您的支持，我会继续努力的!
打开支付宝扫一扫，即可进行扫码打赏哦
手机直接保存图片,扫一扫识别二维码,即可进行扫码打赏哦
