データを使って判断しますか？
あなたの判断が正確であることをどのように確信できますか？
今、ビジネスはあなたが間違った判断をしたと言います、あなたはどのように反応しますか？
データによる判断は簡単に思える問題ですが、実際にはデータ分析の結果に大きく影響します。判断が次の場合、同じことが月間販売実績1,000万です：パフォーマンスは非常に良いです。次に、次の分析は成功した経験を要約することです。判断が次の場合：パフォーマンスの低下。次に、分析の次のステップは、問題を見つけて解決策を見つけることです。
1.データ診断の問題、なぜそんなに難しいのか
これは簡単に思えますが、インターネット上の記事の90％は間違っています。
Webテキストのロジックは一般的に次のとおりです。
- 月々の落ち込みなので良くないですもっと高くしなければなりません
- 前年比で減少しているので、良くありません。
- ビジネスについて尋ねてください、そしてビジネスは良いです
╮（╯▽╰）╭
転倒が悪いと誰が規定したのですか？自然変動についてはどうですか、計画された調整についてはどうですか、アフターマーケティング調整期間についてはどうですか？それがライフサイクルの終わりである場合はどうなりますか？KPIが目標を下回った場合でも、目標を達成した場合はどうなりますか？状況が多すぎます。それから、たくさんのウェブ記事はまだ深刻な「指標が落ちるための8つの分析方法」にあります、たとえ彼らが指標とシナリオについて詳しく述べていなくても、彼らはおならを分析します。
ビジネスに尋ねることにも問題があります。あなたはビジネスを止められず、問題のある海で釣りをすることができないからです。ああ、今日は「はい」と言い、明日は「いいえ」と言い、明後日は次のように言います。データ分析の詳細な分析は良いです。明後日：あなたの分析はビジネスの直感に適合していません。KPIが基準に達していることが明らかな場合でも、Yaは「KPIが基準に達した背後にある隠れた危機を深く分析するように求めました...」と尋ねました。
O（╯□╰）o
だから何をすべきか？
2.コアの問題：診断基準
判断の核心は、基準を見つけることです。この基準には、その後の優先順位と原因の判断が含まれます。事前に明確にする必要があります。上記のWebテキストのさまざまなエラーは、基本的にビジネスシナリオを無視し、盲目的な判断を下すことによって引き起こされます。ビジネスシナリオと組み合わせて見ると、4つの典型的なシナリオがあります（次の図を参照）。
1.客観的な要件があります。サプライチェーンのほとんどの指標には、ロジスティクス、化学、リードタイムなどの客観的な要件があります。生産品質、製品サイズ、納期など。これらはハードインジケーターとも呼ばれます。この場合、評価基準として直接使用できます。
2.主な要件ですが、否定的な指標です。たとえば、顧客からの苦情です。苦情は避けられないことは誰もが知っていますが、それでも、苦情が少ないほど良いこと、そして否定的な指標が見つけやすいことを願っています。
3.主観的で前向きですが、より高いレベルのKPIからのプレッシャーがあります。販売実績、GMV、新規ユーザー数と同様に、上位レベルのリーダーや部門が直接指標を提供する可能性が非常に高くなります。現時点で、年末のボーナスを維持したい場合は、すべてのコストで指標を修正する必要があります。この規格は直接使用できます（これもハードインジケーターです）。
この時点で行うことは、ハードインジケーターの割り当てです。目標の達成は一夜にして達成されないため、ビジネスの自然なサイクルやライフサイクルに関連している場合もあれば、事業運営の展開に関連している場合もあります。したがって、タスクを分解するときは、単に時間で平均化するのではなく、ビジネスの傾向に基づいて適切な値にタスクを割り当てます。
4.主観的で前向きなため、KPIを自分で設定する必要があります。これは最も絡み合った状況であり、上司はあなたにオープンな質問をするように頼みます。彼はそれをしたときにそれを使用する方法がわからないことを知っていますが、それでも多くの真実を説明するようにあなたに頼みます、さもなければ彼はあなたを非難します：詳細な分析はありません！薄い空気からターゲットを設定する必要がある場合は、どうすればよいですか？
回答：シーン削減方法を使用してベンチマークを見つけます
第三に、重要な方法：シーンの復元
シナリオの復元は、ビジネスシナリオからデータ標準を抽出することです。ビジネスシナリオは、主に、ハードインジケーターがなく、インジケーターがより相互接続されているマーケティングおよび運用シナリオで使用されます。あなたはビジネス側に指標が何であるかを尋ねます、しかし彼はおそらくそれを理解することができません。しかし、あなたは彼に、上司のLong Yan Dayueが最後に表彰されたとき、そして最後にスムーズに進んだとき、彼は何が起こったのかを正確に知っていたと尋ねます。同様に、彼が最後に急いでいたとき、彼が最後に叱られたとき、そして彼が最後に困ったときはいつだったかを彼に尋ねると、彼も正確に知っています。このようにして、ポジティブなシーンとネガティブなシーンを得ることができます。
ポジティブシーンは、全体的な予測目標を立てるために使用されます。これは、中国の宿題を数学の宿題に変えるプロセスです。といった：
- 3年以内に業界一になりたい
- 1年以内に損失を勝利に変えなければなりません
- 第4四半期に爆発的なキャンペーンを行う予定です
これらのシナリオでは、特定の標準に変換できます（以下を参照）。
ネガティブシナリオは、保護指標の基準を設定するために使用されます。といった：
- 多くの新規ユーザー登録がありますが、コンバージョンが低すぎます
- パフォーマンスの急速な成長、在庫の増加の加速
- 収益目標は標準に達し、コスト超過は深刻です
これらのシナリオでは、特定の標準に変換できます（以下を参照）。
ソート後の出力判定基準は、論理級数の組み合わせです（以下を参照）。
このように、ビジネス側や上司からの疑問に直面したとき、自信を持って言うことができます。この美しいビジョンを達成したいので、XX値を達成する必要があります。XX値が達成されない場合、ビジネス上の問題が発生します。このように、ビジネス側が水平ジャンプを繰り返す上記のシーンに直面して、彼はまた、彼に立ち向かうために白黒の言葉を思い付くことができ、彼にポットを投げさせないでください。外部の緊急事態にダンプすることはできますか？本当に、なぜデータアナリストのせいにするのですか？
第四に、アルゴリズムモデルを使用してみませんか
アルゴリズムモデルは、標準的な問題に対処するための良い方法ではありません。機械学習アルゴリズムを使用して、Kmeanクラスタリングなどの教師なし方法を使用すると、クラスターの中心が変化すると出力結果自体が変化し、不安定な結果を標準として使用することはできません。教師あり手法を使用する場合、最初の「良い/悪い」マークは誰になりますか？上司はまだ来なければなりません。一見複雑なアルゴリズムは次のようになります。上司に決定を依頼します。
AHP法にも同様の問題があり、スコアをペアで比較することは非常に科学的であるように思われますが、本質は次のとおりです。上司に決定を依頼します。さらに、AHPの部分的なスコアリングは、制御できない全体的な結果につながる可能性があります。上司が最終評価結果を受け入れない場合、それを変更するように頼むと非常に恥ずかしい思いをします。このとき、上司をテーブルに座らせて、各インジケーターの重さを写真に撮るのが良いでしょう。これは、より単純で、より効率的で、もつれが少なくなります。したがって、評価する質問に肯定的で非ハードな指標が多数ある場合は、シーン削減方法を使用することをお勧めします。
標準問題の本当の難しさは、最終標準が常にボスを通過しなければならないことです。そのため、100％客観的になることは不可能です。上司自身も疑わしく、もつれ、恐れています。それが私が前に言った理由です：上司はそれをよく知っていますが、それでもあなたがそれを上げた後、彼はあなたに基準を上げさせ、あなたに繰り返し質問させます。実際、彼はこの方法を使用して疑問を解消しました。データ分析を行うことは、上司の思いやりのあるアシスタントになることです。これらの問題は、上司が先を見据えるのに役立ちます。これも大きな成果です。
日常生活の中で判断の問題が多く、コミュニケーションの効率が悪いので、細心の注意を払って判断する簡単な方法はほとんどありません。回答：はい。たとえば、よく言われる2対8の分類、十分位数法、傾向分析法、行列法は、単純で大雑把な判断方法です。興味のある方は、WeChatパブリックアカウント[Ground Qi School]をフォローして、次の記事を共有しましょう。
著者：陳接地ガス、マイクロチャネル公開番号：地球の学校まで。複数の業界で10年の経験とCRMの経験を持つデータアナリスト。