什麼是缺乏策略性的數據分析建議呢？答案就是“就數論數，脫離過程”。所以，要想用策略性思維提好建議，就需要深入到問題發生的過程中，並提出具體的建議動作。

你不要光報數字！要做策略性思考！要提出可行的建議！

很多做數據的同學都被領導、同事這麼吆喝過。然而，什麼是策略性思考呢？？？

大家往往一聽到這種詞，就有同學急不可耐的掏出《麥肯錫方法》之類的鎮山法寶，或者在網上搜《底層思維》、《核心邏輯》、《分析框架》之類的文章。結果除了“裂變”“痛點”“顛覆”這些似懂非懂的詞以外屁都沒有記住，下次寫報告還是繼續同比、環比、三年比，低了要搞高……

咋辦？!

看個簡單的例子，今天HR的小妹妹李芊穎同學被領導罵哭了，因為身為HR，她本人這周的考勤表，長這樣：

SO，作為數據分析師的同學們，看到這個咋提建議？

01 缺乏策略性的表現

很快，4個做數據分析的同學都給了答案。

同學1的答案：

• 本月共22個工作日，遲到11個工作日，遲到率50%
• 遲到最多的是第二周，共遲到4天，遲到率80%
• 遲到最少的是第三周，共遲到1天，遲到率20%

同學2的答案：

• 遲到次數太多，建議不要遲到。
• 特別建議周一不要遲到。

同學3的答案：

• 數據來源是……
• 建模過程是……
• 經過回歸模型分析，預測下個月遲到12天。
• 建議減少遲到。

同學4，還沒給答案

他正在網上找《員工遲到分析模型》。找了一上午沒找到，但是加個五個數據分析討論群，每個群里都在問：

• 有沒有數據分析高手？
• 有沒有HR行業的數據分析師？
• 有沒有HR方面分析的書，最好PDF版的？
• 急！可付費！在線等！

問，以上四個同學，哪個能及格。

02 核心的癥結

顯然，以上四個都不合格哈！

不合格不僅僅因為他們說的都是空話、廢話。更因為他們都犯了同一個問題：就數論數，脫離過程。

作為HR經理，想聽到的建議是：

• 建議1：早點出門。
• 建議2：該打車就打車，省那錢乾啥。
• 建議3：犯了錯就認罰，哭有屁用！

作為李芊穎小妹妹，想聽到的建議是：

• 建議1：減少給李芊穎同志的工作量
• 建議2：由於李芊穎同志住的太遠，建議多批幾天特例
• 建議3：上個月李芊穎同志太辛苦，建議免於處罰

看到區別木有，無論是業務方的領導和下屬，都不關心具體的數字是什麼，更不關心得出數字的模型是什麼。他們關心的是可以做什麼，做的事情要有依據，能服人就更好了！所謂建議，是業務部門可以做的一個具體動作。這個動作和業務工作流程有密切關係。要能夠達到一個大家認可的結果。

所以在推導建議的時候，不要單純在數字上糾結，特別是不要在類似題目的這種“結果數字”上糾結。

單純糾結結果，就會變成“你說我偷懶，我說我沒懶”這種小孩磨牙式爭吵。要想辦法深入到問題發生的過程中，才能找到答案。

03 破題的思路

聯繫到具體過程，我們就能發現：數據對於量化過程、鎖定問題有巨大幫助。

比如最簡單的一個建議：“早點出門”，聽起來是個理，實際上至少存在三個漏洞：

1）早到幾點出門不清楚，6點？7點？8點？

空口說“早點出門”跟沒說一樣，需要量化。

2）有沒有特殊原因，不清楚。

很有可能小姑娘哭的梨花帶雨的：

“人家前一天加班到半夜，第二天起不來很正常嗎！！！要求正裝出席，出門前化妝不很正常嗎！！！又要人家忙又怪人家，嗚嗚嗚”……

不區分具體場景的量化，根本說不服人。

3）特殊原因真的假的，不知道。鬼知道她是真在忙，還是前天出去嗨到半夜去了。

更糾結的是，可以直接推導出答案的數據可能是缺失的。你又不是人家男朋友，你怎麼知道人家前一天晚上是出去嗨了還是加班了。

沒有直接證據的情況下，就得一步步來：

• 先清理出來可用的數據，建立一個基本分析框架
• 再看怎麼挖掘具體場景，排除異常情況

這樣才能做到有理有據，以理服人。

04 答題的順序

第一步，先搞清有什麼數據可以用

通勤這件事，我們其實並不需要那麼多隱私信息：

第二步，建立基礎的分析框架

基礎的分析框架中，不考慮各種意外情況、特殊場景，就看業務最基本的數據邏輯。比如通勤這個事，只要選好了起點（李芊穎住的小區）終點（公司），打開高德地圖都能看到：

• 距離多遠
• 坐地鐵需要多久
• 坐車需要多少錢，需要多久

有了這些基本信息，就能判斷出來：這個距離是否真的太遠，從而剔除很多藉口/猜疑（如下圖）：

第三步，討論可以量化的特例

不要一看到小姑娘漂亮就想八卦人家的隱私，除了引發爭吵外沒啥好處。先把能收集到數據的，明面上的問題，比如加班、打車算清楚。這樣一來能看到：是不是真的分工不均，委屈別人了；二來也能堵住找藉口的嘴（如果確實沒加班的話）。

第四步，推導建議

有了以上的鋪墊，推導建議就能有理有據了，而且非常具體（如下圖）：

05 回到現實工作

當然，上邊只是一個逗比的小例子，但是清晰的反映了現實中問題：

• 業務部門往往處於本位主義思考，提的建議都是對自己有利/自己想表達的，懶得顧及事實，更懶得細緻分類。
• 數據部門往往陷入數字游戲，過於關註數字計算，忽視業務過程，最後就數論數，止於數字。

這樣都是不利於得出正確的結論和建議的，最好的做法就是從過程出發，層層推進，構建起邏輯樹。

然而這兩年算法模型概念廣為流傳，一下讓業務方和數據都以為，只要LR，CNN，XGBOOST呼啦啦往上懟，電腦就能開口說話：“李芊穎呀，我是全知全能的阿爾法大狗子，這個月遲到都怪你自己哦”……於是就惹出更多笑話了。

當然，這些都建立在一個基本前提上：你得能分清看到的是結果數據還是過程數據。

曾經有個同學問陳老師：

“老師，我要如何提升策略性思考能力，你看我們現在明明一切做得很好，可轉化率就是上不去，為啥嗯？”

答曰：你們現在就是李芊穎呀，嘟著粉紅小嘴一臉委屈的：“我明明每天很積極上班了，可咋就是遲到了呢”……想找到答案，光糾結結果沒啥用，得深入過程中哦。

今天的逗比分享就到這了，如果想看真實場景，下一篇我們分享個具體業務場景。

#專欄作家#

接地氣的陳老師，微信公眾號：接地氣學堂，人人都是產品經理專欄作家。資深咨詢顧問，在互聯網，金融，快消，零售，耐用，美容等15個行業有豐富數據相關經驗。

本文原創發佈於人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基於CC0協議