许多数据分析师进行了数据分析，但他们仍然无法着陆。一个好的数据分析师可以深入了解业务，控制整个产品操作过程，实现真正的着陆。那么，如何进行着陆分析呢？作者总结了整个数据分析着陆过程，希望能对您有所帮助。

你做的数据分析一点都不落地！

除了写数字，能不能有落地建议？

看了数，那么呢？该怎么办？

这种抱怨经常在办公室响起，这让做数据的学生非常沮丧。我该怎么办？今天，我将通过一个例子系统地解释它。

问题场景：大型售后连锁服务提供商，同时承担制造商、企业和个人的服务需求客户服务接收需求后，生成工单，分配给自营服务点或外包服务提供商，上门完成服务。

北极星的指标是：实际完成工单件数，问：如何进一步落地分析。

一、数据落地常见错误

很多同学一看到问题就说:老师，我会的！=需求数*转化率，既然要提高完成工单的数量，那就要做的是把需求和转化率两个指标:

搞高！

因此，数据落地的方式是：

多签厂家客户
多签企业客户
做大个人流量
提高客服效率
加强上门管理
提高师傅的技能

你看，这个建议多具体，多落地。……

额……

首先，这是真的。事实上，这些指标应该更高。事实上，这六项都是建议。问题是：这些都是正确的废话。即使你不是数据分析师，你也会知道很久。你必须把它们弄高，但你不能把它们弄低。

从数据推广业务着陆行动的核心是：优先级和优先级。通过数据分析，我们可以找到关键点和辅助点，这是数据计算的价值。如果没有计算，每个人都知道这也应该加强，这也应该加强。

第二步：梳理业务流程

如果你想着陆，第一步就是停止坐在数据层面，数数论数。首先要明确数据来自哪个业务流程，受哪个流程的影响。业务层的梳理一般从粗到细，像洋葱一样层层深入。比如在这种情况下，虽然涉及业务的角色很多，但可以分为需求/供给(如下图所示)。

目标是增加完成工单的数量。第一级的优先级是：需求/供应是否匹配。

只看单个月/整体供需情况，可能有三种状态:

一级判断决定了后续落地方向：

需求≥提高供给能力
需求=持续观察/降低供应成本
需求≤供给、开发客户、扩大需求

这就是V1.0的着陆建议。请注意，真正的建议不会这么口语化，而是经过计算：

这一步看起来很简单，但也隐藏着一个谜：如何判断哪个大？

第三步：建立判断标准

判断标准绝不是让老板拍脑袋那么简单。≤供应相对容易观察，如售后师傅人均工资少、平均工资低、人员流失多等。

但需求≥供应，很可能没有数据记录。例如，个人客户打电话进来，结果不主人预约；企业客户打电话，排队维修很长时间，但因为签订了年度合同，所以暂时不会翻脸。

这些情况使得供应能力难以评估，数据不真实。企业客户流失时反应已经太晚了。

因此，最好单独分析建立标准。例如，制造商/企业客户在签订合同时需要匹配服务条款（例如，订单应在24小时内处理）；对于个人客户，需要根据客户启动需求后的完成率计算出相对准确的数字，并从完成率中剔除客户原因（询价后太贵、上门找不到人、随便问问等）。

这是一项寻求判断标准的工作。建立标准工作后，必须与各部门达成共识，才能达成一致认可。

这一步非常重要。许多学生难以实施的第一步是：只有数字，没有判断。或者判断条件不严格，导致深入，发现有很多商业定义模糊，相互争吵。这自然不会下降（如下图所示）

第四步:从短期到长期:

注：如果时间延长，可能会发生季节性变化。例如，特定设备在夏季/冬季使用频率较高，更容易出现故障。因此，在一个月内建立标准后，我们可以看到全年的情况，进一步锁定问题。

例如，总体情况是：需求：≥但是：

偶尔性(1、2个月)
常规(连续发生3个月以上)
连续性(新上/临近报废)
季节性(特定季节)

相应的优先级和优先级也不同，可引导的着陆建议也不同（如下图所示）

第四步:找重点，抓重点

总体情况确定后，再看局部问题。例如，在第一阶段，锁定问题来自：供给方，即供给不足，那么如何进一步分析呢？

首先，业务有三条线，谁是重点，首先要区分。因为制造商/企业toB类客户和toC个人用户是两种基本的发展理念。他们不仅在工单总数中占有不同的比例，而且对未来发展也有不同的重要性。toB是公司的生命线。

在不同重要性的影响下，即使当前数据相同，对未来发展的判断也可能不同。先做判断，再仔细看(如下图)

第五步:从整体到局部

其次，售后服务是分区交付的，所以哪个区域特别严重，哪个区域例外，然后分开。这是相对容易理解的。每个区域的客户需求不同，店铺/师傅配置也不同。很可能偏远地区还是二次外包。因此，锁定问题点也有助于解决问题突出的区域。

这里有战略差异：如果你真的看到某个地区的需求特别强劲，而且都是外包，你很可能会选择更换外包，设置自己的服务点，而不是外包需要保持业绩发展趋势。

在落地上，从来没有一个指标是好的，也没有一个是坏的，很可能有第三个选择。

七、六步:从局部到细节:

最后，售后服务分为两个环节进行，无论是客户服务订单发送缓慢，还是售后执行差，再分开。

这种分解是最复杂的。由于客户服务不能发送订单，很可能是因为该地区/主要客户服务团队的工作已经饱和，或者是因为节假日等正常原因，或者是因为等待零件转移等客观原因，很难说是发送订单的问题还是服务的问题。

在考虑着陆方案时，问题越详细，后面解决的问题就越多。因为很可能别详细的细节之后，你会发现没有数据……这也是分析的基本原则。

八、七步:从数据到管理:

面对缺乏细节的数据，您可以使用管理手段来配合数据建设。例如，客户服务需要在第一次订单和售后无异常情况下，在订单接收后30分钟内完成分配，手动反馈标记异常。

您还可以提前检查各地区的配件数量和库存，并提前标明缺货标签。在分析过程中，您可以区分哪些因等待配件而延迟。您还可以要求服务大师在上门前/服务完成后进行系统打卡登记，以便统计大师的在职情况，从而推动大师是否饱和。

请注意，这些管理手段本身也有助于性能。您可以提前发现支持问题，监控一线行为奖励，及时发现有增长潜力的区域。

因此，利用这些业务利益点作为诱饵，可以促进管理手段的实施，从而达到收集数据的目的，从而杀死两只鸟。如果没有良好的管理手段，数据很可能无法收集，自然也无法实施。如果没有业务利益点，即使高级管理层强烈干预，强行推动软件，业务不合作，随机填写，数据仍然完全混乱。

小结

要落地数据，就是这样一步一步从粗到细，消除各种异常，击中要害，最后结合管理手段落地。

而不是简单:

也不是一套神威无敌将军模式就能搞定的。比如有同学看:哎呀！有客服订单！立即条件反射:我们效仿滴滴/美团，建立人工智能派单模型。

那么，这是售后后业务。机器的损坏率不会像出租车/外卖那样每天持续，需求也会那么大。而且上门还涉及配件问题，哪里可以随便套。因此，如果你想做得好，你必须深入业务流程，耐心剥洋葱。

专栏作家

接地气的陈老师，微信微信官方账号:接地气学校，大家都是产品经理专栏作家。资深顾问在互联网、金融、快速消费品、零售、耐用、美容等15个行业有丰富的数据相关经验。

每个人都是产品经理。未经许可，禁止转载。

题图来自 Pexels，基于CC0协议。

本文的观点仅代表作者本人，人人产品经理平台只提供信息存储空间服务。

今天的文章就分享到这里，如果你也网赚副业项目感兴趣，可以添加维信：beng6655 备注：副业！

本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请发送邮件至 526323532@qq.com 举报，一经查实，本站将立刻删除。
如若转载，请注明出处：https://www.haoxue2.com/570.html

数据分析落地全流程