?場景還原：

某互聯網企業的B2B商務拓展團隊，主要通過電話銷售聯系潛在客戶，外呼名單管理混亂，只有客戶企業名稱、聯系電話兩個字段，銷售成功率極低，且團隊管理混亂，只記錄成交金額，沒有對未成交原因做記錄，也沒有跟進記錄。業績完成差，團隊流失嚴重，領導很著急。

問題一（選擇題）

你是這個企業的數據分析師，此時你會：

 A、在月報里認真分析成功率低原因，寫20頁整改建議

 B、月報只列數字，等著他們來找你談合作

（題目簡單，思考一秒鐘）

經過上一篇的教育，大家都選B。是滴，這個場景里的問題根本是業務管理混亂導致的，數據能幫上忙就見鬼了。

如果業務自己意識不到痛，只是數據分析師作為外人blablabla，根本沒人理。所以不要干這種出力不討好的事。退一步講，即使你干了，人家聽了你的建議效率提高了，也是業務獨攬大功，關你分析屁事，你怎么證明他們聽了呢？人家會說：“我早想到了”“你不說我也知道”。

所以最好的策略是等他們來找，立項目，比如叫“銷售業績提升項目”成立項目組，發郵件告知老板們正式開工，Ok，走起！

問題二（判斷題）

現在團隊領導找到你，決定立項開干，你把項目目標定為“提升銷售成功率”請問是對還是錯？

A、對

B、錯

（題目簡單，思考一秒鐘）

這是很多做分析的同學常范的問題：把終極目標當眼前目標。或者壓根不知道業務目標是什么。只是憑感覺說：“我們是電商，所以要提GMV”“我們做增長，所以要做DAU”……

請注意：在管理混亂、數據缺失、團隊跑路的情況下，指望寫200行代碼，出個ppt就能拉動業績，是完全不現實的。所以要和業務領導認真談談，除了提升銷售成功率外，還有沒有二級目標可以做。

比如：

• 論證改善結果需要時間，爭取時間
• 論證當前無力做改善，調低KPI
• 探索穩定團隊的做法，穩定軍心
• 找到一些成功標桿，總結經驗

實際上，真遇到業績不行，業務領導往往第一位想到的是要資源，第二位想到的是調KPI，第三位想到的是找案例。別人真沒心思聽你說：“活躍率低了，要！搞！高！”。因此，梳理目標，確定一級、二級目標，非常重要。所以這題選B。

問題三（選擇題）

現在確認一級目標：提升銷售成功率；二級目標：找成功銷售經驗。馬上有人跳出來說：“你都沒做過銷售，你怎么分析！！！”問：怎么辦？

A、通過數據分析出最佳銷售方法

B、承認自己不懂

（題目簡單，思考一秒鐘）

這是很多做分析的同學常犯的問題*2：指望數據直接算出一個最佳方案。帶著這種想法的同學往往會被人用：“你成交過幾單？”“你行你上啊”打趴下。

在談及“如何做”這個問題時，數據分析的作用不是算出最佳的方案。因為每一個成功的個案，一定有不可復制的獨特優勢，比如銷售，有些人就是天生巧舌如簧，天生形象好讓人喜歡，你不能回避這些。

數據分析的作用是：分析具體案例，區分可復制部分和不可復制部分。把可復制部分沉淀為經驗，把不可復制的特征提取出來，以后找更多類似特征。

比如我們發現本地靚女做銷售成交高，那就讓每個城市在本地招聘高顏值閨女就好了；如果是某個特殊時間，特殊動作要做，那就讓其他人復制這個操作。數據分析擅長的不是賣貨，而是總結經驗，尋找特征。這個題選B

問題四（看圖說話）

一個月基本工資1300，每單提成250，以下兩種分層哪種好用？

A、圖1

B、圖2

（題目稍復雜，思考一分鐘）

出這個題不是考如何分層，而是考一個基本思路：根據業務需求找分類標準。比如這個例子里，有個很大的問題是：團隊流失嚴重。可能人均訂單10單、8單、4單在統計上是有區分的，但在業務上毫無區分，一個業務員不管是10還是8，都掙不夠一個月的生活費,他還是會跑路。但25單可以讓他掙到25*250+1300=7550的收入，對電話小哥來說很可觀了。

這是數據分析與數據挖掘的一個核心區別。我們建數據模型，為的是大概率模擬現實情況，所以可以處理掉一些數據，虛擬填充一批數據，反正為的是整體效果。

做數據分析，有獨特效果：能指導業務部門創造現在不存在的情況。比如業務覺得，能月入7500的骨干至少占比20%，團隊才穩定，那現有的薪酬制度、操作系統、招聘流程都能改，這就打破了現狀。因此做數據分析，往往更看重對業務的指導意義，找標準，要找符合業務需求的標準。此題選B。

問題五（看圖說話）

還是上圖，如采用B圖分層，是否可鎖定第一層就是業務標桿，進行深入研究

A、能

B、不能

（題目稍復雜，思考一分鐘）

答：不能。因為尚不知道這些人業績好，是持續性好、還是偶爾好。如下圖所示，有可能一個月內選出來的優勝者，有四種不同走勢：

注意：一般為了取數方便，我們不會一次撈所有數據。因此推進項目往往是從個案到普遍，從單月到整年，這樣分步驟輸出成果。一方面可以提高效率，不至于項目拖很久不見產出；另一方面，短期突發情況更容易被解讀，想知道是不是真的找到規律，就得從短期推廣到長期來看。

比如這個例子，我們可以從一個月表現里先選出準標桿，再看他們的穩定情況。從而解讀出更豐富業務含義，建立下一步分析假設。有了分析假設，就可以繼續深入，做更深的分析。

這個題目，是陳老師做內訓題目之一。原題可沒這么多提示，就六個字段：

1、業務員ID

2、客戶漢字名稱

3、客戶聯系電話

4、是否成交

5、成交時間

6、成交金額

很多同學看完一臉懵逼：“臥槽這分析啥啊，啥都沒有。”可他真真就是很多公司現狀。掛個“互聯網企業”的名號，實際管理比傳統企業還落后。

從解題步驟來看，只要目標設定合理，一步步做，還是可以產生很多有用結論的。哪怕最后發現，銷售就是很隨機的，那對于業務也是很大支持，至少以后就可勁招人好了，搞人海戰術。如果能總結出一套標桿話術，當然是更理想的結果了。

而且，也不是所有數據都不能獲得。比如我們真的選出標桿，他的話術、聯系客戶時間，跟進次數就是可以記錄和補充的。基于這些分析結果，我們可以進一步推動系統升級改造。有了更好的系統，業務既能提高效率，數據也能有更多分析素材，大家都有獲益。

既然提到數據采集，那么問題又來了，從哪里做起呢？

問題五（排序題）

經過第一階段分析，業務認可復制標桿的做法，想進一步完善數據，那么下邊數據數據都是需要系統支持的，優先級排序是：

A、用爬蟲爬客戶詳細信息

B、把業務員簡歷錄入系統

C、上CRM記錄業務員操作

D、完善客戶信息表讓業務員填

（題目稍復雜，思考一分鐘）

有多少程序員小哥是把A排在第一位的？請舉手，哈哈。請注意，雖然ABCD選項都需要系統，但數據本身的獲取難度、需要業務支持程度、有用性是不一樣的：

簡歷：格式化程度最高，且不要經銷售的手，被污染可能最低。

CRM數據：直接記錄操作，不需要經銷售的手。

信息表：需要經銷售的手，得有配套管理措施。

爬蟲：看似可做，可很難保證數據質量穩定性（特指本例，B2B商務數據可能很零散，不像電商銷量、評論可以集中爬）。

因此從易到難，排序是B≥C≥D≥A。舉這個例子，只是為了提示大家：不要因為我們是做技術的，就沉迷技術。很多技術工具需要配套制度，以保證數據不被污染。這時候要和業務通力合作，考慮技術的可用性，便捷性。有些小哥太沉迷搞數據，會把業務流程搞得巨復雜，數據表搞得太多字段，結果銷售們隨便應付，到頭來坑的還是自己。

小結

這一篇，我們總結下做優秀數據分析項目五大坑點：

1、 沒有立項，沒有共識，只談數據，沒法落地

2、 直接拿最高目標當項目目標，無法完成

3、 生搬硬套模型，結果陷于數據不足動彈不得

4、 一次做的太復雜，遲遲出不了結果

5、 沒有循序漸進迭代，成果至于一張ppt

想避免這些大坑，核心就是：拒絕閉門造車，結合業務需求，從低到高進化。在這個過程中，需要大量的需求洞察，溝通協作，這樣才能讓業務測試分析結果，最后去偽存真，推動業務進化。

這就是為啥網上“泰坦尼克”“波士頓房價”“美國某信用卡”“貓眼電影評論”一類的玩意不算項目的原因。這些所謂的網紅項目，就是跑一張數據表而已。

況且很多自學者都不是自己跑這張數據表，代碼都是抄網上現成的。除了打字能力（和讀英文單詞能力）以外，沒有任何溝通、需求分析、方案制定、結果測試、迭代升級過程。雖然這些網紅項目都會冠以“人工智能”“21天轉行年薪百萬”之類名字，但丫就是自娛自樂而已。

所謂：猛將必發于卒伍，宰相必起于州郡。好的數據分析師，不是一上來就搬弄模型，而是能從數據細節里，讀出企業的問題；能基于哪怕最簡單的數據基礎，設計出可行方法幫助業務從低端向高端升級。這才是好的數據分析師真正起到的作用。

然而有些同學會說：老師，這個場景是業務有痛點，來找我們解決。可還有一個場景是：業務自己也不知道想要什么？然后問我們“你們要解讀出來一些我們不知道，且很重要的東西”這時候模模糊糊、混混沌沌，我該怎么辦？?