数据分析都提过什么样的奇葩建议
2021-07-02数据分析师的工作内容中，不管是数据底层搭建，报表体系建设，数据维度拆解，问题原因分析等等，或多或少都和“数据”都有那么一点关系。
唯独“提建议”和"数据"几乎没有什么关联，反而和业务关系非常紧密。
所以对于大量技术出身的数据分析师来说，每次分析到了提建议的环节就特别痛苦。
今天就来聊一聊究竟如何提建议。
各种建议类型
做数据分析的目的是为了“发现问题，分析问题，解决问题”，这三个环节是连续的，你不能跳过分析问题，直接解决问题，换句话说，只有你分析出了问题的原因，才能解决问题。
提建议在这其中的作用主要是“解决问题”的部分，所以如果不会提建议，那么问题就出在这三个环节中的某一环，我总结有以下几种类型。
不知所谓型
第一种类型是不知所谓型，这种类型啥意思呢。看看下面这段文字：
不会提建议是怎么回事呢？建议这个词相信大家都很熟悉， 但是不会提建议是怎么回事呢？下面就让小编带大家一起了解吧。
不会提建议，其实就是不会提建议。那么为什么不会提建议呢，相信大家都很好奇是怎么回事。大家可能会感到很惊讶，怎么会有人不会提建议呢？但事实就是这样，小编也感到非常惊讶。
那么这就是关于不会提建议的现状了，大家有没有觉得很神奇呢？看了今天的内容，大家有什么想法呢？欢迎在评论区告诉小编一起讨论哦
这是著名的“小编体”，不管发生了什么事，都可以用这个模式硬套。内容呢就是车轱辘话来回地说，一点实际意义都没有。
数据分析不少人其实也经常这么干：
过去一周的交易转化率最大值是10%，最小值是3%，平均值4.5%，中位数4.3%。。。
然后呢？建议呢？然后就没有然后了……
这类分析连问题到底是什么都不知道，也就没法分析问题，更不说如何解决问题了。
怎么办呢？
这类分析师一般是学会了数据分析的基础技能和工具，但是缺乏应用在现实世界的能力。拿着统计学的锤子，到处找钉子。
这类同学首先要解决的不是学习“提建议的n种方法”，而是要学习如何发现问题。
最简单的方法就是了解业务的指标体系。
指标体系是抽象后的业务，了解了指标体系，就初步了解业务的形态和关注点。即使对业务不是特别了解，单纯按照指标体系拆解也可以初步定位问题。
比如对交易转化率进行维度拆解，分不同时间，不同渠道，不同广告类型等维度拆解，这些能告诉我们目前这个转化率的水平到底处在什么水平？哪些地方好，哪些地方不好？
有了这些信息，就能“发现问题”，也才有可能继续往下走。
正确废话型
第二种类型是正确废话型。
当年巴拿马乒乓球运动员奥马尔 为了和他的偶像张继科打一场友谊赛，不远万里来到中国。
赛前他到运动员休息室问怎么才能赢张继科：
马龙说：打他接不到的地方
许昕说：提高命中率
马琳说：你永远不丢你就赢了，你这球永远上台你肯定赢。
这三位不愧是高手，给的建议简单易懂，我觉得连我这样不会打乒乓球的人都已经知道怎么打败张继科了。
但似乎有什么不对的地方？
这种建议到了数据分析领域，就变成了了这样：
过去一周的交易转化率是4.5%，转化率较低，建议提升交易转化率。
这位同学相比不知所谓型的同学有了巨大进步，总算是提出了一个建议，实现了零的突破。
但是业务方可能会投来关爱智障的眼神。
提升转化率，说得轻松，怎么提升？你行你上啊。
怎么办呢？
这类建议的问题是，我们发现了问题，但是分析问题没有做到位，于是提出一个正确而无用的建议。
所以解决思路就在于，如何分析地更加深入。
这部分内容在之前文章有提到，感兴趣的同学可以看看，这里简单说下。
业务同学当然知道要提升交易转化率，但是需要需要具体执行的方法。所以在确定“提升转化率”这个建议的大方向的时候，要知道提升转化率都有哪些方法？
可能的方向有：找到更精准的人、找到更精准的转化方式、找到更精准的产品等等。
这三个方向都可以再次成为一个新的分析课题，比如我们可以分析如何找到更精准的人。
具体操作上，我们可以通过渠道分析看一下哪个渠道转化率更好，哪个渠道潜力更大。
这样提出建议的时候就变成了：
建议提高交易转化率，可以从以下方向尝试：
1.增加A渠道的投放资源；
2.停止B渠道的投放；
3.开拓和C渠道类似的小众垂直渠道
这样，这个建议就有了抓手。
天马行空型
第三种类型是天马行空型。
朋友对单身狗说：你总是一个人，为啥不谈恋爱呢？
单身狗：？？？
朋友给单身狗的这个建议对吗，理论上说确实是对的啊。
但是这个建议有用吗？
数据分析提建议的时候要么这么干的话，会是这样：
产品的交易转化率较低，建议：
建立用户画像体系，做精准化营销
产品售价降低10%，和竞品保持一致
在微信投放朋友圈广告，获取精准流量
……
这些建议还真的都能解决交易转化率低的问题，但是没有可操作性：
用户画像建立周期长，人员成本大，数据需求大；
产品毛利率太低，再降价10%就没利润了；
微信朋友圈广告价格高，虽然能提升交易转化率，但是利润就没了。
怎么办呢？
上述这种情况，分析师其实分析出了一些原因，比如流量不精准，产品售价高无竞争力等。但是提出的建议太天马行空，一看就是拍脑袋的结果。
这说明这些分析师还是理解业务模式的，但是脱离了一线，不知道有哪些现有条件下可用的方案。
最简单的方法就是提建议前和业务同学商量一下，看看业务同学目前有哪些手段可以用，以及他们觉得哪些手段更合适。因为最后是这些业务同学来执行，他们肯定不会胡乱提建议，否则最后还要自己来填坑。
扬汤止沸型
有句俗语，叫做：扬汤止沸，不如釜底抽薪。
意思是水开了,用水瓢扬一下热水,可以暂时止住开水，但是马上还会再开,然而把锅底下的火熄灭,就会永远止住水开。
扬汤确实可以止沸，但是效果不是很好。而釜底抽薪，则是一劳永逸的做法，相比扬汤是更好的选择。
但我们平时经常会提出扬汤止沸的建议。
交易转化率不高。三类广告样式中，A方案效果最好，建议广告形式全部采用A方案。
这个分析，相比之前非常深入，逻辑看起来也没有什么问题，算是一个不错的建议了。
但是这个建议仍然有问题，问题就是分析得不够全面。为什么优化方向一定是广告配置？
要想提升交易转化率，除了优化广告配置，我们还可以做很多其他的动作。比如优化渠道投放、调整投放时间等。
所以为什么要优化广告，而不是优化渠道呢？
虽然优化广告形式很可能会带来业务增量，但是因为没有考虑到其他情况，不知道目前真正的瓶颈，所以这个答案不一定是最优解，投入产出比可能有限。
没有看到问题的全貌，怎么知道这个建议不是在扬汤止沸呢？
怎么办？
一般的业务分析师提出这类建议其实没什么问题。毕竟现实中受限于时间、数据采集、商业复杂等因素，要完全分析清楚一个问题确实有点困难。而企业追求的是最终的效果，所以这类逻辑不那么完整建议一般来说是也是可以接受的。
毕竟这个建议只是逻辑不完整，不是完全没逻辑。企业为了追求有效，甚至只是“感觉有效”也是会做一些完全没逻辑的事情的：比如给服务器贴平安符。
不过你能来看这篇文章，肯定是对自己有更高要求的人。
如果真的想要做到思考全面的建议，要用系统性思维+结构化思维对商业模式进行全面的拆解，然后找出其中的核心问题，找到杠杆解。
全面分析业务，对思维能力和商业模式的理解要求很高，这样的分析师一般都是做决策支持，为高层领导提供战略性分析。
不管是思维还是商业模式的理解，都是内功。每个单独拎出来又是好几千字的篇幅，这里就不详细展开了。
自说自话型
最后一种类型是自说自话型。
女孩对男友说自己感冒了，有点难受。
男友说：多喝热水。
这个建议有没有错？
这个建议很正确，是有科学依据的。
第一篇文章标题翻译来是《煮沸饮用水对中低收入国家腹泻和病原体特异性感染的影响：系统回顾和荟萃分析》
第二篇标题翻译过来是《饮用热水、冷水和鸡汤对鼻黏液流速和鼻气流阻力的影响》
但是对方表示不想听，只想静静。
这种情况就是已经知道怎么解决问题，但还不知道如何让对方执行。
数据分析是一个很标准的“纸上谈兵”的岗位，只需要坐在办公室里看看数据，做做分析就有一种运筹帷幄之中，决胜千里之外的智力优越感。
但是你毕竟不是老板啊，凭啥你说的话业务同学要听啊？就算你的建议是对的那又怎样？
怎么办呢？
遇到这类问题的数据分析师，考验的已经不再是技能水平、分析能力、业务理解这些基础能力了，而是沟通表达、人情世故等软实力了。
要想要让对方做某件事，可以用fogg模型思考。
提升动机：
建议的方向能不能和对方的KPI挂钩，如果能帮助对方完成KPI，那么我相信对方一定很乐意听从你的建议。比如提升交易率可以从渠道、广告、产品等多个方向进行优化，如果渠道运营的本月KPI刚好有缺口，那么就尽量从渠道方向进行分析。如果结果有价值，都不需要你想办法沟通，渠道同学自己就会来找你。
降低门槛：
这部分内容涉及如何写报告相关的知识，下一篇文章会详细说，这里简单说一下。
减少专业名词的堆叠，尽量站在业务角度表述建议。
做到结构化表达，让对方能快速理解
字不如表，表不如图
触发时机：
可以找一个业务同学的领导在场的时机进行分享。只要对业务有帮助，领导是不在乎给下面人加活的，这省去了你说服业务同学的麻烦。同时，如果你的建议真的有帮助的话，业务同学也希望能让领导知道，可以让领导放心。
总结
提建议很难套路化，不同的业务形态，不同的分析深度能给出的建议都不相同。
所以本文尽量授人以渔，让你知道好建议是怎么来的。