导读:“我有一次去重庆,真的遛死我了。当时我在山脚下叫车,接单的车实线距离显示只有一点几千米,预估时长只有2分钟,但实际十五六分钟才到达了我的位置,我非常抓狂。”
这是本文作者韩瞳的真实经历。此时,如果你是滴滴的数据分析师,发现这是一种普遍的现象,重庆地区叫车时长预估和实际到达时长差距比较大。你会如何进行分析?以下几种假设你认为哪一个最可能解答实际的问题?
第一种假设:气象条件差,重庆有可能是一座雾都,所以车速太慢。第二种假设:司机习惯于更晚点击“已到达”按钮,这是生活习惯问题。第三种假设:因为重庆是特别三维立体的城市,乘客在山脚打车,而司机在山顶接单,直线距离很短,但行驶距离很长。这是根据地理知识做假设。第四种假设:重庆路面湿滑,车都跑得慢。到底哪一种假设是最符合实际情况的?在这一正确假设基础上,如何进一步解决实际问题?韩瞳老师不久前在一场直播课程中给出了答案。
作者:韩瞳
来源:华章科技
除此之外,让数据叔非常佩服的是,韩瞳老师不仅仅讲解了专业的分析思路,还分享了作为策略产品经理,提升自身职场价值的很多秘籍,而这些对于成功的职业生涯甚至是更重要的环节,因此数据叔在本文中会对这部分内容加以侧重。
对于多变量数据分析涉及很多专业的工具和过程,在韩瞳老师的讲座和著作中有更多的详细论述,欢迎大家观看韩瞳的直播课程并阅读书籍。限于篇幅,这里只能精选其中的重要部分与大家分享。
01 策略产品经理的时代背景提出问题比解决问题更重要,如果你用这一问题真的解决了一些业务瓶颈,你的这一职位就是有价值的。
无论做什么都是做提升做出正确决策的概率。
——韩瞳
为什么时代、企业需要策略产品经理?
我的经历发现,如果一个涉及AI(人工智能)、模型的项目,只有研发自己做,大概率都会失败。
当前的时代特点是:
第一,中国的互联网已经走到了下半场,从过去的增量竞争,发展到现在的存量竞争。这是美团的王慧文分享王兴(美团创始人兼CEO)的定义,王慧文在王兴的定义之下做了一些延展——现在的存量竞争特点是:
抢占用户的APP池的竞争头部效应越来越明显因此对企业效率的要求越来越高。这意味着,之前产品经理只需要画画图,做做功能,但是现在要用策略帮企业提升效率。
第二,策略产品经理是复合型岗位,他连接着传统的功能型产品经理、算法工程师、数据分析师、运营经理和公司管理层。
第三,现在的时代对策略产品经理的需求越来越多了。比如说,拿7、8个offer比一下都是可能的。
第四,功能产品经理的定义是画原型图,包括客户端、PC端。他其实是一个依靠个人经验和同理心的天赋型职业,像张小龙那样的产品经理都是“神”,普通人是很难企及的,这样的人只有几个,而且他们有天时、地利、人和才能完成。
但策略产品经理是第二种PM(产品经理),他是技能型职业,只要足够聪明,有一定的基础知识,加上不懈努力,就能成为还不错的策略产品经理,其实它降低了产品经理的技术门槛。俞军《产品方法论》里面讲到这一点。所以,从难度上讲,普通人对策略产品经理的掌控度更高一点。
三条非常重要,又特别容易被忽略的建议:
对数据分析师而言,会写SQL,拿到数据、能取数是特别重要的。做到能看,就是能看懂别人写的。能改,稍微改改日期等。能写,包括不带join的单体SQL、带join的SQL、带join、带函数的SQL等。掌握Python、R或powerBI等工具之一即可,但要学“精”。工作中平时用Python稍微多一点,因为Python可能写爬虫,或者连数据库稍微方便一点,而且它的语法简单一些。打好统计功底。关于第2条建议,这里特别推荐:
B站张宇考研数学《概率论和数据统计》,尤其要掌握两个定理,一是大数定律,一是中心极限定理,这两个定理是概率里边最重要的两个定理。《策略产品经理实践》(韩瞳著),尤其是三、四、五章。比如AB实验,很多公司采用的手段、验证的方式都是错的。02 实际工作中的多变量数据分析4种场景第一种场景,kickoff——开设一个项目。比如说想提升点击率。那么当前点击率是多少,提升目标是什么?这一环节需要做天花板预估,《策略产品经理实践》一书的第六章,讲解了如何预估天花板,简而言之8个字,“人群分层、极限推演”(详细内容请参阅原著)。
第二种场景,项目中途。比如说,项目中需要出数据报告。至少是要写周报,今日头条每周周报要写满满当当一大页,包括数据是不是符合预期,当前数据怎么样,如果出问题,还需要分析用户分布是否均匀等。
第三种场景,项目验收。即项目最终效果如何,和当初的设想有多大误差。这其实是复盘,这是决定能不能涨工资,能不能得好绩效的很重要的一环。
第四种场景,临时一次性需求,辅助决策。
最关键的是整体流程(《策略产品经理实践》第四章第一节)。一共分四个流程步骤。
第一步,确认问题。有好问题和坏问题之分。现实中,老板一般会说:你看一下这个为什么数据跌了,这可能是个问题,但如果老板说今年数据不好,也不说哪个数据、在哪段时间不好,这就不是一个(好)问题,所以确认问题非常重要。很多时候大家都是抱怨老板不好,所以要“向上管理”,真的明白老板的意思,到底是看哪个数。
第二步,分解问题,建立假设。这时候要找关键数据,然后再对数据进行假设。
第三步,原因假设。假设分两部分,一个是关键数据假设,一个是原因假设。比如已经知道点击率跌了,但是到底什么原因导致的,要给出若干种原因,然后再去找数据、做分析。
关键点:第一,分析数据的结构以及是否存在很重要。第二,划定数据的空间和时间范围非常重要。
第四步,产生数据报告。这非常重要。很多人工作可能做到80分,但是汇报只有60分,这样的人涨不了工资,或者升不了级是自己的问题。如何写好数据分析报告,如何跟领导建立向上管理的关系,如何说明自己的成绩,是非常、非常重要的职场人必备素质之一。
重点是:
分享自己的结论让所有人都听懂(更多具体的实践经验请参见讲座或专著——编者)
03 原因假设:分析中最重要和最常见的流程回到本文开篇的实际案例,最符合实际情景,因此最有可能解决问题的假设是哪一个?答案是第3个。这需要分析师有一定的业务感觉。
原因假设有两个PRINCIPLE(原则):
第一,能不能找到数据论证。
比如说,开篇案例的第4个假设,路面湿滑车都跑得快。其实它考察的是摩擦力,但是怎么拿到摩擦力数据呢?如果是一家小公司,又不是做测绘业务的,也不是国企,能拿到重庆的路面摩擦力数据吗?所以,如果没有数据,即使做出假设,也没有办法进一步分析,原因假设就不该这么做,或者只能说要补齐数据,没有办法很快做分析。
第二,问题可不可以解决?
举个例子来说,假设雨伞厂的厂长都知道,雨天销量大,晴天销量少。但不能寄希望于每天都是雨天,这是不可抗力事件,所以说问题不能被解决,做了这样的假设也没有用。
提出问题的能力是弱人工智能阶段不具备的,这是一线人员的核心技能。要培养自己的业务sense(感觉),尽量少的被机器人剥削。这也是对策略产品经理的业务洞察。
04 关于回归分析的2个陷阱在得出相关性之后,一般要做回归分析。其中需要特别关注两个陷阱:
第一个陷阱,人类大脑存在惰性机制,容易犯默认归因的错误。这其实是人类进化时候的求生手段之一。比如说,看到草动了,就想到前两天这个村里边狼来了之后草也会动,于是人们马上离开。所以,人们会默认草动和狼来了是因果关系,但是实际不一定,草动了有很多种因素导致,比如说风吹了草也动,我们需要自己通过知识克服这一陷阱。
第二个陷阱,所谓的“数据驱动”陷阱。每家小公司的领导都会说:我们是一个数据驱动的团队,我们做任何数据分析都要非常的严谨,得出非常牛的报告。
但是,绝对完美的数据基本不可能。因此,聚合性证据很重要(详见下文或参阅讲座)。目标就是为了提升做对事情的概率。其实无论做什么都是做提升做出正确决策的概率。
05 数据分析报告:超重要!数据分析报告有两个侧重点:
第一,“渐进整合”和使用多种“聚合性证据”佐证命题。比如老板问:XXX策略能不能上?策略产品经理需要把这一问题变成很确定性的问题,然后再把它用关键数据描述出来,之后再分析,最后再溯源。但是,可能一份报告不足够完善,需要找别的证据再次佐证观点,正常来说找1-2个报告就足以说明问题。
第二,清晰易懂。企业和职场不是论文场,所以报告没有必要写的跟论文一样严谨,优先级是图片大于表格,大于文字,也就是能用表格不用字,能用图片不用表。
有四点报告注意事项非常重要:
第一,适当的包装。女性的产品经理可能会更注重报告美化。很多研发人(职场)晋升不上去,原因在于他们的报告全是一堆代码、数字,或者是一个黑框,一个截图,把它就当数据报告。所以说“颜值”很重要,因为大家都是看颜值的。
第二,一句话结论。要想象领导每天看很多邮件,所以必须要用一句话把结论写的非常明白,放到第一页。领导看完一句话结论,要是感兴趣会接着读,如果不感兴趣回复已阅即可。
一句话结论主要写明:
通过什么方式进行了什么项目取得了从多少到多少的实验数据结果(比如你的领导肩负A指标,就把A指标写上去,告诉他做这件事对完成A指标有作用)注明“相关结论已经通过同行评议,并统计置信。”这句话非常重要。第三,核心邮件长度不应超过直属领导的半个屏幕。另外,写明项目中做出核心贡献的运营和研发人员。
第四,按照图片、表格、文字的优先顺序写作报告。
(最后,报告写好后发给谁也很重要,详细内容可参见讲座或参阅书籍。)
Q&AQ:最推荐哪几本书?
A:第一本书:《女士品茶》;第二本书:《对伪心理学说不》;第三本书:《推荐系统实践》(项亮著)
(编者:在讲座中韩瞳老师还推荐香农的《信息论》,并在之后的问答环节中推荐宋天龙的《Python数据分析(第二版)》)
Q:对应届生从事工作有什么建议?
A:在我书里边有,整体是两点:选公司和选职业。比如,不建议去十亿美金市值以下的公司,要去独角兽企业,去细分行业第一名。如果领导不懂数据就直接pass,社招应该对自己的标准还是高一点。去看看脉脉的公司点评。
另外,自己平时做的准备就是多看数学。
Q:基础分析工作从那方面入手,买了个课程懒得学,有没有办法让我加个劲儿?
A:没办法。等就业形势更差的时候可能就更着急了。我吓唬你一下,湖畔大学今年传出来的一个消息是,马云在2018年的时候就非常着急了,在他的维度已经感受到了行业的下降趋势。2019年CEO已经感受到了行业下行,经济形势不好。而且马云有预言,至少2020年到2023年经济形势只能越来越差,所以,公司的裁员会此起彼伏。
如果现在不努力,可能就面临着降薪裁员,而且是越来越普遍,我觉得这不用预判,因为看经济,这是最冷的事实。所以说,没有什么懒得学,大家都是为了谋生。我不就是为应对抗风险而多写了本书吗?万一没工作了以后,还能讲讲课,挣点钱养活自己。对吧?
Q:有哪些关注的专业方面的公众号?
A:“caoz的梦呓”,“算法与数学之美”。
Q:三年运营一枚,转策略运营有没有什么经验传授?
A:我真的觉得买书就可以,不是为了卖书。首先,要找到自己的核心能力在哪儿,如果做策略运营,SQL是必须会的,而且要有数据权限,两者缺一不可。
还要有一些统计学的知识;另外,数据分析报告要严谨,多做几个(证据),找几个厉害的大牛,或者把分析的报告发给比较牛的同事,让他指错,挑错,被骂几次就会了。所以说,通过互相同行评议,大家变得更好。
Q:策略产品经理与数据分析师有哪些区别?
A:其实在书(《策略产品经理实践》)里边专门还真写了。
Q:(数据)分析师转行补什么能力?
A:最重要的一点:做业务。很多人都会明显的感觉,非常缺产品的能力,没有办法判断需求。所以需要师傅带。另外,多看看产品书籍,但最重要的是要经历一个项目,其他的不重要。
第二部分能力其实在于人情能力,就是能不能让大家心甘情愿的帮你干活,这很重要。
Q:如何和算法团队分工合作?
A:跟算法沟通的时候,需要明确哪部分是规则,需求是什么。还要考虑开发成本,做产品经理要稍微懂点技术,懂算法基础实现逻辑。
另外有两点比较重要:
首先,今日头条创始人张一鸣有一个很重要的论断——每个人在公司内是有信任票的,由于你做成功的项目越多,那你的信任票就越多,如果说你平时做了很多牛逼的产品,作出了成绩,那一定算法团队也会对你刮目相看,那你的说话的分量就会更重。
其次,做团队的补集。其实策略产品经理就是服务行业,哪里缺人去哪里,如果团队里面没有数据分析,就去做数据分析,如果团队里没有人做画产品文档,就去画产品文档,如果说研发工程师实在是不爱写策略文档,我就帮他写。
把这些事做好之后,你的价值就有了,老板会慢慢发现了,这个团队离了你转不了,这时候你的价值就有了,再裁员也裁不到你身上。
关于作者:韩瞳,策略产品经理,5年实战经验,某厂创业期核心团队,微信公众号:策略产品经理实践。
戳扩展链接,作者签名版纸书抢鲜读