Redian新闻
>
如何搭建一个强大的数据预警模型?

如何搭建一个强大的数据预警模型?

公众号新闻

关注并将「人人都是产品经理」设为星标

每天早 07 : 45 按时送达

数据分析首先要做到的就是清晰角色,然后收集动作,辅助判断,做出准确警报。根据预警,制定方案,从而快速做出决策判断。下面这篇文章作者为我们讲解了应该如何做出数据分析。一起来看看吧。

作者:接地气的陈老师

微信公众号:接地气的陈老师(ID:gh_abf29df6ada8)

原文标题:我搭建了一个强大的数据预警模型

全文共2235字,阅读需要 6 分钟

——————/ BEGIN /——————

数据分析能主动做出预警,是所有人的终极期望。可现实是很惨淡的,经常是指标已经下跌了,业务部门忙得团团转了,数据分析才慢慢悠悠地分析“昨天为啥DAU下降30%”。

最后辛苦半天落个“我早知道了,早干啥去了!”的抱怨。那如何提前做出预警?今天系统讲解一下。

清晰角色

首先要清晰:预警是给到人的警报。因此谁需要听这个警报,是第一顺位要考虑的。在实际工作中,有四大类角色:

进行预警第一步,就是要先明确要预警的业务场景,把一个场景内所有相关责任人都考虑进来,避免漏了角色(如下图)。

收集动作

其次要注意:问题因人而起,也因人而终。因此第二顺位需要考虑的,是这四类角色对指标走势,到底有啥影响。要分门别类地收集这四类人计划开展的动作,从而为第三步的评估做准备(如下图)。

注意:收集影响动作,是有顺序的,应该从高层→前台→中台→后台。

因为这是这四类人影响指标的顺序是这样的:

  1. 高层定的目标,决定了前台执行难度

  2. 前台执行质量,决定了中台辅助难度

  3. 实际业绩结果,决定了后台支撑难度

  4. 后台支撑好坏,决定了问题是否扩大

在工作中,这四个环节环环相扣。如果配合得好,即使出现问题,也能化险为夷。如果配合得差,则相互拖累,越做越错(如下图)。

在实际工作中,并不是一个简单清晰的工作闭环从头做到位,然后再做下一个。每个部门都是一堆工作同时在进行。

因此,收集部门动作并非一蹴而就的,而是需要有畅通的信息渠道,特别是当指标开始出现问题苗头时,业务部门做出的应激反应,要有一定程度了解。这样才能更好地辅助判断,做出准确警报。

数据评估

有了第二步动作收集,可以开始第三步数据评估。数据评估是预警的最关键一步,是避免执行期间看到数据波动脑袋空空的关键。

之所以能提前感知指标波动的风险,是基于:过去发生的未来会重现,这样一个简单的道理。因此,有必要对过程发生过什么,进行深入评估。(如下图)

这里涉及多种具体分析方法,之前文章都有分享,不再一一赘述了。


做出预警

有了以上准备,可以做出预警了。预警模型建立后,从制定计划阶段开始,就能开始运作。并且贯穿定方案、做执行、做复盘的各个阶段,并且涵盖了主力、辅助的角色(如下图)。

比如制定了销售目标,那么:

定方案阶段:销售的方案(包括销售计划、人力配置、配套物料/辅销品)是否能支撑当前目标?如果支撑不住,这时就能直接预警,提醒问题。

做执行阶段-作为主力的销售:是否各销售团队执行到位?执行不到位是谁没有到位?影响多少大盘?作为主力角色,只要其下某些分支出现问题,都是要直接发出预警的,避免问题恶化。

做执行阶段-作为辅助的供应链:达标率太好的情况下,是否购货充足?达标率太差的情况下,是否有积压风险?如果销售表现好,但关联的辅助部门马上面临缺货风险,此时也要及时预警!

注意:在过程中预警的时候,要考虑业务部门应激行动。比如有可能业绩很好,库存马上要断,此时应了解是否有补货计划,如果有,在预警时要提及此时,并且分乐观(100%按时完成计划)、保守(50%或更少完成计划)、悲观(无法完成计划),分别给出预警,以及预估结果(如下图)。

这样的预警,给管理层的体验非常好。

  • 管理层能通过分析师的工作,掌控业务全局。

  • 在定方案阶段就能预知风险,从而做充足的准备。

  • 在过程中,不但能看到预警数值,而且能大概锁定问题方向,减少了过程中被“打闷棍”的感觉。

  • 看到预警结果的时候,能同步看到预期处理方案,从而快速做出决策判断。

这样,比事后看到诸如“DAU跌了一大截”“销售连续4天不达标”等结果以后再问为什么,体验好太多了。理想的状态下,可能只要一两个关联指标变差,就能马上感知到主指标跳水的风险。

数据预警的错误姿势

数据预警的错误做法,当然是指望一个神威无敌大将军模型,能把所有指标100%预测准确。实际影响指标的因素太多,且外部环境压力,内部主动行为,都很难量化。因此完全把宝赌在靠着极其有限的几个数预测的模型,完全不靠谱。

真正靠谱的做法,是数据分析师保持高度的消息灵通,按照上文的四个步骤,提前做好准备,才能应对变化。未卜肯定先知不了,但是卜过,就有机会发现问题。

很多不懂行的人,会以为数据真的能让人开天眼般洞察一切。实际上恰恰相反,一个数据分析师,得先开天眼,对公司情况了若指掌,之后才能对数据走势做出判断。

这一点切记切记。

当然,这套模型的运行,有三个基础条件:

  1. 数据部门与业务、管理层有充分沟通,掌握足够多信息

  2. 数据部门对过往发生的目标、方法、执行情况有充分复盘与经验积累

  3. 业务流程数字化程度高,各个部门的行动能以数据形式记录

这三点,刚好对应了管理问题、分析方法问题、基础建设问题。因此并非所有公司都能运用。如果公司的氛围实在太差,就只能用一些短平快的预警方法。

—————— / END / ——————

产品经理培训产品运营培训企业内训服务

请在公众号后台回复「培训」了解更多

▼ 喜欢请分享&收藏,满意点个赞,最后点「在看」 ▼

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。
相关阅读
懵了!深圳楼市,一个强烈信号!内娱“叔圈”,腹肌一个比一个强EMNLP 2022 | ELMER: 高效强大的非自回归预训练文本生成模型必须对美国要”听其言观其行”今日聚焦:江泽民,不幸逝世!他走后,留下一个强盛的中国!沉痛缅怀……北大教授:中美人口凸显一个强烈反差,我无比担忧围观:如何搭建有效的企业合规管理体系?胃肠肿瘤病友三餐如何搭配才能营养均衡?关键在于这一点!格力如何转型?为啥做预制菜?渠道改革进展怎样?如何看待分红?董明珠回应世界末日pytorch怎么使用c++调用部署模型?比Vlookup更逆天!这个强大的查询函数,看完我就跪了!鹅乌最新:不义之战打碎了沙鹅梦,打出了一个强大的乌克兰多名中国人在非洲加冕酋长,这是一个强烈信号!ACT创始人亲解:什么是接纳承诺疗法(ACT)的六边形模型?久违了,芝加哥!北大教授: 中美人口凸显一个强烈反差, 我无比担忧如何搭建属于你的“知识体系”?昨天爬梯,观察小孩子们挺有意思的,女孩还是文静懂事些,男孩沁园春·雪百奥几何唐建:如何搭建生命科学领域的“ChatGPT” | 高榕未来活动预告 | “‘数据二十条’背景下的数据要素化”研讨会暨《数据要素化100问:可控可计量与流通交易》新书发布会即将召开盘点2022年的数据库/数据仓库/数据湖市场(下)——Teradata退出中国市场了,Oracle还没走。。。大数据预测: 各城市何时进入第一波疫情感染高峰期?复杂环境下,卫浴品牌如何搭建真正的绿色可持续链路盘点2022年的数据库/数据仓库/数据湖市场(上)。。。上海数据交易所&普华永道:数据要素视角下的数据资产化研究(97页)不仅删数据,还删AI算法模型?!美国FTC案例投资内卷之下,如何搭建一套靠谱的投后体系?临床数据库对于临床科研有多重要?如何利用开放的数据库撰写SCI论文?最新!外地人南京购房不需社保,多个强二线城市调整限购政策如何搭建人物舞台?OpenBMB x 清华NLP,如何玩转大模型?仙桃学术 | 细胞焦亡+预后模型?思路打开!Transformer如何做扩散模型?伯克利最新《transformer可扩展扩散模型》论文
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。