数据预警模型,该如何搭建?

大数据 数据分析
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%”。

[[415836]]

本文转载自微信公众号「接地气学堂」,作者接地气的陈老师。转载本文请联系接地气学堂公众号。

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。

01第一步: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)。

02第二步: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:

  • 高层定的目标,决定了前台执行难度
  • 前台执行质量,决定了中台辅助难度
  • 实际业绩结果,决定了后台支撑难度
  • 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。

03第三步: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。

04第四步: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

1、管理层能通过分析师的工作,掌控业务全局。

2、在定方案阶段就能预知风险,从而做充足的准备。

3、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。

4、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。

05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。

 

责任编辑:武晓燕 来源: 接地气学堂
相关推荐

2023-08-02 13:07:00

数据归因模型

2023-01-08 21:05:45

数据预警模型

2022-03-01 16:58:25

业务预测模型

2021-09-26 11:32:39

模型数据分析

2019-07-15 16:02:30

大数据数据分析舆情系统

2019-07-12 10:20:45

海量数据搭建

2022-02-17 13:18:58

定价模型营销AHP

2023-02-07 13:27:00

运营策略分析

2016-11-22 11:25:17

大数据BI商业智能系统

2021-10-18 11:27:07

运营分析体系

2022-07-29 11:30:33

数据监控体系

2023-05-15 12:56:32

运营数据分析

2022-09-21 11:44:47

多机房部署数据库服务

2015-09-17 13:55:10

数据中心降温

2024-02-26 12:10:37

2024-01-25 09:04:25

2021-02-28 22:20:25

2021-08-14 08:59:19

勒索病毒网络安全网络攻击

2010-06-24 09:47:47

SQL Server

2017-10-20 22:09:43

数据中心冷却机房空调
点赞
收藏

51CTO技术栈公众号