# 如何分析问题

前面分享了很多数据思维的相关知识，本文会从另外一个角度出发，什么问题值得分析？如何开始分析一个问题？

**什么问题值得分析？**

和利益无关的问题都不值得做数据分析，具体见[什么问题值得分析？](#什么问题值得分析？)

**如何分析一个问题？**
1. 理想与现状对比
2. 6W2H法梳理问题
3. 鱼骨图呈现问题


## 什么问题值得分析？

观点先行。我的观点很明确：和利益无关的问题都不值得做数据分析。
我们经常能看到很多数据分析报告，除了博人眼球之外都是一些无关痛痒的结果。
这样的报告看了也就图一乐，并不能够给企业和个人带来实际的业务价值。
那么哪些方向可以给企业和个人带来业务价值呢？其实不外乎有两个，一个是带来更多的收入，一个是帮着节约成本。
那么对一个企业来讲，我们要用户、公司两手抓。
这样一组合就出现了下图里的四个象限，你可以在这个图里看到我们最常见的一些企业数据分析方向。
你可以这样去理解，**但凡不在这些象限里面的数据分析问题，其实都可以忽略不计，因为它不是在公司的主干线上要解决的问题。**

![问题想想](img/data-thinking/问题象限.png)

你从图中会发现，如果要去做业绩增长，在客户层面我们就要会做用户洞察、用户推荐、用户运营；
而在公司层面我们就要基于数据分析来做销售策略、渠道策略、产品策略、复购和增购策略，以及投资策略等等相关的分析。

从成本控制来讲，在客户层面，我们可以降低获客的成本、挽留客户的流失、识别客户的欺诈；在公司层面我们可以提高企业的效率，
通过风险分析降低整体的风险以及做财务分析。当然这些话题都有子话题，我把子话题也放在了图中，你要是感兴趣可以再琢磨一下。

## 如何开始分析一个问题？

针对一个具体问题，正确的步骤是确定问题、探索数据、总结讨论，实践、迭代你的理论。
这个过程是把问题逐渐收敛聚焦到关键问题上，而且并不是单向的，后面在执行步骤过程中，可能还会反复到上一个步骤里进行数据优化或者数据补充。

![解决问题步骤](img/data-thinking/解决问题步骤.png)

可以看到一个细节，这是一个有发散到聚焦的过程。这就意味着"我们一开始不能只看到代表结果的数据，而忽略具体的问题"。
也就是**不能一开始就陷入具体数据中**。

### 第一步，把理想与现状对比（As-Is To-Be）

这个做法其实有点咨询的味道在里面，因为一开始在找到问题的关键前，你需要先要知道你的需求方也就是老板（或者家人），
他的心里到底是怎么想的？他的计划是什么？你可以列出如下这么一个表格，一个是现状，一个是理想状况。

![AsIsToBe](img/data-thinking/AsIsToBe.png)

这里要注意对于提出来的问题，我们不能只去关注问题本身，还要留意问题之外的问题，你可以从以下这几个角度来扩展下思维。

- 当前是理想值的多少？

- 如果理想值提高 10%，你可以从哪些方面下手？

- 如果理想值提高 100 倍，你可以从哪些方面下手？

其实思考到一些新的问题之后，你就可以重新定义这些问题了。
然后你可以进行更深入一些的访谈，去完善你的现状和未来的列表，比如我把上面的表格扩展之后，就变成了下面这样。

![AsIsToBe2](img/data-thinking/AsIsToBe2.png)

完善之后，整体感觉还是太高层次了，看到了这些大的方向，我们现在怎么来落地到具体的问题呢？
   
### 第二步，6W2H法

这里采用在[数据思维框架](数据思维框架.md)中已经介绍过的[6W2H法](数据思维框架.md#6w2h)。
主要可以帮助我们拓展思考的范围，去逻辑性地梳理各种基本问题。
[数据思维框架](数据思维框架.md) 中提供的思维框架就是在这里根据实际业务场景帮助我们去更好的分析问题。

- **Who**：指的是涉及这件事情的人、组织职务等等，一般会涉及到决策者、行动者、客户等；
  
- **What**：列出跟我们讨论相关的这个方向整体的事实或者架构，这些问题和哪些因素有关？他们的条件是什么？重点是什么？与什么有关系？
  
- **Whom**：紧接着列出这个目标是针对谁来做的，工作对象是谁？关键干系人有哪些？谁会受益？
  
- **When**: 明确实施的时间周期，预期何时能完成？需要几天才合理？
  
- **Where**：确认渠道、地点位置、周边的环境，资源在什么地方；
  
- **Why**：列出可能的原因，一些前提条件或者意图；
  
- **How**：思考一下现在的问题，未来有可能用哪些手段、方法提高和改进这个问题；
  
- **How Much**：确认最后要花的时间、人力资源、费用等。

### 第三步，鱼骨图

这时候如果还用 As-Is To-Be 的图表就会不够清晰了，所以这个时候我们可以用一个叫鱼骨图的新工具来梳理一下我们整体的思路。

![鱼骨图](img/data-thinking/鱼骨图demo.png)

## 具体案例

我们现在供职于一个做销售工具的 SaaS 公司，老板让我们针对现在运营投入的情况做一份数据分析，我们应该怎么下手呢？

我相信大多数人遇到这样的问题时，第一反应都会想到先把过去运营的数据做一下统计，然后用柱状图和折线图对比一下每年的增长，接下来再根据不同的产品和用户群进行分类做相关分析。

但这样做其实是错误的，你做了这些分析之后，经常就会陷入到一个困境里，那就是接下来应该怎么做呢？就像我们面临生活中的买房问题一样：你可以拿到各种数据，却不知道该如何决策。

**之所以我们会陷入这种困境中，是因为我们只看到了一些代表结果的数据，没有分析具体问题。**
销售额、利润率这些数据其实很容易收集，也容易得到我们的关注，但是紧盯着这些数据结果进行分析，你的效率会非常低下，基本没办法进行结果改进或解决问题。

### 第一步，理想与现状对比

所以，**数据驱动不是只是利用“数据”做驱动，而是要用数据思维来驱动**。我们要先确定分析的问题，再采集数据。我们利用前面的 As Is-To Be 方法来进行迭代。
通过和领导的访谈，你发现在领导心目中，现在的问题是运营获客效率低，开销占成本一半，他期待的是提高运营效率，成本降低到 50%。

这个问题只是大方向，我们可以想象，降低到 50% 其实并不是最终目标，我们跳出这个框架，来想一下理想状态下，这个目标应该是什么。
这个时候其实你可以和老板一起头脑风暴一下，沟通过后未来的目标更清楚了，理想（To Be）为：“形成自动化获客体系、提高运营效率、长期获客成本逐年降低”。这些目标虽然看上去宏大，但是即使短期内无法达到，也不会整体方向上错误，让我们陷入短视的陷阱里。

### 第二步，6W2H法

用 6W2H 法进行拆解。整体上运营客户效率低，其实涉及的部门很多，从老板的角度来看这个问题，就会有下面这个图。

![6w2h](img/data-thinking/img_9.png)

然后我们去每一个相关部门带着领导的 As-IS 和 To-Be 的设想以及 6W2H 来访谈，细化问题，例如我们现在去市场部门进行访谈，进一步拆分问题如下。

- Who：市场部；

- Whom：新客户；

- When：从公司成立以来；

- What：购买大量关键字费用很高；

- How Much：费用在每月 100 万元；

- Where：搜索引擎和抖音；

- Why：关键字转化 ROI 没法获得，没有数据支撑；

- How：希望前后台数据拉通，评估数据。

类似的，我们还可以去走访运营部、电销部、产品部，还可以访谈部分客户，可能有些数据情况还不清楚，不过没有关系，我们可以在第二步采集数据之后再设计具体目标，现在我们先把具体方向列出来。

### 第三步，鱼骨图

![鱼骨图](img/data-thinking/鱼骨图2.png)

有了这个鱼骨图，基本上我们把领导的这一句让你找“运营问题”的话，已经拆解成若干部门的若干问题了。注意，就像开始的流程图一样，所有的这些工作流程并不单向的，在我们根据这些问题去采集数据的时候，很可能会发现新的问题，
我们依然可以把新问题补充在这个鱼骨图里。

这样一来，我们把上面的大问题进行拆解，将这些问题再细分，逐步找到相关的数据再采用[数据基础算法](数据基础算法.md)进行分析，最后就可以解决问题了。

如果本文档只能记住一句话，我希望你记住，
**数据分析重点在要分析的问题，而不是在数据，不要一上来就先用手头数据进行分析，要先针对问题利用 As-Is To Be 和 6W2H 方法进行细化。**

## 参考文档

- [《数据分析思维课》21 | 确定问题：与利益无关的问题都不值得数据分析和挖掘](https://time.geekbang.org/column/article/418334)