数据分析师，你是车夫，还是拉车的驴子

“数据驱动业务”是句非常时髦的话，也是让很多同学头疼的话。因为这玩意看得见摸不着呀。天天光听着喊“驱动”“驱动”，可到底咋驱不知道。而且问个问题也被业务喷，提个意见业务也不听，还总嫌弃数据分析不够深入，分析建议不够具体，咋整！今天用个形象的例子讲解下。

 1 

到底什么叫驱动

说到驱动，最典型的场景就是驾驶马车的车夫了。马儿拉着车子，车夫拿着鞭子，一声：“驾！”马儿就拉着车子快跑。那么问题来了：车夫要怎么样驱动马儿拉车呢？

思

考

一

秒

钟

直观能想到的是：

1、指明方向：揪着马儿往正确的路上走。

2、提高速度：一鞭子抽马儿屁股上。

3、增加补给：多给马儿吃点料。

4、预告危险：看到有坑就把马拉住。

这才是驱动直观的做法。

这四点，其实对应四大问题

1、目标问题：起点、终点。

2、方法问题：怎么做才能更好。

3、投入问题：投入多少资源。

4、限制问题：限制条件影响下是否会出事。

在企业里也是一样，想要驱动业务，首要解决就是四大问题（如下图）：

 2 

数据对驱动的作用

然而注意，这些看似简单的动作，做起来并不容易：1、指明方向：意味着得清楚起点、终点。2、提高速度：得清楚马到底能跑多快，不然光抽鞭子，马都痛死了，咋跑。3、增加补给：得清楚马跑一天需要多少草料，一顿吃多少。太饱，撑着；太饿，没力气。4、预告危险：得清楚路上哪里有坑，得知道马车能承受住什么样的颠簸。

可以看到，四个问题都和数据有关系！其中最重要的就是量化目标。起点、终点直接决定了要走什么路，有几条路可以走，路上要准备多少草料，会有什么坑。所以目标不确定，一切免谈。目标不但要确定，而且要清晰。不然光甩一句：带我在若羌县逛一圈吧，听着很简单。到了才发现，这个县居然有两个浙江省大！跑死也跑不完。

这里就有一个问题产生了：如果我们从来没驾过马车咋办。如果我们从来没走过这条道咋办。如果我们用的马从蒙古马换成了阿拉伯马咋办。这些都是全新，没有数据。在没有数据的情况下，可以先做测试。小范围的跑一段，看看路况，看看马的体力，学习下马车咋啦。

这就是数据驱动的两种基本模式：

1、对于已经熟悉的业务，总结经验，发现问题，剔除bug

2、对于刚刚开展的业务，测试效果，分组对比，发现规律

 3 

数据驱动的高级玩法

注意：以上是基于“马儿不能换，车子也不能换”这个前提来讨论的。如果车夫的驱动目标不是“驱动马儿”而是“驱动车子更快、更便宜地把货物送到目的地”，那就有更多可以做的事了：

1、选好马：哪只马跑得快，耐力好，用哪只

2、换好车：车轴上油、车身加固

3、分配货量：分几次跑，别一趟累死一只马了。

4、用便宜的：货主给不起钱，那换个驴子，便宜。

这就是驱动的更高级玩法。从目标出发，不局限于手段，选择更合适的方法达成目的。

 4 

数据驱动的一种脑残搞法

问，如果有一天，你看到一个车夫在：

1、自己撸起袖子拉车，要什么马！

2、车上套个猪，然后抽鞭子赶着猪拉车

3、车上套个死猪，然后研究怎么把死猪起死回生

请问：你会认为这个车夫掌握了强大的宇宙力量，还是认为这个车夫是个神经病。他当然是个神经病啦！马车，马车，有马的车才叫马车。驾车的人不去研究怎么驾驭马匹，怎么强化车身，而是试图代替马儿跑，这不搞笑吗！猪拉不了马车，这是常识，用猪来车这不搞笑吗！企图把死猪搞活不更搞笑吗！他都有本事起死回生了，他还当车夫？？！！

然而：

当车夫变成数据分析师

把马车变成运营、营销、策划……

把鞭子变成“大数据”“人工智能”“算法模型”

你会发现：试图用鞭子抽着老母猪拉车的事，在各个企业都有上演，层出不穷，精彩的很。

很多业务一听“数据驱动”四个字，立马撒手不干，啥都指望数据干。

很多业务把全部希望寄托在“100%精准预测”上，不考虑其他可能，不做应急方案。

很多业务大谈特谈“数据分析要具体”，然后连做几个页面，画几个按钮都甩给数据。

很多业务本身流程存在问题、产品质量低下，自己懒得改进，全指望“数据精准推送”。

这不是让车夫来拉车这是什么。这不是用鞭子抽死猪这是什么。更不要提那些连基础数据收集都没有，连数据分析都懒得做，连业务目标都不清楚。上来就喊：“我们要提高业绩，请具体分析出提高业绩的方法。”的货色——就这么说吧，你去庙里拜菩萨，你都得跟菩萨说个具体事：“保佑我赚100万”“保佑我生儿子”之类的。况且你的数据分析师不是菩萨。

 5 

数据驱动的另一种脑残搞法

问，如果有一天，你看到一个车夫在：

1、对着马儿的长耳朵说：”你说咱咋跑比较好呀？？？”

2、赶车？赶车无非就是喊：“驾！”“驾！”，你一喊马就跑了。

3、在微信群里问：有没有头、腾、阿的高级车夫，有问题，可付费！

4、在网上搜《21天0基础精通赶车》的pdf版资源

你是会觉得这个车夫是个赶车科学家，还是个书呆子。当然是个书呆子啦！只有基础科学才有系统化的书给人学，类似拉车这种实操性这么强的事，不去现场观摩，你找头腾阿有毛线用，因为小马哥名字里有马，所以他们家员工都会驾马车？？？局限于书本，企图硬搬书本知识解决实际问题，盲目迷信所谓“大厂”“高级”，是很多数据新人常犯错误。

然而，你一提理解业务，很多新人又跑到另一个极端去了：啥都是直接问。人家说啥他信啥。数据呢？检验呢？总结呢？全都忘到脑后了。事后还洋洋得意：我跟业务沟通过啦！可能被人卖了还在帮人数钱呢。

所以数据驱动业务，需要的是数据和业务一起努力。业务自己清晰方向，努力提升设计、运营、美工、产品研发等业务能力。数据认真采集数据、监控过程、复盘结果、总结经验、测试创新，才能发挥做大效果。

然而，这两年人工智能概念的流行，让数据驱动业务越发变得一塌糊涂。现在流行的是：业务懒得思考，指望着“100%精准预测”的模型魔法，能帮他们开天眼。然后数据自以为自己真的能做出来“100%精准预测”，只要他能找到一个头腾阿的大神给他一本《21天0基础100%精准预测》pdf版然后保存到电脑D盘-干货-数据挖掘-算法模型文件夹里。结果吗，自然是骂人骑瞎马，夜半临深池了。

我在B端做数据分析数据分析师，要懂多少算法模型？8张图，看懂数据驱动业务的六个层次万字吐血好文，一线分析师的4大总结！当指标下跌，该如何进行分析？【珍藏版】9张图，看懂数据分析如何由浅入深数据分析师最纠结的五个问题是什么？干货！滴滴专家分享：数据如何驱动业务增长八张图，看懂数据分析如何驱动决策到底，指标波动多大才算大？看过这些才明白......

点击左下角“阅读原文”查看更多精彩文章，后台回复【加群】申请加入万人数据学习社群

🧐分享、点赞、在看，给个3连击呗！👇