QA:数据新人如何想出数据驱动增长方案?

​先解个题:我认为,从数据出发,想出的增长方案,并能由数据进行效果追踪,就可以称为“数据驱动的增长方案”;暂且我把数据新人理解为新入行的数据分析师吧。

而方案,起点往往是一个业务痛点,接着是一个idea,具体拆解为目标、策略、资源、步骤四个部分后,就能初步称为“方案”了。

好,接下来谈谈如何“想出”方案。拆解为3步:

看到痛点。灵光一闪,即获得idea。具像化为方案。

看到痛点

为了能看到痛点,首当其冲的就是多看。即主动获得足够多的信息。接着将信息进行整合归类,再将不同类别信息进行逻辑串联,进而将有逻辑的信息量化,从量化数据中寻找问题。

举个栗子,作为一个新入职的分析师,首先就要尽可能多的与同事聊天,消化交接信息(有交接文档是最好,但很多公司都不要指望有),尤其要和关键角色聊(决策者、项目PMO、老员工、HR)。

把信息按流程规范、工具、协作关系、考核制度等进行归类。理解所在环境的业务运转的方式,将过程进行拆解,思考各过程的关系。寻找各业务过程中的可量化数据,比如KPI指标。

一套做下来,我相信一定能找到业务痛点了,而且还可能找到了量化方式。

灵光一闪

接着是最难的一步,获得灵光一闪。许多人说这个可遇不可求,确实是。启发式的思考方式,效率是比较低的。所以我们要转变思维模式:

继承式思维。

如果前一步做得踏实呢,往往可以从交流中抓到别人有意无意带出的点子。

模仿式思维。

看看同行怎么做,竞争对手怎么做,“抄”不是坏事儿。

众筹式思维。

把问题抛给足够多的人,集思广益。比如举办脑爆会,发调研问卷,举办趣味比赛等。

学习式思维。

向更高阶的人请教,或者求助于书本、搜索引擎等工具。

回溯式思维。

历史总是会重演,面对痛点,可以回溯历史上是否有类似情况发生,当时是怎么做的?无论结果好坏,都有借鉴意义。

逼迫式思维。

逼自己在一定时间内,必须想出个办法,哪怕是个蠢办法,也推出去,接受外部反馈后逐步迭代,就会越来越好。

推锅式思维。

让老板想,同事想,下属想,就是不自己想。此计非到万不得已,慎用!

写成方案

有了idea,具像化为方案,其实就是个写文档的过程了。阐述背景,列明目标,详述策略,明确所需资源,最后列清楚roadmap。这部分不做赘述了。

欢迎大家关注我个人公众号:老树之见,或购买我的书《数据化运营速成手册》

你可能感兴趣的:(QA:数据新人如何想出数据驱动增长方案?)