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》