9张图看懂数据分析如何由浅入深

　　问题场景：某物流企业，负责管司机的调度中心，会给每个未上线司机标注原因，标注格式如下：

　　这么做看起来比0级有深度了不少，但没有解决一个核心问题：“到底司机不上线是啥原因？“，特别是“请假”比例这么高，到底是司机不想干，还是没需求，还是平台出了问题。

　　这样分类含义很直观：线路问题跟司机没关系，有些中小客户，就是季节性/临时性有需求（比如双十一、双十二）需要企业这边开发客户/分配好线路。司机的问题，再做进一步细分。

　　▌第二层分类逻辑，可以拆是否车坏了。车坏了是铁定没法运的，此时不但要登记原因，还得登记车辆损坏情况或预计修好时间。如果车辆严重损坏，可能直接导致司机退出，或者长时间运力缺失，这个情况对于新运力开发很重要。至于司机个人问题，再做细分。

　　，可以看司机是否投诉平台。比如平台扣钱太多，这是个规则问题。平台方也不可能因为一个司机的抱怨就改规则。但是，对投诉类问题要先掌握情况。这样才能持续监控，发现更深入的问题。至于没有投诉情况下，司机个人问题，另行处理：

　　拉货的司机不是办公室文质彬彬的小白领，没心情一句句细讲心路历程。一句：“累”背后，可能有多重含义：● 个人心累，不想干司机了

　　●线路跑得累，不想干这个线路的司机了单纯指望口头问，很难理清楚这里逻辑。更不要说大部人连个“累”都懒得说，就是简简单单的不接电话/“请个假”。调度员每天对着几十个司机，也没空一个个谈心，也不太指望调度员能把个人原因都整明白。所以这里可以简单记录原因，靠后续分析来做深。

　　这样能建立监控指标，观察问题，也能加强对调度员的要求。并且调度员需要关注的核心问题只有三个：

　　比起一次给30个选项的调查表，这样抓关键行为的做法更容易让调度员掌握，降低培训成本，且后续数据也能和之前的对上，避免新数据垃圾产生。

　　这些并不反映在调度表里，但是却直接影响调度结果与司机上线，因此需要从线路需求表里，先分析清楚，这样解释调度的原因才容易说。

　　这样综合分析，才方便运营评估：是否要响应投诉，看到投诉指标变化，也好理解这个指标对业务的影响程度。

　　▌比如问题3：司机到底是累还是不想干，得先看内部数据说话通过内部数据，能看出司机实际行车时间，把“累“字背后含义：真的累or赚不到钱区分出来，从而针对性分析。这样做比追着司机刨根问底，更容易发现问题（如下图）。

　　很长时间以来，人们把做数据分析的看成算命先生：我不说话，你丢几个铜钱（敲几下键盘）就天知地知。这是非常非常扯淡和错误的。

　　本质上看，数据分析对抗的是不确定性。因此需要大量的信息输入，才能得出结论。阻碍数据分析由浅入深的最大问题，也是：没！数！据！

　　并且如同上边小案例所示：过分追求完美数据，不但会拖慢业务，增加成本，而且对内部员工和外部客户体验都很差——大家是来消费的，不是来被扒户口本的。

　　总之，就数轮数，可得不出啥有用结论。甚至有可能，数据越多，看得越糊涂。有兴趣的话，下一篇分享《如何体系化看数据》得方法，敬请期待哦！