看懂数据分析怎样由浅入深

发布时间：2022-03-01 14:45 所属栏目：125 来源：互联网

导读：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：备注：实际原因还有很多，这里仅做举例现领导要求：分析司机未上线情况。问：该怎么分析? 一、0级深度做法 3月6日，共1000司机，上线900，上线率90% 3月7日，共1

　　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：
　　
　　备注：实际原因还有很多，这里仅做举例

　　现领导要求：分析司机未上线情况。

　　问：该怎么分析?

　　一、0级深度做法
　　3月6日，共1000司机，上线900，上线率90%
　　3月7日，共1010司机，上线875，上线率87%
　　3月8日，共1050司机，上线850，上线率83%
　　上线率连续2天下降，建议搞高

　　不上线的理由TOP3为：

　　1、司机请假 35%

　　2、累25%

　　3、双十二刚过 20%

　　不点评了，大家自行吐槽。

　　二、1级深度做法
　　上线代表的是运力，不同线路运力需求不同，因此可以结合需求，解读上线数据：

　　A线路本月订单暴涨，但司机上线率在下降，需保障运力。
　　 B线路本月订单减少，司机上线率在下降，可调拨该批司机运力。
　　 C线路为季节性需求，预计下个月就没有了，关注该批司机运力分配。
　　点评：终于知道把上线情况和业务需求联系起来了。这样能解读出：司机上线/不上线，到底有啥意义。重点线路需要保障，零散线路释放出运力要能调配开，这是基本常识。

　　同理，还可以对司机生命周期做分类，结合司机表现，解读上线数据。

　　新手期司机：上线变差，是否意味着最近开发新司机质量下降
　　稳定期司机：上线变差，是否意味着平台运作出问题，老司机流失

　　注意，以上这些计算，需要衍生指标，比如：

　　线路订单量：最近一周内订单数、货运吨位
　　线路订单变化：最近N周内订单走势
　　司机生命周期：从注册到当前时长
　　司机行车里程：最近一周行车里程
　　司机缺勤频率：最近一周无出车天数
　　这些数据不见得在一个表里能体现，因此得从各个数据源找数据组合分析。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。

　　三、2级深度做法
　　注意，1级深度的核心问题，在于：未上线原因给的乱七八糟。

　　什么叫：双十二过了?
　　什么叫：累
　　请假和累是不是有重叠
　　到其他线?那他该在其他线上线啊!
　　可能有些物流企业管理较规范，但这家物流企业调动真的不咋样。这种敷衍了事的回复看了让人摸不着头脑，根本没法用。
　　
　　分类就要用到MECE法，实现MECE的最好办法是：二分类。从示例反馈来看，可以用三层分类逻辑。

　　第一层二分类逻辑，最好用：线路问题/个人问题来区分(如下图)。

　　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。
　　
　　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：

　　1、有没有线路调整

　　2、有没有车辆问题

　　3、有没有投诉

　　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。然而，这样做就够深度了嘛?显然没有，这里遗留了好几个问题。

　　四、3级深度做法
　　有了2级深度的分类，3级深度的分析思路就非常清楚了：

　　遗留问题1：线路到底是调度问题还是推广问题
　　遗留问题2：司机投诉到底要不要受理
　　遗留问题3：司机缺勤到底是“累“还是”不想干“
　　这三个议题，都需要专题深度分析来解决，已经不是单纯靠报表监控能搞掂的了。

　　比如问题1：想区分呢调度问题还是推广问题，得首先对线路端打标签，做分类。
　　比如：

　　线路本身需求不稳定
　　线路本身需求大幅度下降
　　线路本身难开，司机流失多
　　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。

　　比如问题2：司机投诉到底要不要受理，这里可以分规模、内容、效果两个角度来看。
　　规模：是否投诉量在加大，是否投诉集中在某些客户，某些线路，某些时间段
　　内容：是否投诉集中在某些问题，特别是与薪资、扣款相关的
　　效果：是否投诉行为导致的影响在加剧，比如投诉后司机流失率在提升
　　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)。
　　

（编辑：ASP站长网）