数据分析的MVP是什么 mvp是什么意思( 二 )


但是注意,这还不是一个合格的MVP,因为知道谁好谁坏,又能怎样?知道李四是真的好了,大家就能成为李四吗?还是根本李四是不可复制的,我得找更多类似李四的人进来?
这些问题都没有答案 。所以此时还是无法直接得出:这数据就能提高业绩 。MVP测试不通过,继续!
四、3.0版本MVP只告诉谁好,谁不好是不能提升业绩的 。业绩是一线做出来的,一线需要的是SOP,是弹药,因此数据要进一步做,比如:
注意,这里已经不仅仅是数据的范畴了,数据只能打标签,列指标 。但话术、语气、时机把握是需要培训/业务部门提供的;因此在此阶段做MVP的时候,可以直接向业务部门明确:是否只输出数据就能满足需求;如果不能,趁早拉其他部门一起干活,不要自己埋头别憋数据 。

数据分析的MVP是什么 mvp是什么意思

文章插图

五、4.0版本MVP看起来3.0版本已经很厉害了 。然而有个隐藏的BUG,就是别人有没有可能学会 。
注意,这个不可知,会极大的阻碍业务认可数据分析的结果——落地不见效,到底是因为数据分析结论错了,还是执行没到位?这个可得提前安排明白,不然事后背锅分分钟的事 。
因此,还需要在现在版本基础上,增加测试环节,检验到底有没有用 。
这样,又涉及到:
把这些想清楚了,就有4.0版本 。
数据分析的MVP是什么 mvp是什么意思

文章插图

在这个阶段,终于能将数据需求,指向一个业务期望的“提升业绩”的结果了;并且最终结果有测试数据回收验证,即使测试不成立,也有备用方案垫底;这时候可以放心大胆去跑数,跑出来一定有用 。
六、MVP测试的广泛应用注意,MVP测试,是紧密围绕用户需求的 。
上边的例子之所以做了好几个版本,源头上是因为用户期望值高,指望直接见业绩;如果用户期望值不高,MVP测试可以很简单 。
比如:
这些只要提前虚拟个数据,做个图确认下需求,就能解决 。
稍微复杂一点的,比如用户需求是:精准预测销量,可能只要梳理两三步,就能更细化范围,提升有用程度(如下图) 。
数据分析的MVP是什么 mvp是什么意思

文章插图

七、为什么要推MVP方法数据分析领域,一直有一个八爪鱼派在流行,就是不管有没有用,不管有没逻辑,像一只八爪鱼一样丢一大堆指标过来(如下图):
数据分析的MVP是什么 mvp是什么意思

文章插图

这种做法,张牙舞爪,看着厉害,可是实际上却是项目失败的根源;让做数据的人误以为工作就是做作业,不考虑实际效果,一味贪大求多,最后累得半死还不讨好 。
相比之下:
这样才能更快的积累分析经验,让数据更好发挥作用 。