每日干货好文分享丨请点击+关注
欢迎关注天善智能微信公众号，我们是专注于商业智能BI，大数据，数据分析领域的垂直社区。
对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入头条数据爱好者交流群，数据爱好者们都在这儿。
注：本文于3月29日首先天善社区，有转载需要请联系作者
这是一个真实案例，月薪5,6,7K的同学都看看，自己是怎么错过机会的
——平均？为什么只看平均——
小王是一个酒店的运营专员，他要统计n张报表供运营和市场部的人看。其中有一张表叫《会员消费情况表》，要统计各类会员的消费情况，比如我们有10万名钻石会员，上月有消费2万人，每人2个订单，每个订单220元，类似这种数据。
然而小王却很好奇，为什么只看平均数呢，白痴都知道钻石级会员比金卡级消费多，金卡级比普通卡消费多，如果再拆细点会怎样？？他好奇的自己提了份需求，跑了全体会员过往1年内消费情况，按年消费总额的高低排序，分成10等份。奇葩的事情产生了。
居然排名最底的10%的会员，每笔订单品均只有100元，比我们酒店门市价低60%还要多！话说我们家什么时候有这么便宜的房间了？市场部什么时候做过这么大力度的促销了？这是一帮什么人，为什么正好在有这么大力度促销的时候消费？小王心里充满了好奇。这些人每多一个，公司要亏100多块，全部算起来，公司要亏1500多万，乖乖，好大一笔钱，似乎有动力继续研究下去。
——好奇心是分析的驱动力——
好奇1：有没有人故意薅羊毛的？从数据上看，这些垃圾会员平均只消费1.05次，也就说有人消费2次以上，那么这么低的折扣又消费两次以上，很有可能是故意在薅羊毛，比如集中n个订单用高端会员卡下单套优惠。因此第一步要先区分垃圾用户里的卡等级，把高端会员卡剃出来。果然，一分析之下，找出来近万张羊毛卡。
好奇2：什么活动送了这么大力度的券？剩下的会员里，既然不能从高端卡捞好处，肯定就是活动送的券，那么什么活动会有这么大力度的券？第二步，查回市场部，业务部过往1年内所有的推广活动，看在什么时间，什么地点，什么渠道派了券，重点关注是否规则上有可以叠加使用的券。再看回这些垃圾客户。结果是发现有两类典型的场景，一种是新店引流，力度较大；另一种就是多种券叠加使用了，并不在新店引流时发生。
好奇3：新店引流有战略意义，哪些平时出来蹭的是什么鬼？小王并没有冒冒失失的把分析结果丢上去，因为新店引流是件政治正确的事情，即使亏本，说不定市场部也很想做。他把目光投到了那些非新店消费的用户，进一步了解：这是些什么人？经分析，这些人注册时间早于消费时间，只在有券的时候才消费，很有可能是长期蹲点等优惠，看着有好处才消费的老油条。
好奇4：既然这些可叠加的券这么有问题，为什么之前没人发现？然而，小王并没有马上把这个结果呈出来，因为既然这些券有这么大问题，被大量套走，那为什么之前没有人发现？市场部不是每次活动都要做总结吗？他仔细翻回了之前的汇报，发现在垃圾客户集中用券的时候，对促销的考核都是看整个活动的效果，整个活动拉动多少活跃和多少客户，没人细看到底这些券去了哪里，高价值的客户也在用。“还好没有贸然送出去，不然肯定被市场部喷，说取消了券会影响高价值用户消费的。”
好奇5：如果我就不送了，会怎样？那是否我不送了，高价值用户就不会消费了呢？小王带着这个疑问，展开第五步：看高价值用户的消费习惯。结果发现，高价值用户主要是男性，商旅用户，60天内重复消费比例非常高，消费节奏感很强，并不会根据发券的节奏消费（已用的只是刚好凑上时间了）。那么可以大胆假设，即使没有券，这些人也会继续消费。
至此，垃圾用户的情况已很清晰了：
1. 存在薅羊毛用户，需从规则上限制
2. 投放大额优惠券时不区分过往消费行为，会吸引大量老油条套利。
3. 高价值用户奖励方式可以进一步升级，减少券硬投放，降低成本。
经综合测算，优化优惠券投放，砍掉薅羊毛用户后，可以为公司净节省成本1000万以上。小王获得了领导的嘉奖，在入职第二年升职运营分析主管。(*^__^*)
——血淋淋的真相是什么——
血淋淋的真相是：这个问题不是月薪5千的运营专员小王发现的！更没有一个月薪5千的小王做出分析与对策，更没有一个月薪5千的小王因此升职加薪。这个分析是一个年薪40万的专业咨询顾问老董做出来的。实际上在老董接手这个项目以前，客户的运营部分有好几个小王，小张，小李，已经看这个报表看了好几年了，没人发现问题，也没人提出问题，更没有人思考解决问题。
老董和陈老师提及此事，令陈老师唏嘘不已。这个分析过程简单到不能再简单，只要加减乘除和分组对比就可以了；也没有用到很高深的知识，一篇800字的文章就能讲清楚，各位看官即使不懂行也能看明白，然而，为什么专员，小王，小张，小李们会放弃这么好的机会，还要等着公司花大价钱请咨询顾问来解决问题呢？
抱着这个好奇心，陈老师找老董要了一些数据，脱敏后做了几个问题，口头问过一些表哥表姐，发现以下几个坑点，极大阻碍了他们深入下去：
坑点1：没有好奇心。不会主动去看细节数据。70%的专员坑死在这里，不会主动思考！
坑点2：业务部敏感。比如看到消费1次100元，想着那消费低的人就是少啊，联系不到“这只有常规屋价一半，市场部什么时候投放过这么大力度的券”。这里大概坑掉15%的人。
坑点3：不会做假设，想不到这里其实至少有三个场景。一股脑的把数据怼出去，结果被领导：“可能是这样啊，可能是那样啊，虽然低但也可能有战术用途啊顶了回来”这里大概坑掉10%的人。
坑点4：不会反向验证。既然问题这么大，为什么之前没人发现；这句话大部分专员们想不到，对一个问题缺少反向验证的想法。这里大概坑掉5%的人。到这里专员们全军覆没了。
坑点5：不会追问可能性。如果去掉会怎样？做了这一步，才能让自己的分析站得住脚，正向论述：“做了不划算”加上反向验证“不做其实也不差”，两者结合就能让自己的分析非常坚实，不至于被人用随便几个理由搪塞。
如果真要是小王能发现这种问题，他也是老王了——by 老董
是啊，小王们一般不会认真思考手头的数据。他们有空了会上网加各种运营讨论群斗图，问人要书单，抱怨工作无聊，问是不是要学个R，python什么的的——by 陈老师
搞笑的是，在陈老师测试的30几个专员里，有20+个都对现有工作不满，真有至少15个在咨询陈老师是不是要学个R或者python……好吧，陈老师想说的是，即使大家提升了代码能力，还是要学会主动思考，数据分析，数据和分析是同样重要的，只会统计一个数字，还是达不到分析的要求，还是很难升职的。
对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣同学加微信：tstoutiao，邀请您加入头条数据爱好者交流群，数据爱好者们都在这儿。
本文来源自天善社区陈文老师的博客，未经允许，不得转载。
原文链接：https://ask.hellobi.com/blog/chenwen/7036。
