在之前的帖子《数据分析师，什么时候算是真的有业务思维了》中，分享了业务思维中的基础——用户需求洞察，本篇接着聊在用户需求洞察完成后，对业务解决方案的认知和输出。 对DA来说，业务解决方案无非需要想明白2层，知道是什么，以及知道该用哪个 1️⃣知道是什么 有一个现象不知道大家是否观察到了，业务中遇到的很多问题，其实都有非常明确的解法，这个解法基本上来自于同类业务或者人类的common sense。比如，你作为的DA，想提升直播的观看时长。不用细琢磨都可以想到，无非是多鼓励博主开播，多扶植优秀主播，多推荐优质主播，多在feed中露出，多优化直播内容，在用户要退出时加一些阻拦。这些事儿，要么同类产品已经做了，要么就是大家的common sense，真的不难想。 其实在提升观看时长的过程中，我们并不是真地通过分析找到了某种新的解法，而更多是“知道有这种解法，但需要论证这个解法的有效性”。大家不用妄想数据分析师有多么大能耐，能在平地起高楼。我们的核心职责就是发现问题、找到问题原因并尝试推动方案落地，而这也就引出了解决方案的第二层 2️⃣知道该用哪个解决方案 这里又分两层，知道问题原因并确定哪个方向的方案也许能work，并明确在这个方向的方案中，每个迭代的优先级。 举个评论率提升的例子，你明知道也许是我们评论的产品能力做的不够好，导致用户发评论有困难。这就是做分析中的假设，有了这个假设，下一步就是去看看用户实际发评经历了哪几个环节，每个环节到底有什么问题，是打字不够方便、表情不够丰富还是发送不够顺畅？明确了存在的问题，就划定了解决方案的大致范围。接下来，做哪件事儿，当下roi最高？毕竟，DA在理想情况下，要和业务一起背目标，哪个方案，又好做，同时对评论率的提升贡献又大，当然要先推动哪个先落地。 以上所讲解决方案，相对微观，是在业务落地过程中比较细节的东西。越往后做，越会发现，细节的东西，只能解决眼前的问题，甚至是饮鸩止渴。有些问题，是系统层面的问题，需要的是更宏观的解决方案，这就对分析师的业务思维提出了更大的挑战，甚至在挑战我们的scope。工作越久越能发现所有岗位的局限，想破掉，很是需要一些运气和时间