数据分析建议不被采纳？学学三国军师的智慧！本文结合《三国演义》案例，拆解答疑、建议、提醒、总结四种指导姿势，教你用AI多方案测算提升建议说服力，让运营真正听你的。
“数据分析要指导运营决策，提供可落地的建议”是很多企业对数据分析师的要求。很多同学直接用大模型生成分析、写建议，以为数据够全、算得够快，运营就会照做。
可真做起来，很多同学叫苦连天：我提的建议，运营都不听！也不按我说的做！让我咋落地呀……
那到底该咋办？
一个通俗的例子，看懂指导方式我们看《三国演义》里边的军师是怎么指导主公决策的。凡是那种喊着：“主公不听我言，必遭大败”的军师，都被主公拖出去咔嚓了。此时主公的内心独白都是：“我是主公还是你是主公！”而真正受主公信任的军师，则在用这4种方式发言。
方式1：答疑
主公问：敌方摆的是啥阵型呀？
军师答：敌方摆的是八门金锁阵，这个阵法分为……
此时主公不了解情况，军师给主公科普，讲清楚事情就是“支持”决策。
方式2：建议
主公问：军师有何退敌良策呀？
军师答：上策是趁敌人远道而来，疲惫困顿，粮草不济，坚壁清野。中策是……下策是……
这里有很多细节：
1、军师给建议，是分析+结论一体的，既有理由又有行动建议
2、军师给建议，很少给一种建议，而是充分考虑最好、一般、最差情况
3、军师给建议，就只是建议，不会替主公下判断，最后拍板权还在主公那里。
军师给建议讲究上中下三策、充分考虑各种情况，这恰恰是现在AI最擅长的事：让AI基于业务数据做多情景推演，把最好、一般、最差的情况都算清楚，再交给人来拍板。AI负责把方案做全，人负责做判断，这才是AI+数据分析的正确姿势。
有趣的是，我们发现主公很少选上策，很多时候都是选中策甚至下策。这时候就有开头一幕，那些倔强地坚持“主公不听我言必遭大败”的军师都被咔嚓了，而聪明的军师则闭口不言，再聪明一点的，已经开始为主公准备打败以后的逃跑方案了，哈哈。
方式3：提醒
曹操被关公堵在华容道，眼看就要噶了，军师一个箭步冲上去：“主公，关云长义薄云天，傲上而不辱下，欺强而不凌弱，不如去求他饶命……”这就是典型的提醒！
提醒最讲究时机，而“盯时机”这件事完全可以交给AI：让AI持续监控流量、活动、进度等关键指标，设置异常预警，一旦出现真问题第一时间推送，人的精力只花在“要不要说、怎么说”上。
如果在平时，你说：“主公你要当心呀”。主公只会笑着说：“先生多虑了”只有在危急关头，你的提醒才能被听进去。
方式4：总结
打完仗了，总结一下：“本次作战，主公有十胜，敌人有十败……”不过这个时候，如果打赢了仗，大家都在邀功呢，说了也没几个人听。打败了仗，大家都在找出气筒，乱说话可能就被“借项上人头一用”了。
像周报月报这类总结，AI可以自动生成初稿，把数据、图表、结论先摆出来，省下大量重复劳动。但真正让总结有分量、能被听进去的，依然是你对业务的理解和判断。
数据指导运营的正确姿势故事讲完，来正经的。数据指导运营的正确姿势，也是：答疑、建议、提醒、总结四种，而不是非要求人家按自己的意思办。而且这四类工作的重要性与发生频率也是不一样的（如下图）
真正让数据分析安身立命的，恰恰是答疑类工作。只要运营有用数据说话的意识，在工作流程每一步都记得看数据，那数据分析就有活干。这些工作中数据积累，也是日后深入分析的线索，所以要多做，最好贯穿在整个工作流程里（如下图）
答疑类工作现在可以做得更“轻”：把高频问题沉淀成知识库，用AI助手7×24小时自动答疑，数据分析师只处理AI答不了、需要判断的复杂问题，把时间留给更值钱的建议和提醒。
提醒类只在真正有问题的时候说才管用。平时唠叨：同比跌了3%，环比跌了2%，也没人听，听了也没啥反馈。
发现重要问题，比如：
1、流量数据不正常，可能存在虚假流量
2、活动参与不正常，可能有薅羊毛存在
3、达成进度太慢了，可能无法完成任务
这个时候再做提醒，可以有效提高提醒关注度，化解潜在危机。
总结类，虽然做得多，但意义最小。运营部门经常屁股决定脑袋，非要强行论证自己做的有效果。
至于：把自然增长率改成负的；挑选在下跌的竞品公司数据以证明“大盘都在跌”，都是常规操作。这时候非要说“不是大盘，是你没做好”，就会引发冲突，还不如把数据都摆出来，信不信老板自己定。
至于人们最常说的：数据分析提供有效建议。其实很多时候运营已经有自己的判断了，不接受建议是常事，所以没必要强求。可说到这，有同学就会有疑问：我的建议他都不接受了，咋体现我的建议有价值呢？
当然有办法，不但能体现价值，而且能增进运营对数据的信任。
如何体现数据的专业性如果前文例子一样，在提建议的时候，不要只提一个，而是提3个。不要只试图证明自己的建议是合理的，也要证明如果运营不采纳自己的建议会怎样。输出建议的逻辑，如下图所示。
多方案测算正是AI 的强项：把规则、指标、费用、目标交给AI，让它把“上策 改法、中策优化、下策维持”各自的预期结果都算出来，你只需要把关业务逻辑，建议的专业度和说服力都会上一个台阶｡
比如运营在发优惠券，通过数据你发现券越派越多，活动效果却越来越差，因为有相当一批老用户已经形成习惯了，反正本来就会买，多领一张券就多享一点优惠。
你很想建议改一下发券规则，规避下这些自然购买群体。此时提建议，不要直接提“建议改规则”，而是列出三种情况：
这样，运营听你建议改了方法最好。即使运营没听，依然沿用现在的老做法，你也对将来的情况做出了预计。
如果你预计得很准，结果复盘时如你所料，那你就牛X大发了，这不就是妥妥的开天眼吗。即使大家嘴上不说，心里也会觉得“这个预测真神！”后边会更加相信你的判断和建议。
这种建议提多几次，即使大家不100%接受你的做法，至少会每次拉上你听听意见，信任程度是直接倍增的。
如果运营没有听我们的建议，我们也没能预计准确业务走势，那就说明我们的分析能力还有待提升。
综上可见，想做好数据指导运营决策，需要数据分析师们懂得使用AI，更需要沟通技巧和基于业务的准确判断能力，这样才能体现数据分析的价值。
本文由人人都是产品经理作者【接地气的陈老师】，微信公众号：【接地气的陈老师】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
天宇优配提示：文章来自网络，不代表本站观点。
