你是不是经常接到AI智能给你打来的电话？就是我们俗称的机器人电话，当老王刚挂断一个这样的电话的时候，公司的HR又来找老王诉苦了。

公司某大件耐用产品交易平台，一直是需要话务员做人工转化的，现在公司上层计划引入AI智能承接话务员的工作，领导要求把人工话务员数量砍掉80%。这让HR很是焦虑，看似裁员是HR的本职工作，可是面对这种不讲策略的裁员情况，很容易“扑街”呀，万一影响了经营，这个锅肯定还得HR来背！

看到这里，你是不是要问了，老板让HR裁员？HR为什么要找做数据分析的老王呢？

嘿嘿~这就是HR的聪明之处了呀！

理论上，HR直接裁人没有任何问题，但是，很可能裁完后发现：这机器人不行呀！转化率直线下降，平台GMV已经降到了冰点。

HR来找老王，就是想要让老王帮忙验证裁员方案的可行性，避免因为盲目裁员造成重大损失。这看似是HR的工作，其实和数据分析也有着千丝万缕的关系呢，刚入行的小萌新们，可别天天做着大项目的梦了，小细节才更能突出数据分析师的价值！

通过如何帮助HR解决裁员问题，我们就能非常清晰地将数据分析师的能力划分为3个层级：

第一层：初级阶段

一般刚入行的数据分析师，一看到要验证方案的可行性，就会采用最直接的做法——测试。用测试的方式告诉HR怎样做既能实现裁员的目标，又能让风险可控。比如：先裁掉10%，看看机器人能不能胜任工作，如果能接住，就再裁10%，直到裁够80%。

这种看似挺有道理，但是隐藏着一个大BUG：第一批的10%是哪些人？如果第一批裁掉的10%里，绝大部分都是业务能力比较好的话务员，那这一轮的结果和直接裁掉80%没有区别，GMV绝对是扛不住的。

这一类数据分析，只是做了事后验证，却没有考虑到事前扫雷，所以，也只能是个入门级别的数据分析师了。

第二层：中级阶段

具备中级阶段能力的数据分析师就会考虑到排雷的问题了，他们会根据话务员的转化数量将话务员进行分层，根据分层结果决定先从谁开始裁员，如图。

这种时候会有两种情况：

情况1：如果个体差异比较大，如果一开始就裁了优秀话务员，机器人万一扛不住，就会造成重大损失，所以只能从转化最差的员工开始裁。

情况2：个体差异比较小，这就说明每个人的可替代性高，只要机器人能达到平均水平就没有问题，所以裁谁都可以。

当然，不能只看员工短期的表现，短期内可能会有很多因素影响力员工的业绩，所以做分层的时候，还要加入员工的行为分析，从而判断该话务员是：一直很好、越来越好、只有刚开始好、随机好，这4类中的哪一类。

考虑到这些，依然是达不到一个中级能力阶段的层次，因为这个过程中，数据分析师只考虑了最终的转化成果，并没有考虑转化过程，这样的转化结果究竟是怎么出来的？是靠广撒网疯狂打电话？还是有一定的话术技巧，需要慢工出细活？过程不一样，对机器人的能力要求就不一样。

除了转化过程需要考虑外，还要更深一层的去观察转化对象的类型，是天然好转化？还是就是一块硬骨头？不同类型的转化对象，决定着对机器人能力的分类评估。

作为中级能力阶段的数据分析师，都会通过以下4个方向去确定影响转化率的因素：

1、是否是话务员个人因素影响转化率？

2、是否是话务员业务熟练程度影响转化率？

3、是否是话务员接触转化对象数量庞大影响转化率？

4、是否是转化对象本身质量影响转率？

这样，对解释机器人上线后如何控制转化率不下降有很大帮助，同时避免在测试时只看到浮动变化却找不到原因，也可以避免盲目测试。

如果一个数据分析师能做到这个程度，那任职公司该偷着乐了，这样的中级能力数据分析师，已经是个宝了！当然，距离高级能力，还是有很多地方有待提高。

第三层：高级阶段

高级阶段在对中级阶段考虑的4个方向做出判断后，会有进一步的动作。假设转化对象本身的质量对转化率起着至关重要的作用，高级阶段的数据分析师尚且不会轻易做出判断，会进一步做测试，通过AB测试的方式，会选取优质与普通转化对象，测试机器人替代人工话务员的转化效果（如图）。

测试结果很可能出现以下几种结果，针对不同结果应该采取不同的策略：

测试结果	应对策略
机器人全胜	直接替代人工
机器人全败	改进机器人算法，暂缓替换计划
机器人对优质对象转化差 且对普通对象转化好	分工合作：人工做优质，机器人做普通
机器人对优质对象转化好 且对普通对象转化差	调整机器人算法训练方向，细化区分普通对象，提升转化率

之所以称之为：高级阶段，是在此时，后续策略已经完全由数据表现而决定。即使大家有各种想法，最后还是以数据为准绳，根据数据变化做判断，这就实现了数据驱动最高级阶段，不必再做事后诸葛亮。

【总结一下】

数据分析师在企业的价值，就是要通过数据驱动决策，而这个过程靠的是体系化的分析，而不是有一个超牛的算法或者模型就能搞定。

事前预判、事中监控、事后复盘，缺一不可。

同时，决策依据一定是可量化的数据结果，而不是“我以为……”“他就是……”“老夫从业十年……“我看别人都这么干”“我在大厂的时候都是这么干的……”等等，一定是提前设定好了量化的判断准则，根据数据结果优化决策。

说起来容易做起来难，要实现这个结果，不但需要数据分析师有耐心做细致的工作，更需要业务方积极配合，有足够的耐心和活跃的思路，尝试多种可能性，而不是简单地一刀切，这样共同努力，才能实现最好的效果。

好啦，今天的分享就到这里啦，新入门的小可爱们不要好高骛远，不要觉得做数据分析师就要做百亿千亿的大项目才有价值，在企业的日常经营中，任何环节数据分析师都能起到超乎想象的作用，加油吧！

下次还想听老王讲数据分析的哪些“秘密”，记得评论区告诉我哦~