谈谈如何用数据分析挖掘业务机会
从数据中,挖掘出业务机会点,是很多公司对数据分析师的要求。然而到底啥是机会点?到底要怎么挖?很少有人详细讲解过,也让很多同学困扰。今天结合一个具体问题讲解一下。
问题场景:某电商平台,运营部门要求数据分析师挖掘用户运营机会点。数据分析师开心地报告“发现用户购买4次以后,用户消费就很高了,建议让每个用户买4次”……之后惨遭业务批判:“你分析了屁!”
问题出在哪里呢?
01
错误示范
“发现用户购买4次以后,用户消费就很高了”这是一句典型的就数论数的废话。用户买得多,消费自然就很高呀!闭着眼睛都知道,还要分析啥。这种世人皆知的道理拿出来当然会被人喷。
其实反过来看,还不如用矩阵分析法,找一下有没有违反常识的人群,说不定业务还能觉得眼前一亮(如下图)。
从本质上看,找业务机会点,要找的是:业务可以通过XX行为,改善XX指标的机会。因此如果脱离业务行动,单纯就数论数,就很难挖掘到真正的机会。
比如上例中,即使用了矩阵法,发现了一批高客单价低消费频次的用户,业务方还是会质疑:
● 他都买了这么多了,为啥还要搞他复购
● 他都买了这么多了,是不是消费力已经用完了
● 他都买了这么多了,为啥不是找更多同类的人
● ……
各种质疑迎面扑来如万箭穿心,数据分析师哪个都抵挡不住。
02
破局思路
从更深层看,找业务机会点,却连业务关心什么、想干什么都不清楚,单纯在数据里扒来扒去,肯定找不到有用的结果。
因此,有两个更好的解题思路:
思路一:先了解业务要做什么,再找把事做好的办法(执果寻因式)
思路二:先了解业务想改善什么,再找能落地的方法(按图索骥式)
这两种方法,都避免了漫无目标的扒拉数据,能做到有的放矢。
03
执果寻因式挖掘
很多情况下,业务部门是因为老板下了命令:“做个XX活动/XX功能吧……”就开始行动。这个时候是现有了一个行动,再想怎么把行动做好。这是典型的执果索因式机会挖掘。
站在业务执行的角度,具体执行方案是由五个部分构成的。
● 目标用户(谁)
● 信息渠道(如何联系他)
● 达标要求(联系他做什么)
● 参与流程(他要分几步做)
● 达标奖励(做完了能得什么)
老板在布置任务的时候,很可能不会面面俱到。此时解决问题的思路,就是哪些板块老板没有指定的,就从哪里入手。寻找可以优化的点。(可能有同学会不服气,为啥不是我站出来和老板干一架,找充足的证据把老板的想法否定掉。额,如果公司氛围很民主的话,可以试试……)
比如老板只是安排了:要做裂变,但是具体怎么裂并没有讲清楚,此时,就能分模块的分析:如何能让裂变做得更好。注意,对应业务执行五部分,需要的分析是不同的(如下图)。
有同学会问,那老板事无巨细地把啥都安排好了,然后让我们执行,这时候咋办?
答:这时候可以改变思路:先评估,按目前安排是否能达成目标。如果能达成目标,则努力做好即可。如果不能达成目标,就得准备第二手方案兜底,避免老板意图不能达成,扣一个“执行不力”的黑锅下来(如下图)。
整个思路归纳一下,如下图所示:
这里要注意的是:在没有做过,且不能做测试的情况下,理论推导的结果是很不准确的。数据分析无法预测前无古人的事。因此只要是业务没干过的,统一建议先测试,拿到测试数据再说话。
04
按图索骥式挖掘
这种情况,更接近我们想象中的数据分析场景:业务部门先给个目标,数据再找办法。拿到这种问题,首先要对该目标的历史达成情况做分析,看看是哪一种(如下图)。
如果真是从来都没有达成过(且根据走势推测,也无法通过现有的增速达成),那就说明:现有的手段都不管用。这时候干脆就不要扒拉历史数据了,历史无法告诉你怎么实现。这时候需要业务上先收集有可能实现目标的手段,数据再配合做测试,或做推演。来验证:这是个真机会,还是镜花水月。
如果偶尔能实现,则还要进一步分析,是凭运气/凭资源/凭做法实现的。很有可能偶尔实现的目标,只是当时运气好/资源多,并非真的有啥好做法,此时洞察的机会点,就是剔出那些真正有实力的业务,总结业务经验。至于没实力的,帮助大家认清现实,早找新办法。
如果一半一半,则说明存在稳定的标杆,可以标杆分析法,洞察标杆做法,作为机会点复制给其他人。
如果能躺赢,则看业务方是想省钱,还是想立功。
想省钱的话,就找刚需用户多,找ROI低的子项目,直接往下砍。此时要洞察的机会点,就是哪些人群刚需,哪些项目ROI低,哪些条线效率低。
想立功的话,就找市面流行但是我司尚未做的做法测试,或者找目前尚未被运营覆盖的人群,试点做起来。此时要洞察的机会,就是:哪些人是漏网之鱼,哪些手段尚未被测试,已测试但是可优化的项目还有多少。通通拿出来做起来。
整个思路如下图:
05
小结
做业务机会洞察,不是从数据库里拿几个字段出来算算就能交差的。
做业务机会洞察,本身就得:
1、在对业务现状充分了解
2、对业务能力范围有充分评估
3、对业务要做的事有预判
这样才能明白:哪些是真机会,哪些是坑点。
做业务机会洞察,更不是预测:“给这个人派个优惠券,他99%会买”。实际影响业务的因素太多,从推送信息到操作流程,从商品到优惠,还有对手动作&用户兴趣,太多因素会干扰。不但不可能预测99%,即使蒙对了,也无法沉淀经验。
比起赌命式的预测,把过往经验总结出来,把未知的方案做好测试,是更能一步一个脚印推动业务把握住机会点,做出业绩。
作者著作
立即扫码下单
▊《商业分析全攻略:用数据分析解决商业问题(全彩)》
接地气的陈老师 著
- 商业分析的底层逻辑
- 跟接地气的陈老师学数据分析
商业分析有用吗?当然有用!商业分析是行走职场、创业启航的一项必备技能。
作者结合自己多年的工作经验,用生动的语言介绍如何用数据分析解决商业问题。
本书分为6 篇,共17 章,其中第1 篇是概念篇,讲述商业分析的基本概念;第2 篇是基础篇,讲述如何用基础的分析方法评估企业经营状况;第3 篇是进阶篇,讲述如何构建分析体系解决较复杂的问题;第4 篇是高阶篇,讲述如何应对复杂的商业难题;第5 篇是基础实践篇,通过案例讲述如何解决更复杂的商业问题;第6 篇是高阶实践篇,通过案例讲述如何解决商业分析中的疑难杂症。
本书的讲解思路是层层递进的,从简单场景到复杂场景,从基础的方法到复杂的方法。因此,无论读者是否有数据分析基础和经验,都建议从头开始阅读,这样可以一步步提升认知,更快地掌握商业分析的方法。
(京东限时四六折,快快扫码抢购吧!)
全书近500页彩印
立即扫码下单
本书有什么特色
1、通俗易懂。一提及“商业”,人们总会总想到很多高大上的名词;一提“分析”,人们总会想到统计学、数学、算法等复杂概念。本书尽量用浅显易懂的方式,介绍商业+分析的主要概念。并且在每一章开头,都举了生活中例子,让大家容易理解。毫不夸张的说,这是一本人人都读懂的分析书。
2、内容全面。本书覆盖了从投入产出分析,到销售、供应、产品、运营分析的主要场景,对每一类场景下的主要指标,分析思路都有介绍,可以满足众多分析需求。而且,很多商业问题是相互关联的,因此全面的了解分析思路,更容易找到解决问题的答案。
3、层层深入。本书分了初级、中级、高级方法,从基础的指标体系搭建,数据解读,到中级的销售、运营、产品分析体系搭建,到一些高级复杂难题都有涉及。这些问题,一般的数据分析书(特别是工具类书)极少涉及,却又经常在工作中困扰大家。本书都给予了深入探讨。当然,不见得就100%能解决所有问题,但一定能给大家很多启发。
本书目录(滑动浏览)
向上滑动阅览目录
发布:刘恩惠
审核:陈歆懿
如果喜欢本文欢迎 在看丨留言丨分享至朋友圈 三连
热文推荐
书单 | TIOBE 2022 年度编程语言,Java不行了吗?
C++ 夺冠!成为 TIOBE 2022 年度编程语言(附C&C++书单)
我们真的需要碳中和吗?
这本入门指南可以解答你做播客的所有疑问
▼点击阅读原文,了解本书详情~
相关文章
- 如何用决策树模型做数据分析报告_决策树实例
- 数据分析 VS 算法模型,如何高效分工合作?
- 用COPULA模型进行蒙特卡洛(MONTE CARLO)模拟和拟合股票收益数据分析|附代码数据
- 直播预告 | 嵌入式BI如何将数据分析真正融入业务流程
- 23000字,讲清信息流广告数据分析。
- 软件测试|数据分析神器pandas教程(一)
- SPSS数据分析软件中的数据可视化教程:如何制作漂亮的图表?
- Oracle 周统计数据分析与应用(oracle周统计数据)
- 2017 年哪个公司对开源贡献最多?让我们用 GitHub 的数据分析下
- 探究MySQL数据,轻松使用数据分析工具(mysql数据分析工具)
- Oracle环比数据分析:探究市场趋势走向(oracle环比)
- 数据分析SQL Server数据深度分析:月末绩效报告(sqlserver 月末)
- MySQL OLAP:如何优化你的数据分析?(mysqlolap)
- MySQL与ARFF文件打造综合数据分析环境(arff mysql)
- MySQL中分组排序技巧,提高数据分析效率(mysql中 分组排序)
- Oracle OCU架设数据分析基础,轻松实现智慧商机(oracle ocu)
- 如何利用Oracle中长整型列做数据分析(oracle long列)