数据分析,如何挖掘潜在业务机会鞠萍的个人资料简介

来源:接地气的陈老师“通过数据分析,找到业务的机会点”是很多公司对数据分析师的要求,然而,又是很多新人犯难的地方:啥叫业务机会点?咋从数据里看出业务机会点?为啥我找的业务机会点

来源:接地气的陈老师

“通过数据分析,找到业务的机会点”是很多公司对数据分析师的要求,然而,又是很多新人犯难的地方:

  • 啥叫业务机会点?

  • 咋从数据里看出业务机会点?

  • 为啥我找的业务机会点别人不认可?

今天我们系统了解下

1 、什么算机会点

在业务口中,机会点是个很随意的东西。比如业务给出的报告里,经常有类似“我们要抓住当下行业复苏大好机会……”这种空洞的口号。

可实际执行起来,完全经不起推敲:

1、行业复苏是真还是假?

2、竞品也复苏了呀,为啥不是挑战?

3、行业复苏和我们的哪个结果指标有关?

4、行业复苏谁来抓,啥时候抓,怎么抓?

一条都没说清楚。

所以想要把机会点讲清楚,就得符合以下标准:

  • 有明确的事实为基础

  • 有清晰的业务逻辑

  • 对某个结果指标有正向影响

  • 有具体的负责人、工作流程

这样的输出物,才算是机会点。否则就沦为口号,空谈。

那么问题来了,该如何找到这么具体的机会呢?

2 、抓住机会点的正确姿势

显然,这么多具体细节,是不可能直接从数据里推导出来的。数据只是一系列业务动作的结果,不能反映业务动作,更不能直接告诉你“谁,该在几点钟,做啥事”,因此想要找出机会点的第一步,就是放弃憋在房子里造神威无敌大将军机会识别模型。而是定义清楚:怎么样的结果,算是一个机会点。

这里有四种典型的数据形态(如下图)。除了图1,大家公认这不是什么机会点以外。图2、3、4都有可能是机会点。但图2、图3在很多公司不被人认可,很有可能做出来以后被人喷:“我早知道了”。因此图4,才是最完美的机会点表现:原先业务方不知道,被数据发现,加以行动,之后指标大涨!

数据分析,如何挖掘潜在业务机会

图解:所谓机会点,一般要符合:之前没人发现+之后大有起色这个条件,否则,如同图1,做了没啥变化,做了白做。如同图2,本来就是一路向好,即使做了改进,也会被认为:它本来就很好啊!最后不被认可。

图3在有些公司可以被算作机会点,即:我把之前做的成功地方总结下,又复现了。但是有些公司不认可这种,所以看情况来,只有图4才是争议较小的,真找到一个机会。

因此,想要分析机会点,要搞清楚:

1、要分析的是哪个部门,哪些业务线

2、该业务线核心指标是销售额/新注册用户数/商品毛利……

3、该核心指标过往表现,是否有连续性趋势(如图2)是否有单点爆发(如图3)

4、连续性趋势,对应的内外部环境是?发展阶段是?(排除生命周期早期的自然增长)

5、单点爆发性动作,对应的业务场景是?可复现程度是?(排除一次性好运气)

6、无趋势/无单点前提下,是否有细分领域的成功案例可以套(细分客群/小众产品/细分渠道)

这样,锁定了关键指标,树清楚标杆,就容易提炼出可以加以利用的业务上的做法,比自己憋在电脑前冥思苦想要快得多。

3 、抓住机会点的三大手段

最简单的手段:评估增长趋势。

通过对目前的增长原因进行分析,剔除其中自然增长、周期性增长的因素,找到是否有可以通过调节投入产出影响的部分。如果有,评估追加投入能带来的产出(注意,要避免从出现边际效益递减)。如果追加投入带来的效果很客观,这就是一个成熟的机会点:通过追加投入,多赚收益(如下图)。

数据分析,如何挖掘潜在业务机会

图解:很多数据新人,喜欢看着指标在涨,就大喊:这是机会,要继续保持!这是非常无脑的做法,很有可能眼前的增长是周期性增长,是恰好在产品/生命周期顶端,这就是所谓“自然增长”。

也有可能目前的增长边际效益已经递减,投入产出比已经开始下滑,资源投入接近上限,这时候也难以为继;也有可能追加投入不能额外带来增长,这些都需要做增长潜力评估才能得出结论。

其次简单的手段:评估复现可能性。

通过对过往成功案例的拆解,看是否有可以重复出现的可能性。成功案例能否复现,需要从业务逻辑角度,拆解业务标签,分析可行性。比如销售签了成功签了一单客户,可以拆解为:

  • 客户行业

  • 客户需求

  • 签单产品

  • 签单金额

  • 签单业务员

  • 签单周期

等标签,之后对这些标签下的成功率进行复盘。如果复盘发现:这一单真的就是孤零零一单,没有啥类似成功经验。那么很有可能这是无法复现的。下一步,可以继续做一些实验,验证复现可能性,或者干脆放弃寻找其他机会(如下图)。

数据分析,如何挖掘潜在业务机会

图解:从数据角度,验证复现的关键,是:提炼业务逻辑。把业务的语文表达,变成可以用数据检验的标签。这样看过往数据的时候,可以按标签提取案例;做实验的话,可以按标签检验规律。不做转化,各种因素重叠,很难说清楚。

从细分领域找机会,是最难的分析。

难点不在分析思路,而在论证上。本质上看,细分领域机会,其实就是在整体做的不好的情况下,拆解用户群体/渠道/产品线,找某个相对较好的分支,然后试着推广。这样拆解数据很简单,拉交叉表就行。但是论证这个点就能推广开。是很困难的(如下图):

数据分析,如何挖掘潜在业务机会

图解:上边的做法,是典型的“把业务当瞎子”做法,却是做数据分析的最喜欢干的事。业务部门只要不是瞎子,就能看到C渠道转化更好,他们为啥不投更多C渠道?为啥不开发更多类似C渠道?只要不是瞎子都会干。所以这里的关键不是对着这张表大喊:要做多!而是组织一次会,了解下过去发生的事,或者至少把时间周期拉长,把ABC渠道的标签打上,看看是否过往有类似标签的尝试,提前规避问题。

因为很有可能孤立的某个点是难以推广的,比如:

1、渠道小众,用户群体小众,产品线本身需求不大;

2、受制于政策、资源的限制,无力做这个点;

3、这个点已经尝试过,吃过亏,所以才只做这么大;

4、小范围内做可以成立,一推广开就出现边际效益递减,核心客群不足,等等问题。

总之,一个业务如果很容易就做得好,那一定早就做好了。业务部门又不是傻子。目前做得没有起色,一定是有更深层的原因。

所以从细分领域找机会,最好用增长实验的方法来解决问题,而不是依赖过往数据分析直接得出结论。比如发现一个潜在机会点,提前和业务方沟通:

  1. 过去是否注意到这个点

  2. 过去是否尝试过这个点

  3. 如何看待这个点的机会

  4. 是否有可能追加投入

  5. 如果有可能,第一波是否安排尝试

这样提前避免踩坑,设计好增长实验方案,逐步探索一条路出来。才有可能找到机会。

4 、抓住机会点的错误姿势

以上就是发现机会点的基本思路。发现机会点不是一蹴而就的,需要深入业务,结合实验,才能得到靠谱结论。而我们的数据分析师最喜欢干的就是:

1、因为这个指标涨的快,所以它是机会,得把握

2、因为这个渠道指标好,所以它是机会,要做多

3、因为过去做成功一次,所以它是机会,要继续

4、因为这个指标低,所以它是机会,搞高了就好了

无论证,无逻辑,无实验。只是把收入=客户数*付费率*客单价的公式翻来覆去的说,这种三无产品不被喷就见鬼了。

就算做增长实验设计,也是被业务方牵着鼻子走,不考虑事前假设,不考虑交叉因素,不考虑实验步骤,每一版实验方案一个天上一个地下,最后得不出结果,也是情理之中的。大家切忌,切忌。

原文链接:http://www.wanshiruyi.cc/news/24837.html,转载和复制请保留此链接。
以上就是关于数据分析,如何挖掘潜在业务机会鞠萍的个人资料简介全部的内容,关注我们,带您了解更多相关内容。

特别提示:本信息由相关用户自行提供,真实性未证实,仅供参考。请谨慎采用,风险自负。



上一篇:2022年度十大刷屏案例号外什么意思

下一篇:内容行业大变天,爆款全靠AI?李逵之死

相关推荐