数据分析,如何挖掘潜在业务机会

数据分析的目的与意义,数据分析的目的是把隐没在一大批看来杂乱无章的数据中的信息集中、萃取和提炼出来,以找出所研究对象的内在规律。我们在日常工作中如何通过数据分析来挖掘业务机会呢?

数据分析,如何挖掘潜在业务机会

“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:

  • 过去是否注意到这个点
  • 过去是否尝试过这个点
  • 如何看待这个点的机会
  • 是否有可能追加投入
  • 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。

本文由 新媒体之家 作者: 接地气学堂 发布或转载,其版权均为原作者所有,如稿件涉及版权等问题,请与我们联系删除或处理。稿件内容仅为传递更多信息之目的,不代表本网观点,亦不代表本网站赞同其观点或证实其内容的真实性,更不对您的投资构成建议。未经许可,请勿转载,题图来自Unsplash,基于CC0协议。
1

发表评论