专栏首页接地气学堂跑了个报表VS构建数据体系,核心差别在这里

跑了个报表VS构建数据体系,核心差别在这里

多同学抱怨,我就是在跑表。而且表是如此之多,日报、周报、月报、季度报、半年报、年报、市场报、运营报、产品报、售后报、员工版、领导版、老板版……跑数跑到头都炸了。然而并没有卵用,去面试的时候还是被人嫌弃:只会照本宣科,没有构建体系的能力。话说数据指标体系不就是报表吗,有啥区别?

区别大了去了。就问一句:大家那么辛辛苦苦跑的报表,真的有多少人看?有多少人以人为单位,统计过报表的每日/每周打开率。大家最深恶痛绝的临时性取数,又有多少是基于报表可以近似获得结果的。本质上看,是因为很多报表是所谓历史延续下来的,丫真的对业务有多少指导意义?是不是足以解决问题?根本没有验证过。而业务遇到问题,到底该看什么数,如何基于数据行动也没有很细致的考虑过。

解决上边的问题,就得梳理流程,得认真思考三个问题:

  • 业务中到底产生哪些数据?
  • 业务部门到底可以怎么行动?
  • 业务部门行动需要参考哪些数据?

解决问题的方法,绝不是百度:XX行业指标体系;也绝不是加一堆微信群到处问:XX行业得看什么指标;更绝不是到处找《国家2025 XX行业指标体系规范权威发布盖大钢印谁不执行痛打40大板版》,而是认真的梳理业务流程

因为网上能查到的类似AARRR这种概念太过粗放,根本不足以指导具体业务操作,更不用说很多连客户ID都没有的行业,A啥子又R啥子?想要合适的工具,就得自己动手,把自己要服务的业务部门的流程走一遍,看一下到底长啥样。构建数据体系的第一步,先梳理业务流程。

业务流程包含了三个部分:

  1. 业务流:一个业务针对谁开展,分几个环节,每个环节参与人做什么,得到什么结果。
  2. 数据流:一个业务流程中,哪些节点会产生数据,产生哪些类型数据,是否可记录数据。
  3. 管理流:一个业务流程中,业务方可以做哪些事情影响结果的达成。

常见的互联网AARRR例子太多,我们举一个B2B销售的例子。很多同学抱怨,B2B的销售数据根本没法分析。一个客户谈判谈很久,一年成交不了几单,但一成交就是几百万。套在RFM模型里,就是:

  • R:0
  • F:1
  • M:500万RMB

这分析个啥子。

这就是没有梳理过B2B销售流程,直接拿电商零售的指标来套的结果。因为B2B交易不像电商零售,卖的是人们生活日用品,今天买了明天还要买。B2C业务中可以根据过往交易记录推测未来需求。B2B交易往往是大额,低频次,决策流程复杂,等到签约,往往是木已成舟。因此交易售前流程才是重点,要细细拆解。比如软件服务销售,售前至少有7个流程(如下图):

这七个流程,除了最后一刻签约会有一销售订单以外,其他6个流程完全是由销售和售前的行为构成的。所以如果单纯的把B2C的思路套进来,就会错失大量信息。实际上这也是所有B2B类销售分析的最大痛点:对流程行为采集不够。

在业务上很好理解,B2B销售过程中灰色地带很多,销售部门总是一边喊着要狼性文化,一边想方设法回避监管。但光靠一个订单真的屁都分析不出来,当业务发展遭遇瓶颈的时候,就有机会推动数据体系完善。

构建数据体系的第二步,要尽可能在业务流程中丰富数据采集点。先有米再下锅。这个过程中要考虑业务落地的可行性。比如销售们都很懒,上来搞一个100行的客户信息表,每次出差都要写500字总结,基本上没人填,要填也填的都是垃圾。

这时候就得设计一些系统化工具。比如移动OA中出差记录捆绑报销,让他们不得不填。比如采集数据时先采集是否/有无这些关键节点(上图深色部分)培养起来习惯以后再考虑内容这种细节。比如采集内容的时候,可以先采集大类,再考虑更细的细节,就像竞标策略,先考虑我们用的是价格领先、技术领先、业务优势、关系优势四大类中哪一类,再看更细的方案。

这样由简到繁,层层深入,才能一步步把体系搭起来。这才是构建过程。而很多人一提起构建俩字,就把自己关小黑屋三日三夜悟道,整出来一个巨复杂的500指标100维度巨表,就觉得够体系了。结果往往碰到现实就变灰。

构建数据体系的第三步,让数据回到业务中,产生效果。这里也有个由简到繁的过程。抓大放小,逐级推进才能把事情办成。还是B2B销售跟进,如果我们发现70%销售拿到线索根本不回去联系,那第一步就先把首次跟进率这个指标做起来。如果我们发现有demo的成功率比没有demo的高50%以上,那就在销售话术培训中增加对demo的引导,在跟进流程中增加如何促成客户体验demo的方法。这些一级指标问题先处理完,再抓二次指标,比如以什么款式的demo成单率高,要体验哪些内容,是个性化体验还是放大客户案例等等。

之所以叫“构建”原因即在此:这不是个一蹴而就的过程,更不是一个思维导图或者100*500的Excel表的东西。而是真的要一步步梳理-沉淀-推动。才能真正让数据沉浸到业务里,让业务用好数据干活。

如果说传统企业的短板是数据采集少,互联网企业的短板就是不分青红皂白先捞数据。捞进来一大堆数据以后完全没考虑过管理上可以怎么用。做分析的空耗力气还不讨好。实际上关门自己憋指标,搞一张巨大的思维导图的做法在互联网行业相当的常见,基本上每3天就有一篇《XX行业数据指标体系万字长文》横空出世。看得人眼花缭乱。

可具体到业务上,往往睁眼瞎的地方相当的多。比如某平台一个商户套现数百万,居然还是套现团队内部分赃不均内讧报警才被发现。一夜被薅200亿羊毛之类破事频发。单纯的追求大而全,完全没有把具体业务场景一个个理清楚来的管用。有些人会觉得这样是不是太慢了,可“构建”本来就不是一部登天的事。要不然为啥要叫“构建”而不是叫“画出来”呢。

另外有趣的就是,互联网行业巨幅思维导图的玩法,催生出一派打地鼠流的运营。运营就是一句话,AARRR够啦,开场插起五根棍,哪根短了就搞他。你会发现这种运营天天都在忙,哪个指标低了刷哪个,可问题总是像地鼠一样打下去冒,冒出来打。显然,这也是只盯着数据指标干活,没有抓核心问题的结果。

SO,同学们,现在才刚开年,试着真正构建一下自己公司的数据指标体系,从具体场景深挖,看有没有强化的机会。收藏在E盘-干货-数据-指标体系目录下的PDF文档不是能力,自己动手做出来的才是真正的能力成长。与大家共勉。

这是陈老师《数据分析师成长手册》系列连载——数据分析师八大工作能力部分(如下图)关注陈老师公众号,持续追剧哦

本文分享自微信公众号 - 接地气学堂(gh_ff21afe83da7),作者:陈老师

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-03-08

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 数据分析报告,就该这么写!超详细攻略奉上

    临近年底,做数据分析的同学们都在写各种报告。按理说,写数据分析报告是数据分析师最基本的技能,人人都该会。可怕就怕,自己辛辛苦苦写完的东西没!人!看!没人看还是好...

    接地气的陈老师
  • 小数据,拯救单身的你

    在遥远的2007年也是如此。彼时某大学研究生院,有两个课题组,六个基友关系特别好。临近过年,他们中四个人都会遭遇催婚,煞是辛苦。等等!六个人为啥只有四个被催婚?...

    接地气的陈老师
  • 数据分析师,岗位真相最全解析!

    很多同学希望加入数据之路,很多同学想在数据之路上更上一层楼。可是,你真的知道,企业口中的“数据分析师”是啥玩意吗?有经验的老鸟都切身体会过,在数据分析师的名字下...

    接地气的陈老师
  • 2015:数据安全大乱大治年

    2014年数据库市场的热词非“大数据”莫属,当市场上很多人被电商、互联网公司的“经典案例”吸引后,随即便希望尽快将自己的数据交给外部的大数据服务公司,力图通过新...

    CSDN技术头条
  • 如何看懂模拟电路图

    所谓“读图”,即是看懂一个电路的原理图,它是电路分析的基础。只有看懂电路的原理图,才能知道它的各组成部分的作用及各部分的相互关系,并进一步估算其性能指标...

    MCU起航
  • 图解经典电路之OCL差分功放​​​​

    最近不少知友加关注并私信我一些硬件相关的问题,但是由于我平时工作忙实在没有时间去认真回复每个朋友的私信,并且也不是几句话就能解释清楚的。所以为了...

    用户5759494
  • 透过隐私合规,看数据安全技术发展趋势

    近年来,全球掀起个人信息与隐私的立法热潮。欧盟2018实施GDPR,美国2020年实施CCPA,两部法规均对企业处理用户的数据提出更严、更具体的约束和要求;最近...

    绿盟科技研究通讯
  • 组织专业化

    可持续扩展的运维知识体系按“组织、流程、工具”三部份整理,本篇为第一部份“组织”的“运维组织专业化”。

    彭华盛
  • 你了解用户生命周期价值吗?

    我们将用户生命周期、不同生命周期用户的行为表现,不同阶段运营所关注的重点工作进行阐释:

    数据通20847430
  • 一次比较简单的手工ASP注入

    前言 这是一个比较新手中的新手注入。这是之前群里一个朋友丢给我的站点,说有注入点,但是他手上没有工具,他知道我有工具就叫我帮忙看一下。 一般我有个习惯,进去先在...

    用户1467662

扫码关注云+社区

领取腾讯云代金券