专栏首页接地气学堂数据驱动业务的七种类型,你目前在哪一种

数据驱动业务的七种类型,你目前在哪一种

我们总说数据驱动业务,可平时看到的,却总是业务部门追着数据部门屁股要数据。哪里是驱动业务了,分明是被人牵着鼻子走啊!很多同学都有类似的疑惑:到底数据分析对企业有什么用?我的数据用到什么地方去了。最关键的:如果数据都对企业没用,我的岗位还值钱吗?数据当然会驱动业务,只是在不同的企业发挥作用的形式不一样。今天我们一起来看一下,数据驱动业务的七种类型。看看你们企业是哪一种。

奴隶监工

类型一

数据驱动业务,最直接的形式就是给业务下KPI。你,今年销售要破千万!你,今年销售要破一个亿!类似的场景我们可能早就有耳闻。下任务带数据,在中国已经有2000年历史了,古代的军令状就是最早的KPI指标承诺书。似乎带个数据,就显得这个命令格外有分量,就必须要完成。完成就是英雄,完不成就杀头,也显得格外的对业务有驱动力。

然而,下个KPI就能驱动,只是想象中的事。实际上,只是盲目的用数据下KPI,效果并不好。因为KPI指标到底怎么来的?为什么要做到这么多?每个人分配多少?完全没有一个标准。因此很容易让下KPI变成一个假大空的事情。办事拍脑袋,承诺拍胸脯,出事拍大腿,结局拍屁股,也成为这种只有空洞KPI的企业的常态。

总之,没有分析过程支持的KPI,就是奴隶监控手中的鞭子。虽然看起来甩得啪啪作响,煞有威严,打得奴隶们不得不走。实际上却没有效率,常常沦为空谈。这是数据驱动业务的第一阶段。

账房先生

类型二

当然,很快大家就发现空下KPI效果不好使。实际上,一个良好的KPI,是蹦一蹦可以摸得到的KPI,这样既考虑了实际能力,又有挑战性。于是人们开始考虑拆分KPI,寻找KPI的来源。还拿销售数据举例子:

如果是按团队销售的,就开始拆分:

  • 总销售业绩=团队数*团队人数*人均产出
  • 总销售业绩=团队1业绩+团队2业绩+……
  • 团队1业绩=张三业绩+李四业绩+……

如果是按门店销售的,就开始拆分:

  • 总销售业绩=大区数*大区门店数*每门店产出数
  • 总销售业绩=大区1业绩+大区2业绩+……
  • 大区1业绩=门店1业绩+门店2业绩+……

这种做法,极其类似地主家收租。地主家会雇一个账房先生。账房先生会先算一个总账,看看今年是丰年还是灾年,预计下地主老爷下边的50个农户总体能产出多少。如果遇到灾年,总收入不足,就建议地主老爷趁机多兼并一些土地,把农户总数做多,还能保住总收成。

在往下分配收租指标的时候,会考虑各个农户劳动力多寡,生产能力,分配一下收租数。让劳动力好的多交,差的少交。这样看起来一举两得,既不会逼死农民,又能多压榨些劳动成果。这是数据驱动业务的第二阶段,姑且叫他账房先生好了。

事后诸葛

类型三

实际上,阶段二仍然是知其然不知其所以然的阶段。因为到底业绩是怎么来的?是卖什么卖出来的?卖的好的业务员有什么诀窍?还是一无所知。到头来还是靠拍脑袋:你连续三年都做得好,今年也做的好吧。

然而这种假设不一定成立,只有真的洞察到业绩的来源,才能分析出到底能做到多少。还拿销售数据举例,在总销售业绩=大区数*大区门店数*每门店产出数的公式中,只有破解了每门店产出数到底是怎么来的,才能正确的估计,到底这个门店能做多少

随着商业模式的进化与数据系统的强大,于是销售解析的公式开始越来越复杂。即使只有最简单的POS机订单,我们也能把门店业绩,拆成如下:

  • 门店业绩=订单数*订单单价
  • 门店业绩=订单数*(件单价*连带率)

这里,订单数意味着客流的好坏,件单价代表了产品档次,连带率意味着交叉销售水平。从这三个指标加上其他一些对比,就可以初步解读出:我们是要多做引流还是力推高端商品,是要考虑降价吸客还是推组合销售(具体解读过程太过复杂,单独有文章介绍)。

有了会员卡+电商平台以后,就可以进一步拆解指标:

  • 门店业绩=(全体用户*付费比例*人均订单)*(件单价*连带率)
  • 门店业绩=(全体用户*活跃率*付费比例*人均订单)*(件单价*连带率)

到这里,是不是分析公式,已经和目前电商常见的AARRR模型很像了。有了会员卡(会员ID)我们就可以区分用户等级,用户价值;有了网站,我们可以记录用户成交以前的活跃行为。这使得我们可以深入解读:为什么用户会购买,从而能极大的丰富对业绩来源的分析方式,从而合理的指导业务进行工作。除了调整商品价格,品类搭配以外,还多了更多针对用户需求的信息推送动作,而且使得业务行动越发科学。

到这一步,数据已经成为业务放的生意参谋。不仅仅是在一旁吆喝着:你要出业绩!而是能帮忙出谋划策:你做XX产品组合销售,针对XX客群做推送,可以更好地出业绩。这是数据驱动业务的第三阶段,这个阶段做的好的公司,业务部门会把数据分析师当作顾问和军师,真的认真听取他们的意见。

前敌参谋

类型四

第三阶段写的内容很多,是因为大部分的分析方法,都是在阶段三应用的,展开来写n篇文章都不够。但是阶段三仍有两个问题。问题一,分析过程太长,都是事后的结果,没法在过程中即使调整。问题二,军师吗,都是说话给主公听的,前线的统军大将,不是“将在外军令有所不受“的骄兵悍将,就是“末将糊涂请主公明示”的虾兵蟹将,数据分析结果出不了市场部,前线难以应用。

更好的状态,当然是能上通下达。然而这需要技术与业务的双向支持。在技术上,需要有简单、易懂的BI工具。让一线方便,快速的看到实时数据;需要有强大的后台系统能支持实时计算,缩短数据反馈的时间。基于数据进行行动。

在业务上,要么有老板强力往下推动,形成数据化管理的氛围。要么需要数据部门自己有手段,在业务部门里培育出有使用数据习惯,会科学使用数据的人才,大家通力合作。这样才能实现真正的数据驱动。要不然,辛苦做的BI,报表打开率不到10%。一线的不是平时不看数据,就是发现问题了喊着:“来个人工智能大数据分析一下吧”,这样还是无力推动业务。

智能打手

类型五

除了直接买卖数据外。数据能自己创造业绩吗?当然可以,数据也可以代替销售们下场卖货!充当打手直接冲锋陷阵,斩获业绩。当然,这是有前提的。

第一:既然是打手,得能够直接打到人才行。因此不需要导购、业务员参与的B2C销售模式,就更容易发挥数据作用。比如电商网站、搜索网站的推荐系统,就能通过算法,提供有效信息给用户,提高成交率。

第二,打手想打出成绩,得能打的动痛点才行。在消费者对产品有鉴别力的行业更容易生效。类似医疗保健美容家装,这些存在巨大信息不对称,存在大量非理性消费的领域,销售、导购还是起着巨大作用。

第三,智能打手之所以智能而不是瞎打,得有大量数据支持。意味着在推荐系统上线前需要有足够数量数据及足够数量的用户。这两点恰恰是很多平台的缺陷。有可能平台本身不是淘宝微信这种超级应用,用户少、数据记录少,就更难发挥作用。

同时凑成这三点相对困难。因此所谓精准营销,智能推荐,目前成功案例及可应用的范围均较少。但随着消费者本身使用移动互联网越来越多,阿里/腾讯开发部分数据及研究资源,未来类似的系统可以发挥更大作用。这是数据驱动业务第五阶段,也是最高级阶段。数据在这里直接就是生产力。

大内密探

类型六

自有数据以后,数据就开始成为间谍们交易的筹码。数据驱动业绩自然也有了大内密探这种模式。然而,数据的黑市交易始终被法律所禁止。所以大内密探型的数据驱动,开始转向一些可以公开采集的正当手段,比如财报分析,同业交流,市场调查,爬虫。通过收集竞争对手的信息,为我们设计战术提供支持。但始终,大内密探们只是躲在暗影中的少数异类,这一类数据驱动业务也不是主流模式。

家里老妈

类型七

家里老妈老是唠叨你:“回家先洗手才吃饭“”有女朋友了没?“”天冷了加条秋裤“……你听吗?当然不咋听,不但不听还嫌老妈唠叨呢。”俺又不是小孩子“”邻居结婚关我屁事“。有数据部门是这种状态吗,当然有;有数据分析师是这种角色吗,当然有。不信大家可以统计下自己发出的日周月报打开率,有多少能去到15%以上的。数据驱动业务?驱动个屁,这也是一个状态哈。

当然还有一个类型是车夫型,就是开篇讲的天天被业务方呼来喝去跑数据,跑完了还要嫌弃数据不准,提供太慢,分析不深的。但这种已经是被业务方吆喝着满地跑了,不在“数据驱动业务“的范畴内哈,

所以,各位亲,你们现在的“数据驱动业务“驱到哪一步了呢?

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:2019-05-07

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

  • 新业务可行性,如何做数据分析?(趣味教学版)

    临近年底,很多同学在做2020的规划,其中有一项很让人挠头的任务:分析新业务可行性。因为过往每次做,不是数据太少压根没法分析,就是做实验被质疑:“有没有代表性?...

    接地气的陈老师
  • 数据分析真有用!5个推动业务增长的实例

    看过前一个系列连载,很多同学很忧虑的问我:“陈老师,能不能讲点数据分析怎么真刀真枪帮企业挣钱的例子,给我们一些信心”。今天我们就来讲这个。出于正本清源的目的,之...

    接地气的陈老师
  • 认清真相,脱离菜鸟!中级数据分析师,该有什么样的能力?

    “到底咋样算进阶?”是很多做数据的新人同学很疑虑的问题。网上的文章铺天盖地的都是“如何入门”,“如何快速入门”一类。可真正做上数据分析以后才发现:根本学的就是个...

    接地气的陈老师
  • 【数据】数据驱动业务的七种类型

    我们总说数据驱动业务,可平时看到的,却总是业务部门追着数据部门屁股要数据。哪里是驱动业务了,分明是被人牵着鼻子走啊!很多同学都有类似的疑惑:到底数据分析对企业有...

    陆勤_数据人网
  • 零售数字化必经哪四个阶段?

    谢谢苏总邀请,首先说一下我们为什么选择和观远数据合作。观远数据是一家非常出色的新兴数据公司,在经过深入了解后,发现我们对数据赋能的理念非常相似,所以一拍即合、很...

    观远数据智能分析
  • 不管什么那个方向,这个你必须会

    在 Window 安装软件,下载好软件包就点点点,但是linux一切皆文件,软件怎么安装呢?

    DataScience
  • 研究表明云计算支出将逐年日益增长

    跟踪云计算市场增长的一个方法是跟踪企业在基础设施和设备的投资。这就是调研机构IDC公司的全球季度云计算IT基础设施跟踪工具可以揭示这一切的原因。 云计算市场增长...

    静一
  • CentOS编译安装Python3.6.

    py3study
  • 运行CrossWalk报错:计算机中丢失 api-ms-win-core-winrt-string-l1-1-0.dll

    kongxx
  • 大数据开发和大数据分析哪个就业发展好?

    第二是对大数据处理系统本身进行开发。对理论和实践要求的都更深一些,也更有技术含量。

    加米谷大数据

扫码关注云+社区

领取腾讯云代金券