专栏首页接地气学堂新业务可行性,如何做数据分析?(趣味教学版)

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?”“万一有其他可能怎么办?”好纠结。还有今天先用一个趣味小例子,看看基本思路。话不多说,直接上案例:

有一个地方,人们都不穿鞋子。公司有两个业务员分别去考察。考察完,A说:“这里的人都没有鞋子,是个重大潜力市场”。B说:“这里的人都不穿鞋子,没有市场”。现在领导请你分析在这里开展新业务的可行性。

▌问题一(单选题)

两个业务员的评价,你信谁的?

A.信A的

B.信B的

C.谁都不信

这里要注意:业务的思路和数据分析的思路是不一样的。业务行动,依靠的是创造力。具有正向创造力的人,类似亮剑里李云龙这种角色,就是逢山开路遇水填桥,没有机会都能闯出机会。具有负向创造力的人,推卸责任、混吃等死,给他金山银山都能饿死。当业务评价问题,本质评价的是自己的工作态度和工作能力。

但是数据分析不是这么看问题的。数据分析关注的是:事实、概率、投入产出等这些可量化的东西。数据分析讲的是大概率事件,是更有可能出现的结果。因此数据分析给结论会更谨慎、偏保守。作为专业的数据分析师,在了解问题具体情况前,不下判断。请大家牢记这一点。所以这题选C。

▌问题二(思考题)

老板说,现在就是没数据,你必须选一个,你选谁?

答,我选

很多同学都是死在这一步!!!理论上,我们要是了解目标市场,有丰富的数据,就能做各种分析。可现实是,往往数据还没几个,业务方已经拿着几套方案开始PK了,老板还要求数据分析必须给意见。怎么办?!

有同学一急之下,就和业务方一起拍脑袋:假设该市场有100万人,假设该市场有5%转化率。亲,你这样虽然能拼凑一个:销售额=客户量*转化率*客单价的公式,可所有参数都是假的。跟拍脑袋有啥区别。这么瞎拍业务自己也会干,要你有啥用。想做分析,就一定得找真实数据,问题是怎么找呢?

换个思路,虽然目标市场没数据,但是参与讨论的人是有数据的。于是我们可以这么回答:我选那个业务能力更强的人的意见。剩下的就是衡量:A和B业务能力谁更强。分析的步骤是一样的,先建假设再验证。

我们可以列:

假设1:过往2年,业绩更好的人,业务能力更强

假设2:过往2年,开发新市场数量更多的人,业务能力更强

假设3:过往2年,开发新市场成功率更高的人,业务能力更强

……

于是就可以基于数据,进行判断(如下图所示)

▌问题三(判断题)

B业务员说:过去有甲乙丙企业,都在该地试验过,但是失败了,所以我们做也会失败。请问这种说法是对还是错?

判断对错之前,先问:甲乙丙到底是怎么个“失败”法。注意,做新市场成功的方式也有很多场景,在数据上的体现并不相同(如下图所示):

体现在数据上的失败有很多种场景(如下图所示)

错误的战术、错误的时间、错误的投入力度、错误的工作方法,任何一点失误都会导致失败。但最终失败并不意味着一整个业务都不能做,可能只要调整一点点就能起死回生。所以单纯的看最终结果,并不能推翻整个业务,我们需要了解发展过程

这一点非常非常重要。因为在已知结果的情况下,拿着结果找原因,会得到很多错误的答案,把不相关的东西也归纳为成功原因。在外人眼里,成功人士连放的屁,拉的屎都是那么成功,大致就是这个道理。

对数据分析师而言,要关注的是业绩发展曲线,而不是最后一刻的用户画像。这样才知道:到底他们失败是因为不会做,还是压根没市场。这题没有答案,因为B只是说了最终结果,得等市场调查同事们搞到甲乙丙当时发展情况数据以后再分析。

▌问题四(排序题)

现在老板决定收集新市场的数据,以下数据采集顺序是:

  1. 新市场的用户画像
  2. 新市场用户需求调研
  3. 新市场人口、GDP等统计数据
  4. 同行在新市场发展数据
  5. 业务员在新市场走访数据
  6. 自身老市场发展数据

这一题非常有迷惑性。大量的新人会把AB排在前边,其实是非常错误的。建设用户画像成本巨大。有能力搞全量用户画像,基本上是在把市场吃的七七八八的情况下,做的最后一步动作。除了BAT级别的,还在野蛮生长的小公司那都是奢望。做市场调研成本很高,定量问卷单份便宜的20/30,贵的70/80。随便做做就得花一两个月时间数十万费用,至于抽样合理性,精确度都是后话。

这题的顺序是:FECDBA。老市场的数据真实且积累较多,最容易分析。一线业务员的走访+宏观统计数据,可以帮我们从老市场里,选出和新市场接近的样本进行研究。多同学抱怨开展新业务的地方没有数据,可实际上连自己老业务在不同人群,不同区域的数据都没有吃透,当然没法提炼经验了。

▌问题五(判断题)

经过老市场标签筛选,发现类似地区的业绩增长如下图所示。A提出一个更激进计划,为了尽快跑马圈地,直接免费投放10000件产品下去,把市场炒热,推进到成熟期。假设鞋子毛利20%,问是否支持A的计划

  1. 支持
  2. 不支持

在很多鸡汤里,都是开的这个药方:业务员A免费丢了一万双鞋下去,培养了当地人的穿鞋习惯于是打开销路了。鸡汤和干货的最大区别,就是是不是认真算数据。如果面对的是一个持续增量的市场,这么干当然没毛病。但是如果面对的是一个天花板可见的市场。那这么干很有可能提前透支了消费力最后全军覆没。

如按本题数据,那A面临的就是一个有天花板的市场,而且预期天花板很低。按20%毛利,前期免费投放1万件,得5万销量才能回本。累计6万销量得6万/1700=35个月才能盈亏平衡,3年时间足够熬死很多企业了。这就是典型的计划过于激进(互联网公司最爱范的错)。

这样也提醒我们:做新业务/新产品可行性分析,必须带上对潜在市场容量的预测。不然再好的创意,也会死于投入过大、速度太快、孵化过长……很多同学以为给业务提建议就是《隆中对》那样:先打荆州,再打四川这么宏观的方向性指引。其实帮业务精打细算,控制好投入,增加产出,一点点算小账,是更大的价值。毕竟能扯大方向的人很多,能落地细节的人太少。

▌小结

这个题目看起来很简单,可是

如果我们把:某企业换成“B2C互联网企业”

如果我们把:某地方换成“下沉市场”

你会发现,这个问题就是当下最热门的议题:B2C互联网企业的增长已经陷入瓶颈,如何做下沉市场。本质上看,2013年开始靠着4G红利发展起来的B2C互联网巨头们,和2008年靠着4万亿大发展的传统企业(地产、家居、汽车、母婴)在套路上没有本质区别,都是靠着烧补贴、圈用户、扩大份额、跑马圈地。在吃尽人口红利以后遭遇瓶颈。

而B2C互联网企业的各种短板,也像故事里那样:

  • 业务:停留在照抄成功经验,烧补贴拿市场份额
  • 数据:沉迷于用户画像、ABtest,缺少总结发展经验

在行业高涨的时候当然还能混,但遭遇资本寒冬,缺少赚钱能力的当然是一片一片死掉。

然而往好处看,越是需要精打细算的时候,才越是需要数据分析发挥作用。只是发挥作用的方式,是很细致的剥丝抽茧,对细节问问一一验证;是充分利用现有数据,总结经验;是和市场调查、业务部门紧密结合共同创造。而不是两耳不闻窗外事,一心只跑数据集,这样脱离实际,才是离被炒不远了哈。

不知道有关新业务的话题同学们感不感兴趣,感兴趣的话,本篇集齐60个在看,我们分享:市场容量的估算方法。敬请期待哦。

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

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:2020-01-03

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

  • 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
  • 文武双全!为什么数据分析师需要既懂业务又懂技术

    在企业中,数据分析师们往往分为业务和技术两大类。两类能力和工作内容有较大区别,但经常企业在招人的时候都叫:数据分析师。这常使想进门的新人感到困惑。今天,我们就来...

    接地气的陈老师
  • 数据分析体系是什么?该怎么搭建?

    有同学问:经常听到“搭建运营分析体系、搭建业绩监控体系、搭建商品分析体系”等等要求。可到底数据分析体系是什么?似乎经常看到的,只有AARRR五个字母,又语焉不详...

    接地气的陈老师
  • 【推荐】如何使你手里的数据变成现金?

    最近数据挖掘与分析讨论比较热的话题是“数据变现”,也就是所谓的数据挖掘在业务中进行了应用,并确实给业务带来更大的业务绩效收益。很多朋友都知道,有技术、熟悉业务是...

    机器学习AI算法工程
  • 实用篇:如何建立落地型数据分析or数据挖掘流程?

    数据工作者最长也是有效的一种工作方式是带项目,无论是数据分析还是专项挖掘,项目制能使数据尽量贴近业务并且有效理解业务和数据的各个维度。那么如何建立面向业务落地的...

    CDA数据分析师
  • 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
  • 【技术】实用篇:如何建立落地型数据分析or数据挖掘流程?

    数据工作者最长也是有效的一种工作方式是带项目,无论是数据分析还是专项挖掘,项目制能使数据尽量贴近业务并且有效理解业务和数据的各个维度。那么如何建立面...

    小莹莹
  • 业务元数据管理——洞悉数据背后的业务含义

    目前,很多企业已经意识到,由于业务人员看不懂系统中存储的数据,所以难以通过大数据来提升业务创新能力,本文就来谈谈解决这个问题的方法——业务元数据管理。(同系列文...

    yuanyi928
  • 大数据平台架构设计思路

    在业务增涨过程中,每个企业不知不觉积累积累了一些数据。无论数据是多是少,企业都希望让“数据说话”,通过对数据的采集、存储、分析、计算最终提供对业务有价值信息。

    快乐的技术人
  • 【实践案例分享】Apache Doris在美团外卖数仓中的应用实践

    美团外卖数据仓库通过MOLAP+ROLAP双引擎模式来适配不同应用场景。MOLAP引擎使用了Apache Kylin。ROLAP我们经过综合考虑,选择了Apac...

    木东居士

扫码关注云+社区

领取腾讯云代金券