专栏首页接地气学堂业务分析模型,该怎么搭建

业务分析模型,该怎么搭建

很多同学最怕听“建模型”仨字。尤其是建立“业务分析模型”。往往自己辛辛苦苦搞得LR、SVM、CNN被业务方狂喷:你这都是啥东西!脱离业务!不切实际!所以到底什么是“业务分析模型”,又改怎么建?我们今天系统讲解一下

1

业务分析模型是什么

首先,一个正儿八经的分析模型得包含三个条件:

  1. 有合理的逻辑
  2. 有明确的目标
  3. 有数据的支持

所以,首先得把SWOT,PEST,4P之流的垃圾扫出“模型”队伍。因为这些玩意有逻辑、有目标,但很难用数据进行论证。不信你看那些什么SWOT,PEST的报告,四个框框里都没几个数字,即使有数字也很难论证:到底90后比80后减少5000万会对我们业绩产生几百万影响。无法量化计算的,不算分析模型。它们只是拿来美化ppt的。

业务分析模型的重点,在“业务”两个字。得让业务参与得进来,看得懂,能应用的,才叫业务分析模型。显然,我们不能指望产品经理、销售、运营、售后、物流的人去学《机器学习》《数学建模》《统计学》《python编程》所以数据分析师们经常打交道的算法模型就不要在这里用了——业务看不懂,参与不进来,问题解决不了,当然会喷没有用。

有的同学会疑惑:可我的领导只会提“建个模型”,说不出是业务模型还是算法模型,我怎么区别呢?有个最简单的原则是:非技术出身的领导,90%以上讲的是业务模型(剩下10%是他在朋友圈看了个协同过滤、神经网络之类的名字,然后临时起意想搞一下)。当然,想更准确判断,你可以仔细问:

  • 是有监督问题还是无监督问题
  • 用什么算法你有心选没有
  • 需不需要业务参与进来判断
  • 我用对业务而言纯黑箱的做法行不行

既然要聚焦业务,自然下一步得详细了解:

  1. 到底针对哪个业务部门?
  2. 业务流程是什么样子?
  3. 有哪些数据采集?
  4. 当前问题状态如何?

有了这些,我们可以具体讨论,该如何建模。

2

现状描述模型

当单个指标不能全面描述现状的时候,就得一系列指标有逻辑地呈现,以全面描述现状、发现问题,这是所谓:现状描述模型。业务常见逻辑有2种:串联式、并联式。串联式模型用于描述一个前后分n个阶段的流程,需要完成一步再到下一步。从流程起点开始,到终点结束;并联式模型描述一个任务分开同时由各个线独立完成。从总目标开始,到执行任务的最小单位结束(如下图)。

因此梳理业务流程的时候,需要关注业务上下游部门、兄弟部门是如何协同的,从而构建出来。实际业务流程,可能既有串联,又有并联,比如我们常说的杜邦分析法,就是如此(如下图):

现状描述型模型的最大作用是:清晰责任,暴露问题。因为一般各个子部门,上下游部门各有自己的KPI,因此监控进度、复盘成果的时候,哪个环节掉链子一清二楚。所以在销售管理、运营管理中用的特别多。但注意:现状=/=问题,现状+标准=问题。因此只有标准单一且明确的时候才能直接看出问题来。如果标准本身很复杂,则需要更进一步的手段。

3

问题分类模型

如果判断一个指标好坏的标准只有一个,比如成本、利润,这时候是不需要模型的。大家都知道成本越低越好,利润越高越好,业务完全可以直接给判断标准。如果判断业务好坏需要2个标准,且这两个标准相关度低,这时候可以用矩阵模型来进行分类。常见的重要紧急矩阵,波士顿矩阵,质量/数量矩阵,都是这个原理(如下图)。

如果判断标准增加到3个以上,判断标准相互交叉情况太多太多,再用肉眼观察就很难判断谁好谁坏,这时候可以用DEA方法或者AHP来判断,相比之纯机器学习方法,DEA方法含义更简单直接,AHP方法有专家参与,都更容易被业务接受。

4

工作计划模型

在给定业务限制条件的情况下,经常出现最优化问题。比如给定了各个部门工时成本,求一个最优任务分配。这时候就是工作计划模型。最常见的就是解线性规划,在工作调配的时候用的非常多(如下图)。

5

未来预测模型

所有预测的基本假设,都是:未来发生的规律和过去一样,过去的场景会在未来重现。所以业务做预测的时候,常常会假设一些业务参数是固定的,然后推测未来情况。常见的做法,比如:

1、假设生命周期走势是不变的,推测未来情况

2、假设转化率/留存率是不变的,推测未来情况

3、假设投入产出比是不变的,推测未来情况

在一些发展稳定的行业里,这些假设常常很准。但注意,有三种情况下假设可能失效。

1、新业务、新场景导致无历史数据可参照。

2、突发且情况不明,导致所有转化率都异常。

3、业务运作出现明显问题,已无法按正常走势反推。

这时候要么更换预测方法,要么做足预案,提前准备后路。单纯指望预测100准,不论是业务模型还是算法模型,都会出问题。

6

什么时候用算法模型

看完以上,有同学会好奇:看起来业务模型能做很多事啊,那什么时候用算法模型呢?注意:算法模型本身的强项,就不是解决经营问题。算法模型的强项是图像识别、语义识别、复杂场景下动态规划。这些才是算法该发挥用处的地方。

就拿推荐算法举例:

1、商品有固定的搭配,比如治疗感冒就是VC+银翘,这叫:固定业务逻辑,这时候是不需要算法来推荐的,直接按业务逻辑走就好了。

2、商品无固定搭配,但业务方想推。比如保健品利润高,无论如何业务方都想推保健品,这叫:强业务关联。这时候也不需要算法来推荐,而是业务方得创造话术、广告、卖点、销售技巧,千方百计的去洗脑,特别是针对大爷大妈洗脑。

3、商品无固定搭配,且业务方无明确目标。比如天猫淘宝抖音这种,SKU数以亿计,这时候业务逻辑完全理不清,就可以上推荐算法,而且推荐算法目标常常是GMV最大,用户活跃时长最长一类。

类似的,找算法模型的应用场景。得主动回避开固定业务逻辑、强业务关联——找那些业务不知道、不清楚情况、无力加以控制的场景。比如:

1、全新业务上线,谁都说不准,没经验参考

2、预测整体走势,不考虑细节,先看基本面

3、业务无计可施,怎么做响应率就是上不去

4、考虑变量太多,用肉眼人手难以分类清楚

这时候可以大胆让业务逻辑退居二线,尝试用算法解决问题。可以名正言顺的跟业务说:这就是个黑箱。我们观察结果就好了——反正他们也没更好的办法,如果能做出成绩来,就是大功一件。

当然,以上和我们今天的话题没关系。大家先学会如何在业务参与的情况下工作。如果有兴趣看算法模型在商业问题上如何发挥作用,本篇集齐60在看,我们下一篇分享。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:2020-07-21

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

  • 复工前夕的重要提醒:需求没做对,一年全白费!

    这两周很多小伙伴陆续突破千难万险返程复工,没复工的也在远程办公。在家憋了整个春节很多同学都表示:我的大刀已饥渴难耐了!恨不得马上拿起键盘狂敲代码。

    接地气的陈老师
  • 数据分析报告,被批“写错了!”我到底错哪了?

    写数据报告,最怕听见这三个字。特别是新同学,听到这三字简直如雷贯耳被吓得不知所措。其实,并非所有的错误都是我们的问题。今天我们就系统讲解下,数据分析报告常见的错...

    接地气的陈老师
  • 你做的分析,业务早知道了,怎么办?【实操版】

    “你做的分析,业务早知道了,怎么办?”是一个非常困扰数据分析师的问题。面试的时候遇到,会越觉得非常难回答。工作中遇到,气的想拍桌子骂娘。今天我们系统的来讲解一下...

    接地气的陈老师
  • 复工前夕的重要提醒:需求没做对,一年全白费!

    这两周很多小伙伴陆续突破千难万险返程复工,没复工的也在远程办公。在家憋了整个春节很多同学都表示:我的大刀已饥渴难耐了!恨不得马上拿起键盘狂敲代码。

    接地气的陈老师
  • 产品研发组织的三个顽疾及破解

    本文起源于一次部门周例会,在这次例会中,我们可爱的产品经理和研发经理,在工作汇报过程中,清晰地“演示”了互联网公司中产品研发工作的常见问题,也是严重且根深蒂固的...

    物流IT圈
  • 独家 | 高季尧:定制化优化算法的应用与威力(附PPT)

    随着大数据与人工智能领域技术的发展和应用的普及,算法越发繁多复杂,需要处理的数据量也越发庞大,高性能计算能力就显得尤为重要。

    数据派THU
  • 算法还是算力?周志华微博引爆深度学习的“鸡生蛋,蛋生鸡”问题

    作者 | 波波 上周,由强化学习加持的AlphaZero,把DeepMind在围棋上的突破成功泛化到其他棋类游戏:8小时打败李世石版AlphaGo,4小时击败国...

    AI科技大本营
  • Go语言(golang)新发布的1.13中的Error Wrapping深度分析

    Go 1.13发布的功能还有一个值得深入研究的,就是对Error的增强,也是今天我们要分析的 Error Wrapping.

    sunsky
  • 原生JS实现拖拽照片墙,实现照片互换位置

    越陌度阡
  • 某IOS可信ID产品原理分析

    随着全球范围内移动业务的全面发展,采取移动为主策略的营销人员具有独特的优势,能够为他们的品牌带来最大的成功。根据Zenith估计,到2020年移动设备将占全球广...

    我是小三

扫码关注云+社区

领取腾讯云代金券