本文深入探讨了数据分析在业务中的应用,提出了六大业务需求对应的分析方法。解决如何将数据分析与实际业务紧密结合的问题,特别适合数据分析师和业务决策者阅读。

很多同学会困惑:到底什么才是数据分析方法?因为网上对于数据分析方法的描述,有些抄袭自营销学书本,比如4P、PEST;有些则抄袭自统计学书本,比如相关分析,回归分析。可真到做分析的时候就傻眼了:眼前的问题到底该P一下还是回归一下?

想真正理解,掌握数据分析方法,当然不能这样“拿着锤子找钉”。工作中的数据分析,要紧密结合业务,服务业务需求。因此理解业务需求,围绕问题找答案,才能理解各种数据分析方法有什么用,该怎么用。

一、6大类典型的业务需求

一个完整的业务活动,分为六个步骤:了解现状→设定目标→制定计划→监控走势→诊断问题→复盘结果。在每个阶段,业务掌握的信息,想解决的问题是不一样的,因此对数据的需求会不一样(如下图)。

做数据十年,第一次见这么棒的数据分析方法

如果是从制定年度经营计划开始,数据分析师就参与到工作中,那么就会完整地经历这6个步骤。

但是,很多同学是中途入职/半道接手工作,最常见的是:

  1. 从监控开始,先输出日常报表,再发现问题
  2. 直接接到一个分析任务,就XX问题输出报告
  3. 事情已经做完了,事后补一份复盘报告

这个时候,很有可能数据分析师对业务都不熟悉,匆忙赶鸭子上架,肯定毫无思路了。此时,至少得把第1步:了解业务现状补齐,然后再对症下药。

二、了解现状的方法

了解现状阶段,更多是系统地呈现数据指标,让业务看清楚情况。数据指标体系本身有3种结构:并列式、流程式、总分式。有

一些常见的分析方法与这三种形式对应。比如:

  1. 杜邦分析法对应总分式指标体系。主要用于评估经营情况好坏,拆解财务指标,监控业务行动结果。
  2. UJM方法对应流程式指标体系。主要用于梳理用户行为路径(互联网企业使用的尤其多),看清楚用户转化方式。
  3. RFM方法对应并列式指标体系,主要用于对用户消费行为进行分类,区分高中低消费+待唤醒的紧急程度。(如下图)

做数据十年,第一次见这么棒的数据分析方法

需要注意的是:单纯地展示指标并不能得出任何分析结论。至少要展示指标+不同个体间进行对比。比如:

  • 杜邦分析法:两个同行业公司进行比较
  • UJM方法:两个不同路径进行比较
  • RFM方法:两类用户群体间比较

因此,在了解现状阶段,不要光想着罗列一大堆指标出来,而是思考下:到底选取谁进行对比,才能更好发现业务之间差异性,从而启发业务部门思考。

三、设定目标的方法

在设定目标阶段,很有可能业务部门想了解:

  • 如果不做任何改变,自然情况下业务会发展成啥样?
  • 如果增加/减少某项资源投入,业务会发展成啥样?
  • 如果改变一种业务做法,业务会发展成啥样?

此时就涉及到预测问题。预测自然发展趋势,一般会运用到时间序列法,根据数据走势的不同,有平滑法、自回归、季节性回归、带季节趋势的回归等方法可用。如果考虑改变资源投入,可以考虑带因果关系回归。因为投入产出之间一般都有函数关系,可以通过数据拟合投入产出曲线,从而模拟调整结果。

做数据十年,第一次见这么棒的数据分析方法

如果要改变业务做法,则要先看:业务是否有采取同类措施。如果已有同类做法,则可以参考同类做法的投入产出情况进行推算。如果连做都没做过,那就得先做测试,不然没数据就是空拍脑袋。

需要注意的是:设定目标很多时候要体现领导想法,数据本身只是参考。所以很有可能在做完自然情况预测后,业务部门就会开始拍脑袋了。此时可能不需要复杂的分析方法,而是利用数据指标体系,拆解KPI指标,之后根据领导们的要求增减相关,模拟可能的结果。

四、制定计划的方法

在制定计划阶段,很有可能业务想把一个大目标拆解下去,落实到具体执行工作中。此时可以使用OGSM方法,这是一套标准的把定性目标落实为定量目标,把定量目标拆解为执行步骤,再监控执行的方法(如下图)。

做数据十年,第一次见这么棒的数据分析方法

还有可能,业务想先不自己动手拆,而是看在现有投入产出水平下,理论最优解是什么。此时可以构建投入成本函数,利用本量利分析/线性规划方法,计算理论最优解,供业务参考(如下图)。

做数据十年,第一次见这么棒的数据分析方法

同目标设定一样,做计划的时候,很有可能业务完全凭经验,自己估摸一个数字就开干了。过于粗糙的计划,会导致:执行安排不合理、临时调来调去、缺少后备方案,这些都会导致执行过程的问题。

数据分析师如果能提前了解情况,就能在下一步监控走势的时候轻松很多。

五、监控走势的方法

在监控走势阶段,核心任务是:观察业务是否在预期内发展,是否有异常波动。因此需要数据分析方法,判断业务是否正常。

此时有周期性分析法、投入产出分析、结构分析法、分层分析法、矩阵分析法五种方法可用。

  1. 周期性分析法,是根据业务特点,拆解出业务发展随季节变化/生命周期变化/投入产出变化而产生的规律。通过和常规走势对比发现问题。
  2. 投入产出分析,则是根据业务行动投入力度+过往数据经验,预判可能效果,如果排查:是否因本次业务执行不力,导致数据异常
  3. 结构分析、分层分析、矩阵分析,则是通过多个业务之间对比,发现被平均数掩盖的问题。还有些常见的说法,比如ABC分类、二八分类,其实都是分层分析的特殊形态(如下图)

做数据十年,第一次见这么棒的数据分析方法

在监控走势的时候,这些常规方法,完全可以和监控指标做到一起,做成同一张监控数据看板,在观察到主指标异常以后,直接从总体到具体查看数据情况,看看是哪个部分出了问题,从而极大提高发现问题的效率。

六、问题诊断的方法

在诊断问题过程中,是否有业务假设是最关键的。

  • 如果业务啥都没有,那就只能构建分析逻辑树,层层排查问题
  • 如果业务有一个明确假设,可以直接做排除法,验证假设是否成立
  • 如果业务已经有应对方案,可以直接做实验,测试方案可行性

虽然一提起问题诊断,人们本能会想到:构建逻辑树。但构建完整的逻辑树太过费时费力,且很多假设需要收集外部数据检验,现实工作中不是时时刻刻都有这么充足的数据供应。因此诊断问题时,尽可能先找业务假设,快速输出结论。

做数据十年,第一次见这么棒的数据分析方法

验证业务假设的时候,是否做实验是最关键的区别:

  • 如果完全不能做实验,那么只能通过标杆分析(对比好/坏个体),过程诊断(分析业务过程中最拉胯的环节)来输出分析结论。
  • 如果能做实验,但不能做抽样测试,那么只能做改进前后对比分析。
  • 如果能做实验,且能做抽样测试,那么可以采用统计学方法,检验实验效果。

七、结果复盘的方法

如果前边5步做到位了,在结果复盘的时候就非常轻松:

  1. 对比目标、实际差距,下判断:到底做得好不好
  2. 调取过程监控数据,看执行过程中是否有问题
  3. 调取问题诊断数据,看问题发生原因及处理的结果

这样综合各项结果的复盘是非常全面的,即包含了结果陈述,又包含了经验总结。

很多同学觉得复盘特别麻烦,是因为没有参与到全流程的工作中,活动结束了才被指派任务要复盘。此时一不了解目标,二不了解过程,自然得从头到尾梳理一遍才能出结果。如果碰上业务自己都没有设定清晰的目标,没有监控过程数据,那就更两眼一抹黑了。

 

作者:接地气的陈老师;来源公众号:接地气的陈老师(ID:773891)

本文由@接地气的陈老师 原创发布于运营派,未经许可,禁止转载。

题图来自pixabay,基于 CC0 协议。

登录后参与评论
给作者一些鼓励吧!
等我一分钟 我去找个夸你的句子
这世上美好的东西不多,牛起来要人命的你就是其一!
不要厉害的这么随意,不然我会觉得我又行了
这就很离谱了,老天爷追着喂饭的主儿~
我要是有这才华,我走路都得横着走!
对你的作品崇拜!
反手就是一个推荐,能量满满!
感谢分享
  1. 搞不清做运营分那么多职位干啥,用户运营、内容运营、渠道运营、新媒体运营、活动运营、用户增长等等。。。都被这各大招聘平台给引导坏了。。。我觉得把,本身做运营就是这些模块都要做的。分工太细反而做的更差,毕竟这是一个系统性的活。 :idea:

  2. 看了这篇文章,下周的培训会素材有了,哈哈哈哈哈

  3. 拉新,微信加人,
    留存,告诉他们有好处
    促活,讲沙雕段子,
    召回,发红包
    :twisted: :twisted: :twisted:

  4. 作者的观点很有深度,文章的结构也很清晰,是一篇值得推荐的好文。

  5. 作者的经验很丰富,文章中提到了很多实用的方法和技巧

6
评论
返回
营销日历06月22日 更多
中国儿童慈善活动日
加入圈子
全栈运营交流群
加入
抖音运营交流群
加入
小红书运营交流群
加入
视频号运营交流群
加入