從方法論及業(yè)務(wù)實(shí)踐過(guò)程中,總結了幾點(diǎn)對數據分析的感悟

1 評論 4070 瀏覽 46 收藏 37 分鐘

近年來(lái),互聯(lián)網(wǎng)行業(yè)也不斷涌現了許多新鮮的名詞,現如今,數據分析被廣泛的應用到各行各業(yè)當中。本文通過(guò)方法論及業(yè)務(wù)實(shí)踐的方式,闡述數據分析與業(yè)務(wù)發(fā)展之間的相互作用以及企業(yè)是數據分析管理,希望對你有所啟發(fā)。

開(kāi)篇

近些年,互聯(lián)網(wǎng)行業(yè)涌現過(guò)許多特有的名詞,例如:

  • IP:并非你電腦的IP,指的是知識產(chǎn)權。但從用法來(lái)看,更像是一個(gè)產(chǎn)業(yè)域。例如《復仇者聯(lián)盟》這個(gè)IP。
  • 私域流量之前的私域:顧名思義,指的是自己能夠直接觸達用戶(hù)的渠道。例如,微信公眾號,關(guān)注自己公眾號的用戶(hù),就是自己的私域流量。企業(yè)的活動(dòng)、營(yíng)銷(xiāo),可以直接觸達用戶(hù)。
  • 垂直:當然指的不是兩線(xiàn)垂直相交。這是一個(gè)比較古老的詞匯,這里指的是一個(gè)行業(yè)的細分,例如唯品會(huì ),在起初就是作為化妝品領(lǐng)域的一個(gè)垂直電商。

有很多名詞已經(jīng)過(guò)氣,當然也有新的名詞不斷的在涌現。

而“數據分析”可以說(shuō)是一個(gè)經(jīng)久不衰的詞匯,當然它代表了一項工作性質(zhì),也代表了一個(gè)行業(yè)。

說(shuō)起數據分析,當下一定有很多人會(huì )把它與大數據聯(lián)系在一塊,畢竟大數據也是當下的一個(gè)熱詞,也是被大眾誤理(夸張理解/懵懂/感覺(jué)很厲害)最多的一個(gè)詞。

不嚴格的來(lái)說(shuō),數據分析的淵源可以追溯到17世紀的統計學(xué),并且,其確實(shí)也是由統計學(xué)發(fā)展而來(lái)。

直到18世紀初,蘇格蘭工程師威廉?普萊費爾發(fā)明了統計制圖法,用于時(shí)間序列數據的折線(xiàn)圖和面積圖,柱狀圖用于描述不同類(lèi)別的數量之間的比較,餅狀圖用于描述隸屬同一組的多個(gè)數值的比例,這是一種數據可視化的雛形,卻也為現代數據可視化(data visualization)和探索性數據分析(exploratory data analysis)奠定了基礎。

隨著(zhù)科技的發(fā)展,尤其是計算機技術(shù)的突飛猛進(jìn),算法、模型、數據庫、機器學(xué)習被應用到了統計學(xué)與概率學(xué)當中,至此,便有了現代化的數據分析、預測、數據挖掘等。

現如今,數據分析被廣泛的應用到各行各業(yè)當中。有些觀(guān)點(diǎn)認為,似乎企業(yè)的發(fā)展、運營(yíng),已經(jīng)離不開(kāi)數據分析,甚至主要依靠數據分析。不可否認,伴隨著(zhù)近些年大數據、云計算、人工智能、物聯(lián)網(wǎng)等業(yè)務(wù)的火熱,數據價(jià)值也確實(shí)被更多的挖掘,大數據、數據資產(chǎn)、數據治理等基礎數據業(yè)務(wù)也在不斷的夯實(shí),但我們也要客觀(guān)的去看待數據分析的應用能力、使用方法、應用結果。

畢竟,近些年倒下的大企業(yè)也不少,例如每日優(yōu)鮮,數據分析應該占據著(zhù)企業(yè)極高的業(yè)務(wù)比重,但依然默默的退出了市場(chǎng)。

本文將從數據分析本身出發(fā),通過(guò)方法論及業(yè)務(wù)實(shí)踐的方式,去闡述數據分析與業(yè)務(wù)發(fā)展之間的相互作用,以及企業(yè)對于數據的分析管理過(guò)程。我們不去討論結局,但希望這個(gè)過(guò)程能夠給大家帶來(lái)啟發(fā)。

一、數據分析及價(jià)值

1. 什么是數據分析

管理學(xué)大師彼得.德魯克曾說(shuō)過(guò):“如果你不能量化它,你就無(wú)法管理它?!?/p>

從字面上看,數據是基礎,而分析才是核心,數據是經(jīng)營(yíng)的量化結果,洞悉數據背后的邏輯、規律、趨勢,提取出有價(jià)值的信息、形成建議,這個(gè)過(guò)程就是數據分析。

可以說(shuō),數據分析是一項入門(mén)容易、但精通困難的學(xué)科、工作。我們常說(shuō),數據本身并沒(méi)有價(jià)值,從數據中提取有效的信息,才使得數據擁有了價(jià)值。而數據分析的核心工作,就是提取數據價(jià)值,反哺業(yè)務(wù)。但做到這些并不容易,許多企業(yè)都在做數據分析,他們渴求著(zhù)從中挖掘出數據價(jià)值,但現實(shí)卻給出了相反的結果。

有效的數據分析需要懂業(yè)務(wù)、懂分析(思維方法模型)、懂工具(分析工具),以及敏銳的商業(yè)洞見(jiàn)。精通每個(gè)環(huán)節并不容易,這也是為什么,能夠崛起的企業(yè)總是鳳毛麟角,大多數企業(yè)都在蹣跚前進(jìn)??梢哉f(shuō),數據分析能力也是決定企業(yè)發(fā)展的關(guān)鍵因素。

2. 數據分析能力

從數據——到信息——到業(yè)務(wù)流程/業(yè)務(wù)經(jīng)營(yíng),是數據發(fā)揮價(jià)值的過(guò)程。數據能力從:結果描述(知其然)、數據分析(知其所以然)、發(fā)現業(yè)務(wù)風(fēng)險及機會(huì )、直接用于業(yè)務(wù)過(guò)程成為生產(chǎn)力,其能力價(jià)值也是不斷演進(jìn)提升的過(guò)程。

一般來(lái)說(shuō),企業(yè)的數據分析能力越強,其在市場(chǎng)的競爭優(yōu)勢越大。

綜合來(lái)說(shuō),對于能力的理解,可以歸納為四個(gè)過(guò)程:

?①描述過(guò)去已經(jīng)發(fā)生的

在這個(gè)階段,我們可以通過(guò)常規的報表去查詢(xún)每日的運營(yíng)狀況,包括銷(xiāo)量、用戶(hù)活動(dòng)、庫存等。?

②了解現在正在發(fā)生的

這個(gè)階段,我們可以通過(guò)平臺的能力、實(shí)時(shí)計算能力,查看當前數據狀況,例如實(shí)時(shí)銷(xiāo)量、實(shí)時(shí)庫存、在途商品等;同時(shí),也會(huì )對突發(fā)狀況進(jìn)行告警,例如POS掉線(xiàn)、并發(fā)堆積引發(fā)阻塞等,我們需要針對現狀進(jìn)行問(wèn)題疏導和解決。

③預測未來(lái)可能發(fā)生的

這個(gè)階段,需要借助人工智能、算法、機器學(xué)習等智能化的工具,進(jìn)行業(yè)務(wù)預測,當然這個(gè)前提是海量的基礎數據訓練。例如,交通狀況的預測就需要增長(cháng)率法、重力模型法、遺傳算法、ConvLSTM等多種算法的混合支撐。

④優(yōu)化策略驅動(dòng)增長(cháng)

這個(gè)階段,我們已經(jīng)擁有全數據鏈路能力,所以才能更好的為業(yè)務(wù)發(fā)展過(guò)程給出最得體的運營(yíng)方案。

例子不多舉,我想說(shuō)的是,一個(gè)完整的數據分析過(guò)程,需要擁有這樣最基本的過(guò)程,當然這又回到上述的觀(guān)點(diǎn),這些都需要懂業(yè)務(wù)、懂工具、懂分析、懂商業(yè)洞察。業(yè)務(wù)是根本,工具是手段,分析是能力,商業(yè)洞察才是創(chuàng )新,才能發(fā)現問(wèn)題、預防問(wèn)題、預測走向、引領(lǐng)轉變。

3. 數據分析的價(jià)值

數據分析的價(jià)值,是其最大程度的體現。但就我國目前企業(yè)的能力而言,只能說(shuō)通過(guò)數據分析,達成了哪些目的。

基于我們以往的經(jīng)驗及應用過(guò)程,可以歸納為六點(diǎn)。

  1. 提升收入利潤(直接性?xún)r(jià)值)
  2. 降低成本費用(直接性?xún)r(jià)值)
  3. 提升管理效率(發(fā)展性?xún)r(jià)值)
  4. 控制風(fēng)險降低損失(發(fā)展性?xún)r(jià)值)
  5. 提升無(wú)形經(jīng)濟利益(創(chuàng )造性?xún)r(jià)值)
  6. 外部量化數據收入(創(chuàng )造性?xún)r(jià)值)

企業(yè)利潤和成本,是能夠數據價(jià)值的最直接體現,是最終端的效應。但數據分析手段如果僅僅作用在最終側,那么將會(huì )導致一個(gè)弊端,就是需要經(jīng)常調整決策,這對于企業(yè)的發(fā)展是有反作用力的。

所以,數據分析的底層作用,是企業(yè)管理的提效,通過(guò)對生產(chǎn)、管理、供應鏈、物流、成本、銷(xiāo)售等基本環(huán)節的把控,夯實(shí)企業(yè)發(fā)展基礎,是企業(yè)利潤和成本的根本保證。

最后,在市場(chǎng)競爭中脫穎,做好自身僅僅是基礎,更多的是需要迎合市場(chǎng),所以外部數據、價(jià)值挖掘的價(jià)值利用,才是企業(yè)發(fā)展的助推器。

4. 我們處在哪個(gè)階段

我們說(shuō)了這么多,相對應的各位看官,自己的企業(yè)又是處于什么發(fā)展階段呢。我們姑且將其分為五個(gè)階段,而這幾個(gè)階段也與上文中的分析能力過(guò)程和數據分析價(jià)值相對應。

①數據應用薄弱階段

階段目標:需要獲得足夠的數據來(lái)了解企業(yè)的經(jīng)營(yíng)狀況。

問(wèn)題:還不能完整了解企業(yè)正在經(jīng)歷著(zhù)什么,更不用說(shuō)外部環(huán)境。

②局部業(yè)務(wù)/職能使用數據分析

階段目標:通過(guò)數據分析、數據工具,解決某一項工作的問(wèn)題,從而進(jìn)行改進(jìn)。

問(wèn)題:如何進(jìn)一步提升效率,如何全產(chǎn)業(yè)應用。

③對應數據應用進(jìn)行整合

目的:利用數據能力提高差異化能力。

問(wèn)題:通過(guò)數據分析現在在發(fā)生什么?我們可以從當下的趨勢中推論出什么。

④整體數據應用并取得單點(diǎn)優(yōu)勢

目標:數據能力是業(yè)績(jì)和價(jià)值的重要驅動(dòng)因素。

問(wèn)題:數據應用怎么驅動(dòng)經(jīng)營(yíng)和管理創(chuàng )新,如何實(shí)現差異化。

⑤全面憑借數據開(kāi)展競爭并持續優(yōu)勢

目標:數據能力是業(yè)績(jì)和價(jià)值的首要驅動(dòng)因素。

問(wèn)題:下一步應該怎么做,有怎樣的可能性,如何保持領(lǐng)先地位。

了解的自身狀況,后面我們就要根據自身狀況去進(jìn)行改變。

二、數據分析體系構建

數據分析體系,是企業(yè)業(yè)務(wù)發(fā)展的綜合整理,既表達了企業(yè)發(fā)展的現行業(yè)務(wù)架構,也體現了企業(yè)內部精細化分工。

1. 數據分析體系構建方法論

數據分析體系,是由數據分析模型構建。

客觀(guān)事物或現象,是一個(gè)多因素綜合體,因素之間存在著(zhù)相互依賴(lài)又相互制約的關(guān)系。為了分析其相互作用機制,揭示內部規律,可根據理論推導,或對觀(guān)測數據的分析,或依據實(shí)踐經(jīng)驗,設計一種模型來(lái)代表所研究的對象。一般構建數據分析模型體系分為一下幾個(gè)步驟:

①理解業(yè)務(wù)

思考該模塊工作的目標、業(yè)務(wù)流程、核心指標及行動(dòng)方案;

思考業(yè)務(wù)流程各階段的待解決問(wèn)題,初步確定需要幾個(gè)分析模型來(lái)支持和指導業(yè)務(wù)運營(yíng)、決策支持。

以商品銷(xiāo)售為例,銷(xiāo)售模塊的核心指標一定是銷(xiāo)量、利潤。但結合整體業(yè)務(wù)流程,還需要了解后臺配套的商品庫存、人工成本、供應鏈成本、物流成本等,通過(guò)逐步拆解細分,才能得到混合型的支撐模型。

②模型驗證和調優(yōu)

首先要對自身模型檢驗。第一要查看分析模型在業(yè)務(wù)應用中是否體現了結構化(有序的、層層遞進(jìn))、公式化(可量化)、業(yè)務(wù)化(貼合實(shí)際)的思維;第二要查看分析模型是否能夠支撐完整的業(yè)務(wù)閉環(huán);第三要查看分析模型是否達成業(yè)務(wù)目標。

其次,要對分析模型產(chǎn)生的數據結果進(jìn)行驗證,針對數據偏離進(jìn)行模型調優(yōu);

最后,對模型進(jìn)行解讀,即用戶(hù)如何理解數據、用數據,根據用戶(hù)體驗優(yōu)化模型。

③構建分析模型

明確每一個(gè)分析模型適用業(yè)務(wù)場(chǎng)景、解決什么問(wèn)題、和使用的角色;

明確各個(gè)模型分別是什么模式,描述性分析、診斷性分析、預測性分析、決策建議性分析;

按照目標-核心指標-圍繞核心指標建立分析模型的方法,推導分析模型;

細分模型所需的指標維度、以及告警設計;

思考該模型與其他模型之間的關(guān)系是什么,進(jìn)行模型的跳轉與連接。

2. 構建數據分析模型體系過(guò)程

所以,根據方法論所述,構建數據分析模型體系,基本步驟可以概括為:

①理解業(yè)務(wù),立足目標

通過(guò)核心指標監控、業(yè)務(wù)流程分析等方法來(lái)發(fā)現業(yè)務(wù)問(wèn)題,針對性的進(jìn)行數據分析與挖掘。

積累的問(wèn)題解決經(jīng)驗、成熟的分析思路,經(jīng)過(guò)系統的梳理,梳理為一個(gè)或多個(gè)成型的數據分析模型。

②細化流程,發(fā)現問(wèn)題

細化流程的方法:一種是按照組織管理職能將業(yè)務(wù)模塊分解,另一種是參照業(yè)界業(yè)務(wù)自然的發(fā)展階段來(lái)細化分解。

數據分析模型的核心,不在于圖表華麗、方法炫酷,而是能夠適用業(yè)務(wù)、解決問(wèn)題、帶來(lái)業(yè)務(wù)改善。

③逐個(gè)梳理分析模型

您的模型應用了何種分析思維,是公式化、結構化還是業(yè)務(wù)化。

您的模型應用了何種分析模式,描述性分析、診斷性分析、預測性分析、決策建議性分析。

您的模型應用了何種分析模式,描述性分析、診斷性分析、預測性分析、決策建議性分析。

模型與模型之間的關(guān)系是什么,無(wú)關(guān)、關(guān)聯(lián)、遞進(jìn)、基礎。模型之間的下鉆關(guān)系是什么。

?④指標維度告警考慮

角色:首先要進(jìn)行角色區分,角色分為運營(yíng)、采銷(xiāo)、管理等,模型是為哪些角色建設的,不同角色所需的指標維度告警方式是否一樣。

指標:模型所需的指標是哪些,將指標定義和計算公式梳理清晰,并且對核心指標進(jìn)行解讀,如果指標缺失則加快指標建設。

維度:維度是分析和匯總數據的視角;模型所需的維度是哪些,維度之間的鉆取關(guān)系,如果維度缺失則加快維度建設。

告警:核心指標是否需要設置異常值提醒通知,是否需要將異常信息推送給相關(guān)人員等。

⑤數據驗證

按照分析思路填寫(xiě)真實(shí)數據;

檢查數據指標及分析思路的嚴謹性;

請使用方試用模型,提修改建議;

結構化、公式化、業(yè)務(wù)化思維、閉環(huán)、目標達成等;

存在問(wèn)題按重復上述步驟。

⑥解讀模型構建關(guān)系

對模型進(jìn)行解讀,異常分析的路徑,怎么理解數據背后的含義、如何用數據驅動(dòng)業(yè)務(wù)改善。

基于整個(gè)業(yè)務(wù)的全流程及分析問(wèn)題,全盤(pán)思考模型之間的關(guān)系是什么,模型與模型的跳轉與連接是怎樣的。

3. 分析模型體系評估

4. 零售經(jīng)營(yíng)分析體系案例

我們結合電商綜合體,進(jìn)行了行業(yè)經(jīng)營(yíng)分析模型體系構建。

基于分析模型構建方法論,將龐大的業(yè)務(wù)進(jìn)行拆解,構建細分業(yè)務(wù)的詳細指標,考慮模型之間的流程流轉、業(yè)務(wù)跳轉等,從而展現電商綜合體的經(jīng)營(yíng)架構和內部業(yè)務(wù)細分,體現其核心的業(yè)務(wù)模式,窺探可創(chuàng )新發(fā)展方向。

在大的方向上,電商綜合體的經(jīng)營(yíng)分析體系可分為:經(jīng)營(yíng)環(huán)境分析、財務(wù)分析、人力分析、戰略發(fā)展分析,以及最重要的業(yè)務(wù)分析。

業(yè)務(wù)分析,根據實(shí)際業(yè)務(wù)發(fā)展狀況,進(jìn)行模塊化拆解,可分為:流量、銷(xiāo)售、會(huì )員、門(mén)店、商品、廣告、服務(wù)、單品、績(jì)效、商戶(hù)、連發(fā)。

以流量為例,流量主題的業(yè)務(wù)目標是:提升流量的數量及質(zhì)量、提高轉化率、促進(jìn)銷(xiāo)售增長(cháng)、賦能智慧零售。模型目標是:監控線(xiàn)上運營(yíng)流量核心指標、及時(shí)發(fā)現異常、細化分析、及時(shí)調整。

同時(shí)流量主題又可細分為線(xiàn)上流量、線(xiàn)下流量。線(xiàn)上流量又可通過(guò)轉化路徑,細分到頁(yè)面、搜索、站外等。搜索模塊再而細分,直至到形成商品購買(mǎi)頁(yè)的流量轉化歸因及閉環(huán)。

三、數據分析工具建設

數據分析工具,是數據分析的核心手段。借由數據分析體系構建的思路,數據分析工具的建設,同樣應該堅持結構化、公式化、業(yè)務(wù)化的原則,支持業(yè)務(wù)的精細化拆解,支持不同角色的業(yè)務(wù)需求,最終還是要提升業(yè)務(wù)的流轉效率、經(jīng)營(yíng)效率、管理效率。

圖(分析工具產(chǎn)品架構)

我們從業(yè)務(wù)角度觸發(fā),將分析工具分為前端的業(yè)務(wù)應用和后端的處理核心。

前端的核心應用就是數據分析門(mén)戶(hù),為經(jīng)營(yíng)管理人員、數據分析人員、門(mén)店人員、促銷(xiāo)人員等。

后端的系統,集成了告警、算法、營(yíng)銷(xiāo)引擎、智能化產(chǎn)品。后端系統不直接應用于經(jīng)營(yíng)管理部門(mén),但為業(yè)務(wù)經(jīng)驗經(jīng)營(yíng)提供基礎的數據處理、指標處理、業(yè)務(wù)告警、智能推薦、智能數據服務(wù)、智能客服服務(wù)等能力,是前端業(yè)務(wù)經(jīng)營(yíng)的智慧大腦。

1. 分析工具核心功能

①指標維度建設內容

指標維度的建設思想,在數據分析體系建設中已經(jīng)有過(guò)闡述,在此不再多述。

在這里要額外說(shuō)一下維度,維度是指標的屬性描述,例如流量,流量的相關(guān)維度例如:線(xiàn)上/線(xiàn)下、app/web/小程序、首頁(yè)/商品頁(yè)/購買(mǎi)頁(yè)、地域、門(mén)店等等。在數據分析管理當中,維度也被用來(lái)做權限的管控。最典型的案例:通過(guò)門(mén)店維度,管控店長(cháng)僅能看到自身店鋪的相關(guān)數據。

②業(yè)務(wù)駕駛艙

現在的BI工具,駕駛艙的特性已經(jīng)被追求到了極致。但好的駕駛艙搭建并不容易。

駕駛艙搭建應遵循一下步驟:

  1. 確定終端:pc、app、大屏、尺寸
  2. 確定駕駛艙類(lèi)型:戰略型、分析型、操作型
  3. 確定指標:能一目了然業(yè)務(wù)運營(yíng)現狀
  4. 確定圖表
  5. 確定排版和美化

駕駛艙類(lèi)型與指標緊密結合。戰略型駕駛艙,一般展示宏觀(guān)指標,例如當日商品銷(xiāo)售(排行);分析型駕駛艙,則會(huì )體現各個(gè)指標之間的聯(lián)系,例如總體銷(xiāo)售、分時(shí)銷(xiāo)售、維度銷(xiāo)售;操作型駕駛艙,則體現業(yè)務(wù)的時(shí)效性和預警能力,例如退出率、閃退率、XX失敗數等。

③報表市場(chǎng)

報表市場(chǎng),顧名思義,是一個(gè)報表的匯聚。通常適用于跨部門(mén)、跨業(yè)務(wù)的數據查詢(xún)分析。當然,這需要配套權限的解凍、流程審批,避免數據權限的擴大。一般來(lái)說(shuō),審批過(guò)程會(huì )大大減少數據外泄的隱患(關(guān)于數據安全不在此描述)。

④分析報告

某些大型企業(yè)來(lái)說(shuō),分析報告是亮點(diǎn),需要算法的支撐。

通常來(lái)說(shuō),傳統分析報告一般為模板化的格式,是一種報表數據的匯總體現。但經(jīng)過(guò)算法的融合,分析報告可以變的更加的靈活,豐富。尤其是當前openapi開(kāi)發(fā)的cp4.0的出現,分析報告完全可以交由AI來(lái)做。AI提供的報告的創(chuàng )造性遠超我們。

⑤自助分析

自助分析可以說(shuō)是一些企業(yè)運營(yíng)的命脈,這一現象普遍存在與中小企業(yè)當中。其原因我們不取追究,但坦率的來(lái)說(shuō),通過(guò)托拉拽的方式,將由指標、維度、事件周期模塊化置于畫(huà)布,由數據分析人員自由操作,要比固定的預置報表更加靈活。同時(shí)配以人員的創(chuàng )新性,更加適合數據分析人員進(jìn)行個(gè)性化、臨時(shí)性的數據分析、數據創(chuàng )新。

以XX品類(lèi)會(huì )員生命周期及畫(huà)像分析為例:

問(wèn)題背景:XX品類(lèi)年度買(mǎi)家規模占比在全品類(lèi)的20%以上,是會(huì )員運營(yíng)的重點(diǎn)品類(lèi)。但從買(mǎi)家增長(cháng)和銷(xiāo)售增長(cháng)趨勢看,2020年該品類(lèi)一級商品組銷(xiāo)售規模同比下降XX%,正向買(mǎi)家規模同比增長(cháng)XX%,增長(cháng)率較18、19年同比增長(cháng)率下滑嚴重。且在2021年1-5月,銷(xiāo)售及買(mǎi)家規模均同比下滑。

分析目的:通過(guò)分析了解會(huì )員生命周期結構情況,各階段人員畫(huà)像特征,以及如何針對性采取行動(dòng)來(lái)做策略干預,提升用戶(hù)規劃、優(yōu)化用戶(hù)結構、提升會(huì )員價(jià)值。

分析思路:

生命周期分析:結合會(huì )員生命周期理論框架及自身特征、品類(lèi)特性,定義XX品類(lèi)會(huì )員生命周期階段,了解各階段會(huì )員概況、價(jià)值和生命周期結構。

畫(huà)像分析:從會(huì )員個(gè)人屬性特征、消費偏好特征、交叉購買(mǎi)方面,分析各階段生命周期人群畫(huà)像,為會(huì )員運營(yíng)提升提供決策建議。

通過(guò)個(gè)性化的自助分析,得出以下結果:

從會(huì )員生命周期分布結構來(lái)看,該品類(lèi)待挽回會(huì )員規模占主導地位,會(huì )員結構處于高流失型結構。

生命周期各階段人均價(jià)值下降程度不同,僅成熟期會(huì )員的人均價(jià)值(貢獻交易額)呈正向增長(cháng)。

客單價(jià)≥100 元的會(huì )員留存分布結構中,引入期+成長(cháng)期會(huì )員占比過(guò)半,成長(cháng)性較好??芍攸c(diǎn)關(guān)注該部分用戶(hù),提高復購,推進(jìn)向成熟期轉化。

分析結論管理建議:

XX品類(lèi)需要優(yōu)化會(huì )員結構:XX品類(lèi) 2020 年會(huì )員總數雖同比增長(cháng),但從生命周期結構來(lái)看,待挽回的沉睡期和流失期會(huì )員增長(cháng)較多,留存會(huì )員規模及占比均下降,會(huì )員 的結構較差。且留存會(huì )員中,成熟期占比較低,處于增長(cháng)階段的會(huì )員占比處于主導地位,而沒(méi)有有效的轉化為成熟期會(huì )員。建議在關(guān)注會(huì )員規模的同時(shí)更要關(guān)注結構性問(wèn)題。

XX品類(lèi)會(huì )員貢獻價(jià)值有待提升:XX品類(lèi)會(huì )員貢獻總交易額略提升,但核心的 留存會(huì )員貢獻總交易額下降,人均貢獻交易額下滑。建議從商品結構與用戶(hù)畫(huà)像匹配度、 營(yíng)銷(xiāo)方式優(yōu)化、渠道選擇上面,挖掘用戶(hù)潛在需求,提升用戶(hù)復購及 ARPU 值。

基于畫(huà)像分析,從性別、年齡、地區、渠道偏好、購買(mǎi)期偏好等角度分析用戶(hù)特征,為后續挽回、激活等精準營(yíng)銷(xiāo)策略提供支持。
從交叉購買(mǎi)品類(lèi)的關(guān)聯(lián)性看,可在運營(yíng)中對表現較好的交叉品類(lèi)做進(jìn)一步聯(lián)動(dòng)營(yíng)銷(xiāo)。

2. 告警預警能力

告警系統,作用于在數據分析中,對核心指標告警方案配置管理、異常數據主動(dòng)推送、觸達,幫助業(yè)務(wù)人員及時(shí)知曉和處理經(jīng)營(yíng)異常。告警系統一般構建與指標體系之上,其核心是告警規則配置。
對于指標的告警配置,是對一個(gè)或多個(gè)指標設置告警規則,包含但不限于周期設置、閾值設置、維度維值設置、單位設置、時(shí)間顆粒度設置、推送策略設置。

基于告警信息,我們需要對告警規則進(jìn)行解讀分析,一方面了解業(yè)務(wù)運營(yíng)狀況;另一方面對告警規則進(jìn)行調優(yōu)。

消息推送是告警系統的基本功能之一,一般會(huì )包含郵箱、短信、MSG。每個(gè)企業(yè)可以根據告警等級,設置不同的通知方式。

最后,告警信息需要由責任人去關(guān)閉,從而形成告警的閉環(huán)。

應用案例:

黃金流量位在促銷(xiāo)時(shí)期的 數據告警。

頁(yè)面運營(yíng)中有個(gè)“黃金流量位”的概念,每個(gè)頁(yè)面、樓層的“黃金流量位” 是有限的,這個(gè)坑位運營(yíng)的商品效果怎么樣,需要業(yè)務(wù)人員實(shí)時(shí)關(guān)注不同樓層和坑位對應商品的實(shí)時(shí)曝光、點(diǎn)擊、加購、提交訂單和庫存數據,及時(shí)進(jìn)行調整,確保成交最大化。

比如大促預熱時(shí),某商品加購達到 100 件,但可售庫存只有 20 件,這件商品就不適合作為主推款,占據“黃金流量位”的一定是庫存、加購數據都比較優(yōu)秀且平衡的商品。
類(lèi)似的,還有高曝光低點(diǎn)擊商品告警、有點(diǎn)擊無(wú)轉化商品告警、缺貨告警。

3. 場(chǎng)景應用

整體應用:

細分9個(gè)場(chǎng)景:

四、數據分析應用管理機制

最后,我們來(lái)談一談數據分析應用的管理。有效、高效的管理機制,是數據分析價(jià)值發(fā)揮的催化劑,也是數據工具進(jìn)化的基礎動(dòng)能,更是企業(yè)數據能力提升的鋪路石。

1. 全員參與的重要性

①全員參與

好的產(chǎn)品都是運營(yíng)出來(lái)的 ,用戶(hù)需要持續有效使用中發(fā)現問(wèn)題,發(fā)現與業(yè)務(wù)訴求的偏差,才能促進(jìn)產(chǎn)品持續不斷迭代提升,在應用落地中發(fā)揮數據真正的價(jià)值。

每個(gè)人都能真正從數據應用、數據管理和數據發(fā)現高度經(jīng)營(yíng)各自的本職工作,能在各自的工作中自覺(jué)利用或簡(jiǎn)單或復雜的數據分析工具,進(jìn)行大大小小的數據分析挖掘,從數據中發(fā)現信息財富,助力公司全方位的提升。

②建立常態(tài)化的跨域流程和機制

數據驅動(dòng)經(jīng)營(yíng)是跨專(zhuān)業(yè)、跨團隊的協(xié)同配合,需要建立對應的流程和制度保證最終的實(shí)踐效果,明確相關(guān)方在不同階段的角色、職能、分工和價(jià)值,保障各環(huán)節的階段性目標達成,實(shí)現數據驅動(dòng)經(jīng)營(yíng)的閉環(huán)。

③管理層的推動(dòng)作用不可忽視

只有各體系中高層持續推動(dòng),才能快速在公司內建立、推廣、實(shí)施、完善真正的全員參與、跨部門(mén)跨專(zhuān)業(yè)、具有戰略競爭意義的數據驅動(dòng)運營(yíng)管理的工作。

④數據文化的培養至關(guān)重要

企業(yè)的數據能力提升,人是核心動(dòng)能,人力資源的數據素質(zhì)培養,氛圍不可或缺。通過(guò)培養讓數據說(shuō)話(huà)的氛圍:把數據用起來(lái),讓數據反饋管理、改進(jìn)管理、提升業(yè)績(jì);通過(guò)建設數據分析交流的陣地:數據服務(wù)號、數據論壇、數據分享會(huì ),實(shí)現企業(yè)員工能的共同提升;保持開(kāi)放與學(xué)習的心態(tài):參加外部學(xué)習,吸收行業(yè)優(yōu)秀案例,開(kāi)拓視野。

2. 管理機構配置

為提高核心業(yè)務(wù)重要數據的應用一致性、完整性、準確性、有效性,在企業(yè)層面建立包括數據管理部門(mén)、財務(wù)中心、業(yè)務(wù)管理中心、研發(fā)中心的“數據常設組織以及運作機制”。

常設數據聯(lián)合組織整體管理由數據管理部門(mén)牽頭,組織構成及各域牽頭人如下,圍繞數據細分域各負責人承擔業(yè)務(wù)域專(zhuān)家、產(chǎn)品專(zhuān)家的角色,協(xié)同促進(jìn)數據建設、應用能力的提升。

3. 健全數據管理流程

基于數據域常設組織的設立,各數據域業(yè)務(wù)管理方、研發(fā)管理方以及角色負責人從需求調研、建設開(kāi)發(fā)、應用管理、應用評估、數據質(zhì)量監控五個(gè)方面監控系統完善數據及應用建設落地,配套各主題域的數據管理機制,從而提升數據分析能力與應用成熟度。

4. 數據分析應用管理評估

對數據應用管理的評估,可拆解為數據覆蓋度、數據分析力、數據準確性、數據觸達力、數據驅動(dòng)能力、用戶(hù)活躍度、數據使用率等。

我們可以通過(guò)各個(gè)維度的目標評估,做對應的策略、功能變更。

以用戶(hù)活躍度為例,內部應用的用戶(hù)活躍度,是衡量產(chǎn)品優(yōu)劣的直觀(guān)表現。但因產(chǎn)品前期的更替因素,結合新老產(chǎn)品的用戶(hù)適應度來(lái)說(shuō),前期的產(chǎn)品使用,需要企業(yè)上層的推動(dòng)。在產(chǎn)品后期,用戶(hù)的反饋直觀(guān)重要,直接影響員工的后期傾向程度,也會(huì )影響產(chǎn)品后期的質(zhì)量,更甚影響企業(yè)長(cháng)遠的發(fā)展戰略。

5. 數據安全基本要求

數據安全是當下全社會(huì )都注重的大事項。但因本文偏重數據分析角度,故數據安全部分僅簡(jiǎn)述一些。

①全民安全意識

不論是數據安全,還是個(gè)人隱私安全,企業(yè)都應該從日常的工作、生活中去培養全民的安全意識,這不僅僅是對企業(yè),也是對個(gè)人、家庭、社會(huì )都是有益的。

我們可以出臺一系列安全管理措施,從制度上保障數據安全底線(xiàn);也可以舉辦日常培訓,重點(diǎn)舉例警示眾人。

②權限開(kāi)放與使用

在權限標準上,需評估人員崗位與其所需數據權限的匹配性與合理性,按需開(kāi)放權限,原則上無(wú)特殊原因不得放大崗位權限,發(fā)生權限范圍和職責不匹配的情況。

非兼崗人員不得與其他崗位角色綁定,造成數據權限放大,存在數據安全隱患。

權限使用上,是嚴禁將權限借用給他人的。

③數據安全與使用

數據使用上,連續30天未登錄系統、門(mén)戶(hù)等,系統自動(dòng)實(shí)現凍結使用權限,解凍需流程審批。

數據安全上,導出權限需申請;導出數據量控制,上限為20萬(wàn);導出行為納入數據安全監控和管理。同時(shí),需要制度、機制、產(chǎn)品功能上,控制數據后續的銷(xiāo)毀。

結語(yǔ)

以上,是我們從業(yè)以來(lái),對于數據分析的一些理解??偨Y了數據分析的基礎方法論、討論了數據分析體系、數據工具能力建設、數據分析應用場(chǎng)景等相關(guān)模塊的聯(lián)系。

我們不去追求每個(gè)企業(yè)都能夠通過(guò)數據分析能力的提升,實(shí)現自身企業(yè)在市場(chǎng)競爭的脫穎而出,畢竟數據分析僅僅是企業(yè)前進(jìn)方向的重要因素之一,而且數據分析對于每個(gè)行業(yè)、企業(yè)的重要性也不能一概而論。

我們只是將數據分析的一些基本理論、過(guò)程、效果展示給大家,為大家提供成功、失敗的經(jīng)驗總結。

最后,有任何問(wèn)題,還請大家批評指正,感謝。

本文由 @碧英數據 原創(chuàng )發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉載

題圖來(lái)自Unsplash,基于CC0協(xié)議

該文觀(guān)點(diǎn)僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺僅提供信息存儲空間服務(wù)。

更多精彩內容,請關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 非常專(zhuān)業(yè)。辛苦了。感謝分享。

    來(lái)自上海 回復