1. 数据分析网首页
  2. 大数据
  3. 数据分析

不懂业务,你的数据分析就是一笔糊涂账!

业务分析是数据分析走向推动决策的第一步。

引言:凡是做过数据分析的人,都应该听过这么一句话:“数据分析要懂的业务”,但是很多人都没有真正搞懂这句话。在实际中很多人因为不能充分理解业务需求,从而导致数据分析紧急停留在数据提取的表面上,根本不能产生价值。企业的数据分析是个很复杂的工程,需要业务和分析技术两块知识,如何让数据分析充分为业务赋能,是现在业界最想解决的难题。

我们都知道数据分析最基本的作用是发现问题,而解决问题就不是简单依靠数据就能够完成的,一般来说用数据分析解决问题的流程是这样的:数据分析–发现问题–结合业务分析原因–返回数据验证–发现新问题–循环往复–解决问题

数据分析闭环的完成是需要结合业务才能实现的,任何抛开业务需求谈数据分析的,都是空谈!因此,为了避免出现数据分析沦为空谈主义,就必须要充分理解业务,针对业务场景进行数据分析,这样的结果才有价值。

如何理解业务、吃透业务需求?

一、理解业务的本质。也就是业务是怎么挣钱的,其背后是对整个业务经营模式的理解,比如,某个业务是靠什么挣钱的,要理解产品;挣的是谁的钱,要挖掘用户需求;怎么吸引用户来挣钱,要搞清业务渠道;靠谁来挣钱,要掌握业务分工。

二、梳理业务信息,建立分析系统。业务的复杂程度决定了系统的复杂程度,若一个复杂的业务能够被梳理的逻辑清晰条理清晰,系统也不会很复杂,但前提是你很懂很懂业务。比如,业务环节的处理动作是否清楚?跨部门的业务关系是否了解?业务基础数据、信息流向是否掌握?

三、带着数据意识去看业务。业务分析的逻辑思维是以业务经验为基础的,有时候跟业务走的太近往往会忘记了数据方法论,从而使得业务脱离了数据,导致结果偏离实际,不能为决策提供支持。因此,要带着数据意识去看业务,才能加深对业务的理解,否则跟普通的业务人员就没有区别了。

今天老板跟我说:不懂业务,你的数据分析就是一笔糊涂账!

如何针对业务场景进行数据分析?

在进行数据分析之前,我们首先要理解大体的思路是什么?

简单来说,第一步就是要明确业务场景,业务场景包括用户需求、业务流程等内容,了解这些场景需要什么内容和信息,作为我们分析的基础;

第二步就是确定分析目标,做数据分析需要以目标为导向,学会做数据维度的逐级拆分,以结构化思维来做运营数据的全面的,系统性的分析;

第三步就是建立分析体系,包括方法论和方法,方法论包括5W2H分析法、SWOT分析法、PEST分析法等,分析方法包括趋势分析、漏斗分析、用户调查等等;

第四步就是树立核心指标,和分析思维一样,指标也能结构化,也应该用结构化。

具体我们举个零售商的例子:

首先我们明确业务场景包括销售、渠道、商品、会员、竞品等等,在整个业务分析体系中,电商行业遵循“人货场”的思维逻辑,其指标可这样划分:

今天老板跟我说:不懂业务,你的数据分析就是一笔糊涂账!

1、销售类分析

销售分析主要是为了追踪销售情况,与KPI对比,调整销售策略,进一步提升销售额。

分析思路:基本上任何一个问题都可以套用“人货场的模型来分析”。比如分析客单价下降的原因,从人货场角度切入的话,可建立如下的分析模型:

今天老板跟我说:不懂业务,你的数据分析就是一笔糊涂账!

分析方法:数据分析可通过数据对比、极值、预测的方式来分析

  • 对比:比如事业部销售额排行榜、销售额贡献度、城市排行榜等等
  • 极值:比如月销售额最高纪录,激励销售人员或事业部突破记录
  • 预测:根据权重曲线预测未来的销售额

2、商品分析

商品分析是基于商品的一个流程管理——进销存。比如商品库存太大,占用资金,则采购进货不合理;商品陈列不合理,造成发货不及时,销售滞后。

商品分析体系——“进销存”思路,常用的指标如商品的折扣率、动销率、周转率等。

今天老板跟我说:不懂业务,你的数据分析就是一笔糊涂账!

3、会员数据分析

会员数据分析一方面是可以指导销售营运,另一方面是提高营销的精准度,增加用户的粘性,减少流失。

会员分析管理体系:

今天老板跟我说:不懂业务,你的数据分析就是一笔糊涂账!

4、其他管理分析

人力资源管理中的数据分析一般包括两个方面,一方面是人员结构分析,另一方面是人力效能的分析。在人效分析过程中最关注两个指标,人均产出和人员费用产出率。人员结构分析包括不同职能部门的人力结构、不同层级的人才结构、不同工作年限的人才结构等等。分析人力结构是防止人才的断层,在招聘上做好预案,优化薪酬分布。

数据分析领域的财务主要是管理财务,管理财务需要细化到每个子公司、每个业务、每个产品、每个业务部门、每个客户,以他们为主题的分析有:现金流分析、盈利能力分析、财务预算分析等。

总结

业务分析是数据分析走向推动决策的第一步,这要求数据分析人员不仅要看重数据处理、数理统计,对于业务的理解也要放在第一位,才能充分给业务赋能,让数据分析成为决策、智能执行的推动或补充者。

本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流,内容版权归原作者所有,如涉作品、版权和其他问题请给「我们」留言处理。

发表评论

登录后才能评论

联系我们

如有建议:>>给我留言

QR code