导读:“数据分析”,即通过分析数据,发现业务问题,洞察商业机会点,为业务增长提供合理建议及参考依据,并输出数据报告。而什么是业务呢?直白的来讲,“业务”泛指非技术类所有工作,是企业的销售、产品、营销、市场、运营等工作的笼统称呼,这些都是直面B端/C端用户,“业务”最终的目的是“增加销量,换取利润,降低成本”,并且数据报告里得出分析结论也是提供给业务使用。
那么,真实、可量化、可衡量的数据一定会反映业务某方面的情形。而“数据分析”在实现业务目标和输出数据报告的过程中,就需要清晰地描述、并展示业务现状,解决业务痛点,帮助业务提升业绩等。所以,“数据分析”就需要围绕业务展开。
而现实当中,很多业务场景都可由数据体现出来。通过分析业务存在的问题并解决业务问题,数据分析才能创造价值。对于公司来讲,解决业务问题可以提高收益或者降低成本;对于个人来讲,知道怎么利用数据解决业务问题,对个人的技能成长和职场生涯都有很大的助力。
要理解业务,其根本上来讲就是:数据从业务场景中来,要用回业务场景里去。接下来,我们就来看一下理解业务对“数据分析”重要性有哪些呢?
重要性一
了解业务痛点,多理解业务流程,才有机会分析出业务场景中可能存在的问题。刚入门做数据分析时,很容易过度关注数据、方法论、工具等,却忽略了数据背后的业务痛点以及需求。埋头苦干一通,最后业务人员一句话否定掉:“你分析出的问题和结果对我有什么用?一点也不符合业务逻辑”。
举个简单的例子,以To b 一个考勤hr产品为例。
比如某一月份产品会员购买数量下降了,对于很多做数据分析人员来说,可能马上就会去拿着数据做多维交叉分析,分析什么原因导致购买会员数量下降了,而不是主动去思考里面的业务痛点以及流程逻辑。客户购买会员下降有很多原因,产品设计问题、购买流程问题、客户公司内部政策问题、队伍销售能力问题等等。
如果你了解业务痛点,多理解业务流程,你就应该了解到业务需求关注的因素是什么?也就是聚焦客户购买会员这个点,理清购买相关的客户旅程漏斗(如图所示),识别出几个关键的行为转化节点,然后分析行为点间的转化与流失情况,结合业务以及用户痛点,去对着数据来源、口径、清洗、分析等做一系列工作,进而定位问题,指导决策。而不是遇到一个数据指标出现异常,就直接去从数据中找答案,实际上答案就藏在背后的业务逻辑里面。
重要性二
了解相应的业务阶段侧重的关注点是什么,才可能设计出更符合业务视角的数据指标监控体系,通过相应的专题分析,解答出现异常的状况。因为业务发展一定是「萌芽——起步——快速发展——成熟——衰退」。这是规律,也可以说是产品的生命周期,我们需要判断出产品业务线所处的阶段,才能针对性设计出数据监控数据体系。
而在产品业务线不同的生命周期阶段,其数据分析侧重的关注点不相同:
萌芽期阶段:侧重监控用户行为数据等,优化产品迭代。
起步期阶段:侧重监控用户新增、渠道数据等,筛选优质渠道,扩大客户基数。
快速发展期:侧重监控用户活跃、留存数据等,提高各个关键环节转化率。
成熟期阶段:侧重监控会员,成单数据等,提升盈利点。
衰退期阶段:侧重监控内容、市场品牌数据等,品牌驱动,设计出有效的营销策略,找出第二增长曲线或者二次创新。
重要性三
了解行业内相应业务流程和规则,才可以使数据分析的结论和建议更加落地。还以To b 一个考勤hr产品为例。该产品的业务模式很简单,无非是以引导客户购买会员变现为主,以广告变现为辅,从而实现从投入到盈利的商业闭环,这个模式得有渠道(市场推广)有内容(打造品牌),有产品(满足客户需求),有运营(提升日活和客户转化),有客户(购买会员)等。
如果你了解了行业内相应业务流程和规则,就不会在tob产品的日活出现下行趋势时,单纯提出加大投放费用这样谁都知道的建议,还可能是企业规则特殊情况的周期性活跃;就不会在客户出现流失苗头时,只是说一下同环比数据情况;就不会在关于广告流量减少时粗暴建议业务侧全局增加广告频率……
重要性四
了解相应业务中所有角色KPI以及如何协作,才可以快速有序的推进数据工作。明确各个业务环节的责任人,如何协作以及分别承担什么职责,就可以看出部门需要的数据是什么,并对其进行可视化,通常来说,都会异常关注当下的kpi指标,并从中提炼涉及到的侧重指标,帮助业务解决痛点。
还是以To b的考勤hr产品为例。划分了几大角色:产品、运营(包括销售,市场,渠道,内容)、客户、客户成功等。
产品:为了获得利润,企业必须要先有产品,这个产品不仅指实物产品还包括服务、互联网产品。(如产品经理岗)
运营:有了产品,就要把产品推广出去,通过不断的优化渠道组合,提高销量,连接产品和用户,把产品带出去,把客户的钱带回来。
客户:产品最终会到用户手中,客户是产品的最终使用者,最终的目的就是为了让客户尽可能多的去使用产品。我们也要了解客户画像(这里就不展开讲了)。
客户成功:有了用户购买了产品,那么我们要去维护用户,留存,转化。
运营根据所支持的角色不同,类别有很多种,如互联网产品运营,主要是优化产品体验,app这个功能没有什么用户使用,就要考虑哪里出问题了,怎么改进。支持渠道的运营,需要在销售前,做品牌公关,打响产品或品牌知名度;在销售中,进行活动策划运营,折扣、营销活动等;在销售后,吸引用户再度付费。支持客户的运营,如微信群、售后服务等。
了解各个部门在四大角色,每个人的职责所在,如何协作等,结合遇到的问题,可以有序的推进数据工作。
最后
现在我们来总结一下理解业务对“数据分析”重要性有哪些呢?
第一、了解业务痛点,多理解业务流程,才可能有机会分析出来符合业务场景中存在的问题。
第二、了解相应的业务阶段侧重的关注点是什么,才可能设计出更符合业务视角的数据指标监控体系,通过相应的专题分析,解答出现异常的状况。
第三、了解行业内相应业务流程和规则,才可以使数据分析的结论和建议更加符合实际,精准落地。
第四、了解相应业务中所有角色KPI以及如何协作,才可以快速有序的推进数据工作。
总的来说,我们不能脱离业务去看“数据”,而是要时刻从业务角度去理解数据、分析数据。也可以说,没有业务指导的数据分析是无意义的。这一点对于刚刚入门数据分析的新手来说,甚是需要注重和积累培养的。
最后,倘若你不一样的看法,欢迎留言添加完善分享,并交流!
转自: 木木自由 公众号;
END
版权声明:本号内容部分来自互联网,转载请注明原文链接和作者,如有侵权或出处有误请和我们联系。
合作请加QQ:365242293
数据分析(ID : ecshujufenxi )互联网科技与数据圈自己的微信,也是WeMedia自媒体联盟成员之一,WeMedia联盟覆盖5000万人群。