数据指标中心业务策略的闭环

分析数据定位业务问题，基于业务理解，确定解决策略，到最终正向的影响业务，整个过程中，业务策略存在两个闭环：逻辑闭环和业务闭环。

• 逻辑闭环：

数据分析的过程，逻辑上要闭环，论据要能够支持结论的成立；

• 业务闭环：

策略在业务上的落地执行要闭环，不断的调整迭代；

这两个闭环是互相影响的，首先要做到的就是论证逻辑闭环，保证结论可以站得住脚。等真正落地执行的时候，业务上可能行不通，就需要基于新的业务理解去迭代论证逻辑，形成新的逻辑闭环，再去落地执行，直到在业务上可以跑通。

所以在数据分析过程中会常出现两类问题：

1. 逻辑闭环相关：

不接地气，指的是策略的逻辑论证没问题，但离业务上跑通还很远；

1. 业务闭环相关：

策略没有落地或者落地反馈周期太长，导致业务理解只停留在当时分析数据的节点，没有得到验证反馈；

那我们在工作中怎么判断业务策略是否接地气呢？主要分成两步：

1. 深入思考策略成立的业务假设是什么？
2. 调研判断业务假设是否成立？

举个例子：你设计了一套完整的针对B端商家的权益方案，希望牵引商家按平台的方向去做生意，假设权益方案在逻辑上没问题，但要真正落地有效的话，就会涉及到一些业务假设需要成立：

1. 平台可以很好的触达商家，商家也能够理解权益方案；
2. 权益方案细节，商家真的很在意；
3. ……

接着就需要去调研这些业务假设是否真的成立？如果成立的话，那么该策略落地有效的概率就会很大；如果商家理解不了复杂的权益方案，或者商家对权益根本不在意，那说明该业务策略是不接地气的，就需要及时做出调整。当然，策略是否有效的前置调研验证是很有必要的，但有时候调研结果并不能直接推导出策略有效或者无效，那就需要设计好的落地方案，快速验证迭代。

最后也类比过来，判断某个人是否懂业务：如果这个人通篇都在讲数学逻辑，没有业务判断，或者有些业务判断明显是不成立的，那大概率这个人就不太懂业务。要做出正确的决策首先逻辑上要成立，另外在业务上也要行得通。