上一篇介绍了商业分析的价值。今天来聊聊商业分析的局限性。在对待商业分析的态度上有两类极端观点:
极端顶:老子已经掌握了底层分析思维,战无不胜啦!
极端踩:分析啥,老子有钱,老子就是对的!
其实两种极端都是错误的,今天来系统解析一下
一、商业分析不能解决哪些问题
最常见的三类不能解决的问题,是:
1.主观意愿类问题(俗称:想不想)。比如:
老板想不想做这个投资
客户喜不喜欢这个方案
我要不要采取这个行动
……
以上问题的回答,统一是:
没啥好分析的,你直接和老板沟通一下。
本质上,商业分析方法是一种客观、理性、有逻辑的方法。但主观意愿问题是人的主观情绪,人的情绪很大程度上不是客观、理性、有逻辑的。主观、冲动、情绪化才是常态,特别是和个人利益相关的时候。人们往往心怀鬼胎,如果不符合他的某些利益,即使是客观事实,他也会努力扭曲,指鹿为马。所以没啥好分析的,去沟通一下吧。真想分析,也得用心理学或者博弈论方法,而不是统计方法或者算法。
商业分析可以帮忙检验支持主观意愿的客观条件的真伪。比如同样是“领导想做1个亿业绩”,如果出发点是“领导自己有野心”,那很有可能怎么分析也说服不了领导。但如果出发点是“领导觉得按目前的投入产出比可以做到”,那就可以分析一下,是不是真的能做到,这时候就能用数据说话了。
2.客观限制类问题(俗称:能不能)。比如:
政策允许不允许这么做?
我发这个会不会被封号?
平台规则是不是这样的?
……
以上问题的回答,统一是:
没啥好分析的,直接去查一下政策。
政策就是政策,是一个客观事实,没啥分析空间。与其瞎捉摸,不如找一个懂政策的人了解一下,或者找到政策原文学习学习。
需要注意的是,有些限制并非客观条件,是主观意愿的限制,特别是基于一个客观条件的主观判断。比如:老板不批准这个计划,是因为觉得这样做ROI很低。这个时候就能用数据说话,论证一下到底这个理由成立不成立,商业分析就能发挥一定的作用。
商业分析还有个用处。就是当我们无从得知政策底线、平台规则等时候,可以通过实验来进行测试。是滴,就是“在违法的底线,疯狂的试探”。通过不同的结果,来反推:到底政策、规则是什么。或者找到能够规避政策的个案进行研究,反推政策。这种事在商业领域还挺常见的,不光是公司对国家政策、对阿里、腾讯这种大平台政策的试探,更有分公司对总部、顾客对公司、销售对市场、业务员对风控的试探。与这些试图作死的人斗志斗勇,也是商业分析的乐趣之一。
3.业务能力类问题(俗称:会不会)。比如:
我不会卖产品,分析下怎么卖?
我不会做方案,分析下怎么做?
我不会写文章,分析下怎么写?
我不会写代码,分析下怎么写?
以上问题的回答,统一是:
没啥好分析的,哪里不会学哪里。
不会卖产品,去学商务礼仪、产品百科、销售话术、逼单技巧
不会做方案、去学用户洞察、营销策略、方案规范、执行细节
不会写文章,去学选题、写作、排版、美工
不会写代码、去学python、java、C++
虽然通过分析,可以告诉你业绩高的销售有什么特点,但知道别人怎么做的好不代表自己也会做。想真的做好销售,得认真学习销售的业务技能,并且大量的跟客户打电话、推荐产品、被人鄙视、努力跟进。少了专业知识,少了大量的实操,分析就毫无意义。
明白这点限制非常重要。因为做成事情很难,发表议论却很容易。很多人喜欢写长篇大论的事后分析,当事后诸葛亮,然后自以为自己很有本事,其实就是“笔下虽有千言,胸中实无一策”。我们说:做分析的人要有敬畏之心,就是如此。要对业务能力常怀敬畏,努力学习业务知识,而不是轻佻的认为:老子能看到数据,所以全公司老子最厉害,我已经开了天眼洞察一切。
二、商业分析对哪些岗位更有用
按照工作方式和工作职责,我们可以把岗位分为四大类型(如下)商业分析的作用大小,大致是:策略类≥创意类≥执行类=支撑类
策略类的工作重点就是判断轻重缓急、大小多少。这是最需要数据说话的时刻。如果不做深入分析,很容易搞出来“按下葫芦浮起瓢”的事,比如:
做用户运营,看到活跃率下降,就搞活跃率,结果活跃率上来了,转化率下去了。看到转化率下去了,就搞转化率,结果转化率上来了,活跃率又跌了。
看到用户流失率高就做用户挽留,可如果前期体验好,那流失率不就不高了?可把资源都投去做前期体验了,流失率下不来咋整。
产品卖不动,所以发券刺激下,结果发了券,用户更是不发券就不买了。
做广告投放,想投放的渠道,转化好的人数少;人数多的转化低,好纠结。
相比之下,创意类工作中,商业分析的作用就小一些,更多是事前做洞察,事后做测试。对于创意本身则无可奈何。本来嘛,伟大的创意是伟大的产品经理、伟大的文案、伟大的美工做出来的。只有那些做山寨货的,才会把别人的创意拿来,然后加减乘除改一改,凑合着用。
执行类和支撑类的工作考验的都是人的硬技能,商业分析更多是监控进度,总结经验。但是干的这一步是万万不可替代的。这也是为啥做销售的最看不起分析的原因,也是为啥分析咪蒙的一大堆,可做到粉丝千万的就她一个的原因。理论上,支撑类工作可以通过预测前端销售额、商品需求量等数据,来大大降低运作压力和成本。但在实操上难点多多,稍后我们会专题讲述这个问题。
三、商业分析对商业经营本质意义
最后留一个灵魂拷问:对赚钱而言,到底分析能起多大作用?实际上我们看到,真正开天辟地的创业者们,往往更多是依靠个人魅力、独特眼光、创造力、智力、机遇。我们也看到,那些身居高位的大公司老总,往往更多是依靠权力、资源、出身、运气。似乎具体到个案上,分析能起到的作用非常的小。因此也的确有很多人质疑:做商业分析能有多大用处?也经常有一些暴发户在叫嚣:老子赚到钱了,老子明白一切,你没我钱多所以你没我会分析问题。
历史上这种叫嚣的人很多,而且大多集中于受房地产恩惠的传统行业(建筑、建材、家居、汽车、母婴、美容、保健品、零售、耐用)陈老师2009年入行,亲耳听到了这些人是如何自吹自擂的,也亲眼见证了他们是怎么穷途末路,被宏观经济转型和互联网行业打的满脸是血。今时今日,除了少数没见过世面的底层,认可数据的价值是主流。反而是要劝大家对业务常怀敬畏之心,不要迷信数据了。
本质上看,很多能力都能解决商业问题(如下图)
可:
权力、资源、出身不可复制
创意、魅力、智力要靠天生
执行能力人人都能拥有
唯独数据分析能力,既能后天习得,又能拉开差距。
有了它:
能快速理解商业规律;
能大量积累工作经验;
能沉淀可复制的能力;
能清晰认知现状
能合理选择方向
虽然理性思维不是商业成功的全部,但它是重要的一环。特别在公司没有乔老爷、没有小龙哥、没有雷布斯这样能一飞冲天扭转乾坤的人的时候,更需要用理性战胜情感,用数据说话,用客观的分析来应对问题。这就是商业分析的终极价值。
以上就是商业分析全部概念,下一篇我们来个具体例子,看看企业里的商业分析与实验室里的科学分析有什么区别,真正的商业分析该怎么做。欢迎关注陈老师,持续追剧哦
python爬虫人工智能大数据