什么是理解业务?

什么是 业务

数据分析,经常听到“业务”两个字:

  • 数据分析师要懂“业务”
  • “业务”部门的要求是什么
  • “业务”方到底有什么期望
  • 全面评估“业务”发展的情况 岗位职责
  • 针对“业务”问题提出分析建议
  • ……

所谓业务,就是企业经营的各种事情,如生产,销售,服务等。然而,结合企业实际情况,业务就会分三级呈现:

什么是理解业务?

由于这么多复杂的细节存在,很多看起来相似的活动,背后的运行逻辑可能会有很大区别。比如“买一送一”,超市里牛奶买一箱送一箱,和星巴克刷信用卡买一杯送一杯是不一样的逻辑。

  • 商业目的
    • 超市:薄利多销;新品上市,占领市场。
    • 银行(星巴克受益相对较小):带动高端用户办卡。每一个高端用户意味着一年530元收入。
  • 针对人群
  • 操作方式
  • 考核指标

什么是 理解业务

业务能力等级

什么是理解业务?

对数据分析师而言,做到“理解”就够了。

常见的误解:

  • 极度推崇业务。一定要下场才会懂分析。“你都没做过,你分析啥?你才干了几年?我干了几年?”
  • 极度鄙视业务。数据分析师不需要懂业务,只要懂算法,代码就好了。“销售、运营、管理、人生、宇宙无非就是那点事。”

为什么数据分析师不一定需要亲自下场?

因为本质上,业务部门有自己的独特能力,这些独特能力不一定是数据分析师所需要的,因此 做得好 不一定能 分析得好 。以销售业务需要的能力为例:

  • 制定销售计划
  • 不畏艰难地拜访客户
  • FAB技巧
  • 谈判技巧
  • 促成技巧
  • 工具使用
  • ……

这些能力当中,最核心的是 不畏艰难地拜访客户 ,和数据分析无关。

为什么数据分析师不能不理解业务?

不懂业务,会变成浮于表面的玄学。自以为高明,实则不接地气。

宇宙万物一句话,周易心中含八卦。

阴阳结合明道理,虚实相配懂天下。

什么都能说得通,就看嘴巴大不大。

要是别人不理解,就是玄妙太伟大。

不理解业务的恶果

  1. 入不了数据分析的门

“为啥我面试面不上呢?”

“你懂风控吗?”“不懂”“你知道社区类APP咋运营吗?”“不懂“你知道线下销售队伍分析哪些指标吗”“不懂那你去面试互金公司风控分析,某社区APP运营分析,XX集团X分公司业务分析肯定面不上啊!!!

  1. 找错方向

“为啥到处都要懂数据挖掘啊”

“因为你的眼睛只看到数据挖掘四个字”

什么是理解业务?

  1. 无法发现真正的业务问题

粗浅地理解销售为 客户 订单 客单价

“销售额 = 客户量 * 购买率 * 客单价,本月购买率下降了,所以业绩不达标。”

数据分析师:日报显示昨天业绩没达标

销售部门:早知道了*1

数据分析师:周报显示昨天业绩没达标

销售部门:早知道了*2

数据分析师:月报显示昨天业绩没达标

销售部门:早知道了*3

数据分析师:月度分析表明不达标是因为客户少

销售部门:早知道了*4

业绩不达标在数据分析师那里只是个带负号的数字,而在销售那里意味着收入降低。

  1. 无法给业务部门有用的建议

数据分析师:可以推出爆款产品吸引客户,你看XXX就卖的很好

销售部门:卖的好我当然知道啊,调货都调不到啊,库存不够你倒是想想办法啊

数据分析师:那客户数少,客单价提起来也行,你们可以推XX+XX组合

销售部门:但是人少对谁推啊!我们能促成一单已经很不容易了好吧!还推大单?用你的直筒子脑袋想想,单价上去了,成交率肯定会往下跌啊,还作分析的呢!

  1. 数据分析师被当成跑数机器

因为没有专业性,对业务没有帮助,业务部门就只会丢具体的“我需要一个XX数”这类需求过来。

倒霉的是,这种活即使干完了,也是你应该干的。一旦干不完,还会被嫌弃:“你看都人工智能大数据时代了,我们的数据只会跑个数字,还跑不完!”

模型 救不了 不理解业务

算法主要用于路线规划,仓储管理,人脸识别,语义分析等工业级应用,而不是数据分析。

案例一:做不了模型

老板:“你看,我们的运动服,既能专业运动穿,也能休闲穿。能不能通过算法模型,分析出我们的服装适合哪些那些场景穿?”

分析师:“老板,除了POS单上的销售数据外,还有其他字段吗?比如有没有特定的分场景广告,会请顾客留言,会跟特定的渠道专柜合作销售?”

  1. 没有其他数据,先采集数据。
  2. 要理解数据来源,才能知道有哪些数据采集点。

案例二:短时间搞不定模型

老板:“我们是个互联网金融公司,需要人工智能客服,借助最新算法提升客服效率,给你50万年薪,你来做算法吧。”

客服有承担销售任务吗?

没有,纯咨客。

客服有多少人力?

很少,才100多人。

客服考核KPI是什么?

没KPI,省钱就行。

好的。

3个月后,老板:“我都给你50万了,你为啥3个月都搞不出来?你一个人就应该全干了啊!”

老板想用50万年薪,裁掉100个客服,省下500万工资。这显然是个大坑。

要理解他们的业务模式。

案例三:老板对模型不满意

老板:“你看,手机销量是可能受到很多因素影响的,比如季节因素、价格因素、市场需求、舆论热度,你们做个模型综合预测一下,以提高市场部备货准确度。”

市场部对预测结果意见很大,总是认为不准,导致老板因此炒掉建模人员。

解决办法:市场部可以提意见,但需要实名留下字据。

要理解他们的组织架构。

本质上,业务是在跟人打交道,模型不能解决人的问题。但是在工业应用领域,算法模型可以解决很多问题,因为这些问题跟人没有多大关系,有客观标准:

  • 比如图像识别:识别人脸、物品,是/否
  • 比如路线规划:路线畅通、时间最短、换乘最少
  • 比如语义识别:型号、款式、数量
  • 比如搜索算法,也是做在输入了搜索词以后的(纯机器动作)

必须 自己 去理解业务

数据分析师必须 自己 去理解业务,是因为:

  1. 业务知识几乎没有企业会教,得自己学业务部门只招两类人:懂业务的老手,不懂业务的打杂的(应届生)。规范的企业会有SOP( Standard Operating Procedure)。然而,不是每个地方都有SOP;正如名字,这是标准操作文档,不一定是实际操作文档;即使有,看文档也是个很头大的事。
  2. 单纯从数据部门很难接触到业务通过数据只能了解部分业务(结果),大部分业务(流程)是潜在现有数据背后的。也正因为如此,有多个部门在做分析工作。市场部调查顾客对广告的接受情况;渠道管理监督成交现场;数据部门分析交易结果。
  1. 讲到业务,业务部门关注点的和数据分析师不一样
    1. 业务部门往往会关注两大问题
    1. 本职工作中的问题
    2. 本职工作中的重点
    1. 直接问业务部门,估计能听到最多的抱怨,其次是鸡汤
    2. 完整的流程,他们已经习以为常,不一定能说的出来正如同一讲到销售,大家习惯性地讲段子、鸡汤,大谈心态、理念、激情,没几个认真讲FAB的

理解业务的目的

数据分析师理解业务,为的是明白三个关键问题:

  1. 哪些业务流程会 产生 数据(数据来源)
  2. 哪些业务流程会 使用 数据
  1. 哪些业务流程会 影响 数据

关键一:理解了数据来源,才能脚踏实地地分析

数据本身就是在业务流程中产生的。本质上,只有三种数据来源:

  • 外系统同步
  • 用户操作(点击、输入、支付)
  • 员工操作(登记、填写、录入)

理解数据来源,才知道有什么菜下锅,才能考虑如何利用现有数据,改善未来的数据收集过程。

关键二:理解了业务用途,才能方便助力业务

业务并非时时刻刻需要数据分析的帮助。比如销售:

  • 做销售计划的时候才需要数据;但是拜访客户时,他需要的就不是数据,而是沟通技巧。
  • 讲FAB的时候,不需要数据,需要的是察言观色和口齿伶俐;但是涉及到哪个FAB版本效果更好时,就需要数据帮助。

关键三:理解了业务效果,才能形成分析思路

具体到毎个部门,业务能做的事情非常有限。比如销售,他们不能选择产品,不能擅自改价格政策。因此,可能更依赖坚忍不拔的毅力与个人技巧来完成任务。

  • 坚忍不拔→陌生拜访数量/线索跟进次数→销售额增长
  • 个人技巧→个人(出身,外貌)技巧(话术、辅销工具)→销售额增长

这就是分析思路的来源。没灵感,可能是对业务理解的还不够。

数据分析师理解业务,核心就是五件事:

(业务部门)

做什么

(业务动作)

有什么

(产生什么数据)

看什么

(哪些环节需要数据)

为什么

(哪些行为对数据有影响)

部门1

部门2

部门3

起点:业务形态

什么是理解业务?

在甲方,数据分析师处于辅助地位。

  • 传统企业中,销售>市场>财务>营运>数据。传统企业发家大都靠着渠道的垄断,数据并不重要。
  • 互联网企业中,产品>运营>市场>开发>数据。但由于大部分互联网公司的圈钱本质,数据分析能够为此背书,因此地位相对传统企业中的较高。

在乙方,数据分析师处于核心地位。

  • 乙方的销售懂数据。
  • 乙方的产品主要是数据产品,所以做数据就相当于互联网公司的产品经理

然而,乙方以服务甲方获利,在甲方面前,数据分析师依然还是辅助。

去年今日运营文章

  1. 2020:  我们采访了Top20的App,看他们的运营都在分析哪些数据和指标?(0)
  2. 2020:  对于创业公司,何谓好的数据指标?(0)
  3. 2020:  如何进行用户分层才合理?(0)
  4. 2020:  还没真正理解用户标签体系?看这篇就够了!(0)
  5. 2020:  一文从0到1掌握用户画像知识体系(0)

原创文章,作者:爱运营,如若转载,请注明出处:https://www.iyunying.org/operate/265088.html

发表评论

登录后才能评论