商业体运营数据分析(企业管理者如何做好商业数据分析？)

企业管理者如何做好商业数据分析？

首先要明确一点：想解决商业问题，数据分析师一定是和业务部门紧密协作，并肩战斗的。绝不是靠一个神乎其技的模型掐指一算，或者一套阿尔法大犀牛系统一跑就有结论。

一个例子带大家感受下真实的商业分析是怎么做的，让还在负责基础取数工作的员工看一下进步方向。比如某天，一个互联网金融公司的运营总监和手下几个经理开会，提出来一个问题：“我们最近用户流失比较厉害，想办法挽回一下”。这就是个典型的商业问题了。要怎么分析呢？其实完全可以不用分析！因为运营部门如果做的很无脑的话，完全可以套路了事。

比如流失挽留，完全可以看一下哪些用户180天未登陆然后发各种优惠信息勾引他，拍脑袋也知道可以花一些优惠券、小礼品收买用户。这种时候是不需要做任何分析的。搞，就是了！

然而，无脑做活动的结果，往往是烧的钱越来越多，活动效果越来越差，活动效果的持续性越来越短。用户的口味都被养叼了，就等着你发优惠呢，谁还正价买东西。最后薅羊毛的用户越来越多，费用却捉襟见肘，崩盘也是势不可挡的。所以，就需要分析出场，提升运营效率。

作为分析师，第一步工作，就是不讲“那啥啥不就这样吗！”这种粗话。面对这种主动提问的问题，第一步工作，搞清楚：到底老板说的是什么。至少要梳理以下三点:有些同学会好奇，为什么第三点也要确认？第一点，第二点是在确认指标统计口径与判断标准，这是数据敏感性的体现。可第三点呢？这个似乎和数据分析没关系啊。恰恰相反，第三点才是经常和业务打交道的，做商业问题分析的同学最必须的素质。

因为不是人人都有数据思维。相当多的业务部门的同学没有看到真实的数据就开始喊了。比如，昨天晚上领导听老婆说，她好多朋友都卸载互金的APP了；比如早上搓手机，看到朋友圈一篇《震惊！马云刚刚宣布！80%的互联网金融公司即将倒闭！》；比如上午开会，收到大区域经理们的一致抱怨：顾客流失太严重啦！都可能导致业务部门产生：“我们的用户流失严重”的感觉。

这时候就得数据说话，用清晰的数据来源、统计口径、判断标准，代替模糊的、感性的、口语化的问题。这才是后续所有分析的起点。业务部门如果有能力做到这一步最好，如果没有能力做，就得我们数据分析师来理清问题。虽然枯燥无味，却是所有商业分析的根基。根基不牢，地动山摇。

第二步明确领导期望目标。用户流失是不可避免的，到底挽回到什么程度才算满意？挽回用户，只考虑用户数量，还是连用户的资金一起考虑？因为站在业务的角度思考，那些只投资几千块的小散户和投资100万的大户肯定需求不同。随便做个“老客户领红包”就能吸引不少喜欢蝇头小利的散户。但100万的大户可不是送个几十块钱能搞掂的，真的就需要大客户经理们想办法，如何改进产品，提供更好的服务。目标不同，直接导致了工作方向的差别，当然会引发分析的不同。

如何引发分析的不同？因为不同的目标，决定不同的分群方式与分析方向。如果只考虑最大数量的挽回用户，那肯定优先找和我们有互动的人。有互动我们发的信息他才能收到，才容易被挽留，那么就得按互动行为分群。如果联合考虑用户价值，那么就得看用户最大投资金额，最近一次投资金额等指标，先捞到大户。后续的展开思路也会有差异。

有些人可能会叹口气，说：我们业务部门从来想不到这么深，怎么办。这也是真实商业分析中很常见的问题。因为业务部门的能力却有可能参差不齐。这时候，作为数据分析师，体现专业性的时候就到了。我们可以先做描述性统计，把这些可以预见的状况呈现给他们，启发他们思考，一步步引导他们走向结论。这不正是很多做数据分析的同学梦寐以求的状态吗：做业务部门的军师，不做一个跑数的。

第三步：梳理可做工作内容。要注意审题，老板问的是：“想办法挽回一下”，那就直接切入如何挽回。既然要谈如何挽回，就得先看有哪几种手段，这个需要对业务的理解。作为数据分析师，我们可以收集历史上常见的相关手段，比如发券挽回，短信通知，爆款产品吸引等等，对比一下这些活动的效果供业务方参考，让他们帮我们圈出一个范围来。

为什么要这么做？是因为数据本身不能代替业务。比如我们想挽留一个理财产品的客户，最后还是得提供一个产品让人家买。当然我们提供的产品年化收益率越高越能吸引人。这就像士兵上了战场，瞄准的再精确，最后打击敌人也得靠一发子弹，如果敌人躲在坦克里就得上火箭筒，反坦克炮，轰战机，而不是指望手撕鬼子一样。

有可能业务部门在这一步卡壳，思路枯竭。比如老板觉得之前做的太套路了，想创新。比如各种方法ROI都很低。这个时候，作为数据分析师可以提供一些外部的资料和内部深度洞察。比如我们可以收集其他平台产品购买评价，来帮助业务部门了解竞品信息；我们可以收集媒体口碑，帮业务部门了解用户心思；我们可以洞察用户行为，把用户流失与投诉、优惠活动、使用频率等联系起来，找到一些可以改进的原因。从多个角度帮助他们思考。

第四步：探索方案可行性。当业务部门已经有了相对清晰的方案的时候，数据分析师可以深入做分析。比如业务方已经有了初步改进计划（比如优化服务条款，允许更宽的投诉处理权限，提供更高价值的产品），我们可以根据用户画像，评估进计划可能影响的用户范围。比如业务方已经有了产品备选框，我们可以根据用户投资行为分析产品吸引力，优选产品。比如业务方把产品和方案都定了，我们可以做挽留模型，通过逻辑回归预测用户响应情况，预计效果，优化方案。总之，业务方方案越具体，分析也可以深入的越具体。

纵观整个过程，大家可以看到：商业分析是个不断循环迭代的过程。通过量化的分析，不断的缩小问题范围，不断的聚焦讨论内容，剥丝抽茧，得到答案。这个过程可能很长，可能需要数个小的分析过程拼接起来。这才是数据指导业务的真实过程，因为业务本身就需要进化、思考、尝试、复盘。商业发展本身就是个不断聚焦，不断尝试、不断演化的过程。

然而，做基层数据分析的管理者往往很难理解这个过程。因为大家平时处理的都是取数表，往往以为业务也是一张表内的事。取数做多了，就觉得取数很简单，就想着要是有个模型就显得牛逼了。可实际上，好的模型效果，一定是聚焦了业务场景，积累了大量强特征的前提下做出来的。