<返回更多

数据分析师成长攻略

2023-07-28  51CTO  接地气的陈老师
加入收藏

每日忙于取数、缺少领导指导、对业务不熟悉,是阻碍数据分析师成长的三座大山。如果再加上:被追着屁股要报告 + 报告被嫌弃没深度,简直就是“五雷轰顶”。最典型的,比如这位星友,简直是各种困难都集齐了:

图片图片

因为问题太过典型,所以今天专门分享一下破局思路,有相似难题的同学做参考哦。

理清解题步骤

用数据分析解答业务问题是有固定步骤的:

第一步:基于业务流程,梳理数据指标体系

第二步:基于指标体系,诊断业务发展中问题

第三步:基于问题诊断,分析业务行动有效性

因此,到一个新环境,第一步要先了解业务流程,梳理指标体系。像这位同学,随手写出的指标很零散,看不出主次,这就是第一步解题动作。

梳理数据指标体系

之所以叫指标“体系”,是因为零散的一堆指标很难看出问题,需要有逻辑地组织起来。常见的组织有三种:并列式、总分式、漏斗式。这位同学主要做的是toB销售,因此适合用总分式,先理清:GMV、客单价、频次、毛利、净利润关系(如下图)。

图片图片

之后,可以结合新客户拜访流程/老客户下单流程,理清销售过程指标(如下图)。

图片图片

数据指标体系也需要分类维度的配合,销售类指标体系,一般搭配人(客户)货(商品)场(销售渠道)作为分类维度。

图片图片

这样就搭起来指标体系的骨架,后边可以根据业务流程细节做修修补补,也能进行诊断性分析。这一步是基础工作,得先熟悉业务场景,理清指标关系,不然后边都很困难。

建立问题诊断逻辑

有了数据指标体系以后,诊断问题就很轻松,一般按照“由远到近,从大到小”的原则,构建诊断问题逻辑:

1、是否符合常规销售周期(剔除报假警)

2、是否持续性下跌(从下跌源头开始追查)

3、是客户数少了,还是下单金额少了(下钻)

4、是大客户少了,还是散客少了(人的维度)

5、是时令生鲜少了,还是硬通货少了(货的维度)

6、是销售开发少了,还是自主下单少了(场的维度)

这一步,1、2、3问题,不需要拆分,只看整体指标即可,因此可以很快上手。4、5、6问题比较麻烦。一来,需要拆分数据,观察很多次。二来,不同时间点,问题可能不一样,因此需要在不同月份更换拆分维度。三来,需要积累业务标签,才方便解读数据。

图片图片

这个过程需要分析经验的积累+不断尝试,因此可能消耗较多时间。伴随着积累的增加,也显得一个数据分析师在行业经验越来越丰富。

衡量业务行为效果

“选商户经常购买的品类提升价格”,就是一个业务做的提升业绩的动作。这种对具体业务动作的分析,要先提分析假设,这样很容易推出结论。

比如涨价提升业绩,最好的情况下:选品是高溢价、高品质的非标品,比如小青龙,车厘子之类,客户很难横向对比价格,加上本身品质不错,对价格没那么敏感,那涨价也能接收。

最差的情况下,选品是普通的、品质区分度不大的标品,比如米面油蛋,客户一看“诶呀,你比市场价贵那么多!”就跑掉了。

在做分析的时候,可以把上述假设表述如下:

图片图片

这样数据出来以后,直接观察结果就行了

1、活动上线以后,整体业绩是上升(成功)还是持平、下跌(失败)

2、活动刺激的品类,哪些价格敏感度高(失败)哪些敏感度低(成功)

3、参与活动的客户,是否整体消费减少(失败)是否转向采购未提价商品(失败)

评估1次活动效果是相对简单的,作为数据分析师,只要能理清活动目标,活动达成目标的业务逻辑,就能快速输出评估结果。这是数据分析师们应优先培养的能力。

但回答业务部门:“我要怎么做才能提升业绩”,则是需要较长时间沉淀的。因为提升业绩的手段不止一种,得在实践中见多识广,多了解一些业务手段,才好做出建议。这就需要数据分析师们多做记录了,把围绕同一目标的不同业务动作整理出来,之后才好对比效果。

声明:本站部分内容来自互联网,如有版权侵犯或其他问题请与我们联系,我们将立即删除或处理。
▍相关推荐
更多资讯 >>>