社区编辑申请
注册/登录
从0到1,搭建决策分析模型
大数据 数据分析
不要一脚踩进烂泥坑里。和决策有关的因素那么多,指望一个神威无敌大将军公式全部计算清楚,是不可能的。想脚踏实地的解决问题,最好的办法就是:从最简单的地方开始,一步步做。

本文转载自微信公众号「接地气学堂」,作者接地气的陈老师。转载本文请联系接地气学堂公众号。

数据分析要驱动决策!这个道理人人都知道,可实操起来,到底咋驱动法?很多同学见都没见过,偶尔写几句分析建议,还被喷回来……咋整?今天系统分享一下。

破局的关键在于:不要一脚踩进烂泥坑里。和决策有关的因素那么多,指望一个神威无敌大将军公式全部计算清楚,是不可能的。想脚踏实地的解决问题,最好的办法就是:从最简单的地方开始,一步步做。

困难度0级决策

设想一个最简单的场景:卖盒饭。一个盒饭成本5元,如何决策?

  • 如果卖10元,诶,有得赚,可以搞
  •  如果卖5元,诶!我干这干啥……

你看,多简单,搞掂。

问题是现实没这么简单,要升级难度的话,第一顺位考虑的是:成本并非只有可变成本,还有固定成本。

困难度1级决策

设想一个简单的场景:开个店,请俩伙计卖盒饭。

  • 前期投入:开店需顶手费、装修、设备,假设一笔2万元
  • 固定成本:店租3000元,俩伙计工资6000元
  • 可变成本:每个料理包5元

其他细项先不考虑:

这样得先考虑,前期投入用多久收回,假设需要10个月,则分摊到每个月需2000元,加上店租、工资,一个月成本就去到11000元,每个盒饭还卖10元,则每个月得2200个盒饭才能回本,卖到3000个才有点赚的……

不过这么看起来还是简单,再升级难度的话,就得直面“你怎么知道,每个月能卖3000个以上盒饭?”这个问题。

困难度2级决策

想知道每个月能卖多少盒饭,最简单的方法就是:我以前做到过。我有成功经验想复制一份,这是最靠谱的理由了。但是要注意一个细节,就是这个3000个盒饭,可能只是个平均数,很少有业务是均匀发生的,一般都会有淡旺季(如下图)。

不过,此时决策还是很简单,就是:

  • 新开店,避开淡季。
  • 老店,在淡季前预留资金,避免缺钱。

就差不多了。

再升级难度,问一个问题:凭什么,它一开店就有3000盒?

困难度3级决策

开店肯定有成有败,最直接的因素就是:位置。位置不好会扑街,道理就这么简单。

好在,位置相对容易量化,通过打标签的方式,能大差不差地描述出来(如下图)。

量化完以后,虽然不是100%准确,但是至少有一定概率,能发现,XX类位置成功率高,差不多搞掂。

不过并非所有问题都这么容易量化,再升级难度,会面对更多难量化问题。

困难度4级决策

一个典型的难量化问题:店长。店长肯定会影响业绩,但是到底咋影响?量化起来相当有难度(如下表)。

难量化的背后,是因为影响逻辑本身很复杂。同一个人,可能因为状态不好而表现失常,可能换个地方就水土不服,和下级搞不好关系。因此虽然我们可以同样用概率来解释,比如A类店长成功率60%,但是这个60%,已经包含了很多未知成份(玄学内容),决策开始变得难以把握。

不过这才4级难度呢,更难搞的在后边。

困难度5级决策

谁说的一个店卖3000个盒饭,一定是一直3000,很有可能如下图所示,是个持续增长过程。比如我主营外卖渠道,我在外卖平台投入运营力量越大,卖的盒饭越多,此时就会走出下图走势。

很多同学会本能地说:

  • 这样可以算投入产出比
  • 可以拟合增长趋势
  • 可以计算边际收益

以上都对,并且可以用数据公式拟合出来

但是!真遇到这种曲线,人们真正担心的是:拐点在哪里?顶点在哪里?啥时候会触顶。而且更糟心的是,可能影响拐点的因素,根本不在自己企业之内。

比如:

  • 行业整体不景气(P)
  • 大量竞争对手加入(E)
  • 潜力用户已耗尽(S)
  • 新技术带来新产品(T)

这些都会导致拐点的到来,并且通过内部数据完全拟合不了。

更更糟糕的是,这四个因素都很难量化,并且充满不确定性。如果一定要排序的话,P>E>S>T。

估计到这里已经把很多同学纠结得头晕脑涨,不过别着急,这还没到头呢,更纠结的在后边。

困难度6级决策

前边五个等级,都假设:我们有一次的成功经验,所以可以总结规律,探索影响因素。更纠结的问题是:如果我们没有呢?

比如我们只做到过2500盒,可现在偏偏领导要定个3000+的目标……

此时要把之前的所有假设全部推翻!因为:

  1. 成本变化:量上去了,伙计/门面/厨房都得扩
  2. 因素变化:每个3000+需要特别能干的店长,杂鱼干不来
  3. 环境变化:有没有这么多顾客吃料理包呀!不确定……

并且,在没有测试的情况下,即使以上三点都论证是OK的,也有翻车风险。因为纸上谈兵始终有问题,得测试过才知道。可测试本身又会影响业务:如果单独测每一项,单体之和不等于整体。如果测整体,那么就相当于我们得做成一个MVP,才能证明价值。想想都难。

不过,很快你会惊恐地发现:其他假设也有被推翻的可能。比如:说过投了固定成本,就一定有产出?

困难度7级决策

如果是生产线投入,遇到投钱打水漂问题相对较少。但是在研发、品牌宣传、用户运营上投钱,很有可能一去不复返。

  • 研发的新功能用户不喜欢
  • 品宣很热闹可用户不掏钱
  • 烧钱效果好可钱停用户走

此时,不但需要和难度7一样做测试,而且得观察的是增量效果。即”我叠了BUFF以后,有没有额外带来收入”。

啥?你说还有更难的?是滴,有!

困难度8级决策

最难的是啥?当然是以上各种情况全部揉在一起。

因为有各种风险,所以划分了现金流业务,基建业务,创新业务……

因为有不确定性,所以每一类业务有轻重缓急,有成功概率

这样理论上,能做出如图决策路径,但是里边每一个参数,都是需要前边7个等级的分析支持,且不同业务之间相互牵扯,分析起来非常困难。

小结

实际上,难度0到难度8,是决策五个层次(下图建议保存并背诵,面对复杂问题时拿出来看看,到底现在纠结的是哪层的问题)

而数据之所以难以驱动决策,就是很多公司,直接把困难8级扔给分析人员。没有对0~7级问题做深入研究,更没有清晰每个决策的阶段和目标。导致每一次决策,都得从0到7搞一遍,ppt拖得很长,看似科学,实则是填字游戏,堆砌文字。

特别是,很多业务部门刚愎自用,单独讲每一条因素,他都说:“我早知道了,你不用算”,可各种因素组合起来,到底每个业务面临的问题是啥,量化以后风险大小如何,从来没有认真计算过。至于业务部门为了自己的绩效,估计扭曲数据,粉饰太平,更是不在话下。

所以,如果同学们觉得没见过数据驱动决策,这也很正常,并非每个公司都这么规范认真,我们要做的是0级~7级的基础积累,积累越多,我们自己掌握的本事就越大,也越有机会到真正优秀的公司实践。

责任编辑:武晓燕 来源: 接地气学堂
相关推荐

2022-03-01 16:58:25

业务预测模型

2022-02-07 14:00:27

2020-10-10 06:53:18

数据建模数据库

2022-07-14 10:33:20

XGBoost机器学习

2020-03-25 16:57:55

戴尔

2022-02-17 13:18:58

定价模型营销AHP

2021-11-08 07:11:49

2016-11-24 11:48:44

BI商业智能数据

2021-08-06 11:35:34

2022-04-25 21:40:54

数据建模

2017-01-11 14:58:50

大数据分析模型数据分析

2017-01-03 08:36:15

大数据关键模型

2021-08-16 15:47:02

2019-07-31 14:16:35

2021-08-16 20:45:52

2019-05-15 09:00:00

决策树机器学习人工智能

2021-03-10 11:44:12

2019-10-23 19:27:38

数据分析模型分析

2020-03-09 17:23:38

Python数据模型

2020-12-09 16:57:15

数据分析大数据

同话题下的热门内容

大数据分析技术和方法有哪些?节日消费数据不“杀熟”?大数据带你一起“解”七夕!五个方法,破解数据分析的核心难题数据专家的晋级之路:大数据中的四大挑战!2022年网购如何对抗大数据杀熟,更换商品名词有惊喜

编辑推荐

什么是数据分析的漏斗模型?数据分析师还吃香吗?用数据告诉你对比解读五种主流大数据架构的数据分析能力《狄仁杰之四大天王》影评分析(爬虫+词云+热力图)22个免费的数据可视化和分析工具推荐
我收藏的内容
点赞
收藏

51CTO技术栈公众号