业务分析模型,我整理了四个好用的模板

大数据 数据分析
逻辑树模型有两个难点,第一个是:提出合理的假设。比如一提到收入下降,很多人会习惯性地扯“大环境不好”;提到成本升高,很多人习惯性扯“通货膨胀”。这些看似有理但过于宏大的假设,会误导分析方向,掩盖真实问题。

经常有同学问:“有没有业务分析模型,能直接代入数据,输出结论”。不同企业里,业务形态千奇八怪,肯定没法用一条公式满足所有需求。

但是,有一套方法很好用,可以帮助大家快速梳理清楚业务逻辑,构建分析思路。今天分享给大家,看完以后记得在右下角点个赞哦。

第一类:总分式模型

总分式结构一般用于单一关键指标的分析。比如我们要分析一个企业的收入情况,可能该企业有线上、线下,多个销售渠道,有多个类型产品在销售,此时需要把整体收入根据渠道、商品情况拆开(如下图),从而看清楚:

1、哪些是占收入大头

2、哪些是新增长点

3、哪些地方有问题

图片图片

成本分析也能用类似方式,比如分析一个商品的生产成本,需要拆解:

1、该商品需要哪些原材料

2、该商品有多少步工序

3、每一步需要多少人工,投入多少原料

总分式模型应用非常广泛,因为大部分业务部门就只背一个关键KPI指标,因此直接拆KPI指标,就能得到该部门的分析模型。

如果遇到一个部门同时有好几个任务,那么拆解会非常复杂,比如一个公司的客户服务部门,即得接客服电话,又得跟进售后服务,还得借售后机会推销新品,那它的业务就混合了好多种模式,需要一一梳理(如下图)。

图片图片

第二类:矩阵式模型

矩阵式结构一般用于两个关键指标的分析,比如把收入成本摆在一起,对某个业务的投入产出情况进行分析,评价业务表现,发现问题点。

图片图片

当然,实操的时候,收入、成本的形态会很复杂:

  • 收入端:不同商品、不同客户、不同渠道、有没有促销叠加
  • 成本端:变动成本、固定成本、前期投入的沉没成本

图片图片

矩阵式模型的关键,在于:根据业务特点+业务目标,合理地划分收入/成本。

比如开店,如果仅评估当月经营情况,是不需要考虑沉没成本的。但考虑新开店计划,就必须考虑沉没成本的回收速度。比如促销活动评估,到底怎么核算收益,怎么估算自然增长率,哪些成本该算到活动里,需要结合活动形式具体考虑,很难用一套标准去硬套。

好消息是:很多公司的业务部门,只要埋头做自己的KPI就行,不需要考虑这些复杂问题。坏消息是:很多公司会直接把收入成本的评估丢给财务,而财务的同学不咋懂业务。于是分析做得很辛苦,做出来以后又会引发业务和财务的PK,总之没那么轻松交差。

第三类:循环式模型

比如商品的进销存管理,就是一个典型的循环式模型,只要商品没下架,就要持续进货→销售→盘点库存→再进货。类似的,比如用户运营,也是循环式结构,持续拉新→促活→转化→唤醒,保持用户群体的活力(如下图)。

图片图片

在循环式结构中,数据指标相互影响,因此一般会选一个起点开始分析。比如商品进销存管理,可以:

1、先盘点库存

2、参考过去销量,预估未来销量

3、进行缺货情况判断

4、做出下架/补货决定

整个分析如下图方式展开。

图片图片

在这个过程中,对未来的预测是最重要的,也是最复杂的。因为大部分商品销量不是一条直线,受到自然周期,生命周期,营销动作,产品竞争力,目标市场偏好等综合影响。这里有可能衍生出很复杂的分析。

第四类:逻辑树模型

逻辑树模型一般用来诊断问题。之所以叫“树”,是因为在诊断问题的时候,经常需要做“是XX原因,不是XX原因”的判断,这些判断逻辑写出来形同树枝。

比如要分析:为什么A店铺销量不达标。有一位同学提出:是因为A店的位置不好。那么他提出这个假设的时候,就默认了:不是因为A店的店长不行。此时写出来分析逻辑如下图所示(如下图):

图片图片

如果想进一步验证判断,就需要大量列举数据,支持结论。随着例子的增多,逻辑树也会越来越大(如下图):

图片图片

逻辑树模型有两个难点,第一个是:提出合理的假设。比如一提到收入下降,很多人会习惯性地扯“大环境不好”;提到成本升高,很多人习惯性扯“通货膨胀”。这些看似有理但过于宏大的假设,会误导分析方向,掩盖真实问题。

第二个难点,在于:找到足够多的证据。很多时候,单靠历史数据不能直接推导出结论,需要结合测试进行验证。比如上文提到的“店长能力不佳”,严格的做法,需要找同类门店,调换店长做测试。现实中,很多业务部门不愿意做额外测试,总是死守一种老方法。这样会错失找到问题关键的机会。

综上:想要做出好的业务分析,梳理清楚业务逻辑,清晰分析目标,提出合理的假设是必不可少的环节。

责任编辑:武晓燕 来源: 接地气的陈老师
相关推荐

2021-07-19 15:47:45

Python编程语言代码

2021-12-03 14:37:38

数据备份存储备份

2022-01-13 11:50:57

Python技巧代码

2021-11-22 10:24:42

人工智能物联网机器学习

2021-07-12 10:38:51

预测分析数据分析大数据

2022-05-13 10:50:09

数据模型谷歌

2011-07-01 16:07:18

云应用集成云计算

2022-05-30 15:15:17

Python工具数据

2009-11-18 16:03:29

2022-02-23 15:09:18

数字化转型国有企业数据

2022-09-16 09:41:23

Python函数代码

2020-07-23 07:26:49

JVM类加载器

2013-03-18 13:31:28

2021-09-15 10:04:06

勒索软件攻击数据泄露

2022-06-24 10:16:59

Python精选库

2019-10-08 10:50:22

MySQL数据库

2022-06-30 15:12:48

数据分析工具大数据

2011-06-14 18:13:05

网站分析

2020-08-13 10:29:55

项目管理项目经理CIO

2021-07-23 11:06:20

618拼团设计拼团
点赞
收藏

51CTO技术栈公众号