时间: 2021-07-30 10:48:31 人气: 11 评论: 0
编辑导语：在数据分析过程中，若想基于数据对业务进行判断处理，就需要对业务场景、业务玩法、目标现状及业务流程等环节进行一定了解。本篇文章里，作者针对数据分析所要懂得的业务进行了总结分析，一起来看一下吧。
同学们经常听到：数据分析要懂业务，到底懂多少才算懂业务？还有新手同学很困惑，说：“我就不懂，又能咋样！”今天系统讲解下。
问题场景：
小明去面试数据分析师，面试官问：“满减促销活动怎么分析？”
小明答：“促销分析，无非就是对比。作对比，无非就是ABtest，分为促销组，非促销组，搞掂！”
小明挂……
问题出在哪里？？？
小明挂在没有考虑业务场景上。但凡留个心眼，都**多问一句：什么场景的促销？
是不是所有场景都能上ABtest？当然不是！
所有线下场景，都无法ABtest：不可能一个客人进来有优惠，另一个没有。线下场景这么搞，轻则被客人大脑门店，重则被举报到工商局，一查一个准。
线上的大促场景，无法ABtest：促销分大促和精准两种，如果为了冲业绩、甩库存、上新品，是不需要做ABtest的。因为这时候就是All In，就是希望人越多越好。为什么要分B组！妈的A组还嫌人不够呢。
懂业务的第一层含义，就是懂业务场景。不同场景下，业务有自己本身的运行规律，强行违反规律办事**引发各种问题。不同场景下，能采集的数据、能使用的运营手段也不同，因此必须细致考虑。
注意，即使是线上场景，这个问题里也不**用ABtest。因为“满减”指的是满50减10元，满100减20这种活动。做满减的目的是为了鼓励用户多消费，一般和优质产品捆绑（废话，垃圾产品谁肯买那么多呀，一般垃圾产品都是做折扣）。此时内在的业务逻辑就是要多人知道，因此不需要区分B组。
这里有一个知识点，就是不同商品生命周期中运营手段。如果把商品销量，从上市到退市做生命周期图，可以看到经常有如下规律（如下图）。
在不同阶段，价格运营的手段是不一样的（如下图）。
因此当涉及价格促销的时候，优先问清楚：是什么商品，多大价格力度的促销。商品的价格促销能力，和商品的利润&用户需求刚性两方面有关。
如果促销的商品，本身利润空间薄，则大幅度的价格促销只**是为了铺货（新品扩大知名度）或者甩货（减少库存成本）；如果促销的商品用户没有刚需，则价格促销也注定不能起到效果。
所以懂业务的第二步，就是了解基本玩法。这些基本玩法，和第三步有重要关系。
懂业务的第三步就是懂业务目标。数据分析要输出结论，就一定得了解判断标准是啥。
判断标准+数据=结论。判断标准是根据业务需要得出的，如果不利于当前业务发展，那再合理的标准也不好使。
有些新手**说：业务目标无非就是赚钱/或者业务目标无非就是AARRR。这样太肤浅了。以商品管理为例，不同品类的目标本身就不同，并非所有产品都得赚钱（如下图）。
综上，在遇到具体问题的时候，要了解清楚：
当然，如果是面试这种场景，是可以直接问面试官的：“有没有具体分析场景”。如果面试官说有，就按面试官的分析。如果面试官没说，可以引用一个自己刚刚参加过的/刚刚见过的活动举例子。
而本案例场景里，如果多问一句，**发现面试官是有具体场景的：线下门店，6月中旬至7月上旬，少儿图书、玩具，**专享，满200元9折，300元8折，500元7折……
这个背景交代已经很详细了。线下门店6月下旬开始冲少儿图书/玩具，显然是为了蹭一波假期消费的热度，但是还是少了目标。
因为背景里有“**”二字，所以还是得确认下，到底这么做是为了提升**指标，还是商品指标。
如果是提升**指标，是为了通过给一个很大力度的优惠，提升新**注册率，还是拉升老**消费。
注意：就算有目标，还不能直接完事，因为业务现状不一样，直接导致目标达成难度不同（如下图）。
目标脱离现状，**失败；目标有机**达成，但缺少配套支持，也**失败。这些分析必须结合当前实际情况进行，因此清理现状非常重要。
很有可能目标一样，做法一样，但具体操作流程不同，导致的效果完全不同。
比如同样是**办卡，就有三种常见形式：
如果有预充，且预充金额与活动可叠加，则能极大拉升新**注册动力。
如果有预充，但预充特权不与活动重叠，则**形成相互抵消的作用。活动设计不合理，未与现有权益形成合力，也是活动失败的重要原因。
如果有微信卡包/APP则可以在CRM系统做领**减。
如果在CRM系统做先领**再减，就可以给各个门店分配专属二维码，从而掌握有多少用户扫码参与，从而推断出：如果参与人数不足，到底是某个店没有做好，还是海报做的太烂了（如下图）。
如果只有手机号预留的**卡，则可以根据手机号到店频率，区分轻中重用户，对于重度且未到店用户主动短信提醒、外呼，从而提升效果。
如果发现有的莱昂的重度**到店且消费临近门槛未达标，那就是店员没有做好培训，连引导都做不好。操作流程的差异、执行力度高低、直接导致了不同的效果。
而不同操作流程，留下的数据形式也不同，如何从分析中，解读出原因的方法也不同。因此了解操作细节，不但对推导分析结论很重要，而且对于下一次开展业务也有指导意义。选择数字化方法，加强数字化能力，本身就意味着向高效率执行落地靠拢。
当我们懂了业务以后，即使看到同样的数据，也能做出不同解读。我们给到的分析结论，能非常地丰富。比如通过回顾目标，发现活动最终未达标，那么给出来的解读，就可以是：
而不是简简单单一句：“因为参与活动人数太少，建议搞多”。
这只是一个很简单的小例子，但同学们能看到：数字是业务的反映，数据产生于业务流程之中。
想基于数据对业务做出判断，就得深入了解业务。不只是一句简单的：“问问业务在干啥”而是深入细致的，从业务场景，到业务目标、业务现状、业务流程，再到数据采集，这些部分分属不同的人，因此要充分得与各方沟通，做好前期分析才行（如下图）。
当然本篇信息量非常巨大，可能同学们需要一点时间消化，因此可以先记得：不要遇事说“无非”，多了解具体情况，具体问题具体分析哈。
接地气的陈老师，微信公众号：接地气学堂，人人都是产品经理专栏作家。资深咨询顾问，在互联网，金融，快消，零售，耐用，美容等15个行业有丰富数据相关经验。
本文原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议。
