01
数据分析核心：创造价值
人们为什么关心数据？因为数据中蕴含着商业价值。更具体地说，数据，作为一种电子化记录，描述刻画了各种各样的不确定性，而不确定性蕴含商业价值。因此，数据分析的对象不是数据本身，而是分析数据所描述的那种不确定性。同样，数据分析的目的也不是分析数据本身，而是创造价值。因此，只要是能够创造价值的数据分析，都是好的数据分析。数据分析价值的判断，同数据量的大小，分析方法是否高大上，没有必然联系。关键在于数据分析是否创造价值。
例如，例如我们花了很多时间，做了这么多报表和报告，为什么上司和业务部门就不认可呢，我们不能把这种情况归咎于业务部门的无知，而是要思考：为什么我的数据报告业务部门不认可？想来想去，大概只有一个原因，那就是：价值不明晰，这里有两个可能：一个可能是数据分析压根就没有创造价值，另外一个可能是数据分析所产生的价值难以被企业感知。
02
数据分析价值体现
点击此处添加图片说明文字
1、提高收入
从数据分析的角度，可以先检讨一下，我们做的数据分析能否有帮助企业带来额外的收入？请注意，这里的关键词是“额外”。比如新品上市售罄率，以前没有你的数据分析，上市30天平均只能做到40%，后来呢，有了你的高大上的数据分析之后，平均提高到了50%，那么你数据分析的价值就体现出来了。这个价值有多大？就是那额外提升10%的价值。
再看一个例子：新品上市的老VIP到店成交率，过去千人一面短信邀约，只能做到5%左右，投入产出不成比例，后来建立VIP和货品的需求匹配分析模型，精准分析不同VIP对货品的需求度，进行新品上市后的VIP需求购买预测，并且输出最有可能购买新品的VIP名单进行精准邀约，大幅度提高了VIP的到店率和成交率，提高到10%，这额外的5%成交率，就是数据分析的价值。
2、合理降低成本和费用支出
也许你会说：“我的数据距离收入有点远，不能给企业增加收入。但是有可能给企业节约不必要的支出，也就是成本。这样行吗？”我说当然行啊，而且更好！为什么？因为收入的增加往往具有很强的不确定性。这些不确定性来自于市场的波动，政策的变化，竞争对手的博弈等，都不在企业的控制范围内。但是支出，却更多地掌握在企业自己手里。因此，相对收入增加而言，控制支出更可预期。
例如：你经过数据分析发现，企业的采购及研发成本持续上升，这里面当然有外部行业价格上涨的因素，但抛除这些因素，内部采购管理，产品研发成本控制是否合理，是否成本增加带来产品性价比上升，是否提升了产品市场竞争力，是否有下降的空间，这些都可以可以通过数据分析来找到改善点从而降低成本。
再比如门店有500个营业员，但是通过技术改造，数据分析，合理排班，发现400个就可以了。直接节省了100个人的人工成本，这节省下来的100个人的人工成本就是你数据分析的价值。
3、控制经营风险
还有朋友说：“我的数据分析，第一不能直接增加收入，第二不能直接节省成本，但是可以控制风险。这样的数据有商业价值吗？”当然有了。事实上，风险就是连接收入和支出的一个转化器。对风险的把控，或可以增加收入，或可以降低成本。
比如：很多商业银行都有网上申请系统，就是通过建立信任分析评估模型，科学的对在线信任卡申请进行评估和风险管控，增加收入和利润。同时，还能保证坏账率在合理的范围之内。这样的数据分析，谁能否认它的价值？这样的价值是如何实现的？是把对风险的把控，转化为收入的提高。同时，因为你风控做的好，所以坏账率就低，还节省了催收成本。
对于零售行业来说，可以通过数据分析监测VIP消费的异常性，终端交易数据是否正常，在营销活动中终端是否按照规定进行操作，是否存在舞弊的可能，可以通过设定一些规则自动提醒
03
数据分析参照系的建立
要让数据产生商业价值，是不是做好上面三个就可以了，很遗憾，远远不够。真实的业务环境常常非常复杂，最终产生的价值，往往难以被感知。为什么难以被感知？往往是因为缺乏一个可量化的参照系。参照系的意思就是要有对比分析的思维，任何的数据单独来看毫无意义，只有通过做一些对比才能产生商业上的价值决策判断
比如我们在会员的营销中，我们经常会做一些A/B test ，把一组会员分成结构类似，数量相等的两组，分别测试在不同的短信文案内容，优惠券力度，触达方式下的响应率，因为有了这个参照系，就很容易判断哪个方案的效果
再比如：我做了一个销售预测模型，准确度只有75%，领导会觉得准确度太差， 但是你反过去想，以往没有做这个模型的时候，我们的销售预测准确率只有70%，由于做了这个模型，销售预测准确率提高了5个点，进而降低了备货库存，减少了公司的无效库存投入，提高货品售罄，可以通过这种前后对比的思维让领导知道我这个数据分析所产生的价值
04
如何才能让数据产生价值
点击此处添加图片说明文字
1、价值与业务场景
纯粹的数据不产生价值，纯粹的算法更不产生价值。价值的产生一定依赖于具体的业务场景，尤其依赖于带有强烈不确定性的业务场景。所谓场景就是价值创造所必须的一系列业务元素与条件的集合。定义场景的关键就是创造商业价值。只要有商业价值创造就一定有场景，只要有场景就一定有商业价值创造。商业价值创造与场景互为充分必要条件。
如果“数据”能够傍上“场景”这个大腿，那价值创造不是问题。如果“数据”无法傍上“场景”这个大腿，那价值创造将成为纸上空谈。毕竟，纯粹而孤立的数据，哪有什么价值？有人说：“我家算法非常精尖，宇宙无敌！”是这样的吗？再厉害的算法也敌不过独特而精准的数据。还有人说：“我家数据天下第一，超级值钱！”是这样的吗？没有可落地的业务场景，数据就是一堆垃圾，散发着恶臭，消耗着资源。
所以，很简单：场景第一、数据第二、算法排最后，要践行数据商业价值，首先需要分析业务，并寻找高价值场景。价值太小的场景，也许不值得关注。真正值得关注的是能够产生重大商业价值的场景。但是，这样的业务场景应该如何寻找？
假设公司领导找到你，说：小王啊，咱们集团有上百家线下门店，每天小十万的客流量，留下了不少的购物数据。请问：这些数据能为我创造什么价值不？请问：你如何回答？也许你会说：咱们做个菜篮子分析吧，看看有没有可能发现一个啤酒跟尿布的故事？或者说：咱们研究研究天气吧，看看天气跟雨伞销售量有啥关系？
实际上这样的业务场景要么完全不靠谱（例如：啤酒尿布的故事），要么是普罗大众的常识（例如：雨伞跟下雨的关系）。这些数据分析所对应的场景，太细小，太琐碎，甚至压根不存在。在这样的场景下，数据所创造的价值，不可能太大，甚至压根没有。因此，场景自己的重要性极其重要。场景自己的重要性，决定了数据商业价值创造的上限。如果，你希望用数据创造更重大的商业价值，你需要关注企业的核心业务。在核心业务方向上，寻找重要的业务场景。
点击此处添加图片说明文字
回到这个案例，你也许应该先问：领导，请问咱们集团今年的战略目标是啥？你说，一个做数据分析的，为什么要关心集团的战略目标？因为，战略目标决定了集团的价值取向。只有跟集团战略目标高度一致的价值才会被高度认可。因此，在数据分析之前，首先应该关注集团的战略目标，跟这个战略目标相关的核心业务，以及同核心业务相关的业务场景。
也许，领导会告诉你：“咱们集团现在才100多家门店，今年能否开到1000家？这是集团今年的战略目标。”开1000家店！请问：开店最重要的问题是什么？
答：选址！因为一个位置的好坏，可以直接决定未来便利店的收入和利润。因此，“选址”即是一个业务问题，也是一个具备价值创造属性的“场景”。
请问：数据分析能否傍上这条大腿？领导自己，作为集团创始人，在选址方面都独具慧眼。他在多年辛苦的创业过程中，积累了非常丰富的经验。一个具体位置，是否适合开店，应该开多大，他亲自去看看，研究一下，往往就能做出比较准确的判断。哪怕不能做到绝对准确，但是八九不离十。因此，开新店选址跟数据分析没啥关系，只要咱们集团领导出马，这都不是问题。请问真的是这样吗？开一两家新店、可能需要考察一二十家店址，也许领导还看得过来，因此跟数据分析关系不大。但是，如果要开1000家新店，那得考察多少个店址？领导不可能有精力看得过来。谁来替代？质量如何保证？这些都是问题。怎么办？
这个时候，数据分析就能帮大忙了！咱不是已经有了100多家店了吗？这100多家店过去的经营业绩，一定有相对好坏。而这些相对好坏，和它们各自所处的位置，一定存在某种相关关系。我们可以针对这已经有的100家店铺，把各种数据（城市、商圈、商场，楼层，客流、店铺属性，线上消费者浏览访问购买地址）整合，对店铺进行画像，提炼销售好的店铺的特征，形成一个科学的打分系统，代替领导的英明决策，这样的自动化决策系统，随着数据的积累，模型的改进，能够最终做的比领导还优秀！
对这样的业务问题，做出优秀的数据分析，请问：价值如何？价值一定巨大！因为，这样的数据分析，瞄准的是企业战略性的核心业务，傍上了“选址”这个高价值的场景。因此而产生的价值被认可度更高。科学实用的门店量化选址模型，让门店客似云来
2、价值与商业模式
价值是什么？价值就是业务的核心诉求。业务的核心诉求是如何确定的？是企业的商业模式确定的。
不同的商业模式，产生不同的业务诉求，需要不同的价值体现。因此，数据价值的创造与企业的商业模式紧密相关。在不同的商业模式下，对收入、支出、风险的定义各不相同，因此对数据价值的期待各不相同。对商业模式的错误理解，可能带来错误的数据分析方向，无法践行数据商业价值。
比如，公司对于加盟/代理的收入主要来自于批发收入，这个时候数据分析的重点就要分析如何才能提高加盟商/代理商的批发收入，如何通过设定适当的政策来刺激加盟商/代理商加大订货，如何加快加盟商/代理商回款时长，缩短应收账款周期。可以根据每个代理商过往的经营情况，回款数据建立分析预测和打分评估系统，对于经营良性，信誉较好的代理商，可以适当放宽应收账款周期，支持其多冲销售，实现公司和代理商的双赢，但如果是一些经营和信誉不太好的，则要提前预警，提醒业务和财务部门注意，控制坏账损失。
而对于自营门店来说，数据分析的重点就要关注到门店每一笔订单的销售数据，关注门店的各项经营费用数据，分析新老会员的数据，定期进行门店经营诊断，和门店人员保持密切沟通，在这个基础上进行原因分析。提出解决建议，并通过周会的形式反馈给到业务部门，跟进落实和每周做复盘，这样数据的价值不仅跟场景关联起来了，还跟公司的商业模式关联起来了，数据的价值就非常明显。
点击此处添加图片说明文字
3、可被归因的价值
商业价值的创造，依赖于具体的业务场景，而具体的业务场景，往往非常复杂，多种因素同时作用，而数据分析仅仅是其中的一部分。当价值被创造出来的时候，哪个因素贡献了多少，多少贡献可被归因于数据分析，不容易说清楚。如果数据之于价值的因果关系很模糊，那么相应的产业/业务的发展空间就一定非常有限。
例如：企业的品牌部经常要做一些线上和线下的推广活动，要做活动就涉及到费用投入，但推广投入的产出很难科学量化评估，其效果太难测量，价值太难归因，因此如果一家企业要削减费用投入，品牌推广的投入必将是首当其冲的。
品牌做推广的目的是什么？增加销售，提高品牌知名度，培养忠诚会员，说一千道一万，推广的最后的目的就是实现销售。无非区别是长期销售、还是短期销售。当一笔费用投入产出不能量化时，肯定是会最先被砍掉的。笔者所在的企业，近几年随着外部大环境的下行，企业业绩也出现了一定的波动，在这样的情况下，企业做年度预算，平时费用的支出，公司决策层和财务首先会考虑削减这一块的投入。
其实这样说并不是推广是没有价值的，相反推广是非常重要的，在这里提出来，对于做数据分析的朋友，针对这样的场景，要去思考怎么样构建一套量化的推广分析评估体系，去帮助业务部门合理的对各个模块的价值进行归因，这样你做的数据分析的价值就会大大提升，虽然有难度，但也要去朝合格方向去做。
再比如在企业里，销售部门经常抱怨因为货期原因影响销售，但这种影响带来的对销售的损失额有多大，如果货期提升1个点，对销售的损失会降低多少，要提高这1个点，又需要在哪些环节改善，需要做哪些投入，这种投入产出的ROI是多少，数据分析就可以从这个角度切入，提供有价值的数据分析给企业决策层做参考。
点击此处添加图片说明文字
网友评论