編輯導(dǎo)語(yǔ)：業(yè)務(wù)流程適宜用在業(yè)務(wù)方能主動(dòng)施展影響，改變結(jié)果的時(shí)候；很多時(shí)候我們?cè)诠ぷ髦凶鲱A(yù)測(cè)模型時(shí)，經(jīng)常會(huì)遇到很多問(wèn)題，比如沒(méi)有辦法反應(yīng)業(yè)務(wù)過(guò)程，導(dǎo)致后續(xù)無(wú)法調(diào)整；本文作者分享了關(guān)于業(yè)務(wù)預(yù)測(cè)模型的搭建，我們一起來(lái)了解一下。

做預(yù)測(cè)模型難，做可解釋的預(yù)測(cè)模型，更難！

很多同學(xué)做預(yù)測(cè)的時(shí)候，會(huì)用時(shí)間序列的平滑和自回歸，可出了結(jié)果就被領(lǐng)導(dǎo)問(wèn)道：

• 預(yù)測(cè)達(dá)標(biāo)，所以呢？業(yè)務(wù)啥都不干就達(dá)標(biāo)了？
• 預(yù)測(cè)不達(dá)標(biāo)所以呢？業(yè)務(wù)誰(shuí)該發(fā)力？資源哪里出？

同學(xué)們經(jīng)常被問(wèn)得一頭霧水，不知道咋回答。

這個(gè)問(wèn)題，是預(yù)測(cè)方法選擇不佳導(dǎo)致的。算法模型類預(yù)測(cè)，無(wú)論算法的簡(jiǎn)單或復(fù)雜，都有一個(gè)通?。簾o(wú)法反應(yīng)業(yè)務(wù)過(guò)程。導(dǎo)致業(yè)務(wù)方想基于預(yù)測(cè)調(diào)整業(yè)務(wù)行為的時(shí)候，不知道從哪里下手。

在這種情況下，就需要構(gòu)建業(yè)務(wù)預(yù)測(cè)模型。今天，我們就系統(tǒng)講解一下。

首先看個(gè)具體問(wèn)題場(chǎng)景——

某toB類原料供應(yīng)企業(yè)，下游需求方包括：

• 大型客戶，且簽訂框架合同，循環(huán)采購(gòu)
• 大型客戶，無(wú)框架合同，每月分批采購(gòu)
• 中小型客戶，無(wú)固定合同，有需求就采購(gòu)
• 每個(gè)月新開(kāi)發(fā)客戶（以中小型客戶居多）
• 每個(gè)月有主動(dòng)開(kāi)發(fā)的客戶/被動(dòng)上門(mén)的客戶

現(xiàn)在業(yè)務(wù)方需要預(yù)測(cè)下個(gè)月客戶采購(gòu)量，并且希望指導(dǎo)到大客戶銷售/中小客戶銷售/新客戶廣告投放等部門(mén)的具體工作。問(wèn)：該如何預(yù)測(cè)？

一、業(yè)務(wù)預(yù)測(cè)模型，該怎么做?

業(yè)務(wù)預(yù)測(cè)模型，即把業(yè)務(wù)假設(shè)作為輸入變量，預(yù)測(cè)業(yè)務(wù)走勢(shì)的方法。這和算法模型不同，算法模型的輸入特征，常常是沒(méi)有業(yè)務(wù)含義的，因此無(wú)法指導(dǎo)具體業(yè)務(wù)操作，業(yè)務(wù)預(yù)測(cè)正是為彌補(bǔ)這個(gè)缺憾而設(shè)計(jì)。

比如本場(chǎng)景中，客戶需求的最大影響因素，是客戶本身的生產(chǎn)計(jì)劃/我司與客戶關(guān)系這兩個(gè)維度。

但這兩個(gè)維度很難拿到準(zhǔn)確數(shù)據(jù)，如果是中小型客戶，很有可能根本就沒(méi)有生產(chǎn)和采購(gòu)計(jì)劃，他們自己就是風(fēng)雨飄搖，有單子就做。如果是沒(méi)有簽框架合同的大型客戶，每一期采購(gòu)都得重新走招標(biāo)流程，很有可能被其他供應(yīng)商半路截胡。因此如果想直接從兩個(gè)方面進(jìn)行預(yù)測(cè)，是很難下手的。

此時(shí)要做的工作，分為四個(gè)部分：

• 梳理業(yè)務(wù)流程，找可監(jiān)控的數(shù)據(jù)指標(biāo)
• 梳理業(yè)務(wù)特點(diǎn)，區(qū)分穩(wěn)定/不穩(wěn)定因素
• 梳理業(yè)務(wù)假設(shè)，輸出預(yù)測(cè)結(jié)果
• 跟蹤預(yù)測(cè)結(jié)果，糾正過(guò)程問(wèn)題

1. 第一步：梳理業(yè)務(wù)場(chǎng)景

在本案例場(chǎng)景中，業(yè)務(wù)流程相對(duì)簡(jiǎn)單清晰，就是客戶一手交錢(qián)，我司一手交貨；但是不同類型客戶的訂單金額不同，交貨難度不同因此可以分開(kāi)考慮（如下圖所示）：

2. 第二步：梳理業(yè)務(wù)特點(diǎn)。

這一步是關(guān)鍵，通過(guò)對(duì)各條線業(yè)務(wù)特點(diǎn)的梳理，能找到其中每個(gè)時(shí)間周期內(nèi)穩(wěn)定因素/不穩(wěn)定因素，穩(wěn)定部分是預(yù)測(cè)的依據(jù)，不穩(wěn)定部分是控制預(yù)測(cè)結(jié)果的手段。

在本案例場(chǎng)景中，就采購(gòu)需求而言：

• 簽框架的大客戶≥未簽框架的大客戶≥中小客戶
• 發(fā)展趨勢(shì)好的行業(yè)≥發(fā)展一般的行業(yè)≥發(fā)展差的行業(yè)
• 老客戶≥老客戶轉(zhuǎn)介紹的新客戶≥主動(dòng)開(kāi)發(fā)的新客戶≥被動(dòng)上門(mén)的新客戶

因此，先把客戶打上相應(yīng)標(biāo)簽，再按不同標(biāo)簽類型分組看數(shù)據(jù)，就能計(jì)算出下面關(guān)鍵指標(biāo)的數(shù)值，以及通過(guò)歷史趨勢(shì)觀察其走勢(shì)是否穩(wěn)定。

• 老客戶的續(xù)訂率
• 老客戶的續(xù)訂金額
• 新客戶線索開(kāi)發(fā)數(shù)量
• 新客戶線索轉(zhuǎn)化率
• 新客戶首單金額

注意，這里有些因素?zé)o法直接量化，需要做轉(zhuǎn)化。比如“行業(yè)發(fā)展趨勢(shì)好”，至少有2種方法來(lái)確認(rèn)：

• 數(shù)據(jù)法：對(duì)所有企業(yè)打行業(yè)標(biāo)簽，再查該行業(yè)統(tǒng)計(jì)數(shù)據(jù)，再看我司簽約企業(yè)發(fā)展數(shù)據(jù)。
• 人工法：所有銷售，定期回訪新客戶/拜訪老客戶，拜訪時(shí)間必須大于5分鐘，且回收數(shù)據(jù)。

該怎么選用方法？答：既然是業(yè)務(wù)預(yù)測(cè)，就優(yōu)選業(yè)務(wù)能施加影響的方法，即人工法。因?yàn)橛萌斯しㄊ占瘮?shù)據(jù)，不但能收集客戶信息，更能收集業(yè)務(wù)動(dòng)作和業(yè)務(wù)判斷能力這兩個(gè)關(guān)鍵信息。

試想：如果銷售連回訪/拜訪都敷衍了事、漫不經(jīng)心，那還能有訂單嗎，肯定沒(méi)有；因此衡量業(yè)務(wù)行動(dòng)力，本身也業(yè)務(wù)預(yù)測(cè)的重要組成部分。

如果在這個(gè)過(guò)程里，發(fā)現(xiàn)某些業(yè)務(wù)部門(mén)就是：

• 人員離職率高
• 人員執(zhí)行力差
• 有效拜訪次數(shù)少
• 拜訪和客戶瞎聊一通
• 反饋的判斷十次錯(cuò)九次

那問(wèn)題就很明顯了：業(yè)務(wù)能力不行，導(dǎo)致業(yè)務(wù)不好。

這一點(diǎn)非常重要，同學(xué)們切記，既然要基于業(yè)務(wù)行為做預(yù)測(cè)，就要把業(yè)務(wù)行為考慮到底，不要試圖摻雜一半業(yè)務(wù)考慮、摻雜一半數(shù)據(jù)自己計(jì)算，這樣又把水?dāng)嚋喠?，很難評(píng)價(jià)好壞。

3. 第三步：輸出預(yù)測(cè)結(jié)果

有了清晰的分類，就能輸出預(yù)測(cè)結(jié)果了。輸出的方法很簡(jiǎn)單：

• 有穩(wěn)定參數(shù)的，直接套用；
• 沒(méi)有穩(wěn)定參數(shù)的，業(yè)務(wù)自己填預(yù)計(jì)參數(shù)；

這樣匯總計(jì)算出結(jié)果（如下圖）：

注意，業(yè)務(wù)自己填預(yù)計(jì)參數(shù)不是亂填，需要有依據(jù)。如圖所示，明顯違背發(fā)展規(guī)律的預(yù)計(jì)結(jié)果是無(wú)效的。并且這種行為本身也能成為模型的輸入：業(yè)務(wù)方能力不足，不會(huì)評(píng)估自己能力及所需資源。

這樣再給出業(yè)務(wù)預(yù)測(cè)結(jié)果的同時(shí)，也順便給出了需要保證結(jié)果的假設(shè)，比如：

• 假設(shè)1：XX行業(yè)客戶需求不受出口匯率影響；
• 假設(shè)2：新線索轉(zhuǎn)化率不低于5%；
• 假設(shè)3：業(yè)務(wù)執(zhí)行有效性在90%以上；

這些假設(shè)，可以直接作為跟蹤階段的考察指標(biāo)，也能提前準(zhǔn)備應(yīng)對(duì)預(yù)案，這樣即使發(fā)生一些小問(wèn)題能直接糾正，發(fā)生大問(wèn)題也能提前感知到，節(jié)省了跟蹤和復(fù)盤(pán)的工作量。

4. 第四步：跟蹤預(yù)測(cè)結(jié)果。

在實(shí)際發(fā)生時(shí)，可以基于預(yù)測(cè)假設(shè)，跟蹤結(jié)果。

• 當(dāng)業(yè)務(wù)走勢(shì)不好的時(shí)候，可以提前預(yù)警問(wèn)題。
• 當(dāng)問(wèn)題實(shí)際發(fā)生的時(shí)候，可以排查假設(shè)找到問(wèn)題點(diǎn)。
• 對(duì)于有應(yīng)對(duì)預(yù)案的問(wèn)題，可以直接啟用預(yù)案解決問(wèn)題。

這樣就能很好的指導(dǎo)業(yè)務(wù)行動(dòng)了（如下圖）

注意，以上6種情況，只有客戶預(yù)計(jì)外問(wèn)題，屬于預(yù)測(cè)失靈。為什么大客戶打壓價(jià)格這么重要的信息，居然沒(méi)有提前預(yù)知，業(yè)務(wù)部門(mén)和數(shù)據(jù)部門(mén)都要反思。

真碰到黑天鵝問(wèn)題，很可能是客戶內(nèi)部人士變動(dòng)或者對(duì)手下了黑招，此時(shí)確實(shí)會(huì)預(yù)測(cè)失效，但和預(yù)測(cè)本身無(wú)關(guān)；這些因素?zé)o法預(yù)知，此時(shí)只能在復(fù)盤(pán)的時(shí)候，再想辦法。

二、業(yè)務(wù)預(yù)測(cè)模型，優(yōu)勢(shì)與不足

業(yè)務(wù)預(yù)測(cè)模型最大的優(yōu)勢(shì)，就是能徹底終結(jié)：“到底是預(yù)測(cè)不準(zhǔn)，導(dǎo)致業(yè)績(jī)不好；還是業(yè)績(jī)不好，導(dǎo)致預(yù)測(cè)不準(zhǔn)”這個(gè)雞生蛋、蛋生雞的問(wèn)題。

它明確地告訴大家：就是因?yàn)闃I(yè)務(wù)沒(méi)做好，所以才預(yù)測(cè)不準(zhǔn)！并且能很細(xì)致地告訴大家，是因?yàn)橐韵聵I(yè)務(wù)原因，導(dǎo)致業(yè)績(jī)不好，從而指導(dǎo)業(yè)務(wù)開(kāi)展。

• 新客戶線索跟進(jìn)不到位
• 老客戶拜訪不到位
• 老客戶沒(méi)有申請(qǐng)優(yōu)惠價(jià)格
• 重點(diǎn)行業(yè)開(kāi)發(fā)能力差

業(yè)務(wù)預(yù)測(cè)模型最大的劣勢(shì)，在于預(yù)測(cè)依賴人的判斷；因此，預(yù)測(cè)結(jié)果特別受團(tuán)隊(duì)士氣的影響。

一般團(tuán)隊(duì)士氣高漲的時(shí)候，給出來(lái)的預(yù)測(cè)數(shù)值偏大，給出的糾錯(cuò)能力評(píng)估也偏大；團(tuán)隊(duì)士氣低落的時(shí)候，給出來(lái)的預(yù)測(cè)數(shù)值偏小，糾錯(cuò)能力壓根就不存在。過(guò)于偏激的判斷，會(huì)影響模型的落地執(zhí)行，從而達(dá)不成效果。

因此業(yè)務(wù)預(yù)測(cè)和算法預(yù)測(cè)，兩者都不宜偏廢。算法模型可以基于過(guò)往發(fā)展趨勢(shì)直接給出個(gè)整體數(shù)據(jù)，所以用來(lái)輔助判斷：當(dāng)前業(yè)務(wù)方是高估/低估了局面，從而讓領(lǐng)導(dǎo)層在施展管理手段的時(shí)候有依據(jù)可用，敲打業(yè)務(wù)部門(mén)做出正確判斷。

業(yè)務(wù)預(yù)測(cè)模型適宜用在業(yè)務(wù)方能主動(dòng)施展影響，改變結(jié)果的時(shí)候。但有些場(chǎng)景，業(yè)務(wù)方是被動(dòng)接受，比如客服、售后、生產(chǎn)線等等?？蛻艉羧?，受促銷活動(dòng)、新品上市、廣告宣傳等諸多影響，偏偏這些影響一個(gè)都不是客服能控制的；此時(shí)就不適宜使用業(yè)務(wù)預(yù)測(cè)模型，而是算法模型，直接估算下個(gè)月話務(wù)總量，來(lái)評(píng)估人力安排。

#專欄作家#

接地氣的陳老師，微信公眾號(hào)：接地氣學(xué)堂，人人都是產(chǎn)品經(jīng)理專欄作家。資深咨詢顧問(wèn)，在互聯(lián)網(wǎng)，金融，快消，零售，耐用，美容等15個(gè)行業(yè)有豐富數(shù)據(jù)相關(guān)經(jīng)驗(yàn)。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來(lái)自Unsplash，基于CC0協(xié)議。