業(yè)務分析模型,該怎么搭建?

3 評論 16159 瀏覽 75 收藏 12 分鐘

編輯導語:數(shù)據(jù)分析崗位的朋友們肯定經(jīng)常聽說“業(yè)務分析模型”,目的是捕獲業(yè)務專家理解業(yè)務的視角,表達業(yè)務專家對業(yè)務的概念性理解,但建立業(yè)務模型也是非常復雜的一件事;本文作者分享了關于業(yè)務分析模型該怎么搭建的方法,我們一起來了解一下。

很多同學最怕聽“建模型”仨字,尤其是建立“業(yè)務分析模型”。

往往自己辛辛苦苦搞的LR、SVM、CNN被業(yè)務方狂噴:

  • 你這都是啥東西!
  • 脫離業(yè)務!
  • 不切實際!

所以到底什么是“業(yè)務分析模型”,又該怎么建?我們今天系統(tǒng)講解一下。

一、業(yè)務分析模型是什么

首先,一個正兒八經(jīng)的分析模型得包含三個條件:

  • 有合理的邏輯
  • 有明確的目標
  • 有數(shù)據(jù)的支持

所以,首先得把SWOT,PEST,4P之流的垃圾掃出“模型”隊伍。因為這些玩意有邏輯、有目標,但很難用數(shù)據(jù)進行論證。不信你看那些什么SWOT,PEST的報告,四個框框里都沒幾個數(shù)字,即使有數(shù)字也很難論證:到底90后比80后減少5000萬會對我們業(yè)績產(chǎn)生幾百萬影響。無法量化計算的,不算分析模型。它們只是拿來美化ppt的。

業(yè)務分析模型的重點,在“業(yè)務”兩個字。得讓業(yè)務參與得進來,看得懂,能應用的,才叫業(yè)務分析模型。顯然,我們不能指望產(chǎn)品經(jīng)理、銷售、運營、售后、物流的人去學《機器學習》《數(shù)學建?!贰督y(tǒng)計學》《python編程》所以數(shù)據(jù)分析師們經(jīng)常打交道的算法模型就不要在這里用了——業(yè)務看不懂,參與不進來,問題解決不了,當然會噴沒有用。

有的同學會疑惑:可我的領導只會提“建個模型”,說不出是業(yè)務模型還是算法模型,我怎么區(qū)別呢?有個最簡單的原則是:非技術出身的領導,90%以上講的是業(yè)務模型(剩下10%是他在朋友圈看了個協(xié)同過濾、神經(jīng)網(wǎng)絡之類的名字,然后臨時起意想搞一下)。

當然,想更準確判斷,你可以仔細問:

  • 是有監(jiān)督問題還是無監(jiān)督問題?
  • 用什么算法你有心選沒有?
  • 需不需要業(yè)務參與進來判斷?
  • 我用對業(yè)務而言純黑箱的做法行不行?

既然要聚焦業(yè)務,自然下一步得詳細了解:

  • 到底針對哪個業(yè)務部門?
  • 業(yè)務流程是什么樣子?
  • 有哪些數(shù)據(jù)采集?
  • 當前問題狀態(tài)如何?

有了這些,我們可以具體討論,該如何建模。

業(yè)務分析模型,該怎么搭建

二、現(xiàn)狀描述模型

當單個指標不能全面描述現(xiàn)狀的時候,就得一系列指標有邏輯地呈現(xiàn),以全面描述現(xiàn)狀、發(fā)現(xiàn)問題,這是所謂:現(xiàn)狀描述模型。業(yè)務常見邏輯有2種:串聯(lián)式、并聯(lián)式。

串聯(lián)式模型用于描述一個前后分n個階段的流程,需要完成一步再到下一步。從流程起點開始,到終點結(jié)束;

并聯(lián)式模型描述一個任務分開同時由各個線獨立完成。從總目標開始,到執(zhí)行任務的最小單位結(jié)束(如下圖)。

業(yè)務分析模型,該怎么搭建

因此梳理業(yè)務流程的時候,需要關注業(yè)務上下游部門、兄弟部門是如何協(xié)同的,從而構建出來。

實際業(yè)務流程,可能既有串聯(lián),又有并聯(lián),比如我們常說的杜邦分析法,就是如此(如下圖):

業(yè)務分析模型,該怎么搭建

現(xiàn)狀描述型模型的最大作用是:清晰責任,暴露問題。因為一般各個子部門,上下游部門各有自己的KPI,因此監(jiān)控進度、復盤成果的時候,哪個環(huán)節(jié)掉鏈子一清二楚。

所以在銷售管理、運營管理中用得特別多,但注意:現(xiàn)狀=/=問題,現(xiàn)狀+標準=問題,因此只有標準單一且明確的時候才能直接看出問題來。如果標準本身很復雜,則需要更進一步的手段。

三、問題分類模型

如果判斷一個指標好壞的標準只有一個,比如成本、利潤,這時候是不需要模型的。大家都知道成本越低越好,利潤越高越好,業(yè)務完全可以直接給判斷標準。

如果判斷業(yè)務好壞需要2個標準,且這兩個標準相關度低,這時候可以用矩陣模型來進行分類。常見的重要緊急矩陣,波士頓矩陣,質(zhì)量/數(shù)量矩陣,都是這個原理(如下圖)。

業(yè)務分析模型,該怎么搭建

如果判斷標準增加到3個以上,判斷標準相互交叉情況太多太多,再用肉眼觀察就很難判斷誰好誰壞,這時候可以用DEA方法或者AHP來判斷,相比之純機器學習方法,DEA方法含義更簡單直接,AHP方法有專家參與,都更容易被業(yè)務接受。

業(yè)務分析模型,該怎么搭建

四、工作計劃模型

在給定業(yè)務限制條件的情況下,經(jīng)常出現(xiàn)最優(yōu)化問題。比如給定了各個部門工時成本,求一個最優(yōu)任務分配。這時候就是工作計劃模型。最常見的就是解線性規(guī)劃,在工作調(diào)配的時候用得非常多(如下圖)。

業(yè)務分析模型,該怎么搭建

五、未來預測模型

所有預測的基本假設,都是:未來發(fā)生的規(guī)律和過去一樣,過去的場景會在未來重現(xiàn)。所以業(yè)務做預測的時候,常常會假設一些業(yè)務參數(shù)是固定的,然后推測未來情況。

常見的做法,比如:

  • 假設生命周期走勢是不變的,推測未來情況
  • 假設轉(zhuǎn)化率/留存率是不變的,推測未來情況
  • 假設投入產(chǎn)出比是不變的,推測未來情況

業(yè)務分析模型,該怎么搭建

在一些發(fā)展穩(wěn)定的行業(yè)里,這些假設常常很準。但注意,有三種情況下假設可能失效。

  • 新業(yè)務、新場景導致無歷史數(shù)據(jù)可參照。
  • 突發(fā)且情況不明,導致所有轉(zhuǎn)化率都異常。
  • 業(yè)務運作出現(xiàn)明顯問題,已無法按正常走勢反推。

這時候要么更換預測方法,要么做足預案,提前準備后路。單純指望預測100準,不論是業(yè)務模型還是算法模型,都會出問題。

六、什么時候用算法模型

看完以上,有同學會好奇:看起來業(yè)務模型能做很多事啊,那什么時候用算法模型呢?注意:算法模型本身的強項,就不是解決經(jīng)營問題。算法模型的強項是圖像識別、語義識別、復雜場景下動態(tài)規(guī)劃。這些才是算法該發(fā)揮用處的地方。

就拿推薦算法舉例:

1)商品有固定的搭配。比如治療感冒就是VC+銀翹,這叫:固定業(yè)務邏輯,這時候是不需要算法來推薦的,直接按業(yè)務邏輯走就好了。

2)商品無固定搭配,但業(yè)務方想推。比如保健品利潤高,無論如何業(yè)務方都想推保健品,這叫:強業(yè)務關聯(lián)。這時候也不需要算法來推薦,而是業(yè)務方得創(chuàng)造話術、廣告、賣點、銷售技巧,千方百計地去洗腦,特別是針對大爺大媽洗腦。

3)商品無固定搭配,且業(yè)務方無明確目標。比如天貓?zhí)詫毝兑暨@種,SKU數(shù)以億計,這時候業(yè)務邏輯完全理不清,就可以上推薦算法,而且推薦算法目標常常是GMV最大,用戶活躍時長最長一類。

類似地,找算法模型的應用場景,得主動回避開固定業(yè)務邏輯、強業(yè)務關聯(lián)——找那些業(yè)務不知道、不清楚情況、無力加以控制的場景。

比如:

  • 全新業(yè)務上線,誰都說不準,沒經(jīng)驗參考
  • 預測整體走勢,不考慮細節(jié),先看基本面
  • 業(yè)務無計可施,怎么做響應率就是上不去
  • 考慮變量太多,用肉眼人手難以分類清楚

這時候可以大膽讓業(yè)務邏輯退居二線,嘗試用算法解決問題??梢悦皂樀馗鷺I(yè)務說:這就是個黑箱。我們觀察結(jié)果就好了——反正他們也沒更好的辦法,如果能做出成績來,就是大功一件。

當然,以上和我們今天的話題沒關系,大家先學會如何在業(yè)務參與的情況下工作。

#專欄作家#

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

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

題圖來自Unsplash,基于CC0協(xié)議。

專欄作家

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

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。

題圖來自Unsplash,基于CC0協(xié)議。

該文觀點僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺僅提供信息存儲空間服務。

更多精彩內(nèi)容,請關注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 老師 實戰(zhàn)經(jīng)驗很足呀

    來自廣東 回復
  2. 首先得把SWOT,PEST,4P之流的垃圾掃出“模型”隊伍。這句話簡直不能再認同,這種模型也就忽悠忽悠外行人(甚至外行都忽悠不到)!

    來自廣東 回復
  3. 辛苦了

    回復