【课程背景】
经营分析,即针对销售额的数据分析。其核心思想是基于经营目标与实际经营数据进行对比,通过归因分析,找到问题,进而优化相关因素,提升业绩。在实际的经营过程中,由于所牵涉到的指标较多,分析维度复杂,也成为一家企业进行数据分析中最重要、最难的部分。
本节课将系统性指导学员借助数据分析的方法找到业绩经营中的问题,优化改善,最终实现业绩增长。
【课程收获】
- 了解数据分析的意义
- 了解数据分析的逻辑
- 掌握数据分析的流程、方法和工具
- 掌握经营分析的具体方法
【课程时间】 1天(6小时)
【课程对象】运营部、大数据部门
【课程内容】
- 数据分析的价值和意义
优秀的企业都在在每一个关键节点做出了科学判断
科学判断的本质是对复杂事物(数据)的一种分析
- 做什么?——方向
- 怎么做?——策略
- 怎么做才能做得更好?——方法技巧
相比于传统经验决策,数据决策的特点
- 经验本质也是数据,但却是主观的、片面的、历史的数据
- 大数据,具有客观性、即时性、全面性
- 相比传统经验的决策,更加科学
- 数据分析赋能企业业绩增长的底层逻辑
1.定义问题——提出一个好问题
2.数据模型——对一个问题的多维度思考
3.数据采集——从各个渠道获取相关的数据
4.数据分析——使用一定的数据分析方法得出结论
5.形成判断——对初始的问题作出接下来的行动决策
【案例】上海清美C2M数据分析
数据分析驱动业务创新发展(多个部门采用此方案)
业务与数据的关系
- 业务是数据的来源
- 数据反映业务运行状况,并反过来指导业务
实体产业常见的业务场景数据分析的应用
- C2M,借助需求数据,敏捷性创新产品
【案例】元气森林的产品创新
- IMS,依托ERP、MES、PLM等系统数据展开智能化精细化排产
【案例】上海清美面包的定制化生产
- ILS,依托智能物联数据和AI建模,实现智慧物流体系
【案例】上海洋山港码头智慧物流
- 品牌与市场,基于目标用户数据展开品牌细分与精准市场营销
【案例】瑞幸咖啡的精准市场投放
- 用户体验,依托消费者数据展开个性化场景设计
【案例】成都大悦城基于用户数据展开个性化场景搭建
- 渠道数字化,依托渠道数据分析,展开对渠道的精细化管理赋能
【案例】美的D2C的渠道数字化与数据分析
- 用户运营,基于SCRM数据,展开对用户的精细化运营
【案例】中国移动的客户数据分析在用户运营方面的应用
构建数据共享中心,实现整个业务场景的协同运营效率提升
- 一体化大数据平台、数据中台的建设
- 基于用户需求为中心的数据调用
数据分析的流程、方法
定义问题
定义业务模型
- 与业务专家深度沟通,构建初步数据分析模型
- 把业务模型融入算法
数据获取
- 外部数据:网站或爬虫
- 内部数据:原始录入、互联网、物联网
- 数据使用分类:建模数据、训练数据和分析数据
数据处理
(1)数据处理的内容
(2)完成数据的清晰和补充
(3)基础数据处理
- 常用函数(加总求和、计数、平均、最值、排序、乘积、除余、取整)
- 逻辑运算(if、iferror、and、or)
- 文本编辑(文本提取、文本查找、文本替换、文本转换及合并)
- 引用与查找(vlookup、hlookup、lookup、indirect、index、match)
做好数据分析
- 借助工具实现以上分析
- 对比分析:柱形图
- 结构分析:饼状图
- 趋势预测分析:折线图+柱形图
- 数据分析内容
- 异常分析
- 描述性分析
- 推断性分析
- 预测性分析
- 归因分析
- 客户分析
做出决策
- 背景介绍和问题描述
- 定义问题,并进行相关性分析
- 数据分析报告的呈现
- 提出下一步行动计划
经营分析(如果只有销售部门,则上此部分)
- 销售业绩模型
- 渠道模型:S=Σs(1~n),适用于全国网点、代理、分公司、办事处类型
- 流量模型(漏斗模型):S=UV(流量)*CVR(转化率)*P(客单价),适用于线上渠道运营。
- 增长黑客(AARRR):S=N*P=S1(新客户)+S(老客户)+S3(老带新)
(包括了:漏斗模型+RFM模型+裂变模型)
- 分布模型:S=n*s(标准经营单位),适用于自营销售终端(含线上)的类型
2.数据指标
- 产品结构
- 渠道结构
- 终端结构
- 区域结构
- 硬件结构
- 用户结构
3.数据分析方法
- 目标分解
- 指标对比
- 检验假设:单因子变量和AB对照分析
- MVP最小可行性分析
【案例】某企业经营业绩分析
【现场任务】根据自身经营情况采用归因分析,找到影响企业业绩增长的因素