業(yè)務(wù)分析模型,該怎么搭建?
編輯導(dǎo)語:數(shù)據(jù)分析崗位的朋友們肯定經(jīng)常聽說“業(yè)務(wù)分析模型”,目的是捕獲業(yè)務(wù)專家理解業(yè)務(wù)的視角,表達(dá)業(yè)務(wù)專家對(duì)業(yè)務(wù)的概念性理解,但建立業(yè)務(wù)模型也是非常復(fù)雜的一件事;本文作者分享了關(guān)于業(yè)務(wù)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(xué)最怕聽“建模型”仨字,尤其是建立“業(yè)務(wù)分析模型”。
往往自己辛辛苦苦搞的LR、SVM、CNN被業(yè)務(wù)方狂噴:
- 你這都是啥東西!
- 脫離業(yè)務(wù)!
- 不切實(shí)際!
所以到底什么是“業(yè)務(wù)分析模型”,又該怎么建?我們今天系統(tǒng)講解一下。
一、業(yè)務(wù)分析模型是什么
首先,一個(gè)正兒八經(jīng)的分析模型得包含三個(gè)條件:
- 有合理的邏輯
- 有明確的目標(biāo)
- 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(duì)伍。因?yàn)檫@些玩意有邏輯、有目標(biāo),但很難用數(shù)據(jù)進(jìn)行論證。不信你看那些什么SWOT,PEST的報(bào)告,四個(gè)框框里都沒幾個(gè)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(huì)對(duì)我們業(yè)績產(chǎn)生幾百萬影響。無法量化計(jì)算的,不算分析模型。它們只是拿來美化ppt的。
業(yè)務(wù)分析模型的重點(diǎn),在“業(yè)務(wù)”兩個(gè)字。得讓業(yè)務(wù)參與得進(jìn)來,看得懂,能應(yīng)用的,才叫業(yè)務(wù)分析模型。顯然,我們不能指望產(chǎn)品經(jīng)理、銷售、運(yùn)營、售后、物流的人去學(xué)《機(jī)器學(xué)習(xí)》《數(shù)學(xué)建?!贰督y(tǒng)計(jì)學(xué)》《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(wù)看不懂,參與不進(jìn)來,問題解決不了,當(dāng)然會(huì)噴沒有用。
有的同學(xué)會(huì)疑惑:可我的領(lǐng)導(dǎo)只會(huì)提“建個(gè)模型”,說不出是業(yè)務(wù)模型還是算法模型,我怎么區(qū)別呢?有個(gè)最簡單的原則是:非技術(shù)出身的領(lǐng)導(dǎo),90%以上講的是業(yè)務(wù)模型(剩下10%是他在朋友圈看了個(gè)協(xié)同過濾、神經(jīng)網(wǎng)絡(luò)之類的名字,然后臨時(shí)起意想搞一下)。
當(dāng)然,想更準(zhǔn)確判斷,你可以仔細(xì)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(wù)參與進(jìn)來判斷?
- 我用對(duì)業(yè)務(wù)而言純黑箱的做法行不行?
既然要聚焦業(yè)務(wù),自然下一步得詳細(xì)了解:
- 到底針對(duì)哪個(gè)業(yè)務(wù)部門?
- 業(yè)務(wù)流程是什么樣子?
- 有哪些數(shù)據(jù)采集?
- 當(dāng)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。
二、現(xiàn)狀描述模型
當(dāng)單個(gè)指標(biāo)不能全面描述現(xiàn)狀的時(shí)候,就得一系列指標(biāo)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(wù)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(gè)前后分n個(gè)階段的流程,需要完成一步再到下一步。從流程起點(diǎn)開始,到終點(diǎn)結(jié)束;
并聯(lián)式模型描述一個(gè)任務(wù)分開同時(shí)由各個(gè)線獨(dú)立完成。從總目標(biāo)開始,到執(zhí)行任務(wù)的最小單位結(jié)束(如下圖)。
因此梳理業(yè)務(wù)流程的時(shí)候,需要關(guān)注業(yè)務(wù)上下游部門、兄弟部門是如何協(xié)同的,從而構(gòu)建出來。
實(shí)際業(yè)務(wù)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):
現(xiàn)狀描述型模型的最大作用是:清晰責(zé)任,暴露問題。因?yàn)橐话愀鱾€(gè)子部門,上下游部門各有自己的KPI,因此監(jiān)控進(jìn)度、復(fù)盤成果的時(shí)候,哪個(gè)環(huán)節(jié)掉鏈子一清二楚。
所以在銷售管理、運(yùn)營管理中用得特別多,但注意:現(xiàn)狀=/=問題,現(xiàn)狀+標(biāo)準(zhǔn)=問題,因此只有標(biāo)準(zhǔn)單一且明確的時(shí)候才能直接看出問題來。如果標(biāo)準(zhǔn)本身很復(fù)雜,則需要更進(jìn)一步的手段。
三、問題分類模型
如果判斷一個(gè)指標(biāo)好壞的標(biāo)準(zhǔn)只有一個(gè),比如成本、利潤,這時(shí)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(wù)完全可以直接給判斷標(biāo)準(zhǔn)。
如果判斷業(yè)務(wù)好壞需要2個(gè)標(biāo)準(zhǔn),且這兩個(gè)標(biāo)準(zhǔn)相關(guān)度低,這時(shí)候可以用矩陣模型來進(jìn)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(gè)原理(如下圖)。
如果判斷標(biāo)準(zhǔn)增加到3個(gè)以上,判斷標(biāo)準(zhǔn)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(shí)候可以用DEA方法或者AHP來判斷,相比之純機(jī)器學(xué)習(xí)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(wù)接受。
四、工作計(jì)劃模型
在給定業(yè)務(wù)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(gè)部門工時(shí)成本,求一個(gè)最優(yōu)任務(wù)分配。這時(shí)候就是工作計(jì)劃模型。最常見的就是解線性規(guī)劃,在工作調(diào)配的時(shí)候用得非常多(如下圖)。
五、未來預(yù)測(cè)模型
所有預(yù)測(cè)的基本假設(shè),都是:未來發(fā)生的規(guī)律和過去一樣,過去的場(chǎng)景會(huì)在未來重現(xiàn)。所以業(yè)務(wù)做預(yù)測(cè)的時(shí)候,常常會(huì)假設(shè)一些業(yè)務(wù)參數(shù)是固定的,然后推測(cè)未來情況。
常見的做法,比如:
- 假設(shè)生命周期走勢(shì)是不變的,推測(cè)未來情況
- 假設(shè)轉(zhuǎn)化率/留存率是不變的,推測(cè)未來情況
- 假設(shè)投入產(chǎn)出比是不變的,推測(cè)未來情況
在一些發(fā)展穩(wěn)定的行業(yè)里,這些假設(shè)常常很準(zhǔn)。但注意,有三種情況下假設(shè)可能失效。
- 新業(yè)務(wù)、新場(chǎng)景導(dǎo)致無歷史數(shù)據(jù)可參照。
- 突發(fā)且情況不明,導(dǎo)致所有轉(zhuǎn)化率都異常。
- 業(yè)務(wù)運(yùn)作出現(xiàn)明顯問題,已無法按正常走勢(shì)反推。
這時(shí)候要么更換預(yù)測(cè)方法,要么做足預(yù)案,提前準(zhǔn)備后路。單純指望預(yù)測(cè)100準(zhǔn),不論是業(yè)務(wù)模型還是算法模型,都會(huì)出問題。
六、什么時(shí)候用算法模型
看完以上,有同學(xué)會(huì)好奇:看起來業(yè)務(wù)模型能做很多事啊,那什么時(shí)候用算法模型呢?注意:算法模型本身的強(qiáng)項(xiàng),就不是解決經(jīng)營問題。算法模型的強(qiáng)項(xiàng)是圖像識(shí)別、語義識(shí)別、復(fù)雜場(chǎng)景下動(dòng)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(wù)邏輯,這時(shí)候是不需要算法來推薦的,直接按業(yè)務(wù)邏輯走就好了。
2)商品無固定搭配,但業(yè)務(wù)方想推。比如保健品利潤高,無論如何業(yè)務(wù)方都想推保健品,這叫:強(qiáng)業(yè)務(wù)關(guān)聯(lián)。這時(shí)候也不需要算法來推薦,而是業(yè)務(wù)方得創(chuàng)造話術(shù)、廣告、賣點(diǎn)、銷售技巧,千方百計(jì)地去洗腦,特別是針對(duì)大爺大媽洗腦。
3)商品無固定搭配,且業(yè)務(wù)方無明確目標(biāo)。比如天貓?zhí)詫毝兑暨@種,SKU數(shù)以億計(jì),這時(shí)候業(yè)務(wù)邏輯完全理不清,就可以上推薦算法,而且推薦算法目標(biāo)常常是GMV最大,用戶活躍時(shí)長最長一類。
類似地,找算法模型的應(yīng)用場(chǎng)景,得主動(dòng)回避開固定業(yè)務(wù)邏輯、強(qiáng)業(yè)務(wù)關(guān)聯(lián)——找那些業(yè)務(wù)不知道、不清楚情況、無力加以控制的場(chǎng)景。
比如:
- 全新業(yè)務(wù)上線,誰都說不準(zhǔn),沒經(jīng)驗(yàn)參考
- 預(yù)測(cè)整體走勢(shì),不考慮細(xì)節(jié),先看基本面
- 業(yè)務(wù)無計(jì)可施,怎么做響應(yīng)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(shí)候可以大膽讓業(yè)務(wù)邏輯退居二線,嘗試用算法解決問題??梢悦皂樀馗鷺I(yè)務(wù)說:這就是個(gè)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(dāng)然,以上和我們今天的話題沒關(guān)系,大家先學(xué)會(huì)如何在業(yè)務(wù)參與的情況下工作。
#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,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
題圖來自Unsplash,基于CC0協(xié)議。
專欄作家
接地氣的陳老師,微信公眾號(hào):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(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。
題圖來自Unsplash,基于CC0協(xié)議。
該文觀點(diǎn)僅代表作者本人,人人都是產(chǎn)品經(jīng)理平臺(tái)僅提供信息存儲(chǔ)空間服務(wù)。
老師 實(shí)戰(zhàn)經(jīng)驗(yàn)很足呀
首先得把SWOT,PEST,4P之流的垃圾掃出“模型”隊(duì)伍。這句話簡直不能再認(rèn)同,這種模型也就忽悠忽悠外行人(甚至外行都忽悠不到)!
辛苦了