起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識數據決策：這個生意還能不能做？
編輯導語：數據可以相對直觀、清晰地反映事物，可以幫助運營或產品更好地知悉現象背后的原因或本質，因此，不少人都會利用數據來幫助自己實現決策，甚至幫助自己判斷某門生意是否值得進入。本文作者便舉了兩個數據決策的例子，一起來看一下。
不知道大家有沒有留意到這個現象，現在全民都在搞直播。以前說電商是一個行業，現在每個行業都在電商化。線上直播帶貨，賣貨，不論是商家自己搞也好，還是和某個大V合作，本質上都是一種電商銷售行為。
之前聽到一個新聞報道法院開了一場直播，直播試睡員體驗在兇宅里試睡。為了營造兇宅不兇的感覺，整個直播間氛圍很溫馨，這也是一個電商行為，連法院為了能賣掉房子也是拼了。
可推測，大數據慢慢也會和電商一樣，不是大數據行業，而是一切行業數據化。就像電商一樣，人人都能用電商思維、方法、套路去銷售自己的產品，那么人人也都能利用數據去解決或者輔助決策生活中遇到的事情。
舉個栗子……
01
栗子1：奶茶這門生意還能不能做。
熟悉的小伙伴都知道，杭州最大的奶茶店不是蜜雪冰城，而是一點點。我公司同事們都特別愛喝，尤其是遇到誰幫了誰的忙，口頭禪就是“我請你喝一點點啊”。有天，我聽到兩個技術同事在討論想花50w投資開一家一點點，但是不知道這個生意還能不能做。
秉承著沒有調研就沒有發言權的原則，我決定去調研一下這個事情。
于是我找到了住所附近的一家一點點奶茶店，去它門口蹲點，查看客流量、出單數等情況，分析估算出一家店的營收，多久回本。最初設定的要收集的指標包括店門口經過的人、進店消費的人，后來發現這兩個指標工作量比較大，且采集的誤差比較大，所以我就改成了收集進店人數和機器出單數據。
用視頻拍下來店門口的人流情況和出單情況之后，再去數人頭以及出單數，接下來就是做一個簡單的數據分析，也就是加減乘除。
最終得出數據：一共進店145人，平均5分鐘出單24杯，一個小時288杯。
按照喝奶茶的高峰期時間段下午2點到9點，共7個小時，一天共賣7*288=2016杯。
這其中一大半被外賣員拎走了，搜集一下外賣平臺每月的出單數，美團6604單，餓了么2619單，共6604+2619=9223單，平均每天307單。
最低配送金額15元，一點點的平均單價是15元，每一單按照3-4杯，因為按照外賣店奶茶的行為習慣來看，大多數情況下不會單點一杯。
那么平均每單3.5，外賣一天307*3.5=1074杯，那么計算出店內消費2016-1074=942杯。店內消費利潤50%左右，外賣平臺利潤35%，每天利潤942*15*0.5+1074*15*0.35=12703.5元。
接下來扣除成本。一個店鋪按照10個員工，每個員工工資平均6000元/人，一天支付工資2000元，不同區房租價格不同，平均下來房租一年40w一天1000元左右，那么一家店每天的收入是9703.5元，每個月盈利29w左右，投資50w，大概2個月就能回本。
這樣一看是一門不錯的生意，別急，這只是一家店的分析情況，而且我發現還是我所在區域排行榜第一的一家店。如果想更保險，還需要多考察，綜合考慮店鋪的火爆程度，店鋪的地址等因素對店內客流的影響。
其實這就是一個簡單樸實而又很實用的數據搜集，數據分析的方法。不論分析結果正確與否，起碼方法肯定是對的。
劉潤老師說過，結果=行為*概率。這一操作，就是在提升事情結果發生的概率。
我們也可以學著利用數據提高自己做事成功的概率！
02
栗子2：評判一場直播下來結果如何。
開頭我們講到了全民直播，每個人直播的目的大有不同。那么一場直播下來，如何利用數據分析一下直播效果如何？接下來改進點有哪些呢？
下面分享一個提升直播效益的小案例，希望能夠給到做過直播想要復盤提升的讀者一些思路。
假如某一個職場教育機構，想通過直播提升用戶的付費轉化率。但是最終發現直播做了那么多，付費轉化率沒啥提升，想知道如何做優化？
數據分析的精髓之處就是大膽猜測小心驗證。所以我們可以猜測直播轉化率不行可能有以下幾個原因：直播的時間有問題？直播選擇的話題不太符合待轉化產品？來參加直播的人群不是產品的受眾？
逐步根據假設將這個大問題拆分為比較清晰的、可量化解決的小問題。其實這一步的做法類似于費米估算的思維方法。
數據分析的目的是提升直播的轉化率，我們可以把這個問題轉化為分析直播和人。
接下來我們需要根據拆分搜集數據、準備數據，將數據填充到對應的分析模塊中。
對于拆解的問題，可以歸類為幾種可能的結果，針對結果分析可能的原因。
在構建分析邏輯的時候，可能兩個問題之間會有關聯，例如：新用戶對某個直播話題感興趣，老用戶不一定感興趣。針對這樣的我們需要再做交叉分析，我們秉承的原則是哪類情況出現的多就優先解決哪類問題，選擇主要的問題去解決就好，不然思緒越多也就越糾結。
數據未來會成為我們每個人都可用的工具，就像大數據常喊的口號：一切數據業務化，一切業務數據化！未來人人都是數據分析師！
本文由 @金豌豆?原創發布于人人都是產品經理，未經許可，禁止轉載
題圖來自Unsplash，基于 CC0 協議
數據能夠更直觀的反映問題，做好數據分析是必不可少的，這篇文章可以說是非常實用了。
很開心能帶來幫助！謝謝！