我在B端做數據分析——指標篇

4 評論 14276 瀏覽 184 收藏 19 分鐘

許多工作環節都離不開數據指標、或者指標體系的支撐,那么在B端業務場景下,指標體系的建設應該遵循什么樣的搭建策略?又有哪些細節方面需要額外注意?本篇文章里,作者結合自身經驗,總結了他在B端業務場景做指標體系的建設過程,一起來看。

前言

我是西索,距離2011年6月22日,到現在是真正意義上做了十年數據分析,十年前沒有種好樹,十年后我想重新開始積累。工作之后的前兩年是面向于C端的零售行業,余下的八年都沉浸在B端領域里面,研究數據增值、變現的場景。“The best time to plant a tree was 10 years ago. The second best time is now.”

21年7月份的時候寫了一篇文章《感悟篇:我在B端做數據分析(一)》,對B端和C端在業務上的差異性進行了對比,將數據在B端業務下的應用場景做了概括性的總結。

時隔兩年,續著第一篇接著往下寫,說一說B端業務下的指標體系的建設過程。

在第一篇文章里面有提到過幾個管理層關注的核心指標。

我在B端做數據分析——指標篇

在指標建設過程中的合理性、復雜度、落地性都飽受爭議,以至于很多分析面試的第一關便是如何建設基于某某場景的核心指標,如何去做指標的定義與監測,如何對核心指標進行跟蹤…為什么我們一直在說指標建設,但是卻又一直做不好?指標建設,絕對不是說做一套產品就可以了,產品只是指標應用的一個承載體而已。

前幾天去省廳開會,有一句話特別有感觸。

我在B端做數據分析——指標篇

對做數據統計的崗位來說,如果沒有系統化的指標來支撐,就會很痛苦,可能每天都會在找數據和湊數據的過程上,就顯得比較低效。所以才會去推數字化轉型建設,從源頭就把信息內容變成數字化,減少人為干預的環節,實現全鏈路的數據可視化。

一、戰略目標和管理必要性

做企業,最大的目標是為了盈利,非營利性的組織與團體,不在分析的范疇內。無論是平臺型B類、SaaS服務型B類、實業型B類,從全生命周期的角度來說,都離不開「營收」、「品牌影響」、「行業知名度」。

1. 自上到下的考核機制,離不開指標建設

指標,是伴隨考核而產生的,中央考核部委、部位考核省廳、省廳考核市局、市局考核縣區、區縣考核到單位,這就是一個完整的考核鏈路。

對公司而言,也是一樣,董事會考核公司管理層、管理層考核事業部、事業部考核到子級業務線。促進數據指標建設的必然性,一定離不開企業在做數據化轉型、數據管理、數據驅動中的主要痛點,尤其是在經濟下行的市場環境下,營收目標的增長實現,就需要一套指標拆解的方式進行動態跟進。

我在B端做數據分析——指標篇

參考《抖音集團數據指標體系分析與增長實踐 》一文中的案例,任何一門生意都能用簡單的數學模型來描述,實現運營公式的拆解。

我在B端做數據分析——指標篇

2. 指標解決的幾個實質性問題

指標的建設,不是空穴來風,做做樣子,而是解決實打實的業務痛點,在企業運轉過程中,幾個最典型的問題在于:

我在B端做數據分析——指標篇

3. 構建指標的幾種業務思考

了解戰略目標 – 熟悉業務特性 – 提煉場景指標 – 核心指標開發 – 跟蹤監控預警。

我在B端做數據分析——指標篇

二、B端指標建設的特性

在第一篇文章中從用戶、業務、產品、行為、數據五個方面對B/C端進行了多維對比,在定義和設計指標的時候,需要充分認知到企業所在行業、市場上的差異性。

提到B端就離不開數字化采購,根據艾瑞發布的采購行業研究報告,可以把B端的數字化拆分為兩個時代:ERP時代、SRM時代。

我在B端做數據分析——指標篇

1. 簡單的B端業務

為什么說B端很簡單,大多數的理解起來,B端的用戶體量比較少,所以數據就會少。

在中國,C端的用戶體量大約在7~9億左右額。

我在B端做數據分析——指標篇

而B端的用戶體量,根據工商統計大約有4、5000萬家注冊企業數,劃分到細分垂直領域,每個行業下的體量更少了。

我在B端做數據分析——指標篇

具體可以體現在以下4點:

我在B端做數據分析——指標篇

2. 復雜的B端場景

但實際上,B端也不少,主要看業務體量,是屬于訂單性質,還是看大合同類的服務履約性質。

從供需的關系上來拆解,可以把采買過程拆分為四個環節:需求確認 – 供應商篩選 – 執行與追蹤 – 交付驗收。

我在B端做數據分析——指標篇

決策鏈路復雜:

我在B端做數據分析——指標篇

涉及的業務鏈路復:

我在B端做數據分析——指標篇

大數定律在B端有用,但是沒那么有用:

我在B端做數據分析——指標篇

三、指標建設方式及內容設計

1. 指標建設方式

從上至下的指標體系建設需要跟隨企業戰略目標的變更而進行變更,從而需要進行大量的指標變更。

從下至上的指標體系應關注在每個業務域內的經營活動而形成指標。要注意的是,各個業務域內可能存在交叉環節,相對應的指標在內部以及部門合作之間需明確指標口徑。

1)自上而下

基于BI本身的職責和公司/團隊對BI的要求,設計BI建設體系并分別推進落地, 跨團隊的項目模式進行;

我在B端做數據分析——指標篇

2)自下而上

整體而言,公司的目標會貫徹到各個子業務線的中短期規劃里面,從組織架構設計上來看,指標建設的過程也應該是從上到下的管理過程。

實現方式:從業務需求出發,提煉需求過程中涉及到的數據內容項,形成業務核心指標;

我在B端做數據分析——指標篇

基于BI團隊現有的職責和任務, 專注于用戶側需求的滿足,涉及標準化建設的需求,建立推進機制,BI團隊作為需求和問題的發起者和結果的驗收者存在。

2. 主題域劃分

實現方:

我在B端做數據分析——指標篇

基于十大主題進行歸類,可以構建原子粒度的DWD(數據明細層)和DWS(數據匯總層),也可以用于方便集市內部表單管理。

我在B端做數據分析——指標篇

3. 不同行業下的數據指標內容

B端企業有著非常強的行業特性,在不同的行業背景下,呈現出來的內容有著非常強的差異程度,根據日常關注的公眾號、數據服務機構、白皮書,收集整理了以下一些行業的數據指標,不一定對,可供參考。

1)B端 – 電商

B2B/B2G,銜接廠商與經銷商、政府與服務商、渠道代理與分銷商之間的平臺公司,從流量 – 曝光 – 獲客 – 訪問 – 選購 – 下單 – 支付 – 倉儲物流 – 最后1公里配送的交易流程,對埋點強依賴,行業特性比較強。

核心指標:GMV、轉化率、ROI、復購率。

我在B端做數據分析——指標篇

2)B端 – SaaS

SaaS軟件即服務,需求和服務的行業差異性特別大。包括信息軟件服務、人力資源服務、財務會計服務、企業管理咨詢服務、IT技術支持服務、法律咨詢服務等。

核心指標:復購率。

我在B端做數據分析——指標篇

3)B端 – PaaS

PaaS平臺即服務,通常是指針對企業或組織等而設計和開發的互聯網軟件工具,旨在幫助企業提高工作效率、降低成本和提升業務管理水平等。

我在B端做數據分析——指標篇

4)B端 – 零售

零售行業,通過快速建立品牌形象,以銷售目標為導向,滿足顧客的需求的同時確保獲得最大的利潤。

核心指標:GMV、連帶率、客單價。

我在B端做數據分析——指標篇

5)B端 – 汽車

利用互聯網和移動互聯網技術,為汽車行業提供線上和線下一體化的服務,包括汽車銷售、維修、保養、租賃、二手車交易等領域,通過平臺查詢汽車信息、預約試駕、在線下單、申請金融服務等,為消費者提供更精準、更定制化的服務和產品。

主要包括:汽車生產廠商、經銷商、維修保養機構、租車公司、物流運輸企業等。

可按照細分場景做更細粒度的拆解。

我在B端做數據分析——指標篇

6)B端 – 房地產

注重商業性和專業性,針對的是大型企業和機構的需求和目標,涉及的產品和服務范圍更廣,其特點是項目規模大、服務內容全面、專業性強、服務要求高。

我在B端做數據分析——指標篇

7)B端 – 金融

金融行業,快速響應企業、家庭、個人的靈活用錢需求,解決資金短缺問題,同時也為機構帶來穩定的收益來源,通過保險合同的簽訂,將某些風險的損失分散到眾多保險客戶之間。

主要包括:保險、保函、貸款、信用卡、消費分期、互聯網金融、小額貸款等。

我在B端做數據分析——指標篇

8)B端 – 醫療

通過互聯網技術和平臺,為醫療機構、醫生、藥企等B端用戶提供一系列在線醫療服務的商業模式。

包括:在線問診、遠程醫療、病例管理、醫療影像處理、健康檔案管理等。

我在B端做數據分析——指標篇

9)B端 – 文娛類

平臺為企業、機構和個人,提供短視頻、課程、文案等內容創作、制作、發行的服務。

核心指標:LTV。

我在B端做數據分析——指標篇

4. 數倉下的指標建設過程

1)數據指標的生成

原子指標:不可分割指標。實際業務中,原子指標很復雜,不同時間節點的原子指標不一樣,行業規范不一樣。原子指標含有高度行業屬性。

派生指標:從原子指標發展,增加維度和定語去而形成的??梢栽跇I務情況下,退化為原子指標。

ps:原子指標與派生指標的定義相對模糊,需要在特定業務場景下能清晰定義為原子或是派生。

指標口徑:等同邏輯(條件、范圍、維度、度量方法)。

例如SQL查詢語句:

我在B端做數據分析——指標篇

維度和事實:維度是可枚舉性的值,且是有限值,可歸集。事實是不可更改和調整的。復合指標:通過幾個派生指標經過運算形成。

例如:將浙江省內2021年度交易次數>5次的供應商計數的運算。

2)數據指標的維護

誰在什么時候應該做規則更新?

  • 生成:將條件、范圍、維度、度量,事實明確而形成,例如SQL查詢。
  • 定義:通用規則,通過邏輯去診斷指標定義。包含指標名稱與指標口徑。外部用戶叫法及內部系統名稱,對于不同用戶受眾,需要不同叫法。
  • 命名規范:需要注意針對對象進行命名,例如針對管理層GMV,對業務方銷售額。中文和英文設置根據數據庫表內的字段名生成。
  • 應用:針對不同受眾,所理解的指標別名不同。例如:GMV在有任務場景下被定義為月銷售額輸出。
  • 迭代維護:當業務,系統等情況發生變化時,需要對指標定義進行重新定義、修改。

3)數據指標的銷毀

生命周期的末端。

銷毀:銷毀指標同樣是一種選擇,但通常不常用。銷毀復合指標的場景是:當復合指標不符合當期經營所需情況且不產生價值時。

四、指標應用——監控與預警

指標應用的幾個方面,產品、業務、報表,以下為網圖,真實環境下的數據不便于透出,如有需要探討可聯系。

1. 可視化大屏

我在B端做數據分析——指標篇

2. BI數據產品

我在B端做數據分析——指標篇

3. 用戶標簽與畫像

我在B端做數據分析——指標篇

4. 預警系統

我在B端做數據分析——指標篇

五、寫在最后

回過頭看這些年的經歷,感慨萬千,在過去這十年的工作經驗里面,一直都是在數據分析這個title上。很想把這些年積累的一些知識內容以文字的形式記錄下來,對于一個純理科生來說,這無疑是一種挑戰。

后面應該會拆成很多個部分,縫縫補補,陸陸續續的完善。

本文由 @一個數據人的自留地 授權發布于人人都是產品經理,未經作者許可,禁止轉載

題圖來自Unsplash,基于 CC0 協議

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務。

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 好棒的文章

    來自浙江 回復
  2. B端對于數據分析相較于C端比重沒有那么大吧?想請問

    來自廣東 回復
  3. 很不錯,收藏先,贊一個!

    來自廣東 回復
  4. 辛苦了。

    來自上海 回復