查看原文
其他

码数5小时,结论憋两天,分析报告结论到底该怎么下!

2017-10-01 陈老师 Python爱好者社区

 

这是陈老师《做一个人见人爱的数据分析师》长篇连载第六篇

第一篇戳:最惹销售反感的十种数据分析师,进来看看有没有你

第二篇戳:数据分析师如何面对“我早知道了!”这句质疑

第三篇戳:数据分析师如何应付“你行你上啊!”的嘲讽

第四篇戳:天气太热业绩差,除了设坛求雨外,数据分析师还能干啥?

第五篇戳:数据化甩锅!把问题优雅的甩给外部环境,活学活用PEST


如果你看到一个数据分析师,没有在码数,而是在对着ppt空白一页发呆。不要怀疑,他不是在消极怠工,而是又在憋分析结论了。他还会鼠标点着一个框拖大拖小,上网搜ppt模板,到qq群问“XX分析的模板有没有!(手动可怜)”。

 

最后临到交报告,奋笔疾书:“本月业绩下跌2.4%,25家门店业绩未达标,需要提升!”然后忐忑的写邮件,发送报告,祈祷这次的月度分析报告能过关。然而……

 

过不了关的啊!八成被领导批成:没有分析结论,缺乏深度。要返工的啊!

 

——下结论,要首先看讲给谁听——

 

了解听众非常重要。我们的分析不是自嗨的,是要推动业务部门作出业绩的。所以必须了解听众的需求。具体来说,是了解这三点:

1.        听众关心的重点:他们关心什么问题?

2.        听众的背景知识:他们已经有什么假设?

3.        听众的能力范围:听完结论他们能做什么?

 

还拿销售分析举例:

1.        听众关心的重点:业绩!业绩!还是业绩!

2.        听众的背景知识:销售部门对一线情况、外部环境有切身感受,会有一堆假设和疑问。

3.        听众的能力范围:销售部门的能力有限,他们没有权力改变产品、品牌,也没有权力定促销政策,核心就是执行,如何把现有资源最大化。用现有的产品匹配客户需求。

 

可以看出,销售部门的关注点、能力范围都很聚焦,所以容易梳理出定型的套路

 

——导出结论的5步骤——

 

第一步:有没有问题

就关注核心指标是否达标。销售部门100%要背业绩。具体考核是看销售金额还是毛利还是XX要看公司具体要求,但核心指标必须第一位突出。

 

第二步:有多大问题

1.        达标差额是多少?

2.        大问题还是小问题?

3.        一次性问题还是连续性问题?

4.        缺口越来越大还是越来越小?

5.        整体问题还是局部问题还是个案问题?

这里可以配合第五篇介绍的PEST分析,把外部环境因素引入,判断是否是基本盘出了状况。

 

第三步:是谁的问题

1.        按区域分解:哪些区域问题更严重?

2.        按团队分解:哪些团队问题更严重?

3.        按类型分别:哪些类型的问题更严重?

4.        按生命周期分解:新店/老店问题更严重?

这里可以配合第四篇介绍的业务标签法,从不同维度切入,将问题聚焦到某一点上,便于寻找对策。

 

第四步:为什么出问题

一条主线:销售额 = 客流量 * 转化率(付费率)* 客单价(付费金额)

三大辅助:产品结构、人员结构、客户结构

这里可以配合第二篇介绍的推算法,不单单指出问题门店/团队的某个指标低了,更要进一步指出这背后的逻辑:

1.        产品结构:是否主推产品出现问题?是否连带销售没有跟上?是否产品与客群不匹配?

2.        人员结构:是否大部分业务员表现没有达标?是否团队结构出现断层?

3.        客户结构:是否是会员扩展少?是否只重新客不跟老客?是否只重大客不养散客?

 

第五步:如何应对问题

这里可以配合第三篇介绍的标杆法,按照符合假设、距离近、可持续的原则,选定参照标杆,方便销售团队学习经验,复制优秀做法。也为我们提炼核心业绩逻辑打下基础。

 

这样层层深入的方法,便于把销售部门的注意力聚焦到自己可以做的事情上。该培训话术培训话术,该做陈列做陈列,该做拦截做拦截。如果大家一致判断宏观形式有压力,在第二部分就可以转入市场部该提供什么样的支援,不会干扰后边的思维逻辑。避免陷入到底是内因还是外因的喋喋不休的争论里。

 

然而这样还是有问题。这种细致的剖析需要较长时间准备,至少是月度分析级别。然而对销售的日报、周报又如何体现价值呢?这就涉及到如何搭建一套合理的数据支持体系上。稍后陈老师继续分享。

 

 

——本文还差一点就完了——

 

为什么陈老师这个系列连载要从销售分析做起?

1.        大部分同学都做过销售的日报周报月报季度报

2.        大部分同学都觉得这种日报没啥好分析的

3.        销售的逻辑简单,部门关注点聚焦

实际上,通过这个系列连载可以让大家看到,即使是最简单的数据,都可以有方法深入下去,做成令人信服的成果

 

不要把分析质量建立在数据丰富的基础上,实际工作中你会发现:

1.        数据永远不够

2.        质量永远太差

3.        需求永远很急

4.        假设永远很多

想办法利用手头数据,结合业务场景才是王道

 

不要鄙视销售数据简单。相比之下,伺候市场部的策划们就难的多了。他们有权力设计产品、打造品牌、开展促销、制定政策,因此各种天马行空,各种预测推演,各种平地掀起三尺浪。特别折腾数据分析师,让你恨不得丢下键盘摆摊算卦。如果连销售这一关都过不了的话,后边就更别想了。

更多精彩干货请戳~~~

业务知识一站通,懂业务,让你从技术人才中脱颖而出!

陈老师基于咨询公司从业经验与8年25个项目经验,精心打造业务知识体系课程。

点击阅读原文立即学习


福利:文末扫码立刻关注公众号,“Python爱好者社区”,开始学习Python课程:

关注后在公众号内回复“课程”即可获取:

1.崔老师爬虫实战案例免费学习视频。

2.丘老师数据科学入门指导免费学习视频。

3.陈老师数据分析报告制作免费学习视频。

4.玩转大数据分析!Spark2.X+Python 精华实战课程免费学习视频。

5.丘老师Python网络爬虫实战免费学习视频。


您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存