许多数据分析师进行了数据分析,但他们仍然无法着陆。一个好的数据分析师可以深入了解业务,控制整个产品操作过程,实现真正的着陆。那么,如何进行着陆分析呢?作者总结了整个数据分析着陆过程,希望能对您有所帮助。
你做的数据分析一点都不落地!
除了写数字,能不能有落地建议?
看了数,那么呢?该怎么办?
这种抱怨经常在办公室响起,这让做数据的学生非常沮丧。我该怎么办?今天,我将通过一个例子系统地解释它。
问题场景:大型售后连锁服务提供商,同时承担制造商、企业和个人的服务需求客户服务接收需求后,生成工单,分配给自营服务点或外包服务提供商,上门完成服务。
北极星的指标是:实际完成工单件数,问:如何进一步落地分析。
一、数据落地常见错误
很多同学一看到问题就说:老师,我会的!=需求数*转化率,既然要提高完成工单的数量,那就要做的是把需求和转化率两个指标:
搞高!
因此,数据落地的方式是:
- 多签厂家客户
- 多签企业客户
- 做大个人流量
- 提高客服效率
- 加强上门管理
- 提高师傅的技能
你看,这个建议多具体,多落地。……
额……
首先,这是真的。事实上,这些指标应该更高。事实上,这六项都是建议。问题是:这些都是正确的废话。即使你不是数据分析师,你也会知道很久。你必须把它们弄高,但你不能把它们弄低。
从数据推广业务着陆行动的核心是:优先级和优先级。通过数据分析,我们可以找到关键点和辅助点,这是数据计算的价值。如果没有计算,每个人都知道这也应该加强,这也应该加强。
第二步:梳理业务流程
如果你想着陆,第一步就是停止坐在数据层面,数数论数。首先要明确数据来自哪个业务流程,受哪个流程的影响。业务层的梳理一般从粗到细,像洋葱一样层层深入。比如在这种情况下,虽然涉及业务的角色很多,但可以分为需求/供给(如下图所示)。
目标是增加完成工单的数量。第一级的优先级是:需求/供应是否匹配。
只看单个月/整体供需情况,可能有三种状态:
一级判断决定了后续落地方向:
- 需求≥提高供给能力
- 需求=持续观察/降低供应成本
- 需求≤供给、开发客户、扩大需求
这就是V1.0的着陆建议。请注意,真正的建议不会这么口语化,而是经过计算:
这一步看起来很简单,但也隐藏着一个谜:如何判断哪个大?
第三步:建立判断标准
判断标准绝不是让老板拍脑袋那么简单。≤供应相对容易观察,如售后师傅人均工资少、平均工资低、人员流失多等。
但需求≥供应,很可能没有数据记录。例如,个人客户打电话进来,结果不主人预约;企业客户打电话,排队维修很长时间,但因为签订了年度合同,所以暂时不会翻脸。
这些情况使得供应能力难以评估,数据不真实。企业客户流失时反应已经太晚了。
因此,最好单独分析建立标准。例如,制造商/企业客户在签订合同时需要匹配服务条款(例如,订单应在24小时内处理);对于个人客户,需要根据客户启动需求后的完成率计算出相对准确的数字,并从完成率中剔除客户原因(询价后太贵、上门找不到人、随便问问等)。
这是一项寻求判断标准的工作。建立标准工作后,必须与各部门达成共识,才能达成一致认可。
这一步非常重要。许多学生难以实施的第一步是:只有数字,没有判断。或者判断条件不严格,导致深入,发现有很多商业定义模糊,相互争吵。这自然不会下降(如下图所示)
第四步:从短期到长期:
注:如果时间延长,可能会发生季节性变化。例如,特定设备在夏季/冬季使用频率较高,更容易出现故障。因此,在一个月内建立标准后,我们可以看到全年的情况,进一步锁定问题。
例如,总体情况是:需求:≥但是:
- 偶尔性(1、2个月)
- 常规(连续发生3个月以上)
- 连续性(新上/临近报废)
- 季节性(特定季节)
相应的优先级和优先级也不同,可引导的着陆建议也不同(如下图所示)
第四步:找重点,抓重点
总体情况确定后,再看局部问题。例如,在第一阶段,锁定问题来自:供给方,即供给不足,那么如何进一步分析呢?
首先,业务有三条线,谁是重点,首先要区分。因为制造商/企业toB类客户和toC个人用户是两种基本的发展理念。他们不仅在工单总数中占有不同的比例,而且对未来发展也有不同的重要性。toB是公司的生命线。
在不同重要性的影响下,即使当前数据相同,对未来发展的判断也可能不同。先做判断,再仔细看(如下图)
第五步:从整体到局部
其次,售后服务是分区交付的,所以哪个区域特别严重,哪个区域例外,然后分开。这是相对容易理解的。每个区域的客户需求不同,店铺/师傅配置也不同。很可能偏远地区还是二次外包。因此,锁定问题点也有助于解决问题突出的区域。
这里有战略差异:如果你真的看到某个地区的需求特别强劲,而且都是外包,你很可能会选择更换外包,设置自己的服务点,而不是外包需要保持业绩发展趋势。
在落地上,从来没有一个指标是好的,也没有一个是坏的,很可能有第三个选择。
七、六步:从局部到细节:
最后,售后服务分为两个环节进行,无论是客户服务订单发送缓慢,还是售后执行差,再分开。
这种分解是最复杂的。由于客户服务不能发送订单,很可能是因为该地区/主要客户服务团队的工作已经饱和,或者是因为节假日等正常原因,或者是因为等待零件转移等客观原因,很难说是发送订单的问题还是服务的问题。
在考虑着陆方案时,问题越详细,后面解决的问题就越多。因为很可能别详细的细节之后,你会发现没有数据……这也是分析的基本原则。
八、七步:从数据到管理:
面对缺乏细节的数据,您可以使用管理手段来配合数据建设。例如,客户服务需要在第一次订单和售后无异常情况下,在订单接收后30分钟内完成分配,手动反馈标记异常。
您还可以提前检查各地区的配件数量和库存,并提前标明缺货标签。在分析过程中,您可以区分哪些因等待配件而延迟。您还可以要求服务大师在上门前/服务完成后进行系统打卡登记,以便统计大师的在职情况,从而推动大师是否饱和。
请注意,这些管理手段本身也有助于性能。您可以提前发现支持问题,监控一线行为奖励,及时发现有增长潜力的区域。
因此,利用这些业务利益点作为诱饵,可以促进管理手段的实施,从而达到收集数据的目的,从而杀死两只鸟。如果没有良好的管理手段,数据很可能无法收集,自然也无法实施。如果没有业务利益点,即使高级管理层强烈干预,强行推动软件,业务不合作,随机填写,数据仍然完全混乱。
小结
要落地数据,就是这样一步一步从粗到细,消除各种异常,击中要害,最后结合管理手段落地。
而不是简单:
也不是一套神威无敌将军模式就能搞定的。比如有同学看:哎呀!有客服订单!立即条件反射:我们效仿滴滴/美团,建立人工智能派单模型。
那么,这是售后后业务。机器的损坏率不会像出租车/外卖那样每天持续,需求也会那么大。而且上门还涉及配件问题,哪里可以随便套。因此,如果你想做得好,你必须深入业务流程,耐心剥洋葱。
专栏作家
接地气的陈老师,微信微信官方账号:接地气学校,大家都是产品经理专栏作家。资深顾问在互联网、金融、快速消费品、零售、耐用、美容等15个行业有丰富的数据相关经验。
每个人都是产品经理。未经许可,禁止转载。
题图来自 Pexels,基于CC0协议。
本文的观点仅代表作者本人,人人产品经理平台只提供信息存储空间服务。
今天的文章就分享到这里,如果你也网赚副业项目感兴趣,可以添加 维信:beng6655 备注:副业!
如若转载,请注明出处:https://www.haoxue2.com/570.html