四大业务场景解析数据化运营的最佳实践

导读：“要想做好数据化运营，最佳实践就是业务和技术并重，这也是永洪不断努力践行和优化的方面，我们不只是给客户提供产品，还包括完善的后期的服务——实施、培训，甚至数据咨询等，我们都有相关的配套服务，这样可以让客户真正地把数据价值落地，在业务场景中将数据价值变现。”——永洪科技高级副总裁王桐

以下内容整理自王桐先生在7月23号永洪上海大数据峰会上的演讲原文。

作为一家以产品见长，不管在技术还是在易用性等方方面面，都希望把产品打磨到极致，并以它为生存之根本的一家公司，为了体现对产品的信心，我这个环节演示的时间会大于PPT的时间。我们结合实际分析的业务场景来看一下数据化运营的最佳实践是什么样的。

今天涉及到的场景包括四个方面：1.用户画像的场景，它的数据化分析是怎么做的;2.销售型的企业，它的销售分析可以怎样做;3.对于一些有流通环节的物流企业，物流分析怎么做;4.还有任何一家企业的老板和财务都会非常关心的，企业财务指标的分析可以用怎样的方式去做。从这四个角度看怎样做数据化运营这件事情。

　　场景一，用户画像的场景

这也是现在在数据分析领域里面非常热门、非常经典的数据分析的用处。上午黄总也讲了美的集团怎样在全球做自己的用户画像，然后指导业务。首先我们要回答一个问题，做用户画像的目的到底是什么?其实做用户画像有两个大的目的是最典型的。

1.服务于产品研发设计人员，对于一个电商平台，可能有选品人员、买手和研发设计人员，用户画像可以作为他们的业务指导依据。

以前传统企业上新品的时候往往是闭门造车，根据自己的想象觉得消费者和用户喜欢什么，然后就做一个什么样的产品。这样就会导致市面上新品存活率很低，即使是宝洁这样的巨头公司，其实它的新品存活率也不超过百分之十几。所以大量的研发、资源和资金都浪费在这里面。

那么通过用户画像可以改变什么?当选品和研发设计人员想设计或者挑选一个新的产品提供给用户的时候，可以先针对目标用户群体做数据分析和需求调研，看看这部分用户的喜好和特点是什么，然后再有的放矢地设计新品，这样可以提高新品的存活率。

举一个传统家电业的例子。假设现在想要针对年轻女性设计一款新的电视，那么研发设计人员就可以勾选“电视、女性，年龄段”等等多维的条件，这样缩小了范围，就会发现用户诉求、功能诉求、购买渠道排名，然后就能够实时聚焦到这部分用户群体和电视产品相应的分析结果。

我们来看功能诉求这一块，功能诉求通过一个“词云”来展示，用户在功能诉求上面最突出的几个词，我们可以看到3D电视、智能电视，这是年轻女士非常青睐的电视功能。然而有客户曾经遇到过一个非常反直觉的真实案例，4K电视是这两年比较火的新的概念，但对于年轻女性来讲，她们对4K电视并不感兴趣。所以如果不做用户需求的调研，就贸然地赶新技术的潮流，针对年轻女性设计一款4K电视，那么新品的存活率一定不容乐观。

其实在实际的业务应用场景中，除了功能诉求以外，还可以在仪表盘上面放N个不同功能诉求维度的词云图。另外，像颜色诉求、价位诉求、尺寸诉求和类型诉求，这些都可以做一个聚焦的细分。

对于企划人员来说，其实只通过几个简单的操作就可以在一分钟内，快速得到一个既具体、又精准的结论。如果想针对一部分用户设计一款3D、智能、白色、52寸以下、4500元以下、壁挂的一个电视，可以想象一下，如果拿到这样具体的指导，其实后面要做的事情就是把工业设计、美观的部分做好就可以了。首先新品的调研和研发的周期就会得到一定程度的缩短，可以提高效率。再者，消费者在做购买决策的时候，会发现他心里所有的硬性条件这个产品都能满足，他只需要看一下品牌和样式，就能做出消费决策。比起传统的方式，这样非常简单的方式更容易被人接受。企业通过非常简单的方式，就可以几倍地提高新品存活率，这样在市场中想要通过新品扩大市场占有率，就是非常可行的事情了。

2.针对业务需求。通过我们的产品做出这样一个仪表盘，其实是几分钟就可以做到。但是选哪些分析指标和维度把它们组合到一起，放到同一个页面上面，便是业务需要考虑的事情了。因为每一个图表都是数据不同的角度，既然业务人员把这些图表放到一个页面上面，说明他们之间肯定存在关联关系和业务逻辑，那怎样的一个业务逻辑，包括筛选器怎样摆放、布局、整合思考逻辑，这就是需要业务功底的地方。

所以业务的功底和IT技术相结合，就能做出一个简单易用又实用，并且效果非常好的数据分析的仪表盘。我们动辄言称大数据，其实真正做好的结果，并不一定是多难懂、多复杂的东西，因为实用的东西一定是简单的，这样才容易被理解、被掌握，然后才容易在企业内部做大范围的推广，才能做到人人都是数据分析师，但凡它有点复杂、有些门槛，都会让事情变得不那么可控。

我们知道，只要涉及到做BI或者做数据分析，一定是IT和业务并重的事情。IT数据处理的部分，比如说某个词云的词的数据源是怎么来的，它的算法可能是比较综合的，可能这部分的数据有0.8的权重来自于过去ERP里面已成交的购买记录，另外0.2的权重可以分配给从网络上面抓回来的舆情数据，把分词提取出来。这样既看了过去的实时分析结果，又看了未来的热点和可能的趋势，综合起来得出这么一个功能诉求的标签。

3.另外一个典型的目的是精准营销。对什么人、卖什么产品、什么渠道卖、用什么样的方式卖?这需要结合用户的喜好和特点，因地制宜地制定营销策略和内容。

比如说还是同样的新品，这个新品已经做出来了，那在什么渠道首发呢?首发的促销应该在哪一个线下活动的渠道上面做?哪个效果是最好的、能够一炮走红?

假设现在整体的电视渠道是苏宁、精品、国美、社区店这样的排名，假设通过数据分析，最终做的是一款3D的电视，它的渠道排名和整个电视销量的渠道排名可能会不一样。我们放大一下图表，就会发现其他所有的图表都是一起联动的。这个数据就能告诉我们答案，如果做智能电视首发渠道应该是苏宁，而不应该是精品店或者社区店，因为在智能电视里面，苏宁的排名是第一的，首发促销的活动在这个渠道上面做，可能得到的效果是最好的。

　　场景二，销售收入分析的场景

（编辑：开发网_郴州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!