Làm thế nào để đưa ra những gợi ý khả thi cho doanh nghiệp khi thực hiện phân tích dữ liệu

Bài viết này sử dụng một nghiên cứu thực tế về một công ty thương mại điện tử trên Internet muốn tăng giá sản phẩm để chỉ ra cách các nhà phân tích dữ liệu có thể bắt đầu từ việc xác nhận sự thật và đưa ra các đề xuất thực tế thông qua quy trình phân tích chi tiết. Bài viết sẽ trình bày chi tiết quá trình này, bao gồm xác nhận tính xác thực của doanh số, phân tích dữ liệu lịch sử, thiết kế thử nghiệm dữ liệu và cách tránh những sai lầm thường gặp khi ra quyết định.

Nhiều học sinh ghét bị coi là công cụ, nhưng mỗi khi được yêu cầu đưa ra gợi ý, các em lại trở nên nhút nhát. Ngoài câu “mục tiêu đã hạ xuống, chúng ta cần phải nâng lên”, họ không biết nói gì thêm. Hôm nay tôi sẽ trả lời một câu hỏi cụ thể và giới thiệu chi tiết cho bạn: cách rút ra những gợi ý khả thi từ dữ liệu.

Tình huống có vấn đề: Ông chủ của một công ty thương mại điện tử theo chiều dọc trên Internet cho biết: Sản phẩm A bán rất chạy gần đây và ông muốn tăng giá để tăng lợi nhuận chung của sản phẩm này. Bây giờ, với tư cách là nhà phân tích dữ liệu, bạn nhận được yêu cầu này và hỏi: Làm thế nào để thực hiện?

00Phân tích vấn đề

Trước hết, học sinh cần chú ý: Có một số câu hỏi ở đây không?

Hãy suy nghĩ về điều đó trong một phút.

Nếu bộ phận kinh doanh nghe được loại lệnh này, phản ứng theo bản năng của họ sẽ là: "Có vấn đề ở đây. Ông chủ muốn tăng giá. Tôi nên tăng giá như thế nào?" Nhưng các nhà phân tích dữ liệu không giải thích nhu cầu này theo cách này. Bởi vì các nhà phân tích dữ liệu trước tiên phải đảm bảo rằng các quyết định của ban lãnh đạo phải dựa trên các sự kiện chính xác và thứ hai, phải đảm bảo tính khả thi của các khuyến nghị quyết định.

Đối với các nhà phân tích dữ liệu, có hai câu hỏi ở đây:

Câu hỏi 1: Câu ông chủ nói “Doanh số bán hàng gần đây khá tốt” có đúng không?

Câu hỏi 2: Dựa trên tiền đề là Câu hỏi 1 đã được thiết lập, hãy suy nghĩ về cách thực hiện nó

01Bước đầu tiên để giải quyết vấn đề: xác nhận sự thật

Trên thực tế, nhiều nhận thức kinh doanh không dựa trên thực tế. Vào thời điểm này, liệu lượng bán ra có thực sự tốt hay không cần phải xác minh thêm.

Hơn nữa, nhiệm vụ này phù hợp nhất cho việc phân tích dữ liệu. Khi một bộ phận kinh doanh nắm bắt cơ hội kinh doanh, họ có thể dựa vào kinh nghiệm, phán đoán và trực giác của mình, nhưng khi phân tích dữ liệu nắm bắt cơ hội kinh doanh, họ phải dựa vào dữ liệu.

Để xác minh câu hỏi 1, các giả định cần loại trừ là:

1. Không thực sự tốt (chỉ hơn một chút so với các danh mục khác)
2. Nó thực sự tốt, nhưng không tốt bây giờ (thông tin này đã lỗi thời)
3. Hiện tại thì tốt, nhưng chỉ là tạm thời/theo mùa/thỉnh thoảng (không dự kiến ​​sẽ kéo dài)
4. Hiện tại thì tốt, ổn định nhưng đã đầu tư nguồn lực (không có chỗ để tăng giá)

Toàn bộ logic được tóm tắt như sau bằng phương pháp MECE:

Nhiều nhà phân tích dữ liệu mới vào nghề bỏ qua bước này. Trên thực tế, bước này phản ánh rất nhiều giá trị của các nhà phân tích dữ liệu. Ông chủ chỉ nói một cách hờ hững, và nhà phân tích dữ liệu đã loại bỏ từng khả năng một. Đó là một trải nghiệm rất tuyệt vời đối với ông chủ. Có vẻ như công việc phân tích dữ liệu đã được thực hiện một cách chuyên sâu.

Trên thực tế, có một mô hình cố định về thời điểm tăng giá, thường dựa trên vòng đời sản phẩm (như thể hiện bên dưới):

• n Nếu xu hướng vòng đời của loại A tốt hơn đáng kể so với cùng loại trong quá khứ thì có thể tăng giá.
• n Nếu đang ở giai đoạn đầu của vòng đời (giai đoạn niêm yết, giai đoạn tăng trưởng), có thể tăng
• n Nếu loại A khan hiếm (hàng tồn kho luân chuyển nhanh, doanh số bán hàng tốt), có thể tăng

Ngược lại, nếu A đang ở giai đoạn cuối của vòng đời, vẫn còn hàng tồn kho dư thừa và hiệu suất hoạt động ở mức trung bình thì không nên cân nhắc tăng giá. Bạn có thể cân nhắc việc kết hợp các chương trình khuyến mại, giảm giá khi mua hàng vượt quá một số tiền nhất định, v.v.

02 Bước 2 của giải quyết vấn đề: Phân biệt giữa kinh nghiệm và thử nghiệm

Nếu bước đầu tiên được xác nhận, bạn có thể thực hiện bước thứ hai: xác định hướng phân tích.

Bước thứ hai là xác nhận một điều: Đã có những điều chỉnh giá tương tự nào được thực hiện trong quá khứ chưa?

Nếu vậy, hãy phân tích tác động dự kiến ​​và tính khả thi của việc điều chỉnh giá này dựa trên kịch bản điều chỉnh giá tương tự trước đó.

Nếu không, sẽ không có dữ liệu tham khảo lịch sử và bạn cần thiết kế một thí nghiệm dữ liệu để xác minh tính khả thi của giải pháp.

Điểm này có thể phản ánh sự khác biệt trong tư duy giữa phân tích dữ liệu và kinh doanh. Nếu bạn thay đổi doanh nghiệp, bạn có thể đưa ra những đánh giá trực tiếp thông qua việc giao tiếp với khách hàng, tìm hiểu sâu hơn về người dùng và hiểu biết về sản phẩm. Nhưng khi suy nghĩ về các vấn đề thông qua phân tích dữ liệu, người ta phải bắt đầu từ dữ liệu. Nếu có dữ liệu lịch sử, hãy phân tích dựa trên dữ liệu lịch sử đó. Nếu không, hãy thực hiện thử nghiệm trước, thu thập dữ liệu rồi phân tích.

Tất nhiên, khi thực hiện trên thực tế, cả hai có thể được kết hợp. Ví dụ, nếu doanh nghiệp đề xuất kế hoạch tăng giá, quá trình phân tích dữ liệu có thể được chia thành hai bước:

1. Trình diễn trước: Kế hoạch này không có sai sót nghiêm trọng

2. Trình diễn sau sự kiện: Giải pháp này có thể được xác minh thông qua thí nghiệm XX

Điều này sẽ thúc đẩy kế hoạch tiến triển.

03 Bước thứ ba của giải quyết vấn đề: lập luận trước

Có hai loại lập luận trước:

1. Tóm tắt kinh nghiệm lịch sử và đưa ra gợi ý khi điều chỉnh giá

2. Nếu không có điều chỉnh giá, hãy đưa ra phạm vi điều chỉnh giá để tránh sai sót.

Để một kế hoạch được thực hiện, sáu yếu tố thời gian, địa điểm, con người, nguyên nhân, quá trình và kết quả phải đầy đủ. Do đó, khi xem xét kinh nghiệm lịch sử, điều quan trọng là phải chi tiết hơn và phân tích đầy đủ sáu yếu tố của lần điều chỉnh giá gần đây nhất (như thể hiện trong hình bên dưới).

hiện hữu

Khi tránh sai lầm, điều quan trọng nhất là sử dụng dữ liệu để loại bỏ một số giả định rõ ràng là vô lý. Về mặt lý thuyết, người tiêu dùng không hề ngu ngốc. Việc điều chỉnh giá sẽ dẫn đến việc giảm doanh số bán hàng; doanh số giảm sẽ dẫn đến tăng hàng tồn kho và thời gian quay vòng dài hơn; thời gian quay vòng dài hơn sẽ làm tăng nguy cơ hàng hóa trở nên lỗi thời, điều này có thể ảnh hưởng thêm đến doanh số bán hàng. Mặc dù không có dữ liệu nào chứng minh điều này, nhưng phía doanh nghiệp cần cân nhắc những điểm này khi lập kế hoạch.

Những giả định vô lý điển hình, chẳng hạn như:

1. Mức tăng giá được thiết lập quá cao, thậm chí ngang bằng giá của các sản phẩm cao cấp hơn

2. Khối lượng bán hàng chưa được điều chỉnh và việc tăng giá mặc định sẽ không ảnh hưởng đến khối lượng bán hàng

3. Ước tính doanh số quá cao, không tính đến việc tăng hàng tồn kho do doanh số giảm

Hầu hết những lỗi rõ ràng này xuất phát từ sự phỏng đoán quá lạc quan của phía doanh nghiệp do thiếu kinh nghiệm. Là nhà phân tích dữ liệu, chúng ta nên cảnh báo về những giả định lạc quan như vậy hoặc ít nhất là khiến họ nhận thức được vấn đề.

04 Bước 4 của giải quyết vấn đề: Lập luận hậu hoc

Nếu không có dữ liệu lịch sử tích lũy, cần phải thiết kế các thí nghiệm dữ liệu để xác minh kết quả. Lưu ý: Thiết kế thí nghiệm dữ liệu phải liên quan đến khía cạnh kinh doanh. Vì tăng giá là một hành động kinh doanh nên có hai cách cơ bản: tăng giá công khai và tăng giá ẩn.

Tăng giá rõ ràng: điều chỉnh giá trực tiếp

Tăng giá ẩn: điều chỉnh giá một cách bí mật bằng cách tung ra các phiên bản nâng cấp, phiên bản plus, giảm giá coupon, v.v.

Những tác động mà các biện pháp này có thể tạo ra là khác nhau. Nếu có mức tăng giá rõ ràng, có thể kiểm tra trực tiếp mức độ nhạy cảm về giá của tất cả người dùng. Nếu đây là mức tăng giá ẩn, điều đó có nghĩa là chỉ một bộ phận người dùng sẽ phản ứng với mức tăng giá này. Cần phân khúc người dùng và quan sát phản ứng của một số người dùng (như hiển thị bên dưới):

Về mặt lý thuyết, việc tăng giá ẩn sẽ dễ được người dùng chấp nhận hơn về mặt cảm xúc. Xét cho cùng, việc tăng giá rõ ràng có vẻ như là một trò lừa đảo quá mức, khiến mọi người có cảm giác tích trữ. Nhưng trong hoạt động thực tế, việc tăng giá ẩn đòi hỏi phải có kế hoạch tiếp thị mới. Rất có thể kế hoạch mới sẽ thất bại, dẫn đến chiến lược tăng giá cũng thất bại và phía doanh nghiệp sẽ phải chịu trách nhiệm.

Do đó, phía doanh nghiệp sẽ có xu hướng kỳ vọng vào mức tăng rõ ràng và yêu cầu các nhà phân tích dữ liệu đưa ra dự đoán: giá sẽ tăng bao nhiêu để tối đa hóa ROI.

Điều quan trọng ở đây là phải làm rõ với phía doanh nghiệp: nếu không có dữ liệu lịch sử thì không thể phân tích và cần phải thử nghiệm. Đừng cố né tránh câu hỏi bằng cách đoán mò hoặc các phương pháp vòng vo khác. Độ co giãn của giá phải được kiểm tra. Nếu bạn rút ra kết luận mà không thử nghiệm, rủi ro thất bại về chiến lược sẽ do chính nhà phân tích dữ liệu gánh chịu...

05 Tóm tắt

Từ những điều trên, chúng ta có thể thấy rằng việc tăng giá đơn giản đòi hỏi rất nhiều phân tích chi tiết, cụ thể cho nhiều tình huống khác nhau. Nhiều người mới không xem xét đến nhiều tình huống như vậy. Họ chỉ lấy doanh số bán hàng của tuần hoặc tháng trước rồi bắt đầu đoán: "Có thể doanh số bán hàng sẽ giảm sau khi giá tăng..."

Làm việc một cách thô bạo như vậy, người lãnh đạo có thể dễ dàng hạ thấp tôi theo nhiều cách, chẳng hạn như:

“Bạn đã cân nhắc đến sự khác biệt với các danh mục khác chưa?”

“Liệu nó chỉ là tác dụng ngắn hạn thôi sao?”

“Có bằng chứng nào cho thấy giá thực sự có thể tăng không?”

Nhà phân tích dữ liệu sẽ nói một cách bực bội: "Bạn cũng không đề cập đến điều đó."

Lúc này, người cầm đầu lại nói: "Sao ngươi không suy nghĩ thêm đi!"

Sau tất cả những lần qua lại này, lòng tin đã không còn nữa.

Chúng ta thường nói rằng các nhà phân tích dữ liệu là cố vấn quân sự của một doanh nghiệp. Trong tiểu thuyết, khi lãnh chúa hỏi ý kiến ​​cố vấn quân sự, cố vấn quân sự sẽ đưa ra ba chiến lược: tốt nhất, trung bình và tệ nhất. Chiến lược tốt nhất được chia thành chiến lược tốt nhất, chiến lược trung bình tốt nhất, chiến lược tệ nhất và tệ nhất. Công việc được thực hiện rất tỉ mỉ và các kịch bản được cân nhắc rất toàn diện. Đây là tiêu chuẩn mà một cố vấn quân sự có trình độ cần đạt được. Chúc mọi điều tốt đẹp nhất đến với bạn.